Akıllı Cihazlardaki Uygulamaların Bilinçli Kullanım Ölçeği

Kullanım İzni
Geliştirdiğim(iz) / uyarladığım(ız) ölçme aracının atıf gösterilmesi ve bilimsel araştırmalarla sınırlı olmak kaydıyla kullanılmasına izin veriyorum/z/. Araştırmanının başlangıcında araştırmanın amacı ile bir bilginin sorumlu yazara e-posta gönderilmesi yeterlidir.

Ölçek Formu

İNDİR

Link: https://link.springer.com/article/10.1007/s10639-022-11552-0

Ölçek Çeşidi: Geliştirme

Kategori(ler):

30 Eğitim Bilimleri ve Öğretmen Yetiştirme » 335 Yetişkin Eğitimi/Hayat Boyu Öğrenme » 350 Bilgisayar ve Öğretim Teknolojileri Eğitimi

Kaynak Türü: Makale

Kaynak/Referans:

Öztürk, G., & Şahin Sarıtaş, F. (2023). Parents’ awareness of the conscious use of applications on smart devices: A scale development study. Education and Information Technologies, 28, 12215-12242. https://doi.org/10.1007/s10639-022-11552-0

Geliştiren/Uyarlayan: Gülcan Öztürk, Feyza Şahin Sarıtaş

Yıl: 2023

Kaynak Adı: Parents' awareness of the conscious use of applications on smart devices: A scale development study

Dergi: Education and Information Technologies

Cilt: 28

Sayı: evet

Sayfa Aralığı: 12215–12242

DOI: https://doi.org/10.1007/s10639-022-11552-0

Sorumlu Yazar: Gülcan Öztürk

İletişim: ozturkg@balikesir.edu.tr

Ölçülen Özellikler: 0-16 yaş aralığında çocuğu olan ebeveynlerin akıllı cihazlardaki uygulamaların bilinçli kullanımı ile ilgili bilgi ve farkındalıklarının belirlenmesi

Alt Boyutlar: Fayda, Sınırlama, Tedirginlik, Uygulama

Örnek Maddeler ve Madde Sayıları: Akıllı Cihazlardaki Uygulamaların Bilinçli Kullanım Ölçeği (Scale of the Conscious Use of Applications on Smart Devices [SCUASD])
Dokunmatik ekrana sahip olan tablet bilgisayar, akıllı telefon vb. cihazlar, akıllı cihaz olarak tanımlanmıştır. Ölçek maddelerine katılma durumu için kullanılan ölçekleme şu şekildedir:(0) İfadede sözü edilenlerle ilgili herhangi bir bilgim/fikrim yok, (1) kesinlikle katılmıyorum, (2) katılmıyorum, (3) katılıp katılmamakta kararsızım, (4) katılıyorum, (5) tamamen katılıyorum.
Not: Ölçekte olumsuz ifade yer almamaktadır.

