Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
The Perspective of Dental Students on the Use of Artificial Intelligence in Oral Radiology: A Survey Study: Cross-Sectional Study
4
Zitationen
2
Autoren
2022
Jahr
Abstract
Amaç: Bu çalışmanın amacı, diş hekimliği öğrencilerinin oral radyolojide yapay zekâ kullanımına bakış açılarını değerlendirmektir. Gereç ve Yöntemler: Oral radyolojide yapay zekânın kullanımı ve geleceği ile ilgili 17 soru ve 4 bölümden oluşan bir anket hazırlandı. İlk bölümde katılımcıların yaş, cinsiyet ve öğrenim görülen sınıf bilgileri elde edilmiştir. İkinci bölüm yapay zekâ farkındalığının, 3. Bölüm yapay zekânın oral radyolojideki potansiyel uygulamalarının, 4. Bölüm ise oral radyolojide yapay zekâ kullanımına ilişkin bakış açısının değerlendirildiği sorulardan oluşmaktaydı. Katılımcıların yanıtlarını 5'li Likert ölçeği ile (kesinlikle katılmıyorum, katılmıyorum, fikrim yok, katılıyorum, kesinlikle katılıyorum) değerlendirmeleri istendi. Anket Google Form üzerinden 1 hafta süre ile erişime açık tutuldu. Verilerin analizi için SPSS V.21 yazılımı (IBM Corp., Armonk, NY, ABD) kullanıldı. Bulgular: Ankete, yaşları 18-30 arasında değişen 259 diş hekimliği öğrencisi katıldı. Katılımcıların 214'ü (%82,9) gelecekte yapay zekâ ile tanı konulması konusunda olumlu yanıt (katılıyorum+kesinlikle katılıyorum) verdi. Kadın cinsiyet ve alt sınıfta öğrenim gören öğrencilerde yapay zekâ konusunda farkındalığın düşük olduğu saptandı (p<0,05). Yapay zekâ konusunda en büyük bilgi kaynağının sosyal medya (facebook, instagram vb.) olduğu görüldü. Katılımcıların %65,3'ü lisans, %48,2'si lisansüstü eğitimde yapay zekâ uygulamalarına ilişkin eğitimler verilmesi gerektiğini bildirdi. Sonuç: Diş hekimliği öğrencilerinin yapay zekâ konusunda bilgi sahibi oldukları ve gelecekte yapay zekâdan tanı koyma, tedavi planlama, görüntüleme yöntemi seçimi gibi alanlarda faydalanmak istedikleri görüldü.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.391 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.257 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.685 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.781 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.501 Zit.