Okul Öncesi Öğretmenlerinin Yapay Zekâya Yönelik Tutumları ve Davranışsal Eğilimleri: Çok Boyutlu Bir İnceleme
DOI:
https://doi.org/10.5281/zenodo.19022044Keywords:
Artificial intelligence, attitudes,, behavioral tendencies, perceived self-efficacy, preschool teachersAbstract
Eğitim süreçlerini hızla dönüştüren yapay zekâ teknolojilerinin okul öncesi eğitimde etkili biçimde kullanılabilmesi için öğretmen
yaklaşımlarının bütüncül bir perspektiften incelenmesine ihtiyaç duyulmaktadır. Bu araştırma, 2024-2025 eğitim-öğretim yılında
Isparta ilinde görev yapan 122 okul öncesi öğretmeni ile yürütülen kesitsel bir tarama çalışmasıdır. Araştırmada öğretmenlerin
demografik özellikleri, yapay zekâya yönelik tutumları (olumlu, olumsuz, genel) ile davranışsal eğilimleri (mevcut kullanım,
gelecekte kullanma niyeti, öz-yeterlik algısı) incelenmiştir. Veriler; Kişisel Bilgi Formu, Davranışsal Eğilimler Formu ve Yapay
Zekâya Yönelik Genel Tutum Ölçeği aracılığıyla toplanmıştır. Verilerin analizinde betimsel istatistikler, bağımsız örneklemler ttesti, tek yönlü varyans analizi (ANOVA), Ki-Kare, Mann-Whitney U, Kruskal-Wallis H ve Spearman korelasyon testleri
kullanılmıştır. Bulgular, öğretmenlerin genel olarak olumlu bir tutum sergilediklerini ve %67,2'sinin bu teknolojileri hâlihazırda
kullandığını göstermektedir. Öğretmenlerin %90,9'u gelecekte yapay zekâyı kullanmayı düşünürken, öz-yeterlik algıları ağırlıklı
olarak orta düzeyde kalmıştır. Tutum puanlarında cinsiyet, yaş ve kıdem açısından fark bulunmazken, lisansüstü eğitime sahip
olanların tutumları anlamlı düzeyde yüksek çıkmıştır. Davranışsal eğilimlerde ise cinsiyet ve mesleki kıdem öz-yeterlik üzerinde;
öğrenim durumu ise mevcut kullanım ve gelecekte kullanım niyeti üzerinde belirleyici olmuştur. Ayrıca mevcut kullanım, gelecekte
kullanım niyeti ve öz-yeterlik algısı ile tutum boyutları arasında anlamlı ilişkiler saptanmıştır. Araştırma sonuçları, öğretmenlerin
yapay zekâyı eğitim süreçlerine entegre etmeye yönelik yüksek bir niyet taşıdığını göstermektedir. Ancak bu niyetin fiili sınıf içi
uygulamalara dönüşebilmesi için uygulamalı mesleki gelişim programlarına ve kurumsal desteğe ihtiyaç duyulmaktadır
References
Acet, İ., Şensiz, N., Bilir, S., Ciğerci, Ü., Çirişoğlu, M., & Yeşil, S. (2024). İlkokul öğretmenlerinin yapay zekâya ilişkin tutumlarının çeşitli değişkenler açısından incelenmesi: Kastamonu örneği. International Journal of Social and Humanities Sciences Research (JSHSR), 11(112), 2055-2062.
Açıkgül, K., & Sad, S. N. (2026). Educators’ acceptance and use of AI software: UTAUT2 model. SAGE Open, 16(1), 1–19. https://doi.org/10.1177/21582440251413449
Aksakal, Ş., Emre, İ., & Özbek, M. (2024). Sınıf öğretmenlerinin yapay zekâya ilişkin tutumlarının belirlenmesi. Eğitimde Yeni Yaklaşımlar Dergisi, 7(1), 1-13.
Allehyani, S. H., & Algamdi, M. A. (2023). Digital competences: Early childhood teachers’ beliefs and perceptions of ChatGPT application in teaching English as a second language (ESL). International Journal of Learning, Teaching and Educational Research, 22(11), 216–233.
