ACISE-IA, müəllimlərin və müəllimlik təhsili alan şəxslərin süni intellektlə bağlı sosial-emosional qavrayışlarını, təhsildə süni intellektə müsbət münasibətlərini, qavranılan AI rəqəmsal səriştələrini və tənqidi/etik qiymətləndirmələrini 39 maddədən ibarət beşpilləli Likert quruluşu ilə araşdıran dördölçülü ölçmə vasitəsidir. Bu tədqiqat İspaniyanın Əndəlüs muxtar bölgəsindən 1292 müəllim və müəllim namizədini əhatə edən kəmiyyət, qeyri-eksperimental, kəsiyəvi və ex post facto dizaynla; yaş, akademik nailiyyət, təhsil sahəsi, iş statusu, müəllimlik təcrübəsi və akademik il kimi xüsusiyyətlərin ACISE-IA ölçüləri ilə necə əlaqəli olduğunu araşdırmışdır.

Nümunənin 1078-i (%83,4) müəllimlik təhsili alan universitet tələbələrindən, 214-ü (%16,6) fəal və ya işə fasilə vermiş müəllimlərdən ibarət olmuşdur. İştirakçıların %29-u kişi, %70,8-i qadın və %0,2-si özünü non-binary kimi müəyyən etmişdir. Nümunə ehtimallı təsadüfi seçimlə deyil, məqsədli və ehtimalsız seçmə üsulu ilə formalaşdırılmışdır.

Yaş ACISE-IA-nın sosial-emosional qavrayış ölçüsü ilə r = −0,209, təhsildə AI-yə müsbət münasibətlə r = −0,133, qavranılan AI rəqəmsal səriştəsi ilə r = −0,137 və ümumi balla r = −0,172 səviyyəsində mənfi və statistik cəhətdən əhəmiyyətli əlaqə göstərmişdir. Yaş ilə tənqidi qavrayış və etik məsuliyyət ölçüsü arasında əhəmiyyətli əlaqə müşahidə edilməmişdir. Bu əlaqələr statistik cəhətdən əhəmiyyətli olsa da, ölçü baxımından kiçikdir.

Orta qiymət; AI-yə müsbət münasibət (r = 0,071), qavranılan rəqəmsal səriştə (r = 0,065), tənqidi və etik qiymətləndirmə (r = 0,077) və ümumi ACISE-IA balı (r = 0,069) ilə müsbət əlaqəli müəyyən edilmişdir. Lakin bu korrelyasiyaların ölçüsü çox kiçikdir. Orta qiymətlə sosial-emosional qavrayış arasında əhəmiyyətli əlaqə müəyyən edilməmişdir.

Təhsil sahəsinə görə ən yüksək sosial-emosional qavrayış, AI rəqəmsal səriştəsi və ümumi ACISE-IA orta göstəriciləri Sosial və Hüquq Elmləri qrupunda müşahidə edilmişdir. Bu nəticə Mühəndislik və Memarlıq ilə Təbiət Elmləri sahələrinin ən yüksək dəyərlərə malik olacağını nəzərdə tutan H3 hipotezi ilə uyğunlaşmamış və H3 dəstəklənməmişdir. Sahələr arasındakı təsir ölçüləri ümumilikdə kiçikdir.

Müəllim namizədləri müəllimlərlə müqayisədə sosial-emosional qavrayış, AI-yə müsbət münasibət və ümumi ACISE-IA balında daha yüksək orta göstəricilər nümayiş etdirmişdir. Buna qarşılıq AI rəqəmsal səriştəsi fərqi p = 0,053 ilə tədqiqatın əhəmiyyətlilik həddini keçməmiş, tənqidi/etik məsuliyyət baxımından da iki qrup arasında əhəmiyyətli fərq müəyyən edilməmişdir. Buna görə iş statusu ilə bağlı H4 yalnız qismən dəstəklənmişdir.

Müəllim qrupunda daha çox müəllimlik təcrübəsi AI-yə müsbət münasibət (r = −0,145), AI rəqəmsal səriştəsi (r = −0,195) və ümumi bal (r = −0,168) ilə kiçik mənfi əlaqələr göstərmişdir. Lakin tədqiqatın kəsiyəvi və korrelyasiya xarakterli dizaynına görə bu əlaqələr “yaşın” və ya “təcrübənin” AI qavrayışını azaltdığını sübut etmir. Nəsil fərqləri, əvvəlki texnologiya təhsili, rəqəmsal alətlərlə təmas, iş konteksti və seçmə prosesi eyni əlaqələrdə rol oynaya bilər.

Nəticələrin ümumi mesajı müəllimlərin və müəllim namizədlərinin təhsildə AI-yə münasibət və səriştələrinin eyni tipli olmamasıdır. Müəlliflər buna görə müəllim təhsilində yalnız texniki AI istifadəsini öyrədən standart proqramlar əvəzinə, əvvəlki təcrübəyə, peşə mərhələsinə və qavranılan rəqəmsal səriştəyə uyğunlaşdırılmış; pedaqoji, sosial-emosional və etik ölçüləri texnologiya təhsili ilə birləşdirən daha çevik təhsil yollarının nəzərdən keçirilməsini təklif edirlər.

Tədqiqatın əsas problemi

Təhsildə süni intellektə hazırlıq yalnız müəllimin AI alətini texniki olaraq açıb istifadə edə bilməsi ilə məhdudlaşmır. Mənbə tədqiqat müəllimin AI-yə necə yanaşdığını, onun şagirdlər və tədris prosesləri üzərindəki sosial-emosional təsirlərini necə qiymətləndirdiyini, öz AI səriştəsini necə qavradığını və məxfilik, ədalət, qərəz, insan nəzarəti və məsuliyyət kimi etik problemləri necə qiymətləndirdiyini birlikdə nəzərdən keçirir.

Tədqiqatçıların müəyyən etdiyi ədəbiyyat boşluğu əvvəlki tədqiqatların münasibət, rəqəmsal səriştə və ya etik narahatlıqları çox vaxt ayrı-ayrılıqda araşdırmasıdır. Yaş, akademik nailiyyət, fənn sahəsi, iş statusu, müəllimlik təcrübəsi və akademik il kimi amillərin eyni dördölçülü çərçivədə birlikdə araşdırıldığı tədqiqatlar daha məhduddur.

Nəzəri çərçivə: DigCompEdu və UNESCO AI CFT

Tədqiqat iki əsas konseptual çərçivədən istifadə edir. DigCompEdu, təhsil işçilərinin rəqəmsal səriştəsini peşəkar iştirak, rəqəmsal resurslar, tədris və öyrənmə, qiymətləndirmə, öyrənənlərin gücləndirilməsi və öyrənənlərin rəqəmsal səriştəsinin inkişaf etdirilməsi kimi bir-biri ilə əlaqəli sahələr üzrə nəzərdən keçirən daha geniş təhsil işçisi rəqəmsal səriştə çərçivəsidir.

UNESCO AI Competency Framework for Teachers (AI CFT) isə müəllimlərin süni intellekt səriştəsini insan mərkəzli düşüncə tərzi, AI etikası, AI əsasları və tətbiqləri, AI pedaqogikası və peşəkar öyrənmə üçün AI olmaqla beş əlaqəli ölçü üzrə konseptuallaşdırır. Bu səriştələr Acquire, Deepen və Create adlandırılan üç inkişaf səviyyəsi çərçivəsində düşünülür.

Mənbədə çox mühüm bir fərq qoyulur: ACISE-IA şkalası UNESCO AI CFT və ya DigCompEdu-dan törədilmiş şkala deyil və ACISE-IA ölçüləri bu çərçivələrin səriştə sahələrinin birbaşa ekvivalenti hesab edilməməlidir. AI CFT və DigCompEdu tədqiqat nəticələrini şərh etmək üçün istifadə olunan konseptual istinadlardır.

Tədqiqat sualı

Tədqiqatın əsas sualı şəxsi, akademik və peşəkar xüsusiyyətlərin müəllimlərin və müəllim namizədlərinin təhsildə süni intellekt qavrayışının müxtəlif ölçüləri ilə necə əlaqəli olmasıdır.

Altı hipotez

ACISE-IA Şkalası Nəyi Ölçür?

ACISE-IA, müəllimlərin peşəkar fəaliyyətdə süni intellekt istifadəsinə dair münasibət, bilik/səriştə qavrayışı, emosiya və etik qiymətləndirmələrini dörd alt ölçüdə ölçmək üçün istifadə olunan 39 maddəlik beşpilləli Likert şkalasıdır; bu tədqiqatda PSEA, APIA, CD və PCRE kimi qısaldılan dörd ölçü ayrı-ayrılıqda və ümumi şkala balı üzrə təhlil edilmişdir.

Hər maddə 1-dən 5-ə qədər qiymətləndirilmişdir. Mənbədə 1 “Strongly disagree”, 5 isə “Strongly agree” səviyyəsini ifadə edir.

Şkala maddələrinə nümunələr

PSEA üçün verilən nümunə maddə AI-nin şagirdlərin emosional intellektini inkişaf etdirə biləcəyi fikridir. APIA üçün AI texnologiyalarının öyrənməni daha maraqlı edə biləcəyi; CD üçün şəxsin müxtəlif AI texnologiyaları ilə tanış olduğunu bildirməsi; PCRE üçün isə AI istifadəsinin sui-istifadəyə açıq ola biləcəyi barədə ifadə nümunə kimi verilmişdir.

Şkalanın etibarlılıq əmsalları

Mənbə bu dəyərləri mövcud nümunədən əldə edilmiş yeni nəticələr kimi deyil, ACISE-IA-nın ilkin doğrulama tədqiqatından köçürür:

Cronbach alfa (α) və McDonald omega (ω), şkalanın eyni konstruktunu ölçməsi gözlənən maddələrinin nə dərəcədə ardıcıl işlədiyini qiymətləndirən daxili tutarlılıq əmsallarıdır. Mənbə bu dəyərləri qənaətbəxşdən çox yaxşıya qədər daxili tutarlılıq sübutu kimi təqdim edir.

Doğrulama tədqiqatının dördfaktorlu modeli üçün əlavə olaraq CFI = 0,929, GFI = 0,900, TLI = 0,922 və RMSEA = 0,046 dəyərləri verilmiş və model uyğunluğu qənaətbəxş kimi təsvir edilmişdir. CFI, GFI və TLI modelin müşahidə olunan məlumat quruluşunu nə dərəcədə yaxşı təmsil etdiyini müxtəlif baxışlardan qiymətləndirən uyğunluq indeksləridir; RMSEA isə model ilə məlumat arasındakı təxmini uyğunsuzluğu qiymətləndirən xəta indeksidir.

Lakin ədəbiyyat siyahısındakı müvafiq ACISE-IA doğrulama tədqiqatı “Sensors 2026, under review” kimi göstərilir. Buna görə Verianla bu doğrulama tədqiqatını dərc olunmuş, tamamlanmış müstəqil resenziyalı məqalə kimi yenidən təsnif etmir.

Nümunənin quruluşu

Məqsədli və ehtimalsız seçmə nə deməkdir?

İştirakçılar cəmiyyətdəki bütün müəllim və müəllim namizədləri arasından təsadüfi seçilməmişdir. Tədqiqatçılar tədqiqatın iştirak şərtlərinə uyğun şəxslərə çatmış və könüllü iştirak toplamışlar. Bu yanaşma tədqiqatın həyata keçirilməsini asanlaşdırır, lakin nümunənin daha geniş əhalini tam təmsil etdiyinin fərz edilməsinə imkan vermir.

Daxilolma və xaricetmə meyarları

Fəal müəllimlərin 2024–2025 akademik ilində rəsmi təhsil səviyyəsində müəllimlik etməsi tələb olunmuşdur. Həmin anda işləməyən müəllimlərin daha əvvəl rəsmi təhsil pilləsində müəllimlik etmiş olması istənmişdir. Müəllim namizədi qrupunda isə Təhsil Elmləri ilə əlaqəli universitet proqramında qeydiyyatda olmaq və ya müəllimlik peşəsinə giriş prosesində bulunmaq şərti qoyulmuşdur. Düzgün şəkildə tamamlanmamış anketlər təhlildən kənarlaşdırılmışdır.

Niyə Kəsiyəvi Korrelyasiya Nəticəsi Səbəblik Kimi Şərh Edilə Bilməz?

Bu tədqiqatda yaş, akademik nailiyyət və ya müəllimlik təcrübəsi tədqiqatçı tərəfindən eksperimental şəkildə dəyişdirilmədiyinə və eyni şəxslər zaman içində izlənmədiyinə görə müşahidə olunan əlaqələr dəyişənlərin birlikdə necə dəyişdiyini göstərir, bir dəyişənin digərinə səbəb olduğunu göstərmir; məsələn, təcrübə ili ilə AI rəqəmsal səriştəsi arasındakı mənfi korrelyasiya müəllimlik təcrübəsinin AI səriştəsini azaltdığını sübut etmir.

Yaş, müəllimlik təcrübəsi, ilkin təhsil dövrü, əvvəllər istifadə olunmuş texnologiyalar, peşə vəzifələri və nəsil təsiri bir-biri ilə üst-üstə düşə bilər. Tədqiqat eyni zamanda müxtəlif akademik illərdəki fərqli tələbə qruplarını bir zaman nöqtəsində müqayisə etmişdir; eyni tələbələrin birinci kursdan dördüncü kursa inkişafını izləməmişdir.

Buna görə, məsələn, dördüncü kurs tələbələrinin bəzi ölçülərdə birinci kurs tələbələrindən daha yüksək orta göstərici göstərməsi dördillik müəllim təhsilinin təkbaşına bu fərqi yaratdığının sübutu deyil.

Tədqiqatın nəzəri çərçivəsi ilə ölçmə vasitəsi arasındakı sərhəd

UNESCO AI CFT-nin Acquire, Deepen və Create inkişaf səviyyələri müəllimlərin AI səriştələrinin inkişaf baxımından düşünülməsinə imkan verir. Lakin tədqiqatın akademik illər arasında müəyyən etdiyi kəsiyəvi fərqlər tələbələrin bu üç AI CFT səviyyəsində irəlilədiyinin empirik sübutu kimi şərh edilmir.

Tədqiqatın Metodu və Nəticələri

Tədqiqat dizaynı

Tədqiqat kəmiyyət, qeyri-eksperimental, təsviri və kəşfiyyat xarakterli; eyni zamanda kəsiyəvi və ex post facto xüsusiyyətdə dizayn edilmişdir. Ex post facto yanaşmada tədqiqatçı yaş, təcrübə və ya təhsil sahəsi kimi artıq mövcud olan xüsusiyyətləri eksperimental şəkildə təyin etmir; mövcud qruplar arasındakı əlaqələri və fərqləri araşdırır.

Məlumatların toplanması

Tədqiqatçılar təhsil müəssisələri, universitetlər və müəllim hazırlığı proqramları ilə əlaqə saxlamış; anket keçidi universitet müəllimləri və müəssisə rəhbərlikləri vasitəsilə tələbə və müəllimlərə paylanmışdır.

İştirak yalnız yetkin şəxslərlə məhdudlaşdırılmış, könüllü və anonim təşkil edilmişdir. İştirakçılara tədqiqatın məqsədi, akademik istifadəsi, məlumatların məxfiliyi və yalnız tədqiqat məqsədilə istifadə olunacağı izah edilmiş və anketdən əvvəl məlumatlandırılmış razılıq alınmışdır.

Mənbə anketin 2025-ci ilin birinci rübündə öz-özünə doldurulan onlayn forma vasitəsilə tətbiq edildiyini bildirir.

Statistik təhlil

Təhlillər IBM SPSS 28.0.1.0 istifadə edilərək aparılmışdır. Əvvəlcə tezliklər və orta göstəricilər hesablanmışdır. Normal paylanma fərziyyəsi maddələrin asimmetriya və eksses dəyərləri üzrə yoxlanılmış və −2 ilə +2 aralığındakı dəyərlər qəbuledilən hesab edilmişdir.

İki qrupun müqayisəsində müstəqil nümunələr üçün Student t-testi; ikidən çox qrupun müqayisəsində birtərəfli ANOVA; ANOVA-dan sonra hansı qrupların fərqləndiyini araşdırmaq üçün lazım gəldikdə Bonferroni düzəlişli post-hoc müqayisələrdən istifadə edilmişdir.

Dəyişənlər arasındakı xətti əlaqələr Pearson ikili korrelyasiya əmsalı ilə araşdırılmışdır. Şkalaların daxili tutarlılığı üçün Cronbach α və McDonald ω əmsallarının hesablandığı bildirilir. Bütün statistik testlərdə %95 etibar səviyyəsindən istifadə edilmişdir.

Bu Tədqiqatda r, p-Dəyəri, Cohen's d və Qismən Eta-Kvadrat Nə Deməkdir?

Pearson r iki davamlı dəyişən arasındakı xətti əlaqənin istiqamətini və ölçüsünü; p-dəyəri müşahidə olunan nəticənin tədqiqatda istifadə edilən sıfır hipotezi altında nə dərəcədə gözlənilməz olduğunu; Cohen's d iki qrupun orta göstəriciləri arasındakı fərqin standartlaşdırılmış ölçüsünü; qismən eta-kvadrat (ηp²) isə ANOVA-da qrup dəyişəni ilə əlaqəli variasiyanın standartlaşdırılmış təsir ölçüsünü ifadə edir. Bu tədqiqatda bir çox nəticə statistik cəhətdən əhəmiyyətli olsa da, r, d və ηp² dəyərlərinin çoxu kiçik olduğuna görə statistik əhəmiyyətlilik böyük və ya güclü praktik təsirlə eyniləşdirilməməlidir.

Pearson r necə oxunur?

r dəyərinin işarəsi əlaqənin istiqamətini göstərir. Mənfi dəyər bir dəyişən artdıqca digərinin orta hesabla daha aşağı olmağa meylli olduğunu; müsbət dəyər isə iki dəyişənin eyni istiqamətdə dəyişməyə meylli olduğunu bildirir. Dəyər sıfıra yaxınlaşdıqca xətti əlaqənin ölçüsü zəifləyir.

Məsələn, yaş ilə PSEA arasındakı r = −0,209 əlaqə mənfi istiqamətlidir. Bununla belə, mənbə bu korrelyasiyanın ölçüsünü kiçik kimi qiymətləndirir.

p-dəyəri niyə təsir ölçüsü deyil?

p-dəyəri yalnız fərqin və ya əlaqənin statistik qərar baxımından əhəmiyyətli olub-olmadığını qiymətləndirməyə kömək edir. Nəticənin p-dəyərinin çox kiçik olması əlaqənin mütləq böyük və ya təhsil baxımından güclü olması demək deyil. Bu tədqiqatdakı orta qiymət korrelyasiyaları bunun açıq nümunəsidir: bəzi əlaqələr statistik cəhətdən əhəmiyyətli olsa da, r dəyərləri təxminən 0,065–0,077 səviyyəsindədir və praktik ölçü baxımından çox kiçikdir.

Yaş və akademik nailiyyət nəticələri

H1 dəstəklənmişdir. Yaş, hipotezdə nəzərdə tutulduğu kimi müsbət münasibət, rəqəmsal səriştə və ümumi balla mənfi əlaqəlidir. Tədqiqat həmçinin yaş ilə PSEA arasında mənfi əlaqə tapmışdır. PCRE ilə yaş arasında əhəmiyyətli əlaqə müəyyən edilməmişdir.

H2 də dəstəklənmişdir. Orta qiymət APIA, CD, PCRE və ümumi balla müsbət əlaqəli müəyyən edilmişdir. Lakin mənbə bu əlaqələrin çox kiçik olduğunu açıq şəkildə vurğulayır.

Təhsil sahəsinə görə nəticələr

Bonferroni müqayisələri Sosial və Hüquq Elmlərinin PSEA balının İncəsənət və Humanitar Elmlər, Təbiət Elmləri və Səhiyyə Elmlərindən əhəmiyyətli dərəcədə yüksək olduğunu göstərmişdir. CD baxımından Sosial və Hüquq Elmləri ilə Təbiət Elmləri arasında əhəmiyyətli fərq tapılmış; ümumi bal baxımından da bu iki qrup arasında əhəmiyyətli fərq müəyyən edilmişdir.

H3 dəstəklənməmişdir. Mənbə müəyyən sahə fərqləri tapmış, lakin hipotezdə gözlənildiyi kimi Mühəndislik və Memarlıq və ya Təbiət Elmləri qrupları ümumilikdə ən yüksək balları göstərməmişdir.

Müəllim namizədləri ilə müəllimlərin müqayisəsi

Ən böyük qrup fərqi PSEA-da müşahidə edilmişdir (d = 0,480). APIA və ümumi bal fərqləri kiçik; CD və PCRE fərqləri isə çox kiçik və ya nəzərə alınmayacaq səviyyədə qiymətləndirilmişdir.

H4 qismən dəstəklənmişdir. Gözlənildiyi kimi müəllim namizədlərinin PSEA, APIA və ümumi bal göstəriciləri daha yüksəkdir və PCRE baxımından əhəmiyyətli fərq yoxdur. Lakin hipotezin əksinə olaraq CD fərqi statistik əhəmiyyətlilik həddinə çatmamışdır.

Müəllimlik təcrübəsi

H5 dəstəklənmişdir. Lakin müəlliflər əhəmiyyətli əlaqələrin kiçik ölçüdə olduğunu və müəllimlik təcrübəsinin sözügedən ölçülərdəki dəyişkənliyin yalnız məhdud bir hissəsini izah etdiyini vurğulayırlar.

Bu nəticə “uzun illər müəllimlik etmək AI səriştəsini azaldır” şəklində oxunmamalıdır. Yaş, ilkin müəllim təhsilinin baş verdiyi dövr, peşə vəzifələri, əvvəlki texnologiya təcrübəsi və seçilmə təsirləri bu əlaqələrlə birlikdə dəyişə bilər.

Akademik ilə görə nəticələr

Bütün ölçülərdə akademik illər arasında statistik cəhətdən əhəmiyyətli fərqlər müşahidə edilmişdir; lakin nümunə bir istiqamətli deyil. Bakalavr səviyyəsində PSEA birinci kursdakı 2,71 orta göstəricidən dördüncü kursda 3,08-ə yüksələrkən magistratura qrupunda 2,34-ə düşür.

APIA baxımından birinci kurs 3,20 ilə ən aşağı orta göstəriciyə malik ikən ikinci, üçüncü və dördüncü kurslarda orta göstərici müvafiq olaraq 3,45, 3,72 və 3,75-ə yüksəlmiş, magistratura qrupunda 3,78 olmuşdur.

CD birinci kursda 2,72 ikən ikinci kursda 3,05-ə yüksəlmiş və üçüncü/dördüncü kursda təxminən 3,06 səviyyəsində qalmışdır. Magistratura qrupunun CD orta göstəricisi isə 2,63-dür.

PCRE baxımından ən yüksək orta göstərici magistratura qrupunda 3,93, ən aşağı orta göstərici birinci kursda 3,24-dür.

Ümumi ACISE-IA balı birinci kursda 116,08 ikən dördüncü kursda 133,04-ə çatmış; magistratura qrupunda isə 124,31 olaraq hesablanmışdır. Buna görə akademik il ilə AI qavrayışı arasında bütün ölçülərdə sadə və xətti artım olduğunu demək olmaz.

H6 buna görə yalnız qismən dəstəklənmişdir.

Hipotezlərin yekun vəziyyəti

Nəticələrin pedaqoji mənası

Mənbəyə görə AI ilə münasibətin birölçülü “qəbul edir / etmir” yanaşması ilə izah edilməsi kifayət deyil. Bir şəxs AI istifadəsinə müsbət yanaşa, lakin öz texnoloji səriştəsini aşağı görə bilər və ya texnologiyadan istifadədə səriştəli olduğunu düşünərkən etik problemləri güclü şəkildə sorğulaya bilər.

Buna görə müəllim təhsili yalnız hansı AI alətinin necə istifadə ediləcəyini öyrətməyə endirilməməlidir. Texnoloji səriştə; pedaqoji qiymətləndirmə, sosial-emosional nəticələrin anlaşılması, AI nəticələrinin tənqidi qiymətləndirilməsi və etik məsuliyyətlə birlikdə nəzərdən keçirilməlidir.

Müəllim namizədləri niyə daha yüksək bal göstərmiş ola bilər?

Mənbənin müzakirə bölməsində mümkün izahlardan biri müəllim namizədlərinin müasir rəqəmsal mühitlərlə daha tez-tez təmasda olmaları və AI-dən akademik iş, məlumat axtarışı, tapşırıqların təşkili və problem həlli proseslərində daha geniş istifadə etmələridir.

Lakin bu şərh müşahidə olunan fərqin sübut edilmiş mexanizmi deyil. Müəllim namizədləri ilə müəllimlər yaş, təcrübə, iş yükü, institusional gözləntilər və texnologiya ilə təmas baxımından eyni xüsusiyyətlərə malik qruplar deyil.

Sosial və Hüquq Elmləri nəticəsi necə şərh edildi?

Sosial və Hüquq Elmləri qrupunun PSEA, CD və ümumi bal baxımından yüksək dəyər göstərməsi ilkin H3 gözləntisinə zidd olmuşdur. Müəlliflər bunun məlumat təhlili, məzmun yaratma və şərh etmə kimi təhsil təcrübələri ilə əlaqəli ola biləcəyini müzakirə edirlər.

Bununla belə, təsir ölçülərinin kiçik olması səbəbindən tədqiqat bu sahənin AI-yə qarşı güclü və ya universal fənn üstünlüyünə malik olduğunu iddia etmir.

Akademik nailiyyət nəticəsi necə şərh edilməlidir?

Daha yüksək orta qiymət AI-yə daha müsbət münasibət, daha yüksək qavranılan səriştə və daha yüksək tənqidi/etik qiymətləndirmə ilə müsbət əlaqəli tapılmışdır. Bununla belə, korrelyasiyaların ölçüsü yalnız 0,065–0,077 aralığındadır.

Buna görə nəticə “uğurlu tələbələr AI mövzusunda nəzərəçarpacaq dərəcədə daha yaxşıdır” şəklində genişləndirilə bilməz. Mənbənin dəstəklədiyi ifadə orta qiymətlə bəzi ACISE-IA ölçüləri arasında statistik cəhətdən əhəmiyyətli, lakin praktik ölçüsü çox kiçik əlaqələrin olmasıdır.

