Bu araştırma, çalışanların kuruluşlarında kullanılan yapay zekâ uygulamalarını adil, şeffaf ve tutarlı olarak algılamalarının yaratıcılıkla nasıl ilişkili olduğunu ve yapay zekâya yönelik tutumların bu ilişkide aracılık edip etmediğini inceliyor. Araştırma, farklı kültürel geçmişlerden gelen 214 çalışanın çevrimiçi anket yanıtlarını Kısmi En Küçük Kareler Yapısal Eşitlik Modellemesi (Partial Least Squares Structural Equation Modeling, PLS-SEM) ile analiz etti. Algılanan yapay zekâ adaleti ile yaratıcılık arasında pozitif bir ilişki bulundu; daha olumlu yapay zekâ tutumları da daha yüksek yaratıcılık puanlarıyla ilişkiliydi. Çalışma ayrıca yapay zekâya yönelik tutumların adalet algısı ile yaratıcılık arasındaki ilişkiye kısmen aracılık ettiği sonucuna ulaştı. Buna karşılık cinsiyetin, algılanan yapay zekâ adaleti ile yapay zekâya yönelik tutumlar arasındaki ilişkiyi anlamlı biçimde değiştirdiğine ilişkin istatistiksel destek bulunmadı. Bununla birlikte çalışma kesitsel ve öz-bildirime dayalı olduğundan bu ilişkiler nedensellik kanıtı olarak yorumlanamaz.

Araştırmanın merkezindeki kavram algılanan yapay zekâ adaletidir (Perceived AI Fairness, PAF). Bu kavram, çalışanın kuruluşunda yapay zekâ destekli uygulamaların genel olarak adil, şeffaf ve eşitlikçi biçimde yürütüldüğüne dair değerlendirmesini ifade ediyor. İkinci temel değişken yapay zekâya yönelik tutumlardır (Attitudes toward AI, AAI); çalışanların yapay zekâyı kabul, güven, olumlu değerlendirme, kuşku veya kaygı ekseninde nasıl değerlendirdiklerini temsil ediyor. Sonuç değişkeni olan yaratıcılık ise çalışmada insanın yeni ve yararlı fikirler geliştirme kapasitesi olarak ele alınıyor.

Çalışmanın önemli ayrımlarından biri, yapay zekânın kendisini insanla aynı anlamda “yaratıcı” kabul etmemesidir. Araştırmanın teorik çerçevesinde yapay zekâ daha çok insan yaratıcılığını destekleyebilecek teknolojik-bilişsel bir kaynak olarak konumlandırılıyor. Dolayısıyla ölçülen sonuç, bir yapay zekâ modelinin ne kadar yaratıcı olduğu değil, çalışanların kendi yaratıcı davranışlarıdır.

Araştırmanın temel sorusu nedir?

Çalışmanın temel sorusu, işyerinde yapay zekânın yalnız teknik performansının değil, çalışanlar tarafından ne kadar adil algılandığının da yaratıcılıkla ilişkili olup olmadığıdır. Araştırma bu ilişkiyi doğrudan incelemekle yetinmiyor; çalışanların yapay zekâya yönelik olumlu veya olumsuz tutumlarının adalet algısından yaratıcılığa uzanan bağlantıda psikolojik bir ara mekanizma oluşturup oluşturmadığını da test ediyor.

Araştırmada üçüncü bir soru daha bulunuyor: Cinsiyet, algılanan yapay zekâ adaleti ile yapay zekâya yönelik tutumlar arasındaki ilişkinin gücünü değiştiriyor mu? Böylece model yalnız bir aracılık ilişkisini değil, aynı zamanda moderasyon içeren daha geniş bir yapıyı değerlendiriyor.

Çalışma yaratıcılığı nasıl ele alıyor?

Makalede yaratıcılık, hem yeni hem de yararlı fikir veya çözümler üretme kapasitesi olarak ele alınıyor. Araştırmacı, yapay zekâ destekli yaratıcılığı insanın yaratıcı rolünün ortadan kalktığı bir süreç olarak değerlendirmiyor. Çalışmanın teorik yaklaşımında çalışan; yapay zekâ tarafından üretilen önerileri yorumlayan, değerlendiren, seçen, değiştiren ve bağlama uygulayan temel karar verici olmaya devam ediyor.

Bu nedenle araştırmada anlatılan “artırılmış yaratıcılık” yaklaşımı, çok sayıda yapay zekâ çıktısının otomatik olarak yaratıcılık sayılması anlamına gelmiyor. Yaratıcı katkı, insanın bağlam bilgisi, yargısı ve yapay zekâ çıktısını anlamlı bir sonuca dönüştürme kapasitesinde bulunuyor.

Algılanan yapay zekâ adaleti neden önemli?

Algılanan yapay zekâ adaleti, çalışanların kurumlarında yapay zekâya dayalı uygulamaların adil ve şeffaf biçimde yürütülüp yürütülmediğine ilişkin genel değerlendirmesidir. Araştırmanın yaklaşımına göre yapay zekâ sistemlerinin çalışanlar tarafından nasıl algılandığı, teknolojinin teknik özelliklerinden bağımsız düşünülemeyecek bir örgütsel davranış unsurudur.

Makalede adalet algısı; algoritmik önyargı, şeffaflık, tutarlılık, çalışanların eşit muamele gördüğüne ilişkin inanç ve yapay zekânın bir kontrol veya tehdit aracı yerine destekleyici bir araç olarak değerlendirilmesiyle bağlantılı bir çerçevede ele alınıyor.

Hangi teoriler kullanıldı?

Araştırmanın ilk teorik ayağı Sosyal Değişim Teorisidir (Social Exchange Theory, SET). Çalışmada bu teori, çalışanların kurumsal uygulamaları adil ve destekleyici algıladıklarında kuruma olumlu davranışlarla karşılık verme eğilimi üzerinden kullanılıyor. Araştırmacının modeli açısından bu olumlu karşılık yaratıcı işe daha fazla katılım biçiminde ortaya çıkabilir.

İkinci teorik temel Teknoloji Kabul Modelidir (Technology Acceptance Model, TAM). Bu yaklaşım, insanların bir teknolojiyi yararlı ve kullanılabilir olarak değerlendirmelerinin teknolojiye yönelik tutumları ve kullanımlarıyla bağlantılı olabileceğini öne sürüyor. Araştırmada TAM, yapay zekâya yönelik tutum ile yaratıcılık arasındaki beklenen ilişkinin açıklanmasında kullanılıyor.

Araştırmanın test ettiği hipotezler

• H1: Algılanan yapay zekâ adaletinin çalışan yaratıcılığı üzerinde pozitif etkisi vardır.
• H2: Algılanan yapay zekâ adaleti, çalışanların yapay zekâya yönelik tutumlarını pozitif yönde etkiler.
• H3: Cinsiyet, algılanan yapay zekâ adaleti ile yapay zekâya yönelik tutumlar arasındaki ilişkiyi düzenler.
• H4: Çalışanların yapay zekâya yönelik tutumları yaratıcılıklarını pozitif yönde etkiler.
• H5: Yapay zekâya yönelik tutumlar, algılanan yapay zekâ adaleti ile yaratıcılık arasındaki ilişkide aracılık rolü oynar.

Örneklemin yapısı

Araştırmanın nihai örneklemi 214 çalışandan oluşuyor. Katılımcıların 103'ü erkek (%48,1), 111'i kadın (%51,9). Yaş dağılımında en büyük grup 30–44 yaş aralığında ve toplam örneklemin %54,7'sini oluşturuyor. Katılımcıların %59,8'i yüksek lisans veya üzeri eğitim düzeyine sahip.

Mesleki dağılımda eğitim %37,9 ile en büyük grubu oluştururken mühendislik %24,3, işletme %17,8, sağlık %5,6, konaklama %5,1 ve diğer alanlar %9,3 oranında temsil ediliyor. Örneklemin %47,1'i Kuzey Afrika, %39,2'si Orta Doğu, %8'i Asya, %4,7'si Avrupa ve %1'i Kuzey Amerika kökenli katılımcılardan oluşuyor. Dolayısıyla çalışma çok kültürlü bir örnekleme sahip olsa da dağılım belirgin biçimde MENA bölgesinde yoğunlaşıyor.

Şekil 1 neyi gösteriyor?

Çalışmanın kavramsal modeli algılanan yapay zekâ adaletinden iki temel yol tanımlıyor. İlk yol doğrudan yaratıcılığa uzanıyor. İkinci yol ise önce yapay zekâya yönelik tutumlara, ardından yaratıcılığa bağlanıyor. Cinsiyet değişkeni, algılanan yapay zekâ adaleti ile yapay zekâya yönelik tutum arasındaki bağlantının moderatörü olarak modele yerleştirilmiş. Böylece model, adalet algısının yaratıcılıkla hem doğrudan hem tutum üzerinden dolaylı ilişkisinin ve bu ilk bağlantının cinsiyete göre değişip değişmediğinin aynı çerçevede test edilmesini sağlıyor.

Çalışma ne söylüyor?

• Algılanan yapay zekâ adaleti ile çalışan yaratıcılığı arasında pozitif ve istatistiksel olarak anlamlı bir ilişki bulunmuştur.
• Algılanan yapay zekâ adaleti ile yapay zekâya yönelik olumlu tutum arasında pozitif ve anlamlı bir ilişki bulunmuştur.
• Yapay zekâya yönelik daha olumlu tutumlar daha yüksek yaratıcılık puanlarıyla ilişkili bulunmuştur.
• Araştırmacı, yapay zekâya yönelik tutumların adalet algısı ile yaratıcılık arasındaki ilişkide kısmi aracılık gösterdiği sonucuna ulaşmıştır.
• Cinsiyetin adalet algısı ile yapay zekâ tutumu arasındaki bağlantıyı anlamlı biçimde değiştirdiğine ilişkin destek bulunmamıştır.

Çalışma neyi kanıtlamıyor?

• Adil yapay zekâ uygulamalarının mutlaka yaratıcılığa neden olduğunu kanıtlamıyor; araştırma kesitseldir.
• Yapay zekânın kendi başına insan benzeri yaratıcılığa sahip olduğunu göstermiyor.
• Erkekler ve kadınlar arasında yapay zekâ algısına ilişkin hiçbir fark bulunmadığını kanıtlamıyor. Yalnızca bu örneklemde cinsiyetin PAF→AAI ilişkisindeki moderatör etkisi anlamlı bulunmamıştır.
• Sonuçların bütün ülkelere, kültürlere, meslek gruplarına veya düşük teknoloji deneyimine sahip çalışanlara doğrudan genellenebileceğini göstermiyor.
• Belirli bir yapay zekâ uygulamasının, algoritmanın veya üretken yapay zekâ modelinin diğerlerinden daha adil ya da daha yaratıcı sonuçlar ürettiğini test etmiyor.

Türkiye açısından nasıl okunmalı?

Çalışma Türkiye'de yürütülmemiştir ve Türkiye'deki çalışanlara ilişkin doğrudan veri içermemektedir. Örneklem ağırlıklı olarak Kuzey Afrika ve Orta Doğu kökenli, yüksek eğitim düzeyine ve teknoloji maruziyetine sahip katılımcılardan oluştuğu için sonuçların Türkiye'deki işletmelere doğrudan aktarılması uygun değildir. Türkiye bağlamında benzer bir modelin değerlendirilmesi için sektör, çalışan profili, yapay zekâ kullanım yoğunluğu, örgüt kültürü, algoritmik kararların hangi iş süreçlerinde kullanıldığı ve yerel çalışanların adalet algıları ayrıca ölçülmelidir.

Çalışmanın Yöntemi ve Bulguları

Veri nasıl toplandı?

Ana veri toplama aşamasından önce anketin açıklığını ve geçerliliğini geliştirmek amacıyla iki yönetim profesörü ile iki yapay zekâ mühendisi-geliştiricinin katıldığı bir pilot değerlendirme gerçekleştirildi. Geri bildirimler doğrultusunda bazı maddelerin ifadeleri ve her iki dildeki anketin bağlamsal açıklığı geliştirildi.

Ana araştırmada Arapça ve İngilizce olmak üzere iki dilli çevrimiçi anket kullanıldı. Anket Google Forms üzerinden yürütüldü ve Ocak–Mart 2026 döneminde başta Facebook ve WhatsApp olmak üzere sosyal medya kanallarından dağıtıldı. Katılımcı havuzunu genişletmek için kartopu örnekleme yöntemi kullanıldı; başlangıçtaki katılımcılardan anket bağlantısını mesleki ağlarındaki çalışma arkadaşlarına iletmeleri istendi.

Bu yöntem farklı ülkelerden ve mesleklerden kişilere ulaşmayı kolaylaştırmış olsa da olasılıklı örnekleme değildir. Dolayısıyla örneklemin genel çalışan nüfusunu istatistiksel olarak temsil ettiği varsayılamaz.

Değişkenler nasıl ölçüldü?

Bütün değişkenler 1'in “kesinlikle katılmıyorum”, 5'in “kesinlikle katılıyorum” anlamına geldiği beşli Likert ölçekleriyle ölçüldü.

• Algılanan Yapay Zekâ Adaleti (PAF): AI bağlamına uyarlanmış altı maddelik başlangıç ölçeği.
• Yapay Zekâya Yönelik Tutumlar (AAI): sekiz maddelik kısa ölçek. Negatif ifadeli maddeler ters kodlandı.
• Yaratıcılık (CR): yedi maddelik ölçek.

Ölçüm modeli değerlendirmesinde düşük dış yük değerine sahip bir PAF maddesi, bir AAI maddesi ve bir yaratıcılık maddesi çıkarıldı. Böylece analizde PAF için 5, AAI için 7 ve yaratıcılık için 6 madde tutuldu.

Çalışmada bütün yapıların Cronbach α ve ρA değerlerinin önerilen 0,70 eşiğinin üzerinde olduğu, ortalama açıklanan varyansın (Average Variance Extracted, AVE) ise 0,50'nin üzerinde kaldığı bildiriliyor. Ayrışma geçerliliğinin değerlendirilmesinde HTMT değerlerinin 0,85'in altında olduğu ve Fornell–Larcker ölçütünün de karşılandığı belirtiliyor.

PLS-SEM modeli ne kadar açıklama gücüne sahip?

Modelde yapay zekâya yönelik tutumlar için R² = 0,109, yaratıcılık için ise R² = 0,143 raporlandı. Başka bir ifadeyle model, örneklem içindeki yapay zekâ tutumu değişkenliğinin yaklaşık %10,9'unu ve yaratıcılık değişkenliğinin yaklaşık %14,3'ünü açıklıyor. Bu değerler modelin değişkenlerin tamamını açıklamadığını, yaratıcılık ve yapay zekâ tutumları üzerinde çalışmada yer almayan çok sayıda başka etmenin de bulunabileceğini gösteriyor.

Ana yapısal ilişkiler

Tablo 4'te raporlanan standartlaştırılmış yol katsayıları arasında en yüksek pozitif katsayı, yapay zekâya yönelik tutumlardan yaratıcılığa uzanan ilişkide görülüyor: β = 0,299. Algılanan yapay zekâ adaleti ile yapay zekâ tutumları arasındaki katsayı β = 0,221, algılanan adalet ile yaratıcılık arasındaki katsayı ise β = 0,172. Cinsiyet ile PAF etkileşiminin AAI üzerindeki katsayısı β = −0,113 olmakla birlikte istatistiksel olarak anlamlı bulunmuyor.

Aracılık sonucu ve kaynaktaki raporlama tutarsızlığı

Bootstrap aracılık analizi 5000 yinelemeyle gerçekleştirildi. Kaynağın Tablo 5'i, PAF'tan yaratıcılığa AAI üzerinden özgül dolaylı etki için aşağıdaki değerleri veriyor:

Güven aralığının 0'ı içermemesi dolaylı bağlantının istatistiksel desteğine işaret ediyor ve makale H5'i kısmen desteklenmiş olarak sınıflandırıyor. Ancak kaynak içinde önemli bir raporlama tutarsızlığı bulunmaktadır. Tablo 5, 0,066 değerini “specific indirect effects” altında verirken sonuç metni aynı değeri, AAI modele eklendiğinde PAF'ın yaratıcılık üzerindeki kalan etkisi olarak tanımlamakta ve bunu p < 0,1 düzeyinde marjinal anlamlı göstermektedir. Buna karşılık Tablo 4 PAF→yaratıcılık yolu için β = 0,172 ve p < 0,05 raporlamaktadır. Bu nedenle 0,066 değerinin hangi yapısal katsayıyı temsil ettiği konusunda kaynak içinde tek anlamlı bir raporlama bulunmamaktadır. Burada değerler düzeltilmemiş; tablo ile anlatı arasındaki fark aynen görünür tutulmuştur.

Şekil 2'nin ana mesajı

Çalışmanın yapısal model görseli, PAF'tan AAI'ye, PAF'tan yaratıcılığa ve AAI'den yaratıcılığa uzanan pozitif yolları; ayrıca cinsiyet ile PAF etkileşiminin AAI üzerindeki anlamlı olmayan yolunu birlikte gösteriyor. Görselin bilimsel açıdan en önemli mesajı, modeldeki en güçlü raporlanmış doğrudan katsayının AAI→yaratıcılık bağlantısında bulunması ve cinsiyet moderasyonunun istatistiksel destek almamasıdır. Bununla birlikte model görseli, yukarıda açıklanan 0,066 aracılık katsayısına ilişkin metin-tablo tutarsızlığını ortadan kaldırmamaktadır.

Güçlü yönler

• Algılanan yapay zekâ adaleti, yapay zekâya yönelik tutum ve yaratıcılığı aynı yapısal model içinde ele alması.
• Aracılık ve moderasyon ilişkilerini birlikte test etmesi.
• Erkek ve kadın katılımcı sayılarının birbirine yakın olması.
• Katılımcıların birden fazla meslek ve coğrafi kökenden gelmesi.
• Ölçüm modeli için güvenilirlik, yakınsak geçerlilik ve ayrışma geçerliliği kontrollerinin raporlanması.
• Aracılık analizinde 5000 bootstrap yinelemesi kullanılması.

Temel sınırlılıklar

Kesitsel tasarım: Bütün değişkenler belirli bir zaman diliminde ölçüldüğünden değişkenlerin zaman içindeki yönü ve nedensel sırası belirlenemiyor. “Adalet yaratıcılığı artırır” gibi nedensel bir ifade bu araştırmanın tasarımıyla kanıtlanmış değildir.

Öz-bildirim verisi: Adalet algısı, yapay zekâya yönelik tutum ve yaratıcılık katılımcıların kendi değerlendirmelerine dayanıyor. Dolayısıyla ölçümler gerçek davranış veya bağımsız performans değerlendirmesiyle aynı şey değildir.

Kartopu örnekleme: Katılımcıların mesleki ağlar üzerinden araştırmaya dahil edilmesi seçim yanlılığı yaratabilir ve örneklemin temsil gücünü sınırlar.

Coğrafi yoğunlaşma: Örneklem kültürel açıdan tek bir ülkeden oluşmasa da katılımcıların büyük bölümü Kuzey Afrika ve Orta Doğu kökenlidir. Sonuçlar küresel çalışan nüfusuna doğrudan genellenemez.

Teknolojiye hazır örneklem: Katılımcıların önemli bölümü yüksek eğitim düzeyine sahip ve eğitim, mühendislik ve işletme gibi teknolojiyle yoğun etkileşim kurabilen alanlarda çalışıyor. Daha düşük dijital deneyime sahip çalışanlarda ilişkiler farklı olabilir.

Yapay zekânın genel ele alınması: Araştırma belirli bir üretken yapay zekâ modeli, işe alım algoritması, performans değerlendirme sistemi veya karar destek sistemi üzerinde yürütülmedi. Farklı yapay zekâ kullanım senaryolarında adalet algısının anlamı değişebilir.

Aracılık raporlaması: Kaynak metin ile Tablo 5 arasında 0,066 katsayısının yorumu açısından bulunan tutarsızlık, aracılık etkisinin nicel yorumunda dikkat gerektiriyor.

Kaynak ve Yöntem Notu

Tam özgün çalışma adı: When AI Fairness Shapes Creativity: The Mediating Role of Attitudes Toward AI Across Gender

Yazar: Amina Amari

Yazar sırası: Tek yazarlı çalışma.

Eş katkı/eş birinci yazar: Bildirilmemiştir.

Sorumlu yazar: Kaynakta ayrı bir corresponding-author işareti bulunmamaktadır. Tek yazar Amina Amari'nin kurumsal e-posta adresi makalede verilmiştir.

Kurum: Business Administration Department, College of Business, Imam Mohammad Ibn Saud Islamic University (IMSIU), Riyadh 11432, Saudi Arabia.

Dergi: Administrative Sciences.

Yayınevi: MDPI, Basel, Switzerland.

Cilt / sayı / makale: 16 / 5 / 234.

DOI: 10.3390/admsci16050234

Gönderim: 4 Nisan 2026.

Revizyon: 12 Mayıs 2026.

Kabul: 13 Mayıs 2026.

Yayın: 18 Mayıs 2026.

Kaynak türü: Hakemli nicel araştırma makalesi; kesitsel çevrimiçi anket ve PLS-SEM analizi.

Hakemlik durumu: Çalışma hakemli Administrative Sciences dergisinde yayımlanmış Version of Record araştırma makalesidir.

Resmî yayın bağlantısı:https://doi.org/10.3390/admsci16050234

Lisans: Creative Commons Attribution (CC BY).

Finansman: Araştırma dış finansman almamıştır.

Etik: Kaynakta etik kurul incelemesi ve onayının, anketin anonim ve gönüllü yapısı gerekçesiyle bu çalışma için aranmadığı/uygulanmadığı belirtilmektedir. Katılımcılar anket girişindeki bilgilendirmeyi gördükten sonra gönüllü olarak devam etmiştir.

Bilgilendirilmiş onam: Çalışmaya katılan kişilerden bilgilendirilmiş onam alındığı bildirilmiştir.

Veri erişilebilirliği: Verilerin gizlilik ve mahremiyet gerekçeleriyle yazardan talep üzerine edinilebileceği belirtilmiştir.

Çıkar çatışması: Yazar çıkar çatışması olmadığını beyan etmiştir.

Yazar katkıları: Çalışma tek yazarlıdır; PDF'de ayrıca çok yazarlı çalışmalardaki biçimde bir CRediT yazar katkı tablosu verilmemiştir.

Bu Verianla içeriğinin bilimsel bulgu, sayı, yöntem ve sınırlılıkları yüklenen özgün çalışmaya dayanmaktadır. Dış doğrulama yalnız çalışma kimliği ve yayın bilgilerini kontrol etmek amacıyla kullanılmış; ana bilimsel içeriğe PDF dışında yeni deneysel sonuç, mekanizma veya istatistik eklenmemiştir.

Çalışmanın sonuçları özellikle kesitsel tasarım, öz-bildirim ölçümleri, kartopu örnekleme, MENA ağırlıklı ve yüksek eğitim/teknoloji maruziyetine sahip örneklem nedeniyle bağlama bağımlıdır. Algılanan yapay zekâ adaleti, yapay zekâya yönelik tutumlar ve yaratıcılık arasındaki istatistiksel ilişkiler nedensellik kanıtı değildir. Cinsiyet moderasyonunun anlamlı bulunmaması da kadın ve erkeklerin yapay zekâya ilişkin bütün tutum veya deneyimlerinin aynı olduğu anlamına gelmez.

Ayrıca kaynakta aracılık analizinin raporlanmasında bir iç tutarsızlık vardır: Tablo 5'te 0,066 değeri özgül dolaylı etki olarak sunulurken sonuç anlatısında aynı değer aracı değişken eklendikten sonraki PAF→yaratıcılık etkisi olarak ifade edilmektedir. Verianla metni bu çelişkiyi sessizce düzeltmemiş ve aracılığa ilişkin genel sonucu, yazarın kendi sınıflandırması olan “kısmi aracılık” sınırında aktarmıştır.