Abstract

Bu çalışmanın amacı, Deng ve arkadaşları (2025) tarafından geliştirilen Yapay Zekâya Yönelik Gelişmeleri Kaçırma Korkusu (Fear of Missing Out on AI; FoMO-AI) ölçeğinin Türk kültürüne uyarlanması ve öğretmen örnekleminde geçerlik ile güvenirlik kanıtlarının elde edilmesidir.

Yöntem: Araştırma, betimsel tarama deseninde yürütülmüş bir ölçek uyarlama çalışmasıdır. Süreç; çeviri-geri çeviri, yedi alan uzmanından kapsam geçerliği için görüş alma, 35 öğretmenle pilot uygulama ve iki bağımsız öğretmen örnekleminde (AFA için n = 320; DFA için n = 315) ana uygulama aşamalarını kapsamaktadır. Veriler Doğu Anadolu’daki bir ilde uygun örnekleme yöntemiyle toplanmış; analizler SPSS 20.0 ve AMOS yazılımları kullanılarak gerçekleştirilmiştir. Yapı geçerliği için Açımlayıcı Faktör Analizi (AFA) ve Doğrulayıcı Faktör Analizi (DFA); güvenirlik için Cronbach Alfa, bileşik güvenirlik (CR) ve ortalama açıklanan varyans (AVE) hesaplanmıştır.

Bulgular: AFA sonucunda KMO değeri .964, Bartlett küresellik testi anlamlı (χ² = 8012.989, sd = 325, p < .001) bulunmuş; özdeğeri 1’in üzerinde olan üç faktörlü yapı toplam varyansın %76.006’sını açıklamıştır. DFA bulguları üç faktörlü yapının model veriyle yüksek düzeyde uyum göstermektedir (χ²/df = 1.105; CFI = .995; TLI = .994; GFI = .942; RMSEA = .016). Faktörlere ilişkin Cronbach Alfa değerleri .89 ile .92, CR değerleri .91 ile .93 ve AVE değerleri .53 ile .59 arasında değişmiştir. Fornell-Larcker kriteri, ayrışma geçerliğinin sağlandığını göstermiştir.

Sonuç: FoMO-AI ölçeğinin 26 maddelik Türkçe formu, eğitim paydaşlarının yapay zekâya yönelik gelişmeleri kaçırma korkusunu ölçmede kullanılabilecek geçerli ve güvenilir bir araçtır.

Abstract

This study aims to adapt the Fear of Missing Out on Artificial Intelligence (FoMO-AI) scale, originally developed by Deng et al. (2025), into Turkish culture and to gather validity and reliability evidence within a teacher sample.

Method: A descriptive survey design guided this scale-adaptation study. The process consisted of translation–back-translation, expert review by seven domain specialists, a pilot application with 35 teachers, and main applications with two independent teacher samples (n = 320 for EFA; n = 315 for CFA). Data were collected via convenience sampling in a province of Eastern Anatolia. Analyses were conducted using SPSS 20.0 and AMOS. Construct validity was tested through Exploratory and Confirmatory Factor Analyses; reliability was assessed via Cronbach’s alpha, composite reliability (CR), and average variance extracted (AVE).

Findings: EFA produced a KMO value of .964 and a significant Bartlett test (χ² = 8012.989, df = 325, p < .001); a three-factor structure with eigenvalues > 1 explained 76.006% of total variance. CFA indicated excellent model fit (χ²/df = 1.105; CFI = .995; TLI = .994; GFI = .942; RMSEA = .016). Cronbach’s alpha ranged from .89 to .92, CR from .91 to .93, and AVE from .53 to .59. The Fornell-Larcker criterion confirmed discriminant validity.

Conclusion: The 26-item Turkish form of FoMO-AI is a valid and reliable instrument for measuring teachers’ fear of missing out on AI developments.

Structured Abstract:

Introduction: Artificial intelligence (AI), defined as a machine's capacity to perform cognitive functions associated with the human mind—such as perception, reasoning, learning, problem-solving, and decision-making—has emerged as a transformative force across numerous domains, including education. While the rapid diffusion of AI technologies offers substantial opportunities for enhancing and personalizing learning experiences, it also generates new dynamics and concerns within individuals' psychosocial lives. One such dynamic, the Fear of Missing Out (FoMO), captures a pervasive apprehension that others are engaging in rewarding experiences from which one is absent; it has migrated from its social-media origins into the AI ecosystem and has crystallized as the "Fear of Missing Out on AI" (FoMO-AI). The transformation of work roles and organizational processes by AI, perceptions of skill devaluation, and the pressure to sustain professional competence intensify this concern. Because the education domain requires the continual updating of the "knowing-teaching" position, the understanding and measurement of FoMO-AI among teachers carries particular importance; yet no instrument specifically measuring teachers' FoMO regarding AI technologies currently exists in the Turkish literature.

Purpose: This study aims to adapt the FoMO-AI scale, originally developed by Deng et al. (2025), to Turkish culture and to gather validity and reliability evidence within a teacher sample.

Method: The study is a scale-adaptation work conducted within a descriptive survey design, one of the quantitative research designs. The adaptation process encompassed language validity, content validity, construct validity, and internal consistency analyses. For language validity, the translation–back-translation method was employed: items were first translated into Turkish by academics specialized in language education, then independently back-translated by two other experts, and semantic consistency was examined. Content validity was established through the review of seven specialists—two from Guidance and Psychological Counseling, three from Turkish Language Education, and two from English Language Teaching. A pilot application was conducted with 35 teachers; in the main application, data were collected from two independent samples (n = 320 for EFA and n = 315 for CFA). Data were obtained via convenience sampling in a province of Eastern Anatolia, and analyses were performed using SPSS 20.0 and AMOS. Construct validity was tested through Exploratory and Confirmatory Factor Analyses; reliability was assessed via Cronbach's alpha, composite reliability (CR), and average variance extracted (AVE); discriminant validity was examined using the Fornell-Larcker criterion.

Findings: Sampling adequacy for EFA was excellent (KMO = .964), and Bartlett's sphericity test was significant (χ² = 8012.989, df = 325, p < .001). A three-factor structure with eigenvalues > 1 explained 76.01% of the total variance; eigenvalues were 11.654, 4.881, and 3.227, respectively, with post-rotation variance contributions of 33.530%, 21.618%, and 20.858%. Communalities ranged from .686 to .821, and factor loadings from .810 to .874, with no meaningful cross-loadings. The three factors were labelled AI Backwardness Anxiety (12 items), AI Access Concerns (7 items), and AI Dividend Anxiety (7 items). CFA indicated excellent model fit: χ²/df = 1.105; CFI = .995; TLI = .994; GFI = .942; AGFI = .931; NFI = .945; IFI = .995; RMSEA = .016. Standardized factor loadings ranged from .689 to .821, and all paths were significant at p < .001. Cronbach's alpha values ranged from .89 to .92, CR values from .91 to .93, and AVE values from .53 to .59. The square roots of AVE (.73, .75, .77) exceeded the inter-factor correlations (.44–.53), thereby confirming discriminant validity in accordance with the Fornell-Larcker criterion.

Discussion: Findings demonstrate that the three-factor structure identified in the original Chinese sample is replicated in the Turkish teacher sample, indicating that the FoMO-AI construct exhibits cross-cultural psychometric robustness. The first factor, AI Backwardness Anxiety, emerged as the central dimension reflecting the pressure on teachers to sustain professional competence and may be conceptually linked to perceptions of skill devaluation. The second factor, AI Access Concerns, establishes a conceptual bridge with the digital-divide literature and reflects how macro-structural inequalities are internalized at the individual level. The third factor, AI Dividend Anxiety, most closely aligns with Przybylski et al.'s (2013) self-determination-theory-based definition of FoMO and can be interpreted as a concrete extension of the concern about missing rewarding technological opportunities. The moderate inter-factor correlations (.44–.53) suggest that the construct displays a multidimensional yet intertwined conceptual architecture and that hierarchical models—in which a general FoMO-AI factor governs the three sub-dimensions—may be worth testing through second-order CFA in future research.

Conclusion and Recommendations: The 26-item Turkish form of the FoMO-AI scale is a valid and reliable instrument for measuring teachers' fear of missing out on AI developments and offers an original contribution to the Turkish literature. The scale can be utilized in teacher professional-development needs assessment, in-service training design, digital-awareness and digital-well-being programs, as well as in psychological counseling services for the early identification of technostress and burnout risk. Key limitations include data collection from a single province in Eastern Anatolia, the cross-sectional design, the absence of test–retest reliability analysis, the lack of criterion-related validity comparisons with external scales, and the restriction of the sample to teachers only. Future studies are recommended to test measurement invariance across demographic groups via multi-group CFA on larger and geographically diverse samples, to examine the temporal stability of the construct through longitudinal designs, and to investigate mediator/moderator variables such as mindfulness, AI self-efficacy, and psychological resilience.

