Öğretmenlerin yapay zeka yeterlikleri ile iş performans algıları arasındaki ilişki

Abstract

Bu araştırmada öğretmen algılarına göre; öğretmenlerin yapay zeka yeterlikleri ile iş performansları arasındaki ilişkinin belirlenmesi amaçlanmıştır. İlişkisel tarama modelinin kullanıldığı araştırmanın evreni, 2024-2025 eğitim-öğretim yılı, Batman il merkezindeki ilkokul, ortaokul ve lise eğitim kurumlarında görev yapan 9453 öğretmen oluşturmaktadır. Araştırmada, örneklem belirleme sürecinde basit tesadüfi örnekleme yöntemi kullanılmıştır. Bu yöntem doğrultusunda, araştırmanın örneklemini Batman il merkezindeki farklı okul kademelerinden seçilen 513 öğretmen oluşturmuştur. Araştırmada "Öğretmenlerin Yapay Zekâ Yeterlikleri Ölçeği" ve "Öğretmen İş Performansı Ölçeği" kullanılmıştır. Elde edilen verilerin analizinde; standart sapma, aritmetik ortalama, frekans ve yüzde, ANOVA testi, bağımsız örneklem t-testi, Post-Hoc testlerinden biri olan Tukey HSD testi, çoklu doğrusal regresyon analizi ve Pearson korelasyon analizi yöntemleri kullanılmıştır. Araştırma sonuçlarına göre katılımcıların algıları doğrultusunda, öğretmenlerin yapay zeka yeterlikleri ve iş performansları arasında pozitif yönde düşük düzeyde anlamlı bir ilişki olduğu tespit edilmiştir. Basit doğrusal regresyon analizine göre, öğretmenlerin yapay zekâ yeterliklerinin öğretmen iş performansındaki toplam varyansın %8'ini açıkladığı saptanmıştır.

This study aims to determine the relationship between teachers' artificial intelligence competencies and their job performance based on teachers' perceptions. Employing a correlational research design, the population of the study consisted of 9,453 teachers working in primary, secondary, and high schools in the city center of Batman during the 2024–2025 academic year. Simple random sampling was used to select the sample. Accordingly, the sample comprised 513 teachers from different school levels in the city center of Batman.The "Teachers' Artificial Intelligence Competency Scale" and the "Teacher Job Performance Scale" were used as data collection instruments. In the analysis of the data, descriptive statistics (standard deviation, arithmetic mean, frequency, and percentage), ANOVA, independent samples t-test, Tukey HSD post-hoc test, multiple linear regression analysis, and Pearson correlation analysis were employed.According to the findings, a low but statistically significant positive relationship was found between teachers' artificial intelligence competencies and their job performance based on participants' perceptions. Furthermore, simple linear regression analysis revealed that teachers' artificial intelligence competencies explained 8% of the total variance in teacher job performance.