Yabancı dil eğitiminde üretken yapay zekâ kabulünün çok boyutlu belirleyicileri

Bu neden dil öğrenenler için önemli

Sohbet botları ve yazma asistanları gibi üretken yapay zekâ araçları, özellikle İngilizce ve diğer yabancı dillerin öğreniminde hızla sınıflara giriyor. Ancak parlak teknoloji tek başına daha iyi öğrenmeyi garanti etmez. Bu çalışma basit ve pratik bir soruyu gündeme getiriyor: üniversite öğrencilerinin bu araçları kullanmaya istekli olmalarını gerçekten ne sağlıyor ve günlük dil çalışmalarında bunları kullanmaya devam etmelerini ne tetikliyor?

"Çalışıyor mu?" sorusunun ötesine bakmak

Yabancı dil eğitiminde üretken yapay zekâ üzerine yapılan araştırmaların çoğu sınav puanları ve performansa odaklandı: öğrenciler yapay zekâ yardımıyla daha iyi kompozisyon mu yazıyor veya daha akıcı mı konuşuyor? Yazarlar, bu bakış açısının çok dar olduğunu savunuyor. En güçlü araç bile öğrenciler onunla rahat hissetmiyorsa, değerini görmüyorsa veya onu iyi kullanacak beceriye sahip değilse işe yaramaz. Bunu ele almak için teknoloji araştırmalarında iyi bilinen bir çerçeve olan Birleşik Teknoloji Kabul ve Kullanım Teorisi üzerine inşa ediyorlar. Basitçe söylemek gerekirse, bu çerçeve insanların bir teknolojiden ne beklediklerini, onun ne kadar kolay kullanıldığını düşündüklerini, çevrelerindeki kişilerin ne düşündüğünü ve aldıkları desteği; bunların kullanım niyeti ve gerçek dünyadaki kullanımlarıyla nasıl bağlantılı olduğunu açıklar.

Araştırmacıların test etmek istediği şey

Çalışma, İngilizce, Fransızca, Almanca ve Japonca gibi yabancı dillerde uzmanlaşmış 409 Çinli üniversite öğrencisine odaklandı. Hepsi lisans veya lisansüstü düzeyde öğrenim görmekteydi. Araştırmacılar, yapay zekâ kabulünün birkaç unsurunu ölçmek için dikkatle uyarlanmış ve Çince’ye çevrilmiş ayrıntılı bir çevrimiçi anket kullandılar. Bunlar arasında öğrencilerin üretken yapay zekânın öğrenimleri için ne kadar faydalı olacağını düşündükleri, kullanmanın ne kadar kolay hissettirdiği, çevrelerindeki önemli kişilerin kullanımını teşvik edip etmediği ve teknik ile kurumsal desteğin mevcut olup olmadığı yer aldı. Buna ek olarak, sıklıkla göz ardı edilen üç kişisel boyut eklendi: öğrencilerin yapay zekâ kullanmaya yönelik duyguları (örneğin heyecan veya kaygı), yapay zekâ okuryazarlık düzeyleri (araçları ne kadar iyi anladıkları ve değerlendirebildikleri) ve yapay zekâ ile çalışma konusundaki öz‑yeterlikleri (kendi yeteneklerine güvendikleri düzey).

Öğrencilerin yapay zekâ kullanımını gerçekten ne tetikliyor

Analiz, öğrencilerin üretken yapay zekâyı kullanma niyeti üzerinde en çok iki inancın etkili olduğunu gösterdi: bunun akademik performanslarını gerçekten iyileştireceği beklentisi ve saygı duydukları kişilerin—öğretmenler, danışmanlar ve akranların—kullanımı desteklediği hissi. Buna karşılık, algılanan kullanım kolaylığı öğrencilerin niyetlerini anlamlı şekilde değiştirmedi; muhtemelen birçok modern yapay zekâ aracının zaten sezgisel olmasından kaynaklanıyor. Gerçek kullanıma gelince, birkaç etken bir araya geldi. Öğrenciler, zaten kullanma niyeti taşıdıklarında, üniversiteleri ve sistemleri bunu kolaylaştırıp desteklediğinde, yapay zekâya yönelik olumlu duyguların olumsuz duygulardan ağır basması durumunda, daha güçlü bir yapay zekâ okuryazarlığına sahip olduklarında ve kendi yapay zekâ yeteneklerine daha çok güvendiklerinde üretken yapay zekâyı daha sık kullanma eğilimindeydi. Başka bir deyişle, merakı düzenli pratiğe dönüştürmede hem çevre hem de öğrenenin zihniyeti kilit rol oynuyor.

Arka plan faktörleri tablonun şeklini nasıl etkiliyor

Araştırmacılar ayrıca temel arka plan özelliklerinin bu faktörlerin etkileşimini değiştirip değiştirmediğini kontrol ettiler. Cinsiyet, öğrenim düzeyi, üniversitenin prestiji, Çin bölgesi ve öğrenilen dil incelendi. Bunların çoğu modeldeki ilişkileri güçlü biçimde değiştirmedi. İkisi öne çıktı. Birincisi, cinsiyet yapay zekâ okuryazarlığı ile gerçek kullanım arasındaki bağ için önemliydi: erkek öğrencilerde daha yüksek yapay zekâ okuryazarlığı, kadın öğrencilere göre daha güçlü bir şekilde daha yoğun kullanıma dönüşüyordu. İkincisi, bölge, performans yararlarına ilişkin inançların kullanım niyetine ne kadar güçlü aktığı üzerinde etkiliydi; Doğu Çin’deki öğrencilerde bu bağ en güçlüydü. Bu bulgular, erişim, kültür ve teknolojiye önceki maruziyetin aynı araçlara verilen yanıtta ince biçimde şekillendirici olabileceğine işaret ediyor.

Bu sınıflar ve kampüsler için ne anlama geliyor

Eğitimciler ve üniversiteler için sonuçlar net bir mesaj veriyor: dil öğreniminde üretken yapay zekâyı teşvik etmek yalnızca araç dağıtmak değildir. Öğrencilerde somut öğrenme faydalarını göstermek, sınıflarda ve bölümlerde destekleyici normlar oluşturmak ve hem yapay zekâ okuryazarlığını hem de güveni artıracak eğitimler sunmak gerekiyor. Öğrencilerin düşük baskılı deneyim fırsatları yaratan yapılandırılmış etkinlikler, yapay zekânın sınırlamaları ve etik konuları hakkında dürüst tartışmalar ve kullanıcı dostu tasarımlar; öğrencilerin hem yetkin hem de kontrol sahibi hissetmesine yardımcı olabilir. Çalışma, öğrenciler gerçek kazanımlar beklediğinde, başkaları tarafından teşvik edildiklerini hissettiklerinde, yapay zekânın nasıl çalıştığını anladıklarında ve onu kullanma yeteneklerine güvendiklerinde, üretken yapay zekâyı yeni bir dili öğrenmede anlamlı bir ortak olarak benimseme olasılıklarının çok daha yüksek olduğunu sonuçlandırıyor.

Atıf: Xu, T., Xiong, Y. Multidimensional determinants of generative AI acceptance in foreign language education. Sci Rep 16, 5698 (2026). https://doi.org/10.1038/s41598-026-36700-1

Anahtar kelimeler: üretken yapay zekâ, dil öğrenimi, teknoloji kabulü, Yapay Zekâ okuryazarlığı, öğrenci duyguları