Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Sağlık bilimleri lisansüstü öğrencilerinde yapay zekâ kullanımının e-sağlık okuryazarlığına etkisi: GAMLSS yaklaşımı
0
Zitationen
2
Autoren
2026
Jahr
Abstract
Amaç: Sağlık bilimlerinde lisansüstü eğitim, sağlık hizmetlerinin niteliğini artırmak ve alanında uzman profesyoneller yetiştirmek açısından büyük önem taşımaktadır. Yapay zekâ teknolojilerinin sağlık alanında giderek daha fazla önem kazanmasıyla birlikte, bu teknolojilerin e-sağlık okuryazarlığı ile etkileşimi de oldukça kritiktir. Bu çalışma, sağlık bilimleri alanındaki lisansüstü düzeydeki öğrencilerinin e-sağlık okuryazarlık düzeylerini belirlemeyi ayrıca ChatGPT gibi yapay zeka uygulamalarını kullanım alışkanlıklarının e-sağlık okuryazarlık düzeyleri üzerindeki karmaşık etkilerini ileri istatistik yöntemle araştırmayı amaçlamaktadır. Yöntem: Bu kesitsel çalışmada, lisansüstü eğitim enstitüsünün sağlık bilimleri ile ilgili tüm anabilim dallarına kayıtlı 82 lisansüstü öğrenci dâhil edilmiştir. Öğrencilerin e-sağlık okuryazarlık düzeyleri, e-sağlık okuryazarlık ölçeği ile ölçülmüştür. E-sağlık okuryazarlık düzeylerinin yapay zeka kullanım alışkanlarına göre karşılaştırmaları tek değişkenli istatistiksel analizlerle incelenmiş, karmaşık etkilerin analizi için konum, ölçek ve şekil için ise genelleştirilmiş eklemeli modelleri uygulanmıştır. Bulgular: Öğrencilerin tamamının e-sağlık okuryazarlık düzeyleri yüksekti (30.00; ÇAG = 5.25). Sağlık alanında kullanılan yapay zeka uygulamalarını bilenlerin (33.50; ÇAG = 6.75) bilmeyenlere (29.00; ÇAG = 3.00) göre ve bunları kullananların (32.00; ÇAG = 7.50) da kullanmayanlara (29.00; ÇAG = 5.00) göre puanları daha yüksekti (p0.05). Ancak bu değişkenlerin etkileşimleri, ileri istatistiksel modelde anlamlı hale gelmiştir (p
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.545 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.436 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.935 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 · 5.589 Zit.