Yapılandırılmış Özet:

Giriş: Algılama, akıl yürütme, öğrenme, problem çözme ve karar verme gibi insan zihniyle ilişkili bilişsel işlevleri yerine getirme yeteneği olarak tanımlanan yapay zeka (AI), eğitim de dahil olmak üzere pek çok alanda dönüştürücü bir güç olarak ortaya çıkmıştır. Yapay zeka teknolojilerinin hızla yaygınlaşması, öğrenme deneyimlerini geliştirme ve kişiselleştirme konusunda önemli fırsatlar sunarken, aynı zamanda bireylerin psikososyal yaşamlarında yeni dinamikler ve endişeler de yaratmaktadır. Bu dinamiklerden biri olan “Kaçırma Korkusu” (FoMO), başkalarının kişinin kendisinin dahil olmadığı, tatmin edici deneyimler yaşadıklarına dair yaygın bir endişeyi ifade eder; bu kavram, sosyal medyadaki kökenlerinden AI ekosistemine taşınmış ve “AI’yı Kaçırma Korkusu” (FoMO-AI) olarak somutlaşmıştır. Yapay zekanın iş rollerini ve örgütsel süreçleri dönüştürmesi, becerilerin değer kaybına uğradığına dair algılar ve mesleki yeterliliği sürdürme baskısı bu endişeyi daha da yoğunlaştırmaktadır. Eğitim alanı, “bilme-öğretme” konumunun sürekli güncellenmesini gerektirdiğinden, öğretmenler arasında FoMO-AI’nin anlaşılması ve ölçülmesi özel bir önem taşımaktadır; ancak Türk literatüründe şu anda yapay zeka teknolojileriyle ilgili öğretmenlerin FoMO’sunu özel olarak ölçen bir araç bulunmamaktadır.

Amaç: Bu çalışma, ilk olarak Deng ve ark. (2025) tarafından geliştirilen FoMO-AI ölçeğini Türk kültürüne uyarlamayı ve bir öğretmen örneklemi üzerinde geçerlilik ve güvenilirlik kanıtları toplamayı amaçlamaktadır.

Yöntem: Bu çalışma, nicel araştırma tasarımlarından biri olan betimsel anket tasarımı çerçevesinde yürütülen bir ölçek uyarlama çalışmasıdır. Uyarlama süreci, dil geçerliliği, içerik geçerliliği, yapı geçerliliği ve iç tutarlılık analizlerini kapsamıştır. Dil geçerliliği için çeviri-geri çeviri yöntemi kullanılmıştır: maddeler önce dil eğitimi alanında uzman akademisyenler tarafından Türkçeye çevrilmiş, ardından iki farklı uzman tarafından bağımsız olarak geri çevrilmiş ve anlamsal tutarlılık incelenmiştir. İçerik geçerliliği, iki tanesi Rehberlik ve Psikolojik Danışmanlık, üç tanesi Türk Dili Eğitimi ve iki tanesi İngilizce Öğretimi alanlarından olmak üzere yedi uzmanın incelemesi yoluyla belirlenmiştir. 35 öğretmenle bir pilot uygulama gerçekleştirilmiştir; ana uygulamada ise iki bağımsız örneklemden veri toplanmıştır (n = 320 EFA için ve n = 315 CFA için). Veriler, Doğu Anadolu’daki bir ilde kolaylık örneklemesi yoluyla elde edilmiş ve analizler SPSS 20.0 ve AMOS kullanılarak gerçekleştirilmiştir. Yapı geçerliliği, Keşifsel ve Doğrulayıcı Faktör Analizleri ile test edilmiş; güvenilirlik, Cronbach alfa katsayısı, bileşik güvenilirlik (CR) ve ortalama varyans çıkarma (AVE) ile değerlendirilmiş; ayırt edici geçerlilik ise Fornell-Larcker kriteri kullanılarak incelenmiştir.

Bulgular: EFA için örneklem yeterliliği mükemmel (KMO = 0,964) ve Bartlett küresellik testi anlamlı çıkmıştır (χ² = 8012,989, df = 325, p < 0,001). Özdeğerleri > 1 olan üç faktörlü bir yapı, toplam varyansın %76,01’ini açıklamıştır; özdeğerler sırasıyla 11,654, 4,881 ve 3,227 olup, rotasyon sonrası varyans katkıları %33,530, %21,618 ve %20,858’dir. Ortaklık değerleri 0,686 ile 0,821 arasında, faktör yüklemeleri ise 0,810 ile 0,874 arasında değişmekte olup, anlamlı çapraz yüklemeler bulunmamaktadır. Üç faktör, sırasıyla AI Gerilik Kaygısı (12 madde), AI Erişim Endişeleri (7 madde) ve AI Temettü Kaygısı (7 madde) olarak adlandırılmıştır. CFA, modelin mükemmel bir uyum gösterdiğini ortaya koymuştur: χ²/df = 1,105; CFI = 0,995; TLI = 0,994; GFI = 0,942; AGFI = 0,931; NFI = 0,945; IFI = 0,995; RMSEA = 0,016. Standartlaştırılmış faktör yüklemeleri 0,689 ile 0,821 arasında değişmekteydi ve tüm yollar p < 0,001 düzeyinde anlamlıydı. Cronbach alfa değerleri 0,89 ile 0,92 arasında, CR değerleri 0,91 ile 0,93 arasında ve AVE değerleri 0,53 ile 0,59 arasında değişmiştir. AVE değerlerinin karekökleri (0,73; 0,75; 0,77), faktörler arası korelasyonları (0,44–0,53) aşmıştır; bu da Fornell-Larcker kriterine uygun olarak ayırt edici geçerliliği teyit etmiştir.

Tartışma: Bulgular, orijinal Çin örnekleminde tespit edilen üç faktörlü yapının Türk öğretmen örnekleminde de tekrarlanmakta olduğunu göstermektedir; bu da FoMO-AI yapısının kültürlerarası psikometrik sağlamlığa sahip olduğunu ortaya koymaktadır. İlk faktör olan “AI Gerilik Kaygısı”, öğretmenlerin mesleki yeterliliklerini sürdürme konusundaki baskıyı yansıtan merkezi bir boyut olarak ortaya çıkmıştır ve kavramsal olarak beceri değersizleştirme algılarıyla bağlantılı olabilir. İkinci faktör olan “AI Erişim Endişeleri”, dijital uçurum literatürüyle kavramsal bir köprü kurmakta ve makro-yapısal eşitsizliklerin bireysel düzeyde nasıl içselleştirildiğini yansıtmaktadır. Üçüncü faktör olan “AI Kazanç Kaygısı”, Przybylski ve ark. (2013) tarafından öz-belirleme teorisine dayalı olarak tanımlanan FoMO kavramıyla en yakından örtüşmekte ve ödüllendirici teknolojik fırsatları kaçırma endişesinin somut bir uzantısı olarak yorumlanabilir. Faktörler arasındaki orta düzeyde korelasyonlar (.44–.53), bu yapının çok boyutlu ancak birbiriyle iç içe geçmiş bir kavramsal mimari sergilediğini ve genel bir FoMO-AI faktörünün üç alt boyutu yönettiği hiyerarşik modellerin, gelecekteki araştırmalarda ikinci dereceden CFA yoluyla test edilmeye değer olabileceğini göstermektedir.

Sonuç ve Öneriler: 26 maddelik FoMO-AI ölçeğinin Türkçe versiyonu, öğretmenlerin yapay zeka alanındaki gelişmeleri kaçırma korkusunu ölçmek için geçerli ve güvenilir bir araçtır ve Türk literatürüne özgün bir katkı sunmaktadır. Ölçek, öğretmenlerin mesleki gelişim ihtiyaçlarının değerlendirilmesinde, hizmet içi eğitim tasarımında, dijital farkındalık ve dijital refah programlarında ve ayrıca tekno-stres ile tükenmişlik riskinin erken teşhisi için psikolojik danışmanlık hizmetlerinde kullanılabilir. Temel sınırlamalar arasında Doğu Anadolu’daki tek bir ilden veri toplanması, kesitsel tasarım, test-tekrar test güvenilirlik analizinin yapılmaması, dış ölçeklerle kriter bağlantılı geçerlilik karşılaştırmalarının eksikliği ve örneklemin sadece öğretmenlerle sınırlı olması sayılabilir. Gelecekteki çalışmalarda, daha büyük ve coğrafi olarak çeşitlilik gösteren örneklemler üzerinde çok gruplu CFA yoluyla demografik gruplar arasında ölçüm değişmezliğinin test edilmesi, boylamsal tasarımlar aracılığıyla yapının zamansal istikrarının incelenmesi ve farkındalık, yapay zeka öz-yeterliliği ve psikolojik dayanıklılık gibi aracı/moderatör değişkenlerin araştırılması önerilmektedir.

