A Content Analysis of Postgraduate Theses on Artificial Intelligence

Abstract

Objective: This study aimed to examine postgraduate theses on artificial intelligence in Türkiye according to year, type, field group, and university, and to analyze theses conducted in the field of nursing in terms of methodology, sample characteristics, and content. Methods: This retrospective descriptive content analysis was conducted using the database of the Council of Higher Education National Thesis Center. A search was performed using the keyword “Artificial Intelligence” for the years 1900–2024. All identified theses were examined for interdisciplinary distribution, and nursing-related theses were further analyzed regarding research design, sample characteristics, implementation setting, and study outcomes. Data were collected using a researcher-developed thesis review form and analyzed through content analysis. Results: A total of 4,417 postgraduate theses on artificial intelligence were identified. The majority were conducted in recent years and predominantly at the master’s level, with most concentrated in the field of natural sciences. Only a limited proportion of theses within the medical sciences field group were conducted in nursing. Five main thematic areas were identified in nursing theses: clinical decision support systems, artificial intelligence-supported clinical applications, integration into nursing education, attitudes toward artificial intelligence and robotic nursing, and quality of life applications. Conclusion: Postgraduate research on artificial intelligence in Türkiye has increased substantially in recent years. Although research in nursing is still emerging, growing academic interest, particularly at the doctoral level, is evident. Expanding experimental and multicenter studies integrating artificial intelligence into nursing practice is recommended

Keywords

• Artificial Intelligence
• Nursing
• Dissertattions
• Content Analysis
• Education

Supporting Institution

No funding was received for the conduct of this study.

Ethical Statement

This study is based on a document analysis of publicly accessible theses obtained from the Council of Higher Education (CoHE) National Thesis Center database; therefore, ethical approval was not required. The study does not involve human or animal participants

Thanks

The authors declare that there are no acknowledgments.

Yapay Zeka Konusunda Yazılan Lisansüstü Tezlerin İçerik Analizi

Abstract

Amaç: Bu çalışmanın amacı, Türkiye’de yapay zeka konusunda hazırlanmış lisansüstü tezlerin yıllara, türlere, alan gruplarına ve üniversitelere göre dağılımını incelemek; ayrıca hemşirelik alanında gerçekleştirilen yapay zeka temalı tezleri yöntem, örneklem ve içerik açısından analiz etmektir. Yöntemler: Retrospektif ve tanımlayıcı tasarımda yürütülen bu içerik analizi çalışmasında, Yükseköğretim Kurulu Ulusal Tez Merkezi veri tabanında 1900–2024 yılları arasında “Yapay Zeka” anahtar kelimesi ile tarama yapılmıştır. Tüm tezler disiplinler arası dağılım açısından incelenmiş; hemşirelik alanındaki tezler ise araştırma deseni, örneklem özellikleri, uygulama alanı ve sonuçları bakımından değerlendirilmiştir. Veriler araştırmacılar tarafından geliştirilen tez inceleme formu aracılığıyla toplanmış ve içerik analizi yöntemiyle çözümlenmiştir. Bulgular: Belirtilen tarih aralığında toplam 4417 yapay zeka konulu teze ulaşılmıştır. Tezlerin büyük çoğunluğunun son yıllarda ve yüksek lisans düzeyinde hazırlandığı, en fazla fen bilimleri alan grubunda yoğunlaştığı belirlenmiştir. Tıp alan grubunda yer alan tezlerin sınırlı bir bölümünün hemşirelik alanında gerçekleştirildiği saptanmıştır. Hemşirelik tezlerinde klinik karar destek sistemleri, yapay zeka destekli klinik uygulamalar, eğitim entegrasyonu, tutum çalışmaları ve yaşam kalitesi uygulamaları olmak üzere beş ana tema belirlenmiştir. Sonuç: Türkiye’de yapay zeka alanındaki lisansüstü çalışmalar son yıllarda belirgin biçimde artış göstermiştir. Hemşirelikte yapay zeka araştırmaları henüz gelişim aşamasında olmakla birlikte, özellikle doktora düzeyinde artan bir akademik ilgi dikkat çekmektedir. Hemşirelik uygulamalarında yapay zeka temelli deneysel ve çok merkezli araştırmaların artırılması önerilmektedir.

Keywords

• Yapay Zeka
• Hemşirelik
• Lisansüstü Tezler
• İçerik Analizi
• Eğitim

Supporting Institution

Bu çalışma için herhangi bir kurumdan finansal destek alınmamıştır.

Ethical Statement

Bu çalışma, kamuya açık olarak erişilebilen Yükseköğretim Kurulu (YÖK) Ulusal Tez Merkezi veri tabanında yer alan tezler üzerinden yürütülen bir doküman incelemesi olduğundan etik kurul izni gerektirmemektedir. Çalışmada insan veya hayvan katılımcı yer almamaktadır.

Thanks

Bu çalışma için herhangi bir teşekkür bulunmamaktadