Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Türkiye'de Hemşirelik Lisansüstü Tez Çalışmalarının Bibliyometrik İncelenmesi: Yapay Zekâ Kavramı Örneği
0
Zitationen
3
Autoren
2024
Jahr
Abstract
Amaç: Araştırmanın amacı, yapay zekâ konusu üzerinde hemşirelik alanında gerçekleştirilmiş lisansüstü tezlerin dağılımını, odak noktalarını, metodolojik yaklaşımlarını ve uygulama alanlarını incelemektir. Yöntem: Bu inceleme, Türkiye Yükseköğretim Kurulu Ulusal Tez Merkezi veri tabanında, "yapay zeka", “makine öğrenmesi” ve “hemşirelik” anahtar kelimeleri ile 25.10.2024-30.10.2024 tarihleri arasında yapılan tarama sonucu elde edilen veriler doğrultusunda gerçekleştirilmiştir. Tarama sonucunda çalışmaya dahil edilen 8 tez; tez yılı, tez türü, yayımlandığı yıl, gerçekleştirildiği üniversite türü, ilgili hemşirelik anabilim dalı, araştırma deseni, örneklem grubu, veri toplama araçları ve tezden elde edilen bulgular temelinde kategorize edilmiştir. Bulgular: Elde edilen verilerde, bu tür tezlerin son üç yıldır (2022-2024) yapıldığı ve çoğunun devlet üniversitelerinde yürütüldüğü, %37,5’i yüksek lisans, %62,5’i doktora tezi olduğu tespit edilmiştir. Tezlerde incelenen anabilim dalları ve araştırma desenlerinin çeşitlilik gösterdiği, çoğunun örneklem grubunu yetişkin sağlıklı bireylerin oluşturduğu ve yapay zekâ entegre model geliştirme ve etkinliğinin değerlendirilmesine yönelik olduğu belirlenmiştir. Araştırma sonuçları, yapay zekâ modellerinin etkin bulunduğunu ortaya koymuştur. Sonuç ve Öneriler: Sonuç olarak, lisansüstü hemşirelik eğitiminde yapay zekâ konusunun ele alındığı tezlerin sayısının sınırlı olduğu, ancak yapay zekânın maliyet, zaman ve iş gücü kayıplarını önleyerek hemşirelik bakım uygulamaları ve eğitimini destekleyecek potansiyele sahip olduğu anlaşılmaktadır. Bu bağlamda, yapay zekâ entegre çalışmaların sayısının artırılması ve etkinliği kanıtlanmış sonuçların hemşirelik uygulamalarına entegre edilmesi önerilmektedir.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.250 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.109 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.482 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.776 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.434 Zit.