الملخص المنظم

المقدمة:
يُعرَّف الذكاء الاصطناعي بأنه قدرة الآلة على أداء الوظائف المعرفية المرتبطة بالعقل البشري، مثل الإدراك، والاستدلال، والتعلّم، وحلّ المشكلات، واتخاذ القرار، وقد غدا قوةً تحويليةً مؤثرةً في مجالات متعددة، من بينها المجال التربوي. وفي حين يتيح الانتشار المتسارع لتقنيات الذكاء الاصطناعي فرصًا واسعة لتعزيز خبرات التعلّم وتخصيصها، فإنه في الوقت ذاته يُحدث ديناميات جديدة ويثير تحديات نفسية واجتماعية لدى الأفراد. ومن أبرز هذه الديناميات ظاهرة الخوف من فوات الفرصة (Fear of Missing Out - FoMO)، التي تعبّر عن القلق المستمر من انخراط الآخرين في تجارب مجزية يُحرم منها الفرد. وقد تجاوز هذا المفهوم نطاق وسائل التواصل الاجتماعي ليظهر في بيئة الذكاء الاصطناعي بصيغة جديدة تتمثل في الخوف من فوات التطورات المرتبطة بالذكاء الاصطناعي (FoMO-AI). كما أن التحولات التي أحدثها الذكاء الاصطناعي في الأدوار المهنية والعمليات التنظيمية، إلى جانب تصورات تراجع قيمة المهارات التقليدية والضغوط المرتبطة بالحفاظ على الكفاءة المهنية، تؤدي إلى تعميق هذا النوع من القلق. ونظرًا إلى أن المجال التربوي يفرض تحديثًا مستمرًا لموقع «المعرفة والتعليم» لدى المعلمين، فإن فهم وقياس FoMO-AI لديهم يكتسب أهمية خاصة، إلا أن الأدبيات التركية لا تتضمن حتى الآن أداةً مقننة تقيس هذا المفهوم لدى المعلمين بصورة مباشرة.

هدف الدراسة:
تهدف هذه الدراسة إلى تكييف مقياس الخوف من فوات التطورات المرتبطة بالذكاء الاصطناعي (FoMO-AI)، الذي طوّره Deng وزملاؤه (2025)، ليتلاءم مع الثقافة التركية، وجمع أدلة الصدق والثبات الخاصة به من خلال تطبيقه على عينة من المعلمين.

المنهجية:
اعتمدت الدراسة تصميمًا وصفيًا مسحيًا ضمن مناهج البحث الكمي، وصُنّفت بوصفها دراسةً لتكييف المقاييس. وشملت عملية التكييف التحقق من الصدق اللغوي، وصدق المحتوى، وصدق البناء، إضافةً إلى تحليل الاتساق الداخلي. وللتحقق من الصدق اللغوي استُخدمت آلية الترجمة والترجمة العكسية؛ حيث تُرجمت بنود المقياس أولًا إلى اللغة التركية بواسطة أكاديميين متخصصين في تعليم اللغات، ثم أُعيدت ترجمتها بصورة مستقلة إلى اللغة الأصلية بواسطة خبيرين آخرين، مع فحص مدى التكافؤ الدلالي بين النسختين. أما صدق المحتوى فقد تحقق من خلال تقييم سبعة خبراء، منهم اثنان في الإرشاد النفسي والتوجيه، وثلاثة في تعليم اللغة التركية، واثنان في تعليم اللغة الإنجليزية. ونُفذت دراسة استطلاعية أولية على (35) معلمًا، بينما جُمعت بيانات التطبيق الرئيس من عينتين مستقلتين؛ الأولى لتحليل العوامل الاستكشافي (n = 320)، والثانية لتحليل العوامل التوكيدي (n = 315). واعتمدت الدراسة أسلوب العينة المتيسرة في إحدى ولايات شرق الأناضول، وأُجريت التحليلات الإحصائية باستخدام برنامجي SPSS 20.0 وAMOS. وتم اختبار صدق البناء من خلال تحليلي العوامل الاستكشافي والتوكيدي، بينما قُدّر الثبات باستخدام معامل ألفا كرونباخ، والثبات المركب (CR)، ومتوسط التباين المستخرج (AVE)، كما جرى التحقق من الصدق التمييزي بالاستناد إلى معيار Fornell-Larcker.

النتائج:
أظهرت نتائج تحليل العوامل الاستكشافي أن ملاءمة العينة كانت ممتازة (KMO = .964)، كما كانت قيمة اختبار Bartlett لدائرية المصفوفة ذات دلالة إحصائية (χ² = 8012.989، df = 325، p < .001). وكشف التحليل عن بنية عاملية ثلاثية تجاوزت قيمها الذاتية (Eigenvalues) الواحد الصحيح، وفسرت مجتمعةً نسبة 76.01% من التباين الكلي، حيث بلغت القيم الذاتية للعوامل الثلاثة 11.654 و4.881 و3.227 على التوالي، في حين بلغت نسب التباين المفسَّر بعد التدوير 33.530% و21.618% و20.858%. وتراوحت قيم الاشتراكيات (Communalities) بين .686 و**.821**، بينما تراوحت تشبعات البنود على العوامل بين .810 و**.874** دون ظهور تحميلات متقاطعة ذات أهمية. وسُمِّيت العوامل الثلاثة على النحو الآتي: قلق التخلّف عن الذكاء الاصطناعي (12 بندًا)، ومخاوف الوصول إلى الذكاء الاصطناعي (7 بنود)، وقلق فقدان مكاسب الذكاء الاصطناعي (7 بنود). وأظهرت نتائج تحليل العوامل التوكيدي مطابقةً ممتازة للنموذج، إذ بلغت مؤشرات المطابقة: χ²/df = 1.105، وCFI = .995، وTLI = .994، وGFI = .942، وAGFI = .931، وNFI = .945، وIFI = .995، وRMSEA = .016. كما تراوحت التشبعات العاملية المعيارية بين .689 و**.821**، وكانت جميع المسارات ذات دلالة إحصائية عند مستوى p < .001. وتراوحت قيم معامل ألفا كرونباخ بين .89 و**.92**، وقيم الثبات المركب (CR) بين .91 و**.93**، في حين تراوحت قيم متوسط التباين المستخرج (AVE) بين .53 و**.59**. كما تجاوزت الجذور التربيعية لقيم AVE (.73، .75، .77) معاملات الارتباط بين العوامل (.44–.53)، مما أكد تحقق الصدق التمييزي وفق معيار Fornell-Larcker.

المناقشة:
تشير النتائج إلى أن البنية العاملية الثلاثية التي كُشفت في العينة الصينية الأصلية قد أُعيد إنتاجها بنجاح في عينة المعلمين الأتراك، بما يدل على تمتع بناء FoMO-AI بدرجة مرتفعة من المتانة السيكومترية عبر الثقافات. وقد برز عامل قلق التخلّف عن الذكاء الاصطناعي بوصفه البعد المركزي الذي يعكس الضغوط الواقعة على المعلمين للحفاظ على كفاءتهم المهنية، ويمكن ربطه نظريًا بتصورات انخفاض قيمة المهارات التقليدية. أما عامل مخاوف الوصول إلى الذكاء الاصطناعي فيشكّل جسرًا مفاهيميًا مع أدبيات الفجوة الرقمية، ويعكس كيفية استبطان الأفراد لأوجه اللامساواة البنيوية على المستوى المجتمعي. في المقابل، يُعد عامل قلق فقدان مكاسب الذكاء الاصطناعي الأقرب إلى تعريف Przybylski وآخرين (2013) القائم على نظرية التحديد الذاتي لمفهوم FoMO، إذ يجسد بصورة مباشرة القلق من فقدان الفرص التقنية المجزية. كما تشير معاملات الارتباط المتوسطة بين العوامل (.44–.53) إلى أن البناء يتمتع بطبيعة متعددة الأبعاد مع ترابط مفاهيمي وثيق بينها، الأمر الذي يدعم إمكانية اختبار نماذج هرمية في الدراسات المستقبلية، بحيث يتولى عامل عام لـ FoMO-AI تفسير الأبعاد الفرعية الثلاثة من خلال تحليل العوامل التوكيدي من الدرجة الثانية.

الاستنتاجات والتوصيات:
تؤكد نتائج الدراسة أن النسخة التركية المكونة من 26 بندًا من مقياس FoMO-AI تمثل أداة قياس تتمتع بدرجات مرتفعة من الصدق والثبات لقياس الخوف من فوات التطورات المرتبطة بالذكاء الاصطناعي لدى المعلمين، كما تشكل إضافة علمية أصيلة إلى الأدبيات التركية. ويمكن توظيف هذا المقياس في تحديد احتياجات التنمية المهنية للمعلمين، وتصميم برامج التدريب أثناء الخدمة، وتنفيذ برامج الوعي الرقمي والرفاه الرقمي، فضلًا عن الإفادة منه في خدمات الإرشاد النفسي للكشف المبكر عن مخاطر الضغوط التكنولوجية والاحتراق النفسي. ومع ذلك، تتمثل أبرز محدوديات الدراسة في اقتصار جمع البيانات على ولاية واحدة في شرق الأناضول، واعتماد تصميم مقطعي، وعدم إجراء اختبار الثبات عبر الزمن (Test–Retest)، وعدم فحص الصدق المحكي من خلال مقارنته بمقاييس خارجية، إضافة إلى اقتصار العينة على المعلمين فقط. ومن ثم، توصي الدراسة بإجراء بحوث مستقبلية لاختبار ثبات القياس عبر المجموعات الديموغرافية المختلفة باستخدام تحليل العوامل التوكيدي متعدد المجموعات على عينات أكبر وأكثر تنوعًا جغرافيًا، ودراسة الاستقرار الزمني للبناء من خلال تصميمات طولية، فضلًا عن استقصاء الأدوار الوسيطة أو المعدلة لمتغيرات مثل اليقظة الذهنية، والكفاءة الذاتية في الذكاء الاصطناعي، والمرونة النفسية.

الكلمات المفتاحية:
الذكاء الاصطناعي، الخوف من فوات الفرصة (FoMO)، الخوف من فوات تطورات الذكاء الاصطناعي، تكييف المقاييس، المعلم، القلق الرقمي، الصدق، الثبات.

Résumé Structuré:

Introduction:
L’intelligence artificielle (IA), définie comme la capacité d’une machine à exécuter des fonctions cognitives traditionnellement associées à l’esprit humain — notamment la perception, le raisonnement, l’apprentissage, la résolution de problèmes et la prise de décision — s’est imposée comme une force transformatrice dans de nombreux domaines, parmi lesquels figure l’éducation. Si la diffusion rapide des technologies d’IA offre des possibilités considérables pour enrichir et personnaliser les expériences d’apprentissage, elle engendre simultanément de nouvelles dynamiques et préoccupations dans la sphère psychosociale des individus. Parmi celles-ci, le Fear of Missing Out (FoMO), ou peur de manquer une opportunité, renvoie à l’appréhension persistante selon laquelle d’autres personnes vivraient des expériences gratifiantes auxquelles l’individu ne participe pas. Initialement associé aux réseaux sociaux, ce phénomène s’est progressivement étendu à l’écosystème de l’intelligence artificielle, donnant naissance au concept de Fear of Missing Out on Artificial Intelligence (FoMO-AI). Les transformations induites par l’IA dans les rôles professionnels et les processus organisationnels, les perceptions de dévalorisation des compétences ainsi que la pression liée au maintien des compétences professionnelles renforcent cette forme d’anxiété. Dans le domaine éducatif, où l’actualisation permanente des savoirs et des compétences pédagogiques constitue une exigence fondamentale, la compréhension et l’évaluation du FoMO-AI chez les enseignants revêtent une importance particulière. Toutefois, aucune échelle spécifiquement destinée à mesurer la peur des enseignants de manquer les évolutions de l’intelligence artificielle n’est actuellement disponible dans la littérature turque.

Objectif:
Cette étude vise à adapter à la culture turque l’échelle FoMO-AI, développée par Deng et al. (2025), et à fournir des preuves empiriques relatives à sa validité et à sa fidélité auprès d’un échantillon d’enseignants.

Méthodologie:
Cette recherche constitue une étude d’adaptation d’échelle fondée sur un devis descriptif de type enquête, relevant des approches quantitatives. Le processus d’adaptation a inclus l’évaluation de la validité linguistique, de la validité de contenu, de la validité de construit ainsi que de la cohérence interne. La validité linguistique a été assurée au moyen de la méthode de traduction–rétrotraduction : les items ont d’abord été traduits en turc par des universitaires spécialistes de l’enseignement des langues, puis rétrotraduits indépendamment par deux autres experts afin d’évaluer l’équivalence sémantique des versions. La validité de contenu a été établie grâce à l’expertise de sept spécialistes, dont deux en orientation et conseil psychologique, trois en didactique du turc et deux en didactique de l’anglais. Une étude pilote a été réalisée auprès de 35 enseignants. Lors de l’application principale, les données ont été recueillies auprès de deux échantillons indépendants (n = 320 pour l’analyse factorielle exploratoire et n = 315 pour l’analyse factorielle confirmatoire). Les participants ont été sélectionnés selon une méthode d’échantillonnage de convenance dans une province de l’Anatolie orientale. Les analyses statistiques ont été effectuées à l’aide des logiciels SPSS 20.0 et AMOS. La validité de construit a été examinée par des analyses factorielles exploratoire (AFE) et confirmatoire (AFC), tandis que la fidélité a été évaluée au moyen du coefficient alpha de Cronbach, de la fiabilité composite (Composite Reliability, CR) et de la variance moyenne extraite (Average Variance Extracted, AVE). La validité discriminante a été vérifiée conformément au critère de Fornell-Larcker.

Résultats:
Les résultats de l’AFE ont montré une excellente adéquation de l’échantillon (KMO = .964), tandis que le test de sphéricité de Bartlett s’est révélé statistiquement significatif (χ² = 8012.989, ddl = 325, p < .001). Une structure tridimensionnelle présentant des valeurs propres supérieures à 1 a été identifiée et expliquait 76,01 % de la variance totale. Les valeurs propres des trois facteurs étaient respectivement de 11.654, 4.881 et 3.227, avec des contributions à la variance après rotation de 33.530 %, 21.618 % et 20.858 %. Les communalités variaient entre .686 et .821, tandis que les saturations factorielles s’échelonnaient de .810 à .874, sans charges croisées significatives. Les trois dimensions ont été désignées comme suit : Anxiété liée au retard face à l’intelligence artificielle (12 items), Préoccupations relatives à l’accès à l’intelligence artificielle (7 items) et Anxiété liée à la perte des bénéfices de l’intelligence artificielle (7 items). L’AFC a confirmé un excellent ajustement du modèle (χ²/ddl = 1.105 ; CFI = .995 ; TLI = .994 ; GFI = .942 ; AGFI = .931 ; NFI = .945 ; IFI = .995 ; RMSEA = .016). Les saturations factorielles standardisées variaient entre .689 et .821, et toutes les relations structurelles étaient statistiquement significatives (p < .001). Les coefficients alpha de Cronbach étaient compris entre .89 et .92, les coefficients de fiabilité composite (CR) entre .91 et .93, et les valeurs d’AVE entre .53 et .59. Les racines carrées des AVE (.73, .75 et .77) dépassaient les corrélations interfactorielles (.44–.53), confirmant ainsi la validité discriminante conformément au critère de Fornell-Larcker.

Discussion:
Les résultats indiquent que la structure tridimensionnelle identifiée dans l’échantillon chinois d’origine est reproduite au sein de l’échantillon turc d’enseignants, attestant ainsi de la robustesse psychométrique transculturelle du construit FoMO-AI. Le premier facteur, l’anxiété liée au retard face à l’intelligence artificielle, apparaît comme la dimension centrale reflétant la pression exercée sur les enseignants pour maintenir leur compétence professionnelle et peut être conceptuellement associé aux perceptions de dévalorisation des compétences. Le deuxième facteur, les préoccupations relatives à l’accès à l’intelligence artificielle, établit un lien conceptuel avec les travaux consacrés à la fracture numérique et illustre la manière dont les inégalités structurelles sont intériorisées au niveau individuel. Le troisième facteur, l’anxiété liée à la perte des bénéfices de l’intelligence artificielle, correspond le plus étroitement à la définition du FoMO proposée par Przybylski et al. (2013) dans le cadre de la théorie de l’autodétermination, en représentant une manifestation concrète de la crainte de manquer des opportunités technologiques porteuses de bénéfices. Les corrélations modérées entre les trois facteurs (.44–.53) suggèrent que ce construit possède une architecture multidimensionnelle intégrée, ce qui justifie l’examen, dans de futures recherches, de modèles hiérarchiques où un facteur général de FoMO-AI expliquerait les trois dimensions au moyen d’une analyse factorielle confirmatoire de second ordre.