Uygulama
1 Uygulama marketlerinden (App store, Google play vs.) yükleme yapmadan önce uygulamanın özelliklerini incelerim.
2 Uygulama marketlerinden (App store, Google play vs.) yükleme yapmadan önce uygulama hakkında yapılan yorumları dikkate alırım.
3 Uygulama marketlerinden (App store, Google play vs.) yükleme yapmadan önce uygulamalara verilen puanları dikkate alırım.
4 Uygulama marketlerindeki (App store, Google play vs.) yaş veya içerik derecelendirmelerine (ESRB veya PEGI) dikkat ederim.
5 Çocuğumun kullandığı akıllı cihazlarda hangi uygulamaların olduğunu bilirim.
6 Çocuğumun kullandığı akıllı cihazlarda hangi oyunları oynadığını bilirim.
7 Akıllı cihazlara uygulama yüklerken uygulamanın içeriğine (şiddet içermemesi, eğitici olması vs.) dikkat ederim.
8 Akıllı cihazlardaki uygulamaların kişisel bilgilere (fotoğraf, hesap, mail, mesaj vs.) erişim sağlayıp sağlamadığına dikkat ederim.
9 Çocuğum akıllı cihazlardaki uygulamaları kullanırken yanında bulunmaya (birlikte kullanmaya) dikkat ederim.
Fayda
10 Akıllı cihazların çocuğumun eğitimine olumlu katkı sağladığını düşünürüm.
11 Akıllı cihazları çocuğumun zihinsel gelişimi için yararlı bulurum.
12 Akıllı cihazlara yüklenen eğitici uygulamaların çocuğumun derslerdeki akademik başarısına katkı sağladığını düşünürüm.
13 Akıllı cihazlara yüklenebilen uygulamalar sayesinde yaşamın kolaylaştığını düşünürüm.
14 Akıllı cihazlara yüklenen eğitici uygulamaların çocuğumun eksik öğrenmelerini giderdiğini düşünürüm.
15 Akıllı cihazları bir ihtiyaç olarak görürüm.
16 Akıllı cihazların hayatımızın bir parçası olduğunu düşünürüm.
Sınırlama
17 Çocuğumun kullandığı akıllı cihazlarda ebeveyn kontrolü özelliğini kullanırım.
18 Çocuğumun kullandığı akıllı cihazlarda içerik kısıtlaması özelliğinin aktif olmasına dikkat ederim.
19 Çocuğumun kullandığı akıllı cihazlarda yaş sınırlaması özelliğinin aktif olmasına dikkat ederim.
20 Çocuğumun kullandığı akıllı cihazlara zararlı uygulama indirmemesi için şifre kısıtlaması özelliğini kullanırım.
Tedirginlik
21 Çocuğumun kullandığı akıllı cihaza şiddet içeren oyunları indirmesinden/oynamasından tedirginlik hissederim.
22 Akıllı cihazları kullanırken çocuğumun uygunsuz içeriklerle karşılaşmasından tedirginlik hissederim.
23 Akıllı cihazları kullanırken çocuğumun dolandırıcılık tuzaklarına düşmesinden tedirgin olurum.
24 Çocuğumu akıllı cihazlardan gelebilecek zararlardan korumak için eğitim almak isterim.
25 Çocukların akıllı cihazları sık kullanmasının bağımlılık olduğunu düşünürüm.
26 Akıllı cihazların yoğun kullanımının çocuğumun eğitimine olumsuz etkileri olabileceğini düşünürüm.

Ölçek Türü: Kendini Değerlendirme

Kimlere Uygulanabilir: 0–16 yaş aralığında çocuğu olan ve çocuğu akıllı cihaz kullanan ebeveynler

Derecelendirme: Ölçek maddelerine katılma durumu için kullanılan ölçekleme şu şekildedir: (0) İfadede sözü edilenlerle ilgili herhangi bir bilgim/fikrim yok, (1) kesinlikle katılmıyorum, (2) katılmıyorum, (3) katılıp katılmamakta kararsızım, (4) katılıyorum, (5) tamamen katılıyorum.

Ölçek Puanlaması: Ölçekten en düşük 26 en yüksek 130 puan alınmaktadır. Ölçekte olumsuz ifade yer almamaktadır.

Ölçek Değerlendirmesi: Toplam puanın ölçekteki madde sayısına bölünmesi ile bulunan SCUASD puanlarını değerlendirmek için şu ölçekleme kullanılmaktadır: 1.00-1.80: hiç katılmıyorum, 1.81-2.60: katılmıyorum, 2.61-3.40: katılıp katılmama konusunda kararsızım, 3.41-4.20: katılıyorum, 4.21-5.00 tamamen katılıyorum. Ölçek puanları 1.00 ile 5.00 arasında olduğu için puanlar 5.00’e yaklaştıkça katılımcıların ölçek maddelerine katılım düzeylerinin yüksek, 1.00’e yaklaştıkça düşük olduğu kabul edilmektedir. Ölçeğin nihai formunda olumsuz madde yer almamaktadır.

Geçerlik: Çalışmada verileri iki aşamada topladık. Birinci aşamada 33 ebeveynle akıllı cihazlardaki uygulamaların bilinçli kullanımı konusunda görüşmeler yaptık. Görüşmeleri yazılı hale getirip görüşleri betimsel analizi yöntemi ile kodlayarak sınıflandırdık. Sınıflandırdığımız görüşlerden yararlanarak dört alt boyut altında 53 ölçek maddesi yazarak madde havuzu oluşturduk. Ölçek maddelerinin kapsam geçerliği için uzman görüşü almak için uzman görüşü formu oluşturduk. Uzman görüşü formunu bilişim teknolojileri eğitimi alanında uzman dokuz kişiye vererek ölçek maddeleri için “gerekli”, “gerekli ancak yeterli değil” ve “gerekli değil” şeklinde değerlendirme yapmalarını istedik (Alpar, 2016; Zamanzadeh ve diğerleri, 2015). Uzmanların görüşlerini analiz ederken kapsam geçerlik oranlarını (content validity ratios) [CVR] ve kapsam geçerlik indeksini (content validity index) [CVI] hesapladık. Her bir madde için CVR’yi bulmak için E: “gerekli” diyen uzman sayısı ve N: toplam uzman sayısı olmak üzere CVR=[E/(N/2)]-1 formülünü kullandık (Alpar, 2016; Zamanzadeh ve diğerleri, 2015). Maddeler için hesapladığımız CVR değerlerini .05 anlamlılık düzeyi için uzman sayısına göre belirlenmiş tablo değeri olan .62 değeri ile karşılaştırdık. CVR değeri .62’den küçük olan maddeleri ölçekten çıkarmaya karar verdik. CVI ölçekte kalan maddelerin CVR değerlerinin ortalamasıdır ve .67’den büyük olması gerekmektedir (Alpar, 2016). Uzmanların görüşlerinin analizi sonucunda CVI=.81 olan 44 maddenin ölçekte kalmasına karar verdik. Katılımcıların ölçek maddelerine katılım derecelerini ifade etmeleri için beşli likert tipinde derecelendirme kullandık: (1) hiç katılmıyorum, (2) katılmıyorum, (3) katılıp katılmama konusunda kararsızım, (4) katılıyorum, (5) tamamen katılıyorum. Ölçekteki olumsuz ifade içeren maddelerin ölçeklendirilmesindeki puanlamayı veri analizi aşamasında ters çevirdik. Katılımcıların ölçek maddelerinde belirtilen ifade ile ilgili herhangi bir bilgisi veya fikri olmaması durumunda işaretleyebilmeleri için “ifadede sözü edilenlerle ilgili herhangi bir bilgim/fikrim yok” seçeneğine de yer verdik ve bu seçeneği işaretleyenlerin puanını (0) olarak aldık.
Nicel verileri topladığımız ikinci aşamada 44 maddeden oluşan taslak ölçeği 602 ebeveyne online form kullanarak uyguladık. 301 katılımcıdan topladığımız verilerle EFA yaptık ve dört boyuttan oluşan 26 maddelik Akıllı Cihazlardaki Uygulamaların Bilinçli Kullanım Ölçeği (Scale of the Conscious Use of Applications on Smart Devices [SCUASD])elde ettik. Ölçekteki maddeler için düzeltilmiş madde-toplam korelasyonları ve alt boyutlarla ölçeğin tamamı için güvenirlik katsayılarını hesapladık. Örneklemde bulunan diğer 301 katılımcıdan elde edilen verilerle CFA yaptık ve ölçeğin faktör yapısını doğruladık. Yaptığımız faktör, madde ve güvenirlik analizleri sonucunda ulaştığımız bulgulara “Bulgular” bölümünde yer verdik. Analizler için istatistiksel analiz paket programları (IBM SPSS 24 ve AMOS 24) kullandık.
Açımlayıcı faktör analizi (EFA)
44 maddeden oluşan taslak ölçeği 602 ebeveyne online form kullanarak uyguladık. 301 katılımcıdan toplanan verilerle EFA yaptık. Verilerin açımlayıcı faktör analizine uygunluğuna karar vermek için Kaiser Meyer Olkin [KMO] örneklem yeterlik ve Barlett küresellik testlerini yaptık. Testlerin sonuçları Tablo 5’te gösterdik.
Tablo 5. KMO ve Bartlett Testleri
KMO örneklem yeterlik testi 0,813
Barlett küresellik testi Yaklaşık Ki-kare (χ2) 4652,003
sd 946
p .0001

