Kullanım İzni
Geliştirdiğim(iz) / uyarladığım(ız) ölçme aracının atıf gösterilmesi ve bilimsel araştırmalarla sınırlı olmak kaydıyla kullanılmasına izin veriyorum/z/. İzin için ayrıca e-posta gönderilmesine gerek yoktur.

---

---

Link: https://doi.org/10.53850/joltida.1799675

---

Ölçek Çeşidi: Uyarlama

---

Kategori(ler):

30 Eğitim Bilimleri ve Öğretmen Yetiştirme » 350 Bilgisayar ve Öğretim Teknolojileri Eğitimi

---

Kaynak Türü: Makale

---

Kaynak/Referans:

Baltacı, Ş., & Ersöz, A. R. (2026). Adaptation and validation of the Artificial Intelligence Self-Efficacy Scale. Journal of Learning and Teaching in Digital Age, 11(2), 88-97. https://doi.org/10.53850/joltida.1799675

---

Geliştiren/Uyarlayan: Şehnaz Baltacı, Abdullah Ragıp Ersöz

---

Yıl: 2026

---

Kaynak Adı: Adaptation and Validation of the Artificial Intelligence Self-Efficacy Scale

---

Dergi: Journal of Learning and Teaching in Digital Age

---

Cilt: 11

---

Sayı: 2

---

Sayfa Aralığı: 88-97

---

DOI: https://doi.org/10.53850/joltida.1799675

---

Sorumlu Yazar: Abdullah Ragıp Ersöz

---

İletişim: ersoz@uludag.edu.tr

---

Ölçülen Özellikler: Yapay zeka öz-yeterlik

---

Alt Boyutlar: Algılanan antropomorfizm, Fayda, Teknolojik Beceri, Yapay zekâ ile rahatlık

---

Örnek Maddeler ve Madde Sayıları: 1 Fayda Bazı yapay zekâ teknolojileri öğrenmeyi kolaylaştırır.
2 Fayda Yapay zekâ teknolojilerinin öğrenme konusunda yardımcı olduğunu düşünüyorum.
3 Fayda Yapay zekâ teknolojileri öğrenmeye iyi yardımcılardır.
4 Fayda Yapay zekâ teknolojilerini kullanmak öğrenmeyi daha ilginç hale getirir.
5 Fayda Gerekli eğitim verilirse, yapay zekâ teknolojilerinin basit programlamasını öğrenme konusunda kendime güveniyorum.
6 Fayda Yapay zekâ teknolojileri bana çok zaman kazandırıyor.
7 Fayda Yapay zekâ teknolojilerine İstediğim şeyi kolaylıkla yaptırıyorum.
8 Algılanan antropomorfizm Yapay zekâ teknolojileri ile olan etkileşim sürecinin, gerçek bir kişiyle sohbet ediyormuş gibi olduğunu düşünüyorum.
9 Algılanan antropomorfizm Yapay zekâ teknolojilerinin, etkileşim sırasında gerçek bir insan gibi tepki verdiğini düşünüyorum.
10 Algılanan antropomorfizm Yapay zekâ teknolojileri ile gerçekleştirilen sohbet ile gerçek insanlarla yapılan sohbet arasında fark yoktur.
11 Algılanan antropomorfizm Yapay zekâ teknolojilerinin etkileşim sırasında kullandığı vurgu/ hız/ses yüksekliği vs. gerçek insanlarınkiyle aynıdır.
12 Algılanan antropomorfizm Yapay zekâ teknolojilerinin etkileşimli metinlerdeki ifade şeklinin gerçek insanlarınkiyle aynı olduğunu hissediyorum.
13 Yapay zeka ile rahatlık Yapay zekâ teknolojileri ile etkileşim halindeyken, kendimi çok rahat hissediyorum.
14 Yapay zeka ile rahatlık Yapay zekâ teknolojileri ile etkileşim kurmak benim için kolaydır.
15 Yapay zeka ile rahatlık Yapay zekâ teknolojileri ile etkileşim halindeyken duygusal açıdan rahat hissediyorum.
16 Yapay zeka ile rahatlık Yapay zekâ teknolojileri ile etkileşim halindeyken, kendimi çok huzurlu hissediyorum.
17 Yapay zeka ile rahatlık Yapay zekâ teknolojileri ile etkileşim halindeyken, kendimi fiziksel açıdan rahatlamış hissediyorum.
18 Yapay zeka ile rahatlık Yapay zekâ teknolojileri ile mutlu bir şekilde sorunsuz etkileşim kurabiliyorum.
19 Teknolojik Beceri Yapay zekâ teknolojilerini kullanırken, yanlış bir şey yapıp risk oluşturacağımdan endişelenmiyorum.
20 Teknolojik Beceri Yapay zekâ teknolojilerini kullanırken, yanlış bir şey yapıp onu bozacağımdan endişelenmiyorum.
21 Teknolojik Beceri Bir yapay zekâ teknolojisi kullanırken, istediğim her şeyi yapabilirim.
22 Teknolojik Beceri Yapay zekâ teknolojilerinin terminolojisi bende kafa karışıklığına sebep olmaz.