Conclusionetrecommandations:
La version turque de 26 items de l’échelle FoMO-AI constitue un instrument de mesure valide et fiable permettant d’évaluer la peur des enseignants de manquer les évolutions de l’intelligence artificielle et représente une contribution scientifique originale à la littérature turque. Cette échelle peut être utilisée pour l’identification des besoins en développement professionnel des enseignants, la conception de programmes de formation continue, l’élaboration d’initiatives de sensibilisation numérique et de bien-être numérique, ainsi que dans les services de conseil psychologique afin de détecter précocement les risques de technostress et d’épuisement professionnel. Les principales limites de cette étude résident dans la collecte des données au sein d’une seule province de l’Anatolie orientale, le recours à un devis transversal, l’absence d’une analyse de fidélité test–retest, l’absence d’évaluation de la validité critériée au moyen d’échelles externes et la restriction de l’échantillon aux seuls enseignants. Les recherches futures devraient examiner l’invariance de mesure selon les groupes démographiques par le biais d’analyses factorielles confirmatoires multi-groupes réalisées sur des échantillons plus vastes et géographiquement diversifiés, étudier la stabilité temporelle du construit à l’aide de dispositifs longitudinaux et analyser le rôle médiateur ou modérateur de variables telles que la pleine conscience (mindfulness), l’auto-efficacité en intelligence artificielle et la résilience psychologique.

Resumen Estructurado:

Introducción:
La inteligencia artificial (IA), definida como la capacidad de una máquina para ejecutar funciones cognitivas tradicionalmente asociadas con la mente humana —como la percepción, el razonamiento, el aprendizaje, la resolución de problemas y la toma de decisiones—, se ha consolidado como una fuerza transformadora en múltiples ámbitos, entre ellos el educativo. Si bien la rápida difusión de las tecnologías de IA ofrece importantes oportunidades para mejorar y personalizar las experiencias de aprendizaje, también genera nuevas dinámicas y preocupaciones en la esfera psicosocial de los individuos. Una de estas dinámicas es el Fear of Missing Out (FoMO), entendido como la preocupación persistente de que otras personas estén participando en experiencias gratificantes de las cuales uno permanece excluido. Este fenómeno ha trascendido su origen en las redes sociales para extenderse al ecosistema de la inteligencia artificial, cristalizando en el concepto de Fear of Missing Out on Artificial Intelligence (FoMO-AI). Las transformaciones que la IA ha introducido en los roles laborales y en los procesos organizacionales, junto con la percepción de desvalorización de las competencias profesionales y la presión por mantener la competencia ocupacional, intensifican esta forma de ansiedad. Dado que el ámbito educativo exige una actualización continua del binomio «conocer-enseñar», comprender y medir el FoMO-AI entre el profesorado reviste una importancia especial; sin embargo, la literatura turca carece actualmente de un instrumento específico para evaluar el temor de los docentes a quedar rezagados respecto de los avances en inteligencia artificial.

Objetivo:
El presente estudio tiene como finalidad adaptar a la cultura turca la escala FoMO-AI, desarrollada originalmente por Deng et al. (2025), y aportar evidencias empíricas de su validez y fiabilidad mediante su aplicación a una muestra de docentes.

Método:
La investigación corresponde a un estudio de adaptación de escalas desarrollado bajo un diseño descriptivo de tipo encuesta, enmarcado dentro de los enfoques cuantitativos. El proceso de adaptación comprendió la evaluación de la validez lingüística, la validez de contenido, la validez de constructo y la consistencia interna. Para establecer la validez lingüística se empleó el procedimiento de traducción y retrotraducción: los ítems fueron traducidos inicialmente al turco por académicos especializados en enseñanza de lenguas y posteriormente retrotraducidos de manera independiente por otros dos expertos, verificándose la equivalencia semántica entre ambas versiones. La validez de contenido fue determinada mediante la evaluación de siete especialistas: dos en Orientación y Asesoramiento Psicológico, tres en Enseñanza de la Lengua Turca y dos en Enseñanza del Inglés. Se realizó una aplicación piloto con 35 docentes y, en la aplicación principal, se recopilaron datos de dos muestras independientes (n = 320 para el Análisis Factorial Exploratorio y n = 315 para el Análisis Factorial Confirmatorio). Los participantes fueron seleccionados mediante un muestreo por conveniencia en una provincia del este de Anatolia. Los análisis estadísticos se efectuaron utilizando los programas SPSS 20.0 y AMOS. La validez de constructo se examinó mediante Análisis Factorial Exploratorio (AFE) y Análisis Factorial Confirmatorio (AFC), mientras que la fiabilidad se evaluó mediante el coeficiente alfa de Cronbach, la fiabilidad compuesta (Composite Reliability, CR) y la varianza media extraída (Average Variance Extracted, AVE). La validez discriminante fue verificada conforme al criterio de Fornell-Larcker.

Resultados:
Los resultados del AFE evidenciaron una excelente adecuación muestral (KMO = .964), y la prueba de esfericidad de Bartlett resultó estadísticamente significativa (χ² = 8012.989, gl = 325, p < .001). Se identificó una estructura tridimensional con valores propios superiores a 1 que explicó el 76,01 % de la varianza total. Los valores propios de los tres factores fueron 11.654, 4.881 y 3.227, respectivamente, mientras que las contribuciones a la varianza tras la rotación ascendieron al 33.530 %, 21.618 % y 20.858 %. Las comunalidades oscilaron entre .686 y .821, y las cargas factoriales entre .810 y .874, sin observarse cargas cruzadas significativas. Los tres factores fueron denominados Ansiedad por el Rezago en Inteligencia Artificial (12 ítems), Preocupaciones por el Acceso a la Inteligencia Artificial (7 ítems) y Ansiedad por la Pérdida de Beneficios de la Inteligencia Artificial (7 ítems). El AFC mostró un excelente ajuste del modelo (χ²/gl = 1.105; CFI = .995; TLI = .994; GFI = .942; AGFI = .931; NFI = .945; IFI = .995; RMSEA = .016). Las cargas factoriales estandarizadas variaron entre .689 y .821, siendo todas las trayectorias estadísticamente significativas (p < .001). Los coeficientes alfa de Cronbach oscilaron entre .89 y .92, los valores de CR entre .91 y .93, y los valores de AVE entre .53 y .59. Asimismo, las raíces cuadradas de las AVE (.73, .75 y .77) superaron las correlaciones interfactoriales (.44–.53), confirmando la validez discriminante conforme al criterio de Fornell-Larcker.

Discusión:
Los hallazgos demuestran que la estructura trifactorial identificada en la muestra china original se reproduce en la muestra de docentes turcos, lo que evidencia la robustez psicométrica transcultural del constructo FoMO-AI. El primer factor, Ansiedad por el Rezago en Inteligencia Artificial, emergió como la dimensión central que refleja la presión experimentada por los docentes para mantener su competencia profesional y puede vincularse conceptualmente con las percepciones de depreciación de las competencias laborales. El segundo factor, Preocupaciones por el Acceso a la Inteligencia Artificial, establece un puente conceptual con la literatura sobre la brecha digital y pone de manifiesto la forma en que las desigualdades estructurales son interiorizadas en el plano individual. El tercer factor, Ansiedad por la Pérdida de Beneficios de la Inteligencia Artificial, es el que guarda mayor correspondencia con la definición de FoMO propuesta por Przybylski et al. (2013) desde la teoría de la autodeterminación, al representar una manifestación concreta del temor a perder oportunidades tecnológicas potencialmente beneficiosas. Las correlaciones moderadas entre los factores (.44–.53) sugieren que el constructo presenta una arquitectura conceptual multidimensional e interrelacionada, lo que respalda la conveniencia de evaluar, en futuras investigaciones, modelos jerárquicos en los que un factor general de FoMO-AI explique las tres dimensiones mediante análisis factorial confirmatorio de segundo orden.

Conclusiones y recomendaciones:
La versión turca de 26 ítems de la escala FoMO-AI constituye un instrumento válido y fiable para medir el temor de los docentes a quedar al margen de los avances en inteligencia artificial, aportando una contribución científica original a la literatura turca. La escala puede emplearse para la evaluación de necesidades de desarrollo profesional docente, el diseño de programas de formación continua, el desarrollo de iniciativas de alfabetización digital y bienestar digital, así como en los servicios de orientación y asesoramiento psicológico para la detección temprana del tecnoestrés y del riesgo de agotamiento profesional (burnout). Entre las principales limitaciones del estudio destacan la recopilación de datos en una única provincia del este de Anatolia, el diseño transversal, la ausencia de análisis de fiabilidad test-retest, la falta de evaluación de la validez criterial mediante escalas externas y la restricción de la muestra exclusivamente a docentes. En consecuencia, se recomienda que futuras investigaciones examinen la invariancia de medida entre distintos grupos demográficos mediante análisis factorial confirmatorio multigrupo en muestras más amplias y geográficamente diversas, evalúen la estabilidad temporal del constructo mediante diseños longitudinales e investiguen el papel mediador o moderador de variables como la atención plena (mindfulness), la autoeficacia en inteligencia artificial y la resiliencia psicológica.

结构式摘要:

引言：
人工智能（Artificial Intelligence，AI）是指机器执行通常与人类心智相关的认知功能——包括感知、推理、学习、问题解决以及决策——的能力，现已成为推动包括教育领域在内诸多行业深刻变革的重要驱动力。尽管人工智能技术的快速普及为学习体验的优化与个性化提供了广阔机遇，但与此同时，也在个体心理社会层面催生了新的动态与挑战。其中之一便是错失恐惧（Fear of Missing Out，FoMO），其指个体持续担忧他人正在经历自己未能参与且具有价值的活动。这一概念已突破社交媒体情境，逐渐延伸至人工智能生态，并演化为人工智能错失恐惧（Fear of Missing Out on Artificial Intelligence，FoMO-AI）。人工智能对职业角色与组织运行方式的重塑、技能价值被削弱的感知，以及维持专业竞争力的持续压力，进一步加剧了这种焦虑。在教育领域，由于教师必须持续更新其“知—教”能力体系，因此深入理解并测量教师群体的FoMO-AI具有重要理论与实践意义。然而，目前土耳其学术文献中尚缺乏专门用于测量教师人工智能错失恐惧的标准化测量工具。

研究目的：
本研究旨在将Deng等（2025）开发的**人工智能错失恐惧量表（FoMO-AI Scale）**引入土耳其文化情境，并基于教师样本系统检验其信度与效度，为该量表的跨文化应用提供实证依据。

研究方法：
本研究属于量表本土化研究，采用定量研究范式中的描述性调查设计。量表适配过程涵盖语言效度、内容效度、结构效度以及内部一致性分析。语言效度采用翻译—回译法（translation–back translation）：首先由语言教育领域专家完成土耳其语翻译，再由另外两位专家独立回译，并对原版与回译版之间的语义一致性进行评估。内容效度由七位专家共同审查，包括两位心理咨询与辅导专家、三位土耳其语教育专家以及两位英语教育专家。正式调查前，首先对35名教师实施预测试；正式调查分别收集两个独立样本的数据（探索性因素分析EFA：n = 320；验证性因素分析CFA：n = 315）。研究对象采用便利抽样方式选取，来自土耳其东安纳托利亚地区某省。统计分析采用SPSS 20.0与AMOS软件完成。结构效度通过探索性因素分析（EFA）与验证性因素分析（CFA）进行检验；信度采用Cronbach's α系数、组合信度（Composite Reliability, CR）及平均方差提取量（Average Variance Extracted, AVE）进行评估；区分效度则依据Fornell–Larcker判据进行验证。

研究结果：
探索性因素分析结果表明，样本适配度极佳（KMO = .964），Bartlett球形检验达到统计学显著水平（χ² = 8012.989，df = 325，p < .001）。量表最终形成三个特征值大于1的公共因子，总解释率达到76.01%。三个因子的特征值分别为11.654、4.881和3.227；旋转后分别解释总方差的33.530%、21.618%和20.858%。各条目共同度介于**.686–.821之间，因子载荷介于.810–.874之间，且未发现具有实质意义的交叉载荷。三个因子分别命名为：人工智能落后焦虑（AI Backwardness Anxiety）（12个条目）、人工智能获取忧虑（AI Access Concerns）（7个条目）以及人工智能收益错失焦虑（AI Dividend Anxiety）（7个条目）。验证性因素分析结果表明模型拟合优良：χ²/df = 1.105，CFI = .995，TLI = .994，GFI = .942，AGFI = .931，NFI = .945，IFI = .995，RMSEA = .016。标准化因子载荷介于.689–.821之间，所有路径均达到统计学显著水平（p < .001）。Cronbach's α系数介于.89–.92之间，CR值介于.91–.93之间，AVE值介于.53–.59之间。此外，各因子AVE平方根（.73、.75、.77**）均高于因子间相关系数（.44–.53），依据Fornell–Larcker判据证实了量表具有良好的区分效度。

讨论：
研究结果表明，原始中国样本所建立的三因素结构在土耳其教师样本中得到了成功验证，说明FoMO-AI构念具有较强的跨文化心理测量学稳定性。其中，第一维度——人工智能落后焦虑——是反映教师维持专业能力压力的核心维度，在理论上可与技能贬值感知相联系。第二维度——人工智能获取忧虑——与数字鸿沟理论形成了概念上的衔接，反映了宏观结构性不平等如何被个体所内化。第三维度——人工智能收益错失焦虑——与Przybylski等（2013）基于自我决定理论提出的FoMO定义最为契合，可视为“担忧错失具有价值的技术机会”这一心理机制在人工智能领域的具体体现。三个维度之间呈中等程度相关（.44–.53），表明该构念具有多维而相互关联的概念结构。因此，未来研究可进一步采用二阶验证性因素分析，检验由一个总体FoMO-AI潜变量统摄三个子维度的层级结构模型。

结论与建议：
研究结果表明，由26个条目组成的土耳其语版人工智能错失恐惧量表（FoMO-AI）具有良好的信度与效度，是测量教师人工智能错失恐惧水平的有效工具，并为土耳其相关研究提供了原创性的测量工具。该量表可广泛应用于教师专业发展需求评估、在职培训项目设计、数字素养与数字福祉促进项目，以及心理咨询服务中对技术压力（Technostress）与职业倦怠（Burnout）风险的早期识别。本研究的主要局限包括：数据仅来源于土耳其东安纳托利亚地区一个省份；研究采用横断面设计；未进行重测信度分析；未通过外部量表检验效标关联效度；研究对象仅限于教师群体。因此，未来研究建议在更大规模且具有更广泛地域代表性的样本中采用多组验证性因素分析（Multi-group CFA）检验量表的测量等值性；采用纵向研究设计考察构念的时间稳定性；并进一步探讨正念（Mindfulness）、**人工智能自我效能感（AI Self-efficacy）以及心理韧性（Psychological Resilience）**等变量在FoMO-AI形成机制中的中介或调节作用。

Структурированная аннотация:

Введение:
Искусственный интеллект (ИИ), определяемый как способность машины выполнять когнитивные функции, традиционно ассоциируемые с человеческим мышлением, такие как восприятие, рассуждение, обучение, решение задач и принятие решений, превратился в одну из ключевых движущих сил трансформации различных сфер общественной жизни, включая образование. Несмотря на то что стремительное распространение технологий искусственного интеллекта открывает значительные возможности для совершенствования и персонализации образовательного процесса, оно одновременно порождает новые психологические и социальные феномены. Одним из таких феноменов является страх упустить возможность (Fear of Missing Out, FoMO), отражающий устойчивое беспокойство человека по поводу того, что другие получают ценный опыт, недоступный ему самому. Первоначально данный феномен рассматривался преимущественно в контексте социальных сетей, однако впоследствии распространился на экосистему искусственного интеллекта, сформировав концепт страха упустить возможности, связанные с искусственным интеллектом (Fear of Missing Out on Artificial Intelligence, FoMO-AI). Трансформация профессиональных ролей и организационных процессов под влиянием ИИ, восприятие обесценивания профессиональных компетенций, а также необходимость постоянного поддержания профессиональной конкурентоспособности усиливают данную форму тревожности. Поскольку образовательная деятельность требует непрерывного обновления профессиональных знаний и педагогических компетенций, исследование и измерение FoMO-AI среди педагогов приобретает особую научную и практическую значимость. Вместе с тем в турецкой научной литературе до настоящего времени отсутствует специализированный психометрический инструмент, предназначенный для оценки страха педагогов перед возможностью отстать от развития технологий искусственного интеллекта.

Цель исследования:
Цель настоящего исследования заключается в адаптации шкалы FoMO-AI, разработанной Deng и соавт. (2025), к условиям турецкой культуры, а также в получении эмпирических доказательств ее валидности и надежности на выборке педагогических работников.

Методология:
Исследование представляет собой работу по адаптации психометрической шкалы, выполненную в рамках количественного исследования с использованием описательного опросного дизайна. Процесс адаптации включал проверку языковой валидности, содержательной валидности, конструктивной валидности, а также анализ внутренней согласованности шкалы. Для оценки языковой валидности применялся метод прямого и обратного перевода: первоначально пункты шкалы были переведены на турецкий язык специалистами в области языкового образования, после чего два независимых эксперта выполнили обратный перевод, что позволило оценить семантическую эквивалентность версий. Содержательная валидность была обеспечена экспертной оценкой семи специалистов: двух экспертов в области психологического консультирования и сопровождения, трех специалистов по преподаванию турецкого языка и двух специалистов по преподаванию английского языка. Предварительная апробация была проведена с участием 35 педагогов. Основной этап исследования осуществлялся на двух независимых выборках (n = 320 для эксплораторного факторного анализа и n = 315 для конфирматорного факторного анализа). Данные были собраны методом удобной выборки в одной из провинций Восточной Анатолии. Статистическая обработка проводилась с использованием программ SPSS 20.0 и AMOS. Конструктивная валидность оценивалась посредством эксплораторного (EFA) и конфирматорного (CFA) факторного анализа; надежность определялась с помощью коэффициента α Кронбаха, коэффициента композитной надежности (Composite Reliability, CR) и средней извлеченной дисперсии (Average Variance Extracted, AVE). Дискриминантная валидность проверялась в соответствии с критерием Форнелла—Ларкера (Fornell–Larcker criterion).