Ang, L., & Eisend, M. (2018). Single versus multiple measurement of attitudes: A meta-analysis of advertisingstudies validates the single-item measure approach. Journal of Advertising Research, 58(2), 218-227.
Arıkanoğlu, M., & Yaman Lesinger, F. Y. (2024). Okul öncesi öğretmenlerinin yapay zekâya yönelik tutumlarının belirlenmesi (KKTC örneği). International Journal of Su-Ay Development Association (IJOSDA), 3(2), 80–91.
Baker, T., & Smith, L. (2019). Educ-AI-tion rebooted? Exploring the future of artificial intelligence in schools and colleges. Nesta. https://media.nesta.org.uk/documents/Future_of_AI_and_education_v5_WEB.pdf
Banaz, E., & Maden, S. (2024). Türkçe öğretmen adaylarının yapay zekâ tutumlarının farklı değişkenler açısından incelenmesi. Trakya Eğitim Dergisi, 14(2), 1173-1180.
Bandura, A. (1997). Self-efficacy: The exercise of control. W. H. Freeman.
Behera, C., & Acharya, A. K. (2025). Transforming early childhood education through digital innovation: A comprehensive review of evidence and key challenges. TPM – Testing, Psychometrics, Methodology in Applied Psychology, 32(S3), 2288–2297.
Bergdahl, N., & Sjöberg, J. (2025). Attitudes, perceptions and AI self-efficacy in K-12 education. Computers and Education: Artificial Intelligence, 8, 100358.
Berne, J., Doss, C. J., & Shapiro, A. (2025). Pre-K teachers are optimistic about educational technology, though current use varies widely: Findings from the American Public School Pre-K Teacher Survey (RR A4412-2). RAND Corporation. https://doi.org/10.7249/RRA4412-2
Bozer Özsaraç, E. N., & Ergin, E. (2025). What drives teachers’ use of AI in preschool education? A motivational perspective based on Expectancy-Value Theory. International Journal of Current Educational Studies (IJCES), 4(2), 1–29. https://doi.org/10.46328/ijces.191
Bozkurt, A. (2023). ChatGPT, üretken yapay zeka ve algoritmik paradigma değişikliği. Alanyazın, 4(1), 63–72. https://doi.org/10.59320/alanyazin.1283282
Büyüköztürk, Ş. (2017). Sosyal bilimler için veri analizi el kitabı. Pegem Akademi.
Chen, J. J., & Lin, J. C. (2024). Artificial intelligence as a double-edged sword: Wielding the POWER principles to maximize its positive effects and minimize its negative effects. Contemporary Issues in Early Childhood, 25(1), 89–92.
Chiu, T. K. F., Ahmad, Z., & Çoban, M. (2025). Development and validation of teacher artificial intelligence (AI) competence self-efficacy (TAICS) scale. Education and Information Technologies, 30(5), 6667–6685. https://doi.org/10.1007/s10639-024-13094-z
Collie, R. J., Martin, A. J., & Gasevic, D. (2024). Teachers’ generative AI self-efficacy, valuing, and integration at work: Examining job resources and demands. Computers and Education: Artificial Intelligence, 7 100333. https://doi.org/10.1016/j.caeai.2024.100333
Creswell, J. W. (2014). Research design: Qualitative, quantitative, and mixed methods approaches (4th ed.). SAGE Publications.
Creswell, J. W. (2014). Research design: Qualitative, quantitative, and mixed methods approaches (4th ed.). SAGE Publications.
Çayak, S. (2024). Investigating the relationship between teachers’ attitudes toward artificial intelligence and their artificial intelligence literacy. Journal of Educational Technology & Online Learning, 7(4), 367 383. https://doi.org/10.31681/jetol.1490307
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
Demirdağ, S., Ünver, İ. K., & Gürez, I. (2025). Öğretmenlerin yapay zekâ tutum ölçeğinin geliştirilmesi: Bir geçerlilik ve güvenirlik çalışması. Asya Studies, 9(33), 1-22.
Dringó-Horváth, I., Rajki, Z., & T. Nagy, J. (2025). University teachers’ digital competence and AI literacy: Moderating role of gender, age, experience, and discipline. Education Sciences, 15(7), 868.
Dwivedi, Y. K., Rana, N. P., Chen, H., & Williams, M. D. (2011, September). A meta-analysis of the unified theory of acceptance and use of technology (UTAUT). In IFIP international working conference on governance and sustainability in information systems-managing the transfer and diffusion of it (pp. 155-170). Berlin, Heidelberg: Springer Berlin Heidelberg.
Erol, M., Canbeldek Erol, M., Erol, A., & Gök Çolak, F. (2025). Exploring the relationship between teachers' AI attitudes, AI self-efficacy, and AI technological pedagogical content knowledge. European Journal of Education, 60(4), e70332.
Field, A. (2013). Discovering statistics using SPSS (4th ed.). Sage Publications.
Galindo-Domínguez, H., Delgado, N., Losada, D., & Etxabe, J. M. (2024). An analysis of the use of artificial intelligence in education in Spain: The in-service teacher’s perspective. Journal of Digital Learning in Teacher Education, 40(1), 41-56.
George, D., & Mallery, P. (2024). IBM SPSS statistics 29 step by step: A simple guide and reference. Routledge. https://doi.org/10.4324/9781032622156
Gürkan, S. N., Çiçek Taş, C., Dere, F., & Güven, G. (2025, 18–20 Eylül). Okul öncesi eğitimde yapay zekâ: Öğretmenlerin kabulü, okuryazarlığı ve görüşleri üzerine bir inceleme [Sözlü bildiri]. XI. Uluslararası TURKCESS Eğitim ve Sosyal Bilimler Kongresi, Hasan Kalyoncu Üniversitesi, Gaziantep, Türkiye.
Herzallah, A. M., & Makaldy, R. (2025). Technological self-efficacy and sense of coherence: Key drivers in teachers' AI acceptance and adoption. Computers and Education: Artificial Intelligence, 8, 100377.
Karasar, N. (2023). Bilimsel araştırma yöntemi. Nobel Yayıncılık.
Kardeş, S., Uygun, N., & Terim Türkmen, T. (2025). Attitudes of preschool teachers towards artificial intelligence. Southeast Asia Early Childhood Journal, 14(1), 120–135. https://doi.org/10.37134/saecj.vol14.1.9.2025
Kaya, F., Aydin, F., Schepman, A., Rodway, P., Yetişensoy, O., & Demir Kaya, M. (2024). The roles of personality traits, AI anxiety, and demographic factors in attitudes toward artificial intelligence. International Journal of Human–Computer Interaction, 40(2), 497–514.
https://doi.org/10.1080/10447318.2022.2151730
Kewalramani, S., Palaiologou, I., Dardanou, M., Allen, K. A., & Phillipson, S. (2021). Using robotic toys in early childhood education to support children’s social and emotional competencies. Australasian Journal of Early Childhood, 46(4), 355–369. https://doi.org/10.1177/18369391211056668
Kırkıç, K., & Çetinkaya, F. (2020). The relationship between preschool teachers’ self-efficacy beliefs and their teaching attitudes. International Journal of Evaluation and Research in Education (IJERE), 9(4), 807 815. https://doi.org/10.11591/ijere.v9i4.20670
Kong, S. C., Wang, Y. Q., & Lai, M. (2024). Examining teachers' behavioural intention of using generative artificial intelligence tools for teaching and learning based on the extended technology acceptance model. Computers and Education: Artificial Intelligence, 7, 100328. https://doi.org/10.1016/j.caeai.2024.100328
Kölemen, E. B., & Yıldırım, B. (2025). A new era in early childhood education (ECE): Teachers’ opinions on the application of artificial intelligence. Education and Information Technologies, 30(12), 17405–17446. https://doi.org/10.1007/s10639-025-13478-9
Küçükkara, M. F., Ünal, M., & Sezer, T. (2024). Okul öncesi eğitimi öğretmenlerinin yapay zekâya ilişkin görüşleri. Temel Eğitim Araştırmaları Dergisi, 4(1), 17–28. https://doi.org/10.55008/te-ad.1431142
Mart, M., & Kaya, G. (2024). Okul öncesi öğretmen adaylarının yapay zekâya yönelik tutumları ve yapay zekâ okur yazarlığı arasındaki ilişkinin incelenmesi. Edutech Research, 2(1), 91–109.
Pellas, N. (2023). The effects of generative AI platforms on undergraduates’ narrative intelligence and writing self-efficacy. Education Sciences, 13(11), 1155.
Polyportis, A. (2026). Exploring the Intention-Behaviour Gap in Artificial Intelligence adoption: the case study of students’ ChatGPT usage in Dutch higher education. Computers in Human Behavior: Artificial Humans, 100266.
Russell, S. J., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
Sáez-Velasco, S., Alaguero-Rodríguez, M., Rodríguez-Cano, S., & Delgado-Benito, V. (2025). Students’ attitudes towards AI and how they perceive the effectiveness of AI in designing video games. Sustainability, 17(7), 3096.
Sal, S., Çelik, İ., Tepeli, K., Kudubeş, A. A., & Bektaş, M. (2025). Çocuk gelişimi bölümü öğrencilerinin dijital okuryazarlık düzeylerinin yapay zekaya yönelik genel tutumlarına etkisinin incelenmesi. Sürekli Tıp Eğitimi Dergisi, 34(5), 366-375.
Salaam, M. A. (2023). Examining the implementation of artificial intelligence in early childhood education settings in Ghana: Educators’ attitudes and perceptions towards its long-term viability. American Journal of Education and Technology, 2(4), 36–49.
Schepman, A., & Rodway, P. (2020). Initial validation of the general attitudes towards Artificial Intelligence Scale. Computers in Human Behavior Reports, 1, 100014. https://doi.org/10.1016/j.chbr.2020.100014
Scherer, R., Siddiq, F., & Tondeur, J. (2019). The technology acceptance model (TAM): A meta-analytic structural equation modeling approach to explaining teachers' adoption of digital technology in education. Computers & Education, 128, 13–35. https://doi.org/10.1016/j.compedu.2018.09.009
Seyrek, M., Yıldız, S., Emeksiz, H., Şahin, A., & Türkmen, M. T. (2024). Öğretmenlerin eğitimde yapay zekâ kullanımına yönelik algıları. International Journal of Social and Humanities Sciences Research (JSHSR), 11(106), 845–856. https://doi.org/10.5281/zenodo.11113077
Solamillo, K. A. (2025). Artificial Intelligence Anxiety and Attitudes among Pre-Service and In-Service Physical Education Teachers: Addressing an Underserved Field in AI Education. LatIA, (3), 245.
Staddon, R. V. (2020). Bringing technology to the mature classroom: age differences in use and attitudes. International Journal of Educational Technology in Higher Education, 17(1), 11.
Su, J., Ng, D. T. K., & Chu, S. K. W. (2023). Artificial intelligence (AI) literacy in early childhood education: The challenges and opportunities. Computers and Education: Artificial Intelligence, 4, 100124. https://doi.org/10.1016/j.caeai.2023.100124
Tan, X., Cheng, G., & Ling, M. H. (2025). Artificial intelligence in teaching and teacher professional development: A systematic review. *Computers and Education: Artificial Intelligence, 8*, 100355. https://doi.org/10.1016/j.caeai.2024.100355
UNESCO. (2024). AI competency framework for teachers. United Nations Educational, Scientific and Cultural Organization.
Uzun, Y. (2025). Eğitimde dijital dönüşüm: Sınıf öğretmeni adaylarının yapay zekâya yönelik tutumları. International Journal of Education Technology and Scientific Researches (IJETSAR), 10(31), 246–261.
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540
Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012). Consumer acceptance and use of information technology: Extending the unified theory of acceptance and use of technology. MIS Quarterly, 36(1), 157–178. https://doi.org/10.2307/41410412
Verster, J. C., Sandalova, E., Garssen, J., & Bruce, G. (2021). The use of single-item ratings versus traditional multiple-item questionnaires to assess mood and health. European Journal of Investigation in Health, Psychology and Education, 11(1), 183-198.
Zhang, S., & Colvin, K. (2024). Comparison of different reliability estimation methods for single item assessment: a simulation study. Frontiers in Psychology, 15, 1482016.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Abdullah Aydin, Merve Aydın
This work is licensed under a Creative Commons Attribution 4.0 International License.
