İçeriğe geç

Nicel araştırma · 2026

Yükseköğretim Öğrencileri Arasında Üretken Yapay Zekânın Kabul ve Kullanım Kalıpları

Acceptance and Usage Patterns of Generative Artificial Intelligence Among Higher Education Students

Okur sorusu

Türkiye'deki üniversite öğrencilerinin üretken yapay zekâ kullanım kalıpları ve teknolojiye olan uyum düzeyleri nasıldır?

Türkiye'de bir kamu üniversitesindeki 318 öğrenci üzerinde yapılan bu araştırma, öğrencilerin üretken yapay zekâya yönelik 5 üzerinden 4,00 puan ortalamasıyla yüksek bir kabul düzeyine sahip olduğunu göstermiştir. Katılımcıların %54,8'i bu araçları kullanmakta olup, en popüler araç %48,1 ile ChatGPT'dir.

Kaynak izi: (Aksoy & Akyel, 2026) · (Aksoy & Akyel, 2026)

Öne çıkanlar

  • Yükseköğretim öğrencilerinin üretken yapay zekâ kabulü yüksek düzeydedir ve bu kabulde teknolojinin akademik performansı artıracağı inancı temel rol oynamaktadır.
  • Öğrencilerin yarıdan fazlası yapay zekâ araçlarını kullanmakta olup en sık tercih edilen uygulama ChatGPT, en yaygın kullanım amacı ise bilgi toplamadır.
  • Yapay zekâya yönelik tutum ve niyetlerde cinsiyet, akademik başarı (GNO) veya sınıf seviyesi bakımından anlamlı bir farklılık bulunmamaktadır.
  • Lisans öğrencileri, önlisans öğrencilerine göre yapay zekâ kullanımında akranlarından ve sosyal çevrelerinden daha fazla etkilenmektedir.
Yayın türü
Nicel araştırma
Yazarlar
Dilara Arzugül Aksoy ve Anıl Kadir Akyel
Dergi / alan
Educational Academic Research · Sosyal Bilimler
Yıl
2026
Örneklem
Araştırmanın örneklemi, uygun örnekleme yöntemiyle seçilen 318 önlisans ve lisans öğrencisinden oluşmaktadır; ölçek analizlerinde ise yalnızca kullanıcı olan 179 öğrencinin…
Veri kaynakları
Veriler, Üretken Yapay Zekâ Kabul Ölçeği ve Kişisel Bilgi Formu kullanılarak Google Formlar aracılığıyla dijital ortamda toplanmıştır.
Analiz yöntemi
Verilerin analizinde Jamovi yazılımı kullanılarak betimsel istatistikler, bağımsız örneklemler t-testi, tek yönlü varyans analizi (ANOVA) ve korelasyon analizi uygulanmıştır.

İnceleme özeti

Üretken yapay zekâ (ÜYZE) teknolojileri, günümüzün en karmaşık ve ileri düzey yeniliklerinden biri olarak kabul edilmekte, sağlık ve turizm gibi birçok sektörü dönüştürmenin yanı sıra yükseköğretim kurumlarında da köklü değişimlere yol açmaktadır. Bu teknolojiler, öğrenme süreçlerine müfredat tasarımı, öğretim asistanlığı ve kişiselleştirilmiş geri bildirim sağlama gibi yeni boyutlar kazandırmaktadır. Ancak, ÜYZE'nin eğitim ortamlarına entegrasyonu, dijital eşitsizliği artırma, veri gizliliği ihlalleri, telif hakkı sorunları, yanlış bilgi üretimi ve akademik dürüstlüğün zedelenmesi gibi bir dizi ciddi zorluğu da beraberinde getirmektedir. Bu bağlamda, yükseköğretim öğrencilerinin ÜYZE'ye yönelik kabul düzeyleri ve kullanım alışkanlıklarının derinlemesine anlaşılması, bu teknolojinin üniversite ortamlarında etik, etkili ve sorumlu bir şekilde uygulanabilmesi için hayati bir araştırma sorununu temsil etmektedir. Çalışma, bu kapsamlı değerlendirme ihtiyacına yanıt vermeyi hedeflemektedir.