Результаты:
Результаты эксплораторного факторного анализа продемонстрировали превосходную пригодность выборки (KMO = .964), а критерий сферичности Бартлетта оказался статистически значимым (χ² = 8012.989, df = 325, p < .001). Была выявлена трехфакторная структура с собственными значениями, превышающими единицу, которая объясняла 76,01 % общей дисперсии. Собственные значения факторов составили 11.654, 4.881 и 3.227, а их вклад в объяснение дисперсии после вращения достиг 33.530 %, 21.618 % и 20.858 % соответственно. Значения общностей варьировали от .686 до .821, а факторные нагрузки — от .810 до .874, при отсутствии существенных перекрестных нагрузок. Выделенные факторы получили следующие наименования: Тревожность вследствие отставания в области искусственного интеллекта (12 пунктов), Опасения относительно доступа к технологиям искусственного интеллекта (7 пунктов) и Тревожность вследствие упущения преимуществ искусственного интеллекта (7 пунктов). Конфирматорный факторный анализ подтвердил превосходное соответствие модели эмпирическим данным: χ²/df = 1.105; CFI = .995; TLI = .994; GFI = .942; AGFI = .931; NFI = .945; IFI = .995; RMSEA = .016. Стандартизированные факторные нагрузки находились в диапазоне от .689 до .821, причем все параметры модели были статистически значимыми (p < .001). Значения коэффициента α Кронбаха составили от .89 до .92, показатели CR — от .91 до .93, а значения AVE — от .53 до .59. Кроме того, квадратные корни AVE (.73, .75, .77) превышали коэффициенты межфакторной корреляции (.44–.53), что свидетельствует о наличии дискриминантной валидности в соответствии с критерием Форнелла—Ларкера.

Обсуждение:
Полученные результаты свидетельствуют о том, что трехфакторная структура, первоначально выявленная на китайской выборке, была успешно воспроизведена среди турецких педагогов, подтверждая тем самым высокую кросс-культурную психометрическую устойчивость конструкта FoMO-AI. Первый фактор — тревожность вследствие отставания в области искусственного интеллекта — выступил центральным измерением, отражающим давление, испытываемое педагогами в связи с необходимостью поддержания профессиональной компетентности, и концептуально связан с восприятием обесценивания профессиональных навыков. Второй фактор — опасения относительно доступа к технологиям искусственного интеллекта — устанавливает концептуальную связь с исследованиями цифрового неравенства, демонстрируя, каким образом структурные социальные различия интериоризируются на индивидуальном уровне. Третий фактор — тревожность вследствие упущения преимуществ искусственного интеллекта — в наибольшей степени соответствует определению FoMO, предложенному Przybylski и соавт. (2013) в рамках теории самодетерминации, представляя собой конкретизированную форму опасений относительно утраты значимых технологических возможностей. Умеренные корреляции между факторами (.44–.53) свидетельствуют о многомерной, но взаимосвязанной концептуальной структуре конструкта, что позволяет рекомендовать проведение в будущих исследованиях конфирматорного факторного анализа второго порядка для проверки иерархической модели, в которой общий фактор FoMO-AI объясняет три выделенные подструктуры.

Заключение и рекомендации:
Турецкая версия шкалы FoMO-AI, состоящая из 26 пунктов, представляет собой валидный и надежный психометрический инструмент для измерения страха педагогов упустить развитие технологий искусственного интеллекта и вносит оригинальный вклад в развитие турецкой научной литературы. Шкала может использоваться при диагностике потребностей педагогов в профессиональном развитии, разработке программ повышения квалификации, реализации программ цифровой грамотности и цифрового благополучия, а также в практике психологического консультирования для раннего выявления риска техностресса и профессионального выгорания. Основными ограничениями исследования являются сбор данных лишь в одной провинции Восточной Анатолии, использование поперечного исследовательского дизайна, отсутствие анализа надежности методом повторного тестирования (test–retest), отсутствие проверки критериальной валидности посредством сопоставления с внешними шкалами, а также ограничение выборки исключительно педагогическими работниками. В связи с этим в будущих исследованиях рекомендуется проверить инвариантность измерения между различными демографическими группами с помощью многогруппового конфирматорного факторного анализа (Multi-group CFA) на более крупных и географически разнообразных выборках, изучить временную стабильность конструкта посредством лонгитюдных исследований, а также исследовать медиаторную и модераторную роль таких переменных, как осознанность (mindfulness), самоэффективность в области искусственного интеллекта и психологическая устойчивость (resilience).

संरचित सारांश:

परिचय:
कृत्रिम बुद्धिमत्ता (Artificial Intelligence; AI), जिसे ऐसी मशीन-क्षमता के रूप में परिभाषित किया जाता है जो मानवीय मस्तिष्क से संबद्ध संज्ञानात्मक कार्यों—जैसे प्रत्यक्षीकरण (Perception), तर्क-वितर्क (Reasoning), अधिगम (Learning), समस्या-समाधान (Problem Solving) तथा निर्णय-निर्माण (Decision Making)—का निष्पादन कर सकती है, शिक्षा सहित अनेक क्षेत्रों में एक परिवर्तनकारी शक्ति के रूप में उभरी है। यद्यपि AI प्रौद्योगिकियों का तीव्र प्रसार अधिगम-अनुभवों के संवर्द्धन एवं वैयक्तिकरण के लिए व्यापक अवसर प्रदान करता है, तथापि यह व्यक्तियों के मनोसामाजिक जीवन में नई प्रकार की गतिशीलताओं एवं चिंताओं को भी जन्म देता है। ऐसी ही एक मनोवैज्ञानिक अवस्था फ़ियर ऑफ मिसिंग आउट (Fear of Missing Out; FoMO) है, जो इस सतत आशंका को अभिव्यक्त करती है कि अन्य लोग ऐसे लाभकारी अनुभवों में संलग्न हैं जिनसे व्यक्ति स्वयं वंचित रह गया है। यह अवधारणा अपने मूल सामाजिक-मीडिया संदर्भ से आगे बढ़कर कृत्रिम बुद्धिमत्ता के पारितंत्र में प्रवेश कर चुकी है तथा कृत्रिम बुद्धिमत्ता से संबंधित अवसरों के छूट जाने का भय (Fear of Missing Out on Artificial Intelligence; FoMO-AI) के रूप में विकसित हुई है। AI द्वारा व्यावसायिक भूमिकाओं एवं संगठनात्मक प्रक्रियाओं में उत्पन्न परिवर्तन, कौशलों के अवमूल्यन की धारणाएँ तथा व्यावसायिक दक्षता बनाए रखने का बढ़ता दबाव इस प्रकार की चिंता को और अधिक तीव्र बनाते हैं। चूँकि शिक्षा का क्षेत्र शिक्षकों से निरंतर ज्ञान एवं शिक्षण-संबंधी दक्षताओं के अद्यतन की अपेक्षा करता है, अतः शिक्षकों में FoMO-AI की प्रकृति को समझना एवं उसका मापन करना विशेष महत्व रखता है। तथापि, तुर्की साहित्य में वर्तमान तक ऐसा कोई मानकीकृत उपकरण उपलब्ध नहीं है जो विशेष रूप से शिक्षकों के AI-संबंधी FoMO का आकलन करता हो।

उद्देश्य:
इस अध्ययन का उद्देश्य Deng आदि (2025) द्वारा विकसित FoMO-AI स्केल का तुर्की सांस्कृतिक संदर्भ में अनुकूलन करना तथा शिक्षकों के एक नमूने के आधार पर इसकी वैधता (Validity) और विश्वसनीयता (Reliability) के अनुभवजन्य प्रमाण प्रस्तुत करना है।