Tədqiqatın dəstəklədiyi şərhlər

• Təhsildə AI qavrayışı şəxsi, akademik və peşəkar xüsusiyyətlərə görə müəyyən dərəcədə fərqlənir.
• Yaş və müəllimlik təcrübəsi bəzi müsbət münasibət və qavranılan rəqəmsal səriştə göstəriciləri ilə kiçik mənfi əlaqələr göstərir.
• Akademik nailiyyət bəzi AI qavrayışı ölçüləri ilə çox kiçik müsbət əlaqələr göstərir.
• Təhsil sahəsi, iş statusu və akademik ilə görə bəzi statistik fərqlər vardır.
• Bu əlaqələr dörd ACISE-IA ölçüsündə eyni şəkildə ortaya çıxmır.
• Müəllim təhsilində texnoloji, pedaqoji, sosial-emosional və etik komponentlərin birlikdə nəzərdən keçirilməsi faydalı ola bilər.

Tədqiqatın dəstəkləmədiyi şərhlər

• Yaşlanmanın AI-yə münasibəti səbəbli şəkildə azaltdığı sübut edilməmişdir.
• Uzun müəllimlik təcrübəsinin AI səriştəsini azaltdığı sübut edilməmişdir.
• Universitetdə kurs yüksəldikcə AI qavrayışının eyni şəxslərdə avtomatik olaraq yaxşılaşdığı göstərilməmişdir.
• Müəllim namizədlərinin real AI performansının müəllimlərdən daha yüksək olduğu ölçülməmişdir.
• ACISE-IA-nın CD ölçüsü real tətbiqi AI bacarıq imtahanı deyil; qavranılan rəqəmsal səriştəni ölçür.
• Sosial və Hüquq Elmləri tələbələrinin bütün digər sahələrdən ümumilikdə “AI mövzusunda daha səriştəli” olduğu sübut edilməmişdir.
• İspaniyanın Əndəlüs bölgəsindəki nəticələrin bütün ölkələrə və ya bütün müəllim əhalisinə birbaşa ümumiləşdirilə biləcəyi göstərilməmişdir.
• Statistik əhəmiyyətlilik böyük təsir və ya güclü praktik əhəmiyyət demək deyil.

Tədqiqatın güclü tərəfləri

Tədqiqat 1292 nəfərlik nisbətən böyük nümunədə təhsildə AI qavrayışını vahid münasibət dəyişəninə endirmək əvəzinə sosial-emosional, münasibət, səriştə qavrayışı və etik-tənqidi ölçüləri birlikdə araşdırır. Eyni tədqiqatda yaş, akademik nailiyyət, fənn sahəsi, iş statusu, təcrübə və akademik il kimi bir neçə xüsusiyyət müqayisə edilir.

Mənbə həmçinin yalnız statistik əhəmiyyətlilik təqdim etməklə kifayətlənməmiş; sahə, iş statusu və akademik il təhlillərində təsir ölçülərini də bildirmiş və bir çox əhəmiyyətli nəticənin kiçik ölçüdə olduğunu müzakirədə açıq şəkildə qəbul etmişdir.

Əsas məhdudiyyətlər

Nümunə balansı: İştirakçıların %83,4-ü müəllimlik təhsili alan tələbələrdir; müəllimlər yalnız %16,6-lıq qrupu təşkil etmişdir. Bu vəziyyət tələbə–müəllim müqayisəsinin ümumiləşdirilə bilməsini məhdudlaşdırır.

Cins bölgüsü: Nümunənin %70,8-i qadındır. Müəlliflər bu balanssızlığın nəticələrin ümumiləşdirilə bilməsi qiymətləndirilərkən nəzərə alınmalı olduğunu bildirirlər.

Ehtimalsız seçmə: Məqsədli non-probabilistic seçmə tədqiqata qatılanların AI-yə maraq və ya tanışlıq baxımından ümumi əhalidən fərqli ola bilmə ehtimalını artırır.

Kəsiyəvi dizayn: Müxtəlif yaş, təcrübə və akademik il qrupları bir zaman nöqtəsində müqayisə edilmişdir. Eyni şəxslər zaman boyu izlənməmişdir.

Səbəblik: Korrelyasiyalar və qrup fərqləri səbəb-nəticə əlaqəsi kimi şərh edilə bilməz.

Kohort təsiri: Yaşla müşahidə olunan fərq yalnız bioloji və ya xronoloji yaşla deyil, müxtəlif nəsillərin fərqli təhsil və texnologiya mühitlərində böyüməsi ilə də əlaqəli ola bilər.

Öz-bildirim: Şkalanın CD ölçüsü iştirakçıların öz AI səriştələrinə dair qavrayışlarını ölçür; real performans testi deyil.

Gələcək tədqiqatlar

Müəlliflər müəllim və müəllim namizədlərinin daha balanslı təmsil olunduğu, daha təmsiledici seçmə dizaynlarından istifadə edilməsini təklif edirlər. Cinsin təhsildə AI qavrayışlarındakı mümkün rolunun daha balanslı nümunə quruluşu ilə ayrıca araşdırılması tövsiyə olunur.

Yaş, nəsil və təhsil təsirlərini bir-birindən ayırmaq üçün eyni şəxslərin zamanla izlənildiyi uzununa dizaynlar xüsusilə dəyərlidir. Tədqiqatın müxtəlif təhsil pillələrində, müəssisə tiplərində və kontekstlərdə təkrarlanması da nəticələrin ümumiləşdirilə bilməsini qiymətləndirmək üçün zəruridir.

Praktik nəticələr

Tədqiqat vahid tipli AI təhsil proqramı əvəzinə müxtəlif başlanğıc profillərinə uyğunlaşdırıla bilən müəllim hazırlığı yollarını dəstəkləyir. Daha təcrübəli müəllimlərin ehtiyacları müəllimlik təhsilinin ilk illərindəki tələbələrin ehtiyacları ilə eyni olmaya bilər.

Mənbəyə görə davamlı təhsildə AI inteqrasiyası birdəfəlik texnologiya təqdimatlarından daha çox davamlı peşəkar inkişaf və institusional dəstək tələb edir. Təhsil yalnız alət istifadəsinə deyil, texnologiyanın pedaqoji mənasına, şagird münasibətlərinə, etik risklərə və tənqidi qiymətləndirməyə də yer verməlidir.

Mənbədə riyazi formula varmı?

Xeyr. Məqalədə Pearson korrelyasiyası, Student t-testi, ANOVA, Cronbach α, McDonald ω, Cohen's d və qismən eta-kvadrat kimi statistik üsul və əmsallardan istifadə olunur; lakin onların riyazi tənlikləri mənbə mətndə verilmir. Buna görə Verianla mənbədə olmayan formulları tədqiqatın öz formulları kimi əlavə etmir.

Etik təsdiq xronologiyası ilə bağlı mənbə qeydi

Mənbə metod bölməsində anketin 2025-ci ilin birinci rübündə tətbiq edildiyini bildirir. Məqalənin Institutional Review Board Statement bölməsində isə University of Jaén Ethics Committee təsdiq tarixi 25 iyul 2025, kodu 20250508/MAY.LIN olaraq verilir. PDF bu iki tarixin xronoloji əlaqəsinə dair əlavə açıqlama təqdim etmir. Verianla bu vəziyyəti şərh edərək və ya tarixləri dəyişdirərək düzəltmir.

ACISE-IA etibarlılıq hesabatı ilə bağlı mənbə qeydi

Metod bölməsində şkalaların daxili tutarlılığının Cronbach α və McDonald ω ilə müəyyən edildiyi bildirilir. Bununla belə, məqalənin nəticələr bölməsində mövcud 1292 nəfərlik nümunəyə aid ayrıca α və ω dəyərləri görünən şəkildə hesabatlandırılmır; açıq verilən α/ω dəyərləri ACISE-IA-nın ilkin doğrulama tədqiqatına aid edilir.

Mənbə və Metod Qeydi

Özgün başlıq: Personal and Academic Factors in Teachers’ Perceptions of Educational Artificial Intelligence

Türkcə nəşr başlığı: Müəllimlərin Təhsildə Süni İntellekt Qavrayışlarında Şəxsi və Akademik Amillər

Müəlliflər: Inmaculada Serrano-García, Ramón Chacón-Cuberos, Amador Jesús Lara-Sánchez.

Müəllif sırası: Mənbədə verildiyi şəkildə qorunmuşdur.

Bərabər töhfə: Mənbədə birgə birinci müəlliflik və ya bərabər töhfə işarəsi yoxdur.

Məsul müəllif: Amador Jesús Lara-Sánchez.

Affiliasiya 1: Department of Mathematics, IES Villanueva del Mar, La Herradura, Spain.

Affiliasiya 2: Department of Research Methods and Diagnosis in Education, University of Granada, Granada, Spain.

Affiliasiya 3: Department of Didactics of Musical, Visual, and Corporal Expression, University of Jaén, Jaén, Spain.

Jurnal: Sustainability.

Nəşriyyat: MDPI.

Cild / nömrə / məqalə nömrəsi: 18 / 20 / 10377.

DOI: 10.3390/su182010377.

Academic Editor: Jun (Justin) Li.

Göndərilmə tarixi: 20 avqust 2026.

Reviziya tarixi: 29 sentyabr 2026.

Qəbul tarixi: 3 oktyabr 2026.

Nəşr tarixi: 13 oktyabr 2026.

Mənbə növü: Article; kəmiyyət, qeyri-eksperimental, təsviri/kəşfiyyat xarakterli, kəsiyəvi və ex post facto tədqiqatdır.

Resenziya vəziyyəti: Sustainability-də dərc olunmuş resenziyalı jurnal məqaləsidir.

Lisenziya: Creative Commons Attribution 4.0 International (CC BY).

Tədqiqat coğrafiyası: Əndəlüs Muxtar Bölgəsi, İspaniya.

Məlumat toplama dövrü: Mənbəyə görə 2025-ci ilin birinci rübü.

Nümunə: 1292 nəfər; 1078 müəllimlik təhsili alan universitet tələbəsi və təhlildə vahid müəllim kateqoriyası altında birləşdirilmiş 214 fəal/qeyri-fəal müəllim.

Seçmə: Məqsədli, ehtimalsız seçmə.

Ölçmə vasitəsi: ACISE-IA — Scale of Attitudes, Knowledge, Emotions, and Ethics in Teachers toward the Use of Artificial Intelligence in Professional Performance.

Maddə sayı: 39.

Cavab formatı: 1–5 arası beşpilləli Likert şkalası.

Ölçülər: PSEA, APIA, CD və PCRE.

Nəzəri şərh çərçivəsi: UNESCO AI Competency Framework for Teachers (AI CFT), DigCompEdu ilə tamamlanmışdır. ACISE-IA bu çərçivələrdən hazırlanmayıb və ölçüləri AI CFT/DigCompEdu sahələri ilə birbaşa ekvivalent deyil.

