MÜZİK EĞİTİMİ LİSANSÜSTÜ ÖĞRENCİLERİNİN YAPAY ZEKÂ ARAÇLARINA İLİŞKİN KABUL DURUMU VE GÖRÜŞLERİNİN İNCELENMESİ
Author :
Abstract
Bu araştırmanın amacı; Türkiye de çeşitli üniversitelerin Müzik Eğitimi lisansüstü programlarında yüksek lisans ve doktora eğitimlerini sürdüren öğrencilerin, üretken yapay zekâ araçlarına ilişkin görüşlerinin ve kabul durumlarının incelenmesidir. Araştırma nicel araştırma yaklaşımında tasarlanmış olup model olarak tarama modeli kullanılmıştır. Araştırmanın örneklemini basit rastgele örnekleme yöntemiyle belirlenmiş ve müzik eğitimi alanında çeşitli lisansüstü kademelerde eğitimini sürdüren 100 öğrenci oluşturmaktadır. Araştırma verileri çalışmanın yöntem kısmında belirtilen araştırmacılar tarafından geliştirilen ve yirmi maddeden oluşan beşli likert tipi üretken yapay zekâ kabul ölçeği ile çevrim içi yöntemler kullanılarak toplanmıştır. Veri toplama süreci öncesinde ölçeği geliştirmiş olan araştırmacılardan gerekli izinler alınmış ve veri toplama işlemleri bu süreç sonrasında başlatılmıştır. Araştırma verileri SPSS 21.0 istatistik programında çeşitli betimsel istatistikler kullanılarak analiz edilmiştir. Araştırma sonuçlarına göre ölçek genelinde ve alt boyut puanlarında özellikle Performans beklentisi, çaba beklentisi, kolaylaştırıcı koşullar alt boyut puanları ve üretken yapay zekâ kabulü ölçek puanının lisansüstü eğitimi süresince yapay zekâ araçlarını aktif olarak kullanma sıklığına göre anlamlı farklılık gösterdiği tespit edilmiştir. Kullanıcıların, kullanım amacına göre en sık kullanmış olduğu üretken yapay zekâ araçları ise yine amaca göre farklılık gösteren unsurlar arasındadır.
Keywords
Abstract
The aim of this study is to examine the views and acceptance of generative artificial intelligence (AI) tools among graduate students pursuing master’s and doctoral degrees in music education programs at various universities in Türkiye. The study was designed within a quantitative research approach, employing a survey research design. The sample consisted of 100 students enrolled at various graduate levels in the field of music education, who were selected using simple random sampling. The data were collected online using a 20-item, five-point Likert-type Generative Artificial Intelligence Acceptance Scale developed by the researchers, as described in the Method section. Prior to data collection, the necessary permissions were obtained from the researchers who developed the scale, and data collection commenced thereafter. The data were analyzed using various descriptive statistical techniques in SPSS version 21.0. The findings indicated statistically significant differences in the overall scale scores and in the scores for the performance expectancy, effort expectancy, and facilitating conditions dimensions, as well as in overall generative AI acceptance scores, according to the frequency of active use of AI tools during graduate education. The generative AI tools most frequently used by participants also varied according to their intended purposes of use.
Keywords
Music Education, Postgraduate Education, Artificial Intelligence, Postgraduate Student.