Tablo 5’e göre KMO değeri .50’nin üstündedir ve Barlett küresellik testi sonucu anlamlıdır. Buna göre 301 katılımcıdan toplanan verilerin EFA yapmaya uygun olduğuna karar verdik (Büyüköztürk, 2020). Ayrıca EFA için toplanan verilerin normallik varsayımını sağlayıp sağlamadığına karar vermek için ölçek maddeleri için verilen yanıtlara karşılık gelen puanların çarpıklık (skewness) ve basıklık (kurtosis) değerlerini inceledik. Çarpıklık değerlerinin en düşük -2.395, en yüksek 0.592, basıklık değerinin en düşük -1.057, en yüksek 7.218 olduğu gördük. Aminu ve Shariff (2014) ve Kline'a (2016) göre büyük örneklemler için (N>200) çarpıklık mutlak değerinin +3'ten büyük ve basıklık mutlak değerinin +10'dan büyük olması normallik açısından sorun olarak kabul edilir. Buna göre verilerin normallik varsayımını karşıladığına karar verdik.
EFA için temel bileşenler analizi (principal component analysis) [PCA] ve varimax döndürme yöntemi (varimax rotation method) kullandık (Büyüköztürk, 2020; Tabachnick & Fidell, 2013). Ölçek alt boyut sayısı sınırlandırılmadan yapılan ilk faktör analizi sonucunda özdeğeri (eigenvalue) birin üzerinde olan ve toplam varyansın %61.73’ünü açıklayan 12 faktörlü yapıya ulaştık. Ortaya çıkan bu yapıda madde sayısı üçten az faktörler ve birden fazla faktörde yüksek yük alan (binişik) maddeler bulunmaktaydı. Bir faktördeki yük değeri .45 altında olan maddeler ile birden fazla faktörde yüksek yük alan maddeler birer birer çıkararak ve faktör sayısını dört ile sınırlandırarak faktör analizini tekrarladık (Büyüköztürk, 2020; Seçer, 2017; Tabachnick & Fidell, 2013). Analiz sonucunda toplam varyansın %49.637’sini açıklayan 26 maddeden oluşan SCUASD’ı elde ettik.
EFA sonucunda ölçekte kalan maddelerin yük değerleri .457-.829 aralığındadır. (1) Uygulama faktöründe toplam varyansın %21.697’sini açıklayan dokuz madde, (2) Fayda faktöründe toplam varyansın %12.146’sını açıklayan yedi madde, (3) Sınırlama faktöründe toplam varyansın %8.858’ini açıklayan dört madde ve (4) Tedirginlik faktöründe toplam varyansın %6.936’sını açıklayan altı madde bulunmaktadır.
Doğrulayıcı faktör analizi (CFA)
EFA sonucunda elde ettiğimiz 26 madde ve dört faktörden oluşan SCUASD’in faktör yapısının doğrulanması için örneklemde bulunan diğer 301 katılımcıdan elde edilen verilerle CFA yaptık (Gürbüz, 2021; Kline, 2016). CFA yapmadan önce verilerin çoklu normallik varsayımını sağlayıp sağlamadığını anlamak için çok değişkenli basıklık kritik değerini hesapladık. Çok değişkenli basıklık kritik değerini 18.894 olarak bulduk. Çok değişkenli basıklık kritik değerinin 20’nin altında olması çoklu normallik için yeterlidir (Gürbüz, 2021; Kline, 2016). CFA için kullandığımız veriler normallik varsayımını sağladığı için maksimum olasılık hesaplama yöntemini kullandık.
CFA sonucunda bulduğumuz uyum değerlerinin kabul edilebilir sınırlar içinde olmadığı gördük. AMOS’un yaptığı kovaryans düzeltme önerileri doğrultusunda modelde hata varyanslarına ilişkin değişkenler arasına kovaryans okları çizdik (Gürbüz, 2021) (Şekil 1). Düzeltmeleri, Gürbüz’ün (2021) belirttiği kabul edilebilir düzeltmeler çerçevesinde birer birer yaptık. İlk CFA ve düzeltilmiş CFA sonucunda bulduğumuz uyum değerleri Tablo 8’de sunduk.

Tablo 8. SCUASD için bulunan uyum değerleri
Uyum İndeksi Mükemmel Uyum Aralığı Kabul Edilebilir Uyum Aralığı İlk CFA’da gözlenen uyum değerleri Düzeltilmiş CFA’da gözlenen uyum değerleri
χ2/df 0.00 ≤ χ2/df ≤ 3.00 3.00 < χ2/df ≤ 5.00 3.66* 1.73**
RMSEA .00 ≤ RMSEA ≤ .05 .05 < RMSEA ≤ .08 .094 .049**
SRMR .00 ≤ SRMR≤ .05 .05 ˂ SRMR ≤ .08 .074* .065*
CFI 0.95 ≤CFI ≤ 1.00 0.90 ≤ CFI ˂ 0.95 0.80 0.95**
χ2 - - 1073.396 497.106
sd - - 293 288
N: 301; p<.01
Not. χ2: Ki-kare istatistiği; sd: Serbestlik derecesi; RMSEA: Root Mean Square Error of Approximation; SRMR: Standardized Root Mean Square Residual; CFI: Comparative Fit Index. **Mükemmel uyum; *Kabul edilebilir uyum

Tablo 8’e göre ilk yapılan CFA’da χ2/df ve SRMR değerleri kabul edilebilir uyum aralığındadır fakat diğer uyum değerleri kabul edilebilir uyum aralığında değildir. Kovaryans düzeltmelerini yaptıktan sonra χ2/df, RMSEA ve CFI değerleri mükemmel uyum aralığında, SRMR değeri ise kabul edilebilir uyum aralığında olduğunu gördük. Her iki CFA’da χ2 için anlamlılık düzeyi 0.05’ten büyük çıkmamıştır (p200) yükselme eğilimindedir. Bu nedenle modelin uyum iyiliğini değerlendirmek için χ2 değerinin serbestlik derecesine (df) bölümü ile elde edilen χ2/df kullanılmaktadır (Gürbüz, 2021). SCUASD’ın CFA modelini Şekil 1’de gösterdik.
Şekil 1’deki SCUASD’ın CFA modelinde Uygulama faktörünün gözlenen değişkenlerinin faktör yükleri 0.72-1.04 aralığında, Fayda faktörüne ait gözlenen değişkenlerin faktör yükleri 0.45-1.02 aralığında, Sınırlama faktöründe gözlenen değişkenlerin faktör yükleri 0.72-1.00 aralığında ve Tedirginlik faktöründe gözlenen değişkenlerin faktör yükleri 0.65-1.11 aralığındadır. Gizil değişkenler olan faktörler arasındaki standardize edilmiş katsayı değerleri -0.02-0.42 aralığındadır. Yaptığımız CFA’lar sonucunda 26 madde ve dört faktörden oluşan SCUASD, modele giren tüm maddeleri için modelle uyum sağlamıştır.

Güvenirlik: Açımlayıcı faktör analizi (EFA)
EFA sonucunda elde ettiğimiz SCUASD’ın güvenirlik analizleri için faktörlerdeki ve ölçeğin tamamındaki maddeler için Cronbach’ın Alfa güvenirlik katsayılarını hesapladık. Güvenirlik katsayılarını Tablo 7’de verdik.
Tablo 7. Güvenirlik katsayıları
N Cronbach'ın Alfa katsayısı Standartlaştırılmış Maddeler Cronbach'ın Alfa katsayısı Madde sayısı
Faktör 1 Uygulama 301 .862 .868 9
Faktör 2 Fayda 301 .754 .753 7
Faktör 3 Sınırlama 301 .838 .841 4
Faktör 4 Tedirginlik 301 .685 .693 6
Ölçekteki tüm maddeler 301 .814 .803 26