विधि:
यह अध्ययन मात्रात्मक अनुसंधान पद्धति के अंतर्गत वर्णनात्मक सर्वेक्षण अभिकल्प (Descriptive Survey Design) पर आधारित एक स्केल-अनुकूलन अध्ययन है। अनुकूलन प्रक्रिया में भाषिक वैधता, विषयवस्तु वैधता, संरचनात्मक वैधता तथा आंतरिक संगति (Internal Consistency) का परीक्षण सम्मिलित था। भाषिक वैधता के लिए अनुवाद–पुनःअनुवाद (Translation–Back Translation) विधि का उपयोग किया गया। प्रारंभ में भाषा-शिक्षा के विशेषज्ञ शिक्षाविदों द्वारा मदों का तुर्की भाषा में अनुवाद किया गया, तत्पश्चात दो अन्य विशेषज्ञों द्वारा स्वतंत्र रूप से पुनःअनुवाद किया गया तथा दोनों संस्करणों के अर्थगत सामंजस्य का परीक्षण किया गया। विषयवस्तु वैधता सात विशेषज्ञों की समीक्षा के माध्यम से सुनिश्चित की गई, जिनमें दो मनोवैज्ञानिक परामर्श एवं निर्देशन (Guidance and Psychological Counseling), तीन तुर्की भाषा-शिक्षण तथा दो अंग्रेज़ी भाषा-शिक्षण के विशेषज्ञ सम्मिलित थे। 35 शिक्षकों पर एक प्रारंभिक पायलट अध्ययन संचालित किया गया। मुख्य अध्ययन में दो स्वतंत्र नमूनों से आँकड़े संकलित किए गए (EFA हेतु n = 320 तथा CFA हेतु n = 315)। प्रतिभागियों का चयन पूर्वी अनातोलिया के एक प्रांत से सुविधा-आधारित नमूनाकरण (Convenience Sampling) द्वारा किया गया। सांख्यिकीय विश्लेषण SPSS 20.0 तथा AMOS सॉफ़्टवेयर की सहायता से संपन्न किए गए। संरचनात्मक वैधता का परीक्षण अन्वेषणात्मक कारक विश्लेषण (Exploratory Factor Analysis; EFA) तथा पुष्टिकरणात्मक कारक विश्लेषण (Confirmatory Factor Analysis; CFA) द्वारा किया गया। विश्वसनीयता का मूल्यांकन Cronbach's Alpha, Composite Reliability (CR) तथा Average Variance Extracted (AVE) के माध्यम से किया गया, जबकि विभेदक वैधता (Discriminant Validity) का परीक्षण Fornell–Larcker मानदंड के आधार पर किया गया।

निष्कर्ष:
EFA के परिणामों ने उत्कृष्ट नमूना-उपयुक्तता प्रदर्शित की (KMO = .964), तथा Bartlett का Sphericity परीक्षण सांख्यिकीय रूप से अत्यंत सार्थक पाया गया (χ² = 8012.989, df = 325, p < .001)। विश्लेषण से तीन-कारकीय संरचना प्राप्त हुई, जिसके स्वमान (Eigenvalues) 1 से अधिक थे तथा जिसने कुल विचरण का 76.01% स्पष्ट किया। तीनों कारकों के स्वमान क्रमशः 11.654, 4.881 तथा 3.227 थे, जबकि घूर्णन (Rotation) के पश्चात उनके विचरण-योगदान क्रमशः 33.530%, 21.618% तथा 20.858% रहे। सामुदायिकता (Communalities) के मान .686–.821 तथा कारक-भार (Factor Loadings) .810–.874 के मध्य पाए गए तथा कोई महत्वपूर्ण क्रॉस-लोडिंग नहीं मिली। तीनों कारकों को क्रमशः AI से पीछे रह जाने की चिंता (AI Backwardness Anxiety) (12 मद), AI तक पहुँच संबंधी चिंताएँ (AI Access Concerns) (7 मद), तथा AI लाभों से वंचित रह जाने की चिंता (AI Dividend Anxiety) (7 मद) नाम दिए गए। CFA के परिणामों ने मॉडल की उत्कृष्ट उपयुक्तता को प्रमाणित किया: χ²/df = 1.105; CFI = .995; TLI = .994; GFI = .942; AGFI = .931; NFI = .945; IFI = .995; RMSEA = .016। मानकीकृत कारक-भार .689–.821 के मध्य रहे तथा सभी पथ (Paths) p < .001 स्तर पर सांख्यिकीय रूप से सार्थक पाए गए। Cronbach's Alpha के मान .89–.92, Composite Reliability के मान .91–.93, तथा AVE के मान .53–.59 के मध्य रहे। इसके अतिरिक्त, AVE के वर्गमूल (.73, .75, .77) कारकों के मध्य सहसंबंधों (.44–.53) से अधिक पाए गए, जिससे Fornell–Larcker मानदंड के अनुसार विभेदक वैधता की पुष्टि हुई।

चर्चा:
अध्ययन के निष्कर्षों से स्पष्ट होता है कि मूल चीनी नमूने में प्राप्त त्रि-कारकीय संरचना तुर्की शिक्षकों के नमूने में भी पुनरुत्पादित हुई, जो FoMO-AI संरचना की अंतर-सांस्कृतिक मनोमितीय दृढ़ता (Cross-Cultural Psychometric Robustness) का प्रमाण प्रस्तुत करती है। प्रथम कारक, AI से पीछे रह जाने की चिंता, शिक्षकों पर व्यावसायिक दक्षता बनाए रखने के दबाव को प्रतिबिंबित करने वाला केंद्रीय आयाम सिद्ध हुआ तथा इसे कौशल-अवमूल्यन की धारणाओं से वैचारिक रूप से जोड़ा जा सकता है। द्वितीय कारक, AI तक पहुँच संबंधी चिंताएँ, डिजिटल विभाजन (Digital Divide) संबंधी साहित्य से वैचारिक संबंध स्थापित करता है तथा यह दर्शाता है कि व्यापक संरचनात्मक असमानताएँ किस प्रकार व्यक्तियों द्वारा आंतरिकीकृत (Internalized) होती हैं। तृतीय कारक, AI लाभों से वंचित रह जाने की चिंता, Przybylski आदि (2013) द्वारा स्व-निर्धारण सिद्धांत (Self-Determination Theory) के आधार पर प्रतिपादित FoMO की अवधारणा से सर्वाधिक निकटता रखता है तथा इसे लाभकारी तकनीकी अवसरों से वंचित रह जाने की चिंता का प्रत्यक्ष विस्तार माना जा सकता है। कारकों के मध्य मध्यम स्तर के सहसंबंध (.44–.53) इस तथ्य का संकेत देते हैं कि यह संरचना बहुआयामी होते हुए भी परस्पर अंतर्संबद्ध है। अतः भविष्य के अनुसंधानों में द्वितीय-क्रम पुष्टिकरणात्मक कारक विश्लेषण (Second-Order CFA) के माध्यम से ऐसे पदानुक्रमिक मॉडलों का परीक्षण किया जाना उपयुक्त होगा, जिनमें एक सामान्य FoMO-AI कारक तीनों उप-आयामों को नियंत्रित करता हो।

निष्कर्ष एवं अनुशंसाएँ:
FoMO-AI स्केल का 26-मदीय तुर्की संस्करण शिक्षकों में कृत्रिम बुद्धिमत्ता से संबंधित अवसरों के छूट जाने के भय का मापन करने हेतु एक वैध एवं विश्वसनीय उपकरण सिद्ध हुआ है तथा तुर्की साहित्य में एक मौलिक योगदान प्रस्तुत करता है। इस स्केल का उपयोग शिक्षकों की व्यावसायिक विकास आवश्यकताओं के आकलन, सेवाकालीन प्रशिक्षण कार्यक्रमों की रूपरेखा तैयार करने, डिजिटल जागरूकता एवं डिजिटल कल्याण कार्यक्रमों के विकास, तथा तकनीकी तनाव (Technostress) एवं व्यावसायिक थकावट (Burnout) के जोखिम की प्रारंभिक पहचान हेतु मनोवैज्ञानिक परामर्श सेवाओं में किया जा सकता है। अध्ययन की प्रमुख सीमाओं में पूर्वी अनातोलिया के केवल एक प्रांत से आँकड़ों का संकलन, अनुप्रस्थ (Cross-Sectional) अनुसंधान अभिकल्प, पुनर्परीक्षण विश्वसनीयता (Test–Retest Reliability) का अभाव, बाह्य मापदंडों के माध्यम से मानदंड-संबंधी वैधता (Criterion-Related Validity) का परीक्षण न किया जाना तथा केवल शिक्षकों तक सीमित नमूना सम्मिलित हैं। भविष्य के अनुसंधानों में व्यापक एवं भौगोलिक रूप से विविध नमूनों पर बहु-समूह पुष्टिकरणात्मक कारक विश्लेषण (Multi-Group CFA) के माध्यम से मापन-अपरिवर्तनीयता (Measurement Invariance) की जाँच, अनुदैर्ध्य अनुसंधान (Longitudinal Designs) के माध्यम से संरचना की समयगत स्थिरता का परीक्षण, तथा माइंडफुलनेस (Mindfulness), AI आत्म-प्रभावकारिता (AI Self-Efficacy) एवं मनोवैज्ञानिक प्रत्यास्थता (Psychological Resilience) जैसे मध्यस्थ (Mediator) एवं नियामक (Moderator) चरों की भूमिका का परीक्षण करने की अनुशंसा की जाती है।