Təhlil proqramı: IBM SPSS 28.0.1.0.

Normallıq yoxlaması: Asimmetriya və eksses indeksləri; −2 ilə +2 aralığı qəbuledilən hesab edilmişdir.

İki qrup müqayisəsi: Müstəqil nümunə Student t-testi.

İkidən çox qrup: Birtərəfli ANOVA.

Post-hoc təhlil: Bonferroni düzəlişi.

Dəyişənlərarası əlaqə: Pearson ikili korrelyasiyası.

Daxili tutarlılıq üsulları: Cronbach α və McDonald ω.

Etibar səviyyəsi: %95.

Təsir ölçüləri: İki qrup müqayisəsində Cohen's d; ANOVA təhlillərində qismən eta-kvadrat (ηp²).

Riyazi tənlik: Mənbədə statistik üsulların açıq riyazi formulları verilməmişdir.

Cədvəllər: Beş əsas nəticə cədvəli vardır: yaş/orta qiymət korrelyasiyaları; təhsil sahəsi; iş statusu; müəllimlik təcrübəsi; akademik il.

Nömrələnmiş elmi şəkil: Mənbə məqalədə nömrələnmiş məlumat fiquru yoxdur.

H1: Dəstəkləndi.

H2: Dəstəkləndi.

H3: Dəstəklənmədi.

H4: Qismən dəstəkləndi.

H5: Dəstəkləndi.

H6: Qismən dəstəkləndi.

Etik komitə: University of Jaén Ethics Committee, kod 20250508/MAY.LIN.

Mənbədə bildirilən etik təsdiq tarixi: 25 iyul 2025.

Etik xronologiya qeydi: Mənbə anketin 2025-ci ilin birinci rübündə tətbiq edildiyini, etik komitə bəyanatında isə təsdiq tarixini 25 iyul 2025 olaraq bildirdiyini göstərir. Məqalə bu xronoloji fərq üçün açıqlama vermir; tarixlər dəyişdirilmədən qorunmuşdur.

Məlumatlandırılmış razılıq: Tədqiqatdakı bütün iştirakçılardan alınmışdır.

Məlumatların əlçatanlığı: İştirakçıların şəxsi məlumatlarının qorunmasına dair məxfilik və etik məhdudiyyətlər səbəbindən məlumatlar ictimaiyyət üçün açıq deyil. Müvafiq etik şərtlərin təsdiqindən asılı olaraq əsaslandırılmış tələb üzrə corresponding author-dan əldə etmək mümkün ola bilər.

Maliyyələşdirmə: Tədqiqat xarici maliyyələşdirmə almamışdır.

Maraqlar toqquşması: Müəlliflər maraqlar toqquşmasının olmadığını bəyan etmişlər.

Müəllif töhfələri: Konseptuallaşdırma: Inmaculada Serrano-García, Ramón Chacón-Cuberos, Amador Jesús Lara-Sánchez; metodologiya: üç müəllif; proqram təminatı: Inmaculada Serrano-García və Ramón Chacón-Cuberos; doğrulama: Ramón Chacón-Cuberos və Amador Jesús Lara-Sánchez; formal təhlil, tədqiqat, resurslar və məlumatların kurasiyası: Inmaculada Serrano-García; ilkin layihə: Inmaculada Serrano-García; nəzərdən keçirmə/redaktə və vizuallaşdırma: üç müəllif; nəzarət: Ramón Chacón-Cuberos və Amador Jesús Lara-Sánchez; layihə idarəetməsi: üç müəllif; maliyyələşdirmənin əldə edilməsi: Ramón Chacón-Cuberos və Amador Jesús Lara-Sánchez.

ACISE-IA biblioqrafik status qeydi: Mövcud məqalə ACISE-IA-nı doğrulanmış şkala kimi təqdim edir və ilkin doğrulama tədqiqatının daxili tutarlılıq və model uyğunluğu nəticələrini köçürür; lakin ədəbiyyat siyahısı sözügedən “Design and Validation...” tədqiqatını “Sensors 2026, under review” kimi göstərir. Verianla bu mənbə tədqiqatın nəşr statusunu dəyişdirməmişdir.

Mövcud nümunə üçün daxili tutarlılıq hesabatı: Metodda Cronbach α və McDonald ω hesablandığı bildirilsə də, məqalənin görünən nəticə cədvəllərində mövcud nümunəyə aid ayrıca α/ω əmsalları hesabatlandırılmır.

Əsas metodoloji məhdudiyyətlər: Tələbələrin nümunədə üstünlük təşkil etməsi, qadın iştirakçıların yüksək nisbəti, məqsədli ehtimalsız seçmə, öz-bildirimli səriştə ölçümü və kəsiyəvi/korrelyasiya xarakterli tədqiqat dizaynı.

Əsas şərh sərhədi: Yaş, təcrübə, akademik il və ya digər xüsusiyyətlərlə ACISE-IA balları arasındakı əlaqələr səbəbli təsir kimi şərh edilə bilməz.

Gələcək doğrulama ehtiyacı: Daha balanslı və təmsiledici nümunələr, cinsin ayrıca qiymətləndirildiyi dizaynlar, uzununa izləmə, müxtəlif təhsil pillələrində və müxtəlif institusional/coğrafi kontekstlərdə təkrar tədqiqatlar.