---

Ölçek Türü: Öz Yeterlik

---

Kimlere Uygulanabilir: 18-54 yaş arasındaki bireylere, Tüm Üniversite Öğrencileri

---

Derecelendirme: 7’li likert (1=Kesinlikle katılıyorum, 7= Kesinlikle katılmıyorum

---

Ölçek Puanlaması: 22 ile 154 arasında değişmektedir.

---

Ölçek Değerlendirmesi: Ölçekten elde edilen toplam puanın yüksek olması, bireylerin yapay zekâ teknolojilerini kullanma ve bu teknolojilerle etkileşim kurma konusundaki öz-yeterlik algılarının yüksek olduğunu göstermektedir.

---

Çeviri Süreci: A forward translation method was used to adapt the Artificial Intelligence Self-Efficacy Scale into Turkish, involving bilingual translators. Subsequently, an expert panel, including language experts and domain specialists, reviewed and refined the translation to ensure conceptual and cultural equivalence. These steps are consistent with best practice guidelines for cross-cultural adaptation of measurement instruments (Beaton et al., 2000; Rademakers et al., 2020). First, a literature review on artificial intelligence and self-efficacy was conducted using the Scopus and Web of Science databases to ensure content validity. Two faculty members from the English Language Education Department provided expert opinions on the translated items. Necessary adjustments were made based on their feedback to enhance clarity and cultural appropriateness. For example, rigid phrases like "it is the same" were softened to "I think it is the same." In addition, an expert in the Instructional Technologies field reviewed the translations of items related to artificial intelligence, and the sub-dimensions were named accordingly.

---

Geçerlik: The preconditions for EFA were checked, and the Kaiser-Meyer-Olkin measure of sampling adequacy was 0.905, while Bartlett’s test of sphericity was significant (χ2=4390.655; p<0.001), indicating that the data were suitable for factor analysis. CFA was conducted using Amos 29.0 on the second independent sample (n=374). Prior to CFA, item intercorrelation values were examined to ensure that the assumption of multicollinearity was met (Hair et al., 2010). The Maximum Likelihood estimation method was used in CFA because it provides robust parameter estimates when the data distribution is approximately normal (Hair et al., 2010). For model improvement, covariances were created between items under the same factor with high modification indices. The results of the CFA were evaluated using the following goodness-of-fit indices: Chi-square (χ2), Root Mean Square Error of Approximation (RMSEA), Comparative Fit Index (CFI), Standardized Root Mean Square Residual (SRMR), and Tucker-Lewis Index (TLI) (Bentler & Bonett, 1980; Hair et al., 2010; Kline, 2005). Fit criteria considered acceptable were RMSEA ≤ 0.08, CFI and TLI ≥ 0.90, and SRMR ≤ 0.08. Spearman’s rank-order correlation analysis assessed the relationship between participants' self efficacy and artificial intelligence usage levels for criterion-related validity.

---

Güvenirlik: The preconditions for EFA were checked, and the Kaiser-Meyer-Olkin measure of sampling adequacy was 0.905, while Bartlett’s test of sphericity was significant (χ2=4390.655; p<0.001), indicating that the data were suitable for factor analysis. CFA was conducted using Amos 29.0 on the second independent sample (n=374). Prior to CFA, item intercorrelation values were examined to ensure that the assumption of multicollinearity was met (Hair et al., 2010). The Maximum Likelihood estimation method was used in CFA because it provides robust parameter estimates when the data distribution is approximately normal (Hair et al., 2010). For model improvement, covariances were created between items under the same factor with high modification indices. The results of the CFA were evaluated using the following goodness-of-fit indices: Chi-square (χ2), Root Mean Square Error of Approximation (RMSEA), Comparative Fit Index (CFI), Standardized Root Mean Square Residual (SRMR), and Tucker-Lewis Index (TLI) (Bentler & Bonett, 1980; Hair et al., 2010; Kline, 2005). Fit criteria considered acceptable were RMSEA ≤ 0.08, CFI and TLI ≥ 0.90, and SRMR ≤ 0.08. Spearman’s rank-order correlation analysis assessed the relationship between participants' self efficacy and artificial intelligence usage levels for criterion-related validity.

---

Kullanılan Araştırmalar
scholar.google.com.tr