Yapay zekâ destekli öğrenme ortamlarının üniversite öğrencilerinin akademik başarı, öz-yeterlik ve öğrenci bağlılık düzeyleri üzerindeki etkisi

Abstract

Bu araştırma, yapay zekâ destekli bir öğrenme ortamının üniversite öğrencilerinin akademik performansı, akademik öz-yeterliği ve öğrenci bağlılığı üzerindeki etkileri incelenmiştir. Günümüzde dijitalleşmenin ve yapay zekâ uygulamalarının eğitim-öğretim süreçlerinde giderek daha önemli bir yer edinmesi, bu konunun hem kuramsal hem de uygulamalı açıdan ele alınmasını gerekli kılmıştır. Özellikle bireyselleştirilmiş öğrenme ortamlarının oluşturulmasında yapay zekâ teknolojilerinin sunduğu olanakların, öğrenci öğrenme deneyimlerini dönüştürme potansiyeline sahip olduğu görülmektedir. Bu bağlamda tez araştırmasında, yapay zekâ destekli öğrenme ortamının eğitim-öğretim süreçlerindeki etkileri bilimsel bir çerçevede ele alınmış; mevcut öğretim yaklaşımlarına katkı sağlaması ve gelecekteki uygulamalara rehberlik etmesi amaçlanmıştır. Bu araştırma, nicel ve nitel araştırma yaklaşımlarının birlikte kullanıldığı karma yöntem ve desenlerinden biri olan açıklayıcı sıralı desen doğrultusunda yürütülmüştür. Araştırma kapsamında ön test–son test kontrol gruplu yarı deneysel desen kullanılmıştır. Nicel veri toplama araçları olarak "Akademik Performans Testi", "Akademik Öz-Yeterlik Ölçeği" ve "Çevrim İçi Öğrenci Bağlılığı Ölçeği" her iki gruba ön test ve son test olarak uygulanmıştır. Nitel veri toplama aracı olarak ise araştırmacı tarafından geliştirilen yarı yapılandırılmış görüşme formu kullanılmıştır. Nitel veriler, yapay zekâ destekli öğrenme ortamına ilişkin öğrencilerin deneyimlerini, algılarını ve görüşlerini derinlemesine ortaya koymak amacıyla toplanmıştır. Elde edilen nitel veriler içerik analizi yöntemiyle analiz edilmiştir. Nicel verilerin analizinde kovaryans analizi (ANCOVA) ve Mann–Whitney U testi kullanılmıştır. Analiz sürecinde uygun istatistiksel yöntemler kullanılarak veriler değerlendirilmiştir. Araştırma bulguları, yapay zekâ destekli öğrenme ortamında gerçekleştirilen öğrenme sürecinin öğrencilerin akademik performansları ve öğrenci bağlılıkları üzerinde anlamlı bir etki oluşturduğunu, buna karşın akademik öz-yeterlik düzeyleri üzerinde anlamlı bir etki oluşturmadığını ortaya koymuştur. Nitel bulgular ise öğrencilerin yapay zekâ destekli öğrenme ortamını genel olarak olumlu değerlendirdiklerini; özellikle kişiselleştirilmiş içerik, anlık geri bildirim ve öğrenme sürecine aktif katılım olanaklarının öğrenme deneyimlerini desteklediğini göstermiştir. Sonuç olarak bu araştırma, yapay zekâ destekli öğrenme ortamlarının eğitim-öğretim süreçleri üzerindeki etkilerini bütüncül bir yaklaşımla incelemiştir. Araştırma bulguları, yapay zekâ destekli öğrenme ortamlarının yükseköğretimde öğrencilerin akademik başarı ve bağlılıklarını artırdığını; bu etkinin, öğrenme sürecine entegre edilen, öğrenci katılımını, motivasyonunu ve bireysel öğrenmeyi destekleyen kişiselleştirilmiş içerik ve anlık geri bildirimlerle yapılandırılmış öğretim ortamlarıyla güçlendirilebileceğini göstermektedir. Araştırmada bulgular doğrultusunda gelecek araştırmalara yönelik önerilere de yer verilmiştir.This study examined the effects of an artificial intelligence–supported learning environment on university students' academic performance, academic self-efficacy, and student engagement. The increasing prominence of digitalization and artificial intelligence applications in teaching and learning processes has made it necessary to address this topic from both theoretical and practical perspectives. In particular, the opportunities offered by artificial intelligence technologies in the development of personalized learning environments are seen as having the potential to transform students' learning experiences. Within this context, the present thesis investigated the effects of an AI-supported learning environment on educational processes within a scientific framework, aiming to contribute to existing instructional approaches and to guide future practices. The study used an explanatory sequential mixed-methods design, combining quantitative and qualitative research approaches. A quasi-experimental pretest–posttest control-group design was used. As quantitative data-collection instruments, the Academic Performance Test, the Academic Self-Efficacy Scale, and the Online Student Engagement Scale were administered to both groups as pre-tests and post-tests. As the qualitative data collection tool, a semi-structured interview form developed by the researcher was used. Qualitative data were collected to reveal in-depth students' experiences, perceptions, and views regarding the AI-supported learning environment and were analyzed using content analysis. In the analysis of quantitative data, analysis of covariance (ANCOVA) and the Mann–Whitney U test were employed. Throughout the analysis process, the data were evaluated using appropriate statistical methods. The findings revealed that the learning process implemented in the AI-supported learning environment had a significant effect on students' academic performance and student engagement; however, it did not have a significant effect on their academic self-efficacy levels. The qualitative findings indicated that students generally evaluated the AI-supported learning environment positively, and that personalized content, instant feedback, and opportunities for active participation in the learning process supported their learning experiences. In conclusion, this study examined the effects of AI-supported learning environments on educational processes through a holistic approach. The findings demonstrate that AI-supported learning environments enhance students' academic achievement and engagement in higher education, and that this effect can be strengthened through instructional environments structured with personalized content and instant feedback integrated into the learning process, supporting student participation, motivation, and individual learning. Based on the findings, recommendations for future research were also provided.