Ölçek güvenirliği için Cronbach’ın Alfa güvenirlik katsayısı .70’ten yüksek olmalıdır (Alpar, 2016; Büyüköztürk, 2020; Seçer, 2017). Tablo 7’ye göre ölçekteki tüm maddeler için Cronbach'ın Alfa katsayısı .70’ten büyüktür (=.814). Faktörler için hesaplanan Cronbach'ın Alfa katsayıları dördüncü faktör hariç bu koşulu karşılamaktadır. Ölçek maddelerinin düzeltilmiş madde-toplam korelasyon değerleri (1) Uygulama faktörü için .441-.729 aralığında, (2) Fayda faktörü için .373-.561 aralığında, (3) Sınırlama faktörü için .539-.727 aralığında ve (4) Tedirginlik faktörü için .296-.573 aralığında yer almaktadır (Tablo 6). SCUASD’ın test yarılama güvenirliğini belirlemek için ölçek maddeleri sıra numaralarına göre tek ve çift olarak gruplandırdık (her bir grupta 13 madde olacak şekilde) ve gruplarda bulunan maddelerin toplam puanları arasındaki korelasyonu inceledik (Alpar, 2016; Büyüköztürk, 2020; Seçer, 2017). Test yarılama analizi sonucunda tek numaralı maddelerin oluşturduğu yarı (x̄=50.25, SD=6.764) ile çift numaralı maddelerin oluşturduğu yarı (x̄=48.91, SD=6.605) arasında anlamlı bir ilişki olduğu gördük (N:301, p=.0001, r=.785). Guttman Split-Half katsayı değerini .88 olarak bulduk. Yaptığımız analizler sonucunda SCUASD’ın güvenirlik koşulunu sağladığına karar verdik (Alpar, 2016; Büyüköztürk, 2020; Seçer, 2017).
Doğrulayıcı faktör analizi (CFA)
SCUASD’ın faktörlerinin güvenirliğini, birleşim geçerliğini ve ayrışım geçerliğini belirlemek için birleşik/yapı güvenirliği (composite/construct reliability) [CR], ortalama açıklanan varyans (average variance extracted) [AVE], maksimum paylaşılan varyansın karesi (maximum squared variance) [MSV] ve paylaşılan varyansın karesinin ortalaması (average shared square variance) [ASV] değerlerini hesapladık (Gürbüz, 2021; Kline, 2016). CR, bir faktördeki maddelerin faktör yükleri ve hata varyanslarını dikkate almaktadır ve faktörün yapı güvenirliği dolayısı ile birleşim geçerliği için kullanılmaktadır. Kline (2016), CFA modelleri için CR’nin Cronbach’ın Alfa katsayısından daha elverişli bir güvenirlik indeksi olduğunu belirtmiştir. AVE bir faktördeki maddelerin faktör yüklerinin karelerinin toplamının madde sayısına bölünmesi ile hesaplanmaktadır ve AVE bir faktöre ait maddeler arasındaki birleşim geçerliğinin ölçütüdür. Bir CFA modelinde birleşim geçerliğinin var olduğunu söylemek için “CR > .7”, “AVE > .5” ve “CR > AVE” olması gerekir (Gürbüz, 2021). Bir faktörün MSV değeri, o faktörün diğer faktörlerle yaptığı en yüksek korelasyon katsayısının karesidir. ASV ise bir faktörün diğer faktörlerle yaptığı korelasyon katsayılarının karelerinin ortalamasıdır. MSV ve ASV değerleri ayrışım geçerliği için kullanılmaktadır. Bir CFA modelinde ayrışım geçerliğinin var olduğunu söylemek için “MSV < AVE”, “ASV faktörler arası korelasyon” olması gerekmektedir. Faktörlere ait güvenirlik, geçerlik ve korelasyon değerleri Tablo 8’de verdik.

Tablo 8. Faktörlerin güvenirlik, geçerlilik ve korelasyon değerleri
Faktörler CR AVE MSV ASV 1 2 3 4
1. Uygulama .90 .51 .47 .28 (.71)
2. Fayda .76 .32 .01 .01 .04 (.57)
3. Sınırlama .87 .64 .47 .23 .68 .10 (.80)
4. Tedirginlik .79 .40 .37 .20 .61 -.10 .46 (.63)
Note. CR: Birleşik/yapı güvenirliği (composite/construct reliability); AVE: Ortalama açıklanan varyans (average variance extracted); MSV: Maksimum paylaşılan varyansın karesi (Maximum squared variance); ASV: Paylaşılan varyansın karesinin ortalaması (Average shared square variance). Parantez içindeki sayılar √AVE puanlarını göstermektedir.

Tablo 8’de tüm faktörlere ait CR değerlerinin .7’den büyük olduğu görülebilir. Bu bulguya göre faktörler için yapı güvenirliğinin sağlandığına karar verdik. CR değerleri AVE değerlerinden yüksektir ancak .5’ten büyük olma koşulun sağlamayan iki AVE değeri bulunmaktadır. Bu bulguya göre birleşim geçerliğinin yarı yarıya sağlandığına karar verdik. “MSV < AVE”, “ASV faktörler arası korelasyon” koşulları sağlanmıştır, dolayısı ile SCUASD’in faktörlerinin ayrışım geçerliği sağlanmıştır.
İki ayrı örneklem grubu üzerinde çalışarak gerçekleştirdiğimiz EFA ve CFA sonucunda SCUASD’ın geçerli ve güvenilir bir ölçek olduğunu ve ebeveynlerin akıllı cihazlardaki uygulamaların bilinçli kullanımı ile ilgili bilgi ve farkındalıklarını belirlemek için SCUASD’ın kullanılabileceğini ifade edebiliriz.

Kullanılan Araştırmalar
scholar.google.com.tr