Eğitimde Bir Araç Olarak Chatbot Sistemlerinin Gerçek Kullanımının Tahminlenmesi: PLS-SEM ve Makine Öğrenmesi Algoritmalarını Kullanan Karşılaştırmalı Bir Yaklaşım

Bu çalışmada, UTAUT2 çerçevesi bağlamında, PLS-SEM ve makine öğrenmesi algoritmaları aracılığıyla, eğitim aracı olarak chatbot teknolojilerini kullanan öğrencilerin kullanım davranışlarını etkileyen faktörlerin tahmin edilmesi amaçlanmaktadır. Bu çalışma kapsamında ilk aşamada ölçek uyarlama süreçleri işletilmiştir. Chatbot kabul, kullanım, onay ve kaliteyle ilgili üç ölçek, ölçek yazarlarından izin alınarak Türkçe’ye uyarlanmıştır. Ölçek uyarlama sürecinde çalışmaya 729 öğrenci katılmıştır. Ölçek uyarlama için analizler Lisrel 8.0 ve IBM SPSS 24 yazılımları ile yapılmıştır. İkinci aşamada, varsayılan araştırma modelini test etmek için PLS-SEM ve makine öğrenmesi algoritmaları kullanılmıştır. Çalışmaya 926 öğrenci katılmıştır. Bu aşamada SmartPLS 4 yazılımı ile, PLS-SEM ve Knime 4.7 ile de makine öğrenmesi algoritmaları kullanılarak analizler tamamlanmıştır. Bu bağlamda, veriler PLS-SEM, naive bayes, kNN, destek vektör makineleri, rastgele orman, lojistik regresyon sınıflandırıcıları ile karşılaştırmalı olarak incelenmiştir. Araştırma sonucuna göre, öğrencilerin performans beklentisi, çaba beklentisi, öğrenmeyi geliştirmeye yönelik tutum, öz yeterlik, endişe, chatbot onay ve kullanımın sürdürülebilirliği algıları, onların chatbot kullanmak ve öğrenmek için davranışsal niyetini pozitif etkilemektedir. Öte yandan, öğrencilerin davranışsal niyetleri ile sosyal etki, kolaylaştırıcı koşullar, chatbot sistem, bilgi ve servis kalitesi, chatbot kullanma memnuniyeti ve etkileşim tercihi arasında ilişki bulunamamıştır. Chatbot kullanım süresi üzerinde kolaylaştırıcı koşullar ve davranışsal niyetin etkisinin önemli olduğu bulunmuştur. Moderatör etkilere bakıldığında yaşın, cinsiyetin ve chatbot kullanım deneyiminin, performans beklentisi ile davranışsal niyet arasındaki yol katsayısı üzerinde düzenleyici etkisi bulunmuştur. Cinsiyetin ayrıca çaba beklentisi ile davranışsal niyet arasında pozitif moderatör etkiye sahip olduğu görülmüştür. Bu çalışmada davranışsal niyet değişkenine göre destek vektör makinelerinin, chatbot
kullanım süresi değişkenine göre ise lojistik regresyonun en yüksek tahmin
doğruluğuna sahip olduğu bulunmuştur. Bu çalışmanın sonuçları, chatbotların
öğretmeye yönelik kullanımında kullanıcı gereksinimlerini belirlemek üzere chatbot
tasarımcıları için yol gösterici olabilir.