Bu çalışmanın temel amacı, Türkiye'deki yükseköğretim öğrencilerinin üretken yapay zekâya yönelik kabul düzeylerini ve kullanım kalıplarını nicel bir yaklaşımla incelemektir. Araştırma, ÜYZE'nin eğitim süreçlerine entegrasyonunda karşılaşılabilecek potansiyel fırsat ve tehditleri belirlemeyi, aynı zamanda dijital dönüşümü yönetmek ve pedagojik stratejiler ile etik politikalar geliştirmek için öğrencilerin kullanım alışkanlıklarına dair kapsamlı bir bakış açısı sunmayı hedeflemiştir. Bu amaca ulaşmak için, bir devlet üniversitesinden ön lisans ve lisans düzeyinde öğrenim gören 318 öğrenciden oluşan kolayda örneklem grubu üzerinde anket yöntemi kullanılmıştır. Veri toplama aracı olarak, Birleşik Teknoloji Kabul ve Kullanım Teorisi (UTAUT) modeline dayalı Üretken Yapay Zekâ Kabul Ölçeği ile kişisel bilgi formu kullanılmıştır. Elde edilen veriler, tanımlayıcı istatistikler, bağımsız örneklem t-testleri, tek yönlü ANOVA ve korelasyon analizi teknikleri ile analiz edilmiştir. ÜYZE kullanmayan 139 öğrencinin verileri kabul ölçeği analizlerinden çıkarılmıştır.

Araştırma bulguları, yükseköğretim öğrencilerinin üretken yapay zekâ teknolojilerine genel olarak yüksek düzeyde kabul gösterdiğini ortaya koymuştur. Öğrencilerin yarıdan fazlasının en az bir ÜYZE aracı kullandığı ve ChatGPT'nin en yaygın araç olduğu belirlenmiştir. ChatGPT'yi 153 öğrenci (%48,1), Gemini'yi 33 öğrenci (%10,4) kullanırken, diğer araçların kullanım oranları çok daha düşük kalmıştır. Öğrencilerin ÜYZE'yi başlıca araştırma ve bilgi toplama (%67,8) ile eğitim ve ödev yapma (%43,6) amaçlarıyla kullandıkları tespit edilmiştir. ÜYZE kabul düzeylerinin cinsiyet, not ortalaması veya akademik yıl açısından anlamlı bir farklılık göstermediği saptanmıştır. Ancak, ön lisans ve lisans öğrencileri arasında sosyal etki puanlarında lisans öğrencileri lehine anlamlı bir fark gözlemlenmiştir. Ayrıca, sosyal medya kullanım sürelerinin performans beklentisi alt boyutunda anlamlı bir farklılaşma gösterdiği, ancak bu farklılaşmanın post hoc testlerinde istatistiksel olarak anlamlı gruplar arası fark yaratmadığı belirtilmiştir. Genel kabul puanı ise sosyal medya kullanım süresine göre farklılaşmamıştır.

Bu araştırma, öğrencilerin üretken yapay zekâya yüksek kabul düzeyleri sergilediğini ve bu kabulün özellikle performans beklentisi boyutunda güçlü olduğunu göstererek mevcut literatürle uyumlu önemli sonuçlar sunmaktadır. Çalışmanın cinsiyet, akademik yıl ve not ortalaması gibi demografik faktörlerin ÜYZE kabulünü belirlemediğini ortaya koyması, ilgili alandaki çelişkili bulgulara yeni bir bakış açısı getirmektedir. Özellikle ön lisans ve lisans öğrencileri arasındaki sosyal etki farklılığı, öğrencilerin eğitim seviyeleri ilerledikçe akran ve sosyal çevrelerinden daha fazla etkilendiğini işaret etmektedir. Bu bulgular, üniversitelerin ÜYZE'nin etik ve sorumlu kullanımına yönelik politikalar ve yönergeler geliştirmesinin gerekliliğini vurgulayarak, eğitim yöneticileri ve politika yapıcılar için değerli içgörüler sunmaktadır. Ayrıca, çalışma, ÜYZE'nin eğitimdeki potansiyelini anlamak ve bu potansiyeli maksimize etmek için kültürel ve kurumsal bağlamlara özgü stratejiler geliştirilmesi gerektiğini, böylece literatürdeki uluslararası bulguların Türkiye bağlamında nasıl tezahür ettiğini ortaya koymaktadır.

Kuramsal ve kavramsal çerçeve

Çalışma, teknoloji kabulünü açıklamak için üç ana kuramsal çerçeveden yararlanmıştır. Davis'in (1989) Teknoloji Kabul Modeli (TAM), kabulü algılanan kullanım kolaylığı ve faydalılık ile ilişkilendirir. Rogers'ın (1983) Yeniliklerin Yayılımı Teorisi, yeni teknolojilerin topluma yayılma süreçlerini ve benimseyenlerin özelliklerinin etkisini inceler. Venkatesh ve diğerlerinin (2003) Birleşik Teknoloji Kabul ve Kullanım Teorisi (UTAUT) ise performans beklentisi, çaba beklentisi, kolaylaştırıcı koşullar ve sosyal etkinin davranışsal niyeti ve nihayetinde gerçek kullanımı doğrudan etkileyen dört temel yapı olduğunu öne sürer. Bu araştırma, üretken yapay zekâ kabul ölçeğinin UTAUT modeli temel alınarak geliştirilmiş olmasından dolayı, özellikle UTAUT çerçevesini benimsemiştir.

Makalenin ele aldığı literatür

Literatür taraması, üretken yapay zekânın eğitimdeki dönüştürücü etkisini, dil eğitimi, uzaktan öğrenme ve matematik eğitimi gibi çeşitli alt alanlardaki entegrasyonunu vurgulamaktadır. Lim ve arkadaşları (2023) tarafından ortaya konan paradokslar (faydalı ama riskli, yetkin ama bağımlı, erişilebilir ama kısıtlayıcı, yasaklansa bile popüler) teknolojinin çift yönlü doğasını ele alır. Ayrıca, ÜYZE'nin müfredat tasarımı, öğretim asistanlığı, kişiselleştirilmiş öğrenme ve eleştirel düşünme becerilerini geliştirme potansiyelini özetlerken; dijital eşitsizlik, veri gizliliği, telif hakları ve akademik dürüstlük riskleri gibi mevcut zorlukları da tartışmaktadır. Mevcut literatür, öğrencilerin ÜYZE'ye yönelik yüksek kabul düzeylerini, kullanım amaçlarını ve kabulü etkileyen algılanan faydalar, kullanım kolaylığı, davranışsal niyetler ve teknolojik yeterlilik gibi faktörleri ortaya koymaktadır.

Yöntem ve araştırma tasarımı

Araştırmanın amacı

Bu çalışma, Türkiye'deki yükseköğretim öğrencilerinin üretken yapay zekâya (ÜYZE) yönelik kabul düzeylerini ve kullanım kalıplarını incelemeyi amaçlamaktadır. Amaç, teknolojinin eğitimle bütünleşmesiyle ilişkili fırsat ve tehditleri belirlemek, dijital dönüşümü yönetmek, pedagojik stratejiler ve etik politikalar geliştirmek için ÜYZE kullanımına dair içgörü elde etmektir (Aksoy & Akyel, 2026).

Yöntem ve yaklaşım

Bu araştırmada, nicel bir araştırma deseni benimsenmiş ve Türkiye'deki bir devlet üniversitesindeki öğrencilerin üretken yapay zekâ teknolojilerine yönelik kabul ve kullanım kalıplarını belirlemek amacıyla tarama (survey) yöntemi kullanılmıştır (Aksoy & Akyel, 2026).

Evren veya inceleme alanı
Türkiye'deki bir devlet üniversitesinde öğrenim görmekte olan yükseköğretim öğrencileri.
Örneklem veya araştırma materyali
Araştırmanın örneklemi, uygun örnekleme yöntemiyle seçilen 318 önlisans ve lisans öğrencisinden oluşmaktadır; ölçek analizlerinde ise yalnızca kullanıcı olan 179 öğrencinin verileri temel alınmıştır.
Veri toplama süreci
Veriler, Üretken Yapay Zekâ Kabul Ölçeği ve Kişisel Bilgi Formu kullanılarak Google Formlar aracılığıyla dijital ortamda toplanmıştır.
Veri analiz yöntemi
Verilerin analizinde Jamovi yazılımı kullanılarak betimsel istatistikler, bağımsız örneklemler t-testi, tek yönlü varyans analizi (ANOVA) ve korelasyon analizi uygulanmıştır.
Generative Artificial Intelligence (GenAI)Technology AcceptancePerformance ExpectancyEffort ExpectancySocial InfluenceFacilitating ConditionsUsage Patterns

Bulgular

  1. Yükseköğretim öğrencilerinin üretken yapay zekâ kabul düzeylerinin 5 üzerinden 4,00 puan ortalamasıyla genel olarak yüksek olduğu ve teknolojiyi eğitim süreçlerinde olumlu karşıladıkları belirlenmiştir (Aksoy & Akyel, 2026).

  2. Öğrencilerin %54,8'inin en az bir üretken yapay zekâ aracı kullandığı, en popüler aracın %48,1 ile ChatGPT olduğu ve temel kullanım amacının %67,8 ile araştırma/bilgi toplama olduğu tespit edilmiştir (Aksoy & Akyel, 2026).

  3. Üretken yapay zekâ kabul düzeylerinin cinsiyet, akademik yıl veya not ortalaması (GNO) gibi değişkenlere göre istatistiksel olarak anlamlı bir farklılık göstermediği doğrulanmıştır (Aksoy & Akyel, 2026).

  4. Lisans öğrencileri ile önlisans öğrencileri arasında sosyal etki boyutu bakımından lisans öğrencileri lehine anlamlı bir fark saptanmış, bu grubun akran etkisine daha açık olduğu görülmüştür (Aksoy & Akyel, 2026).

  5. Performans beklentisi boyutu en yüksek ortalama skora sahiptir; bu durum öğrencilerin yapay zekâyı öğrenmeyi destekleyen ve akademik başarıyı artıran etkili bir araç olarak gördüklerini kanıtlamaktadır (Aksoy & Akyel, 2026).

  6. Genel akademik başarıyı temsil eden not ortalaması ile yapay zekâ kabul ölçeğinin hiçbir alt boyutu arasında anlamlı bir korelasyon bulunmadığı bilimsel verilerle ortaya konmuştur (Aksoy & Akyel, 2026).

Tartışma ve sonuç

Araştırma bulguları, Türkiye'deki yükseköğretim öğrencilerinin üretken yapay zekâ araçlarını yüksek düzeyde benimsediklerini ve bu teknolojilere yönelik son derece olumlu bir kabul düzeyi sergilediklerini ortaya koymaktadır. 5'li Likert ölçeğinde elde edilen 4,00 puanlık genel ortalama skoru, öğrencilerin bu araçları modern eğitim süreçlerinin ve bireysel öğrenme pratiklerinin ayrılmaz bir parçası olarak görmeye başladıklarını açıkça kanıtlamaktadır.

Teknoloji kabul boyutları detaylandırıldığında, performans beklentisinin en yüksek ortalamaya sahip olması, öğrencilerin yapay zekâyı akademik verimliliklerini artıracak ve karmaşık öğrenme görevlerini kolaylaştıracak stratejik bir yardımcı olarak değerlendirdiklerini göstermektedir. Bu algı, teknolojinin sunduğu kullanım kolaylığı ve zaman tasarrufu gibi pratik faydalarla birleştiğinde yükseköğretimde benimseme hızının neden bu denli yüksek olduğu daha iyi anlaşılmaktadır.

Cinsiyet, sınıf düzeyi ve akademik başarı gibi demografik faktörlerin kabul düzeyi üzerinde anlamlı bir etkisinin bulunmaması, üretken yapay zekânın üniversite ekosistemi içinde homojen bir şekilde yayıldığını işaret etmektedir. Bu durum, dijital yerli olan günümüz öğrencileri için yapay zekâ araçlarının artık akademik statüden veya kişisel özelliklerden bağımsız olarak standart bir bilgiye erişim kanalı ve yardımcı asistan statüsüne dönüştüğünü göstermektedir.

Öğrencilerin birincil kullanım amacının akademik araştırma ve bilgi toplama olması, geleneksel kütüphane ve arama motoru kullanım alışkanlıklarının yerini yapay zekâ tabanlı etkileşimli süreçlerin aldığını kanıtlamaktadır. Bu dönüşümün eğitim kalitesini artırma potansiyeli yüksek olsa da veri güvenliği ve etik kullanım risklerini de beraberinde getirdiği, dolayısıyla yükseköğretim kurumlarının bu teknolojik dönüşümü yönetmek için somut politikalar üretmesi gerektiği sonuçuna varılmıştır.

Bulguların önceki araştırmalarla karşılaştırılması

Performans beklentisinin davranışsal niyetin en güçlü yordayıcısı olduğu yönündeki bulgu, Kosta Rika'daki öğrencilerle yapılan ve performans beklentisinin en baskın faktör olduğunu gösteren Cabero-Almenara ve diğerlerinin (2025) çalışmasıyla tam bir uyum içerisindedir (Aksoy & Akyel, 2026).

Öğrencilerin yüksek yapay zekâ kabul düzeyi ve kullanım sıklığı, Almassaad ve diğerlerinin (2024) Suudi Arabistan'daki yükseköğretim öğrencilerinin %78,7'sinin en az bir yapay zekâ aracı kullandığını belirten bulgularıyla paralellik göstermektedir (Aksoy & Akyel, 2026).

Yazarların ulaştığı sonuç

Çalışma, Türkiye'deki yükseköğretim öğrencilerinin üretken yapay zekâ teknolojilerine yönelik yüksek düzeyde kabul geliştirdiğini ve bu araçları akademik araştırma ile bilgiye erişim süreçlerine entegre ettiklerini kanıtlamaktadır. ChatGPT'nin en yaygın araç olması ve performans beklentisinin benimsemedeki temel motivasyon kaynağı olması, üniversitelerin bu teknolojinin etik, sorumlu ve verimli kullanımı için kurumsal rehberler ve okuryazarlık programları oluşturmasının önemini açıkça ortaya koymaktadır (Aksoy & Akyel, 2026).

Literatürdeki yeri

Bu çalışma, yükseköğretim literatüründe üretken yapay zekanın (ÜYZE) benimsenme dinamiklerini Birleştirilmiş Teknoloji Kabulü ve Kullanımı Teorisi (UTAUT) çerçevesinde ampirik bir zemine oturtmaktadır. Geleneksel öğrenme araçlarından etkileşimli ve üretken sistemlere geçişin yaşandığı güncel akademik ortamda, öğrencilerin bu teknolojilere yönelik tutumlarını nicel verilerle haritalandırarak literatürdeki kuramsal tartışmalara veri temelli bir katkı sunar. Özellikle Türkiye bağlamındaki yükseköğretim kurumlarında öğrencilerin ÜYZE araçlarını sadece birer hobi değil, akademik performansı artırmaya yönelik stratejik araçlar olarak gördüğünü kanıtlayarak, teknolojinin eğitimdeki yerini pekiştiren bir işlev üstlenir.

Araştırma, Venkatesh ve arkadaşlarının (2003) geliştirdiği UTAUT modelini temel alarak Bozkurt (2023a) tarafından tanımlanan üretken yapay zekanın eğitimdeki dönüştürücü etkisini test etmektedir. Almassaad ve diğerlerinin (2024) Suudi Arabistan'da, Chaamwe'nin (2025) ise Zambiya'da tespit ettiği yüksek kabul oranlarını Türkiye örneklemi üzerinden doğrulamakta ve bu yönüyle küresel literatürdeki 'yüksek benimseme' eğiliminin bölgesel geçerliliğini desteklemektedir. Önceki çalışmaların aksine, performans beklentisinin kabul düzeyindeki baskın rolünü net bir şekilde ortaya koyarak, teknoloji kabulünün sosyal baskıdan ziyade bireysel verimlilik algısıyla şekillendiğini vurgulayan kuramsal bir süreklilik inşa eder.

Çalışma, yükseköğretimde yapay zeka kullanımına dair yürütülen literatür taramalarına Türkiye merkezli, güncel ve somut bir ampirik veri seti kazandırmaktadır. Literatürde sıkça tartışılan cinsiyet ve akademik başarı gibi değişkenlerin kabul düzeyi üzerindeki etkisinin bulunmadığını kanıtlayarak, ÜYZE'nin üniversite öğrencileri arasında demografik bariyerleri aşan evrensel bir araç haline geldiğini göstermektedir. Ayrıca, lisans öğrencilerinin önlisans öğrencilerine kıyasla sosyal etkiye daha açık olduğuna dair sunduğu özgün bulgu, teknoloji kabul modellerinin farklı eğitim kademelerinde nasıl farklılaştığını anlamak isteyen araştırmacılar için yeni bir sentez ve tartışma alanı açmaktadır.

Sözlük

Generative Artificial Intelligence (GenAI) · Üretken Yapay Zekâ
Büyük veri setleri üzerinde eğitilen ve metin, görüntü veya kod gibi yeni içerikler üretebilen gelişmiş yapay zekâ sistemleri.
Performance Expectancy · Performans Beklentisi
Bir bireyin belirli bir teknolojiyi kullanmasının iş veya ders başarısını artıracağına dair duyduğu inanç düzeyi.
Social Influence · Sosyal Etki
Bireyin yakın çevresindeki kişilerin onun belirli bir teknolojiyi kullanması veya benimsemesi üzerindeki etkisi.

Tez ve makale araştırmalarında kullanım

Makalenin doğrulanmış yöntemi, bulguları ve kuramsal çerçevesi; tez ve makale çalışmalarında kullanılacağı bölümle birlikte aşağıdaki araştırma taslaklarına dönüştürülmüştür.

Tez veya makalede kullanım · GirişYükseköğretim öğrencilerinin yarısından fazlası eğitim süreçlerinde en az bir üretken yapay zeka aracı kullanmaktadır.

Makalenin bulgular kısmında yer alan %56,3'lük kullanım oranı, Türkiye'deki mevcut durumu betimlemek için temel kanıt olarak kullanılabilir (Aksoy & Akyel, 2026).

Üniversite Öğrencilerinde Yapay Zeka Kabulü: Önlisans ve Lisans Grupları Arasındaki Sosyal Etki Farklılıklarının Nitel Analizi

Araştırma sorusu
Lisans öğrencilerinin ÜYZE kullanımında akran etkisi ve sosyal çevre, önlisans öğrencilerine göre neden daha baskındır?
Yöntem taslağı
Fenomenolojik desen; amaçlı örnekleme yöntemiyle belirlenecek 15 lisans ve 15 önlisans öğrencisi ile yarı yapılandırılmış görüşmeler yapılacaktır. Veri doygunluğuna ulaşıldığında içerik analizi uygulanacaktır.

Makaleyle bağlantısı: Makalenin 'Results' bölümünde lisans öğrencileri lehine bulunan anlamlı sosyal etki farkından (ev-s-04) türetilmiştir; bu farkın nedenleri makalede açıklanmamış, gelecek araştırma gereksinimi olarak doğmuştur (Aksoy & Akyel, 2026).

Tez veya makalede kullanım · Kavramsal ÇerçeveÜretken yapay zeka kabulünde performans beklentisi, sosyal etkiden daha belirleyici bir motivasyon kaynağıdır.

UTAUT boyutları arasındaki puan farkları, teknolojinin akademik verimlilik odağıyla benimsendiğini kuramsal olarak açıklamak için kullanılır (Aksoy & Akyel, 2026).

Akademik Performans Beklentisinden Gerçek Kullanıma: ÜYZE Araçlarının Uzun Dönemli Kabul Düzeylerinin İzlenmesi

Araştırma sorusu
Öğrencilerin başlangıçtaki yüksek performans beklentisi, bir akademik yıl sonunda gerçek akademik başarı puanlarına nasıl yansımaktadır?
Yöntem taslağı
Boylamsal (longitudinal) araştırma; aynı öğrenci grubundan eğitim öğretim yılı başında ve sonunda veri toplanacak, kabul düzeyleri ile dönem sonu GNO puanları arasındaki ilişki regresyon analiziyle incelenecektir.

Makaleyle bağlantısı: Makalenin sonuç bölümünde çalışmanın kesitsel olduğu ve boylamsal araştırmalara ihtiyaç duyulduğu (PDF Page 8, Limitations) yönündeki yazar çağrısına dayanmaktadır (Aksoy & Akyel, 2026).

Tez veya makalede kullanım · TartışmaYapay zeka teknolojilerine yönelik kabul düzeyinde cinsiyet faktörü belirleyici bir değişken değildir.

Cinsiyetler arası anlamlı bir fark bulunmadığına dair t-testi sonuçları, literatürdeki çelişkili bulguları tartışmak için referans gösterilebilir (Aksoy & Akyel, 2026).

Üretken Yapay Zeka Okuryazarlığı Eğitiminin Öğrenci Kabulü ve Etik Kullanım Farkındalığı Üzerindeki Etkisi

Araştırma sorusu
Verilen etik ve teknik ÜYZE eğitimi, öğrencilerin teknoloji kabul puanlarını ve etik risk algılarını anlamlı düzeyde değiştirmekte midir?
Yöntem taslağı
Ön test-son test kontrol gruplu deneysel desen; deney grubuna 4 haftalık ÜYZE okuryazarlığı eğitimi verilecek, örneklem büyüklüğü güç analizi ile belirlenecek ve ANCOVA testi ile analiz edilecektir.

Makaleyle bağlantısı: Yazarların yüksek kabul düzeyine karşılık etik ve etkili kullanım için eğitim programları ve rehberler oluşturulması gerektiği yönündeki somut önerisinden türetilmiştir (Aksoy & Akyel, 2026).

Kaynakça

  1. Cabero-Almenara, J., Palacios-Rodríguez, A., Rojas Guzmán, H. d. l. Á., & Fernández-Scagliusi, V. (2025). Prediction of the use of generative artificial intelligence through ChatGPT among Costa Rican University students: A PLS model based on UTAUT2. Applied Sciences, 15(6), 3363.
  2. Almassaad, A., Alajlan, H., & Alebaikan, R. (2024). Student perceptions of generative artificial intelligence: Investigating utilization, benefits, and challenges in higher education. Systems, 12(10), 385.

Bu konudaki diğer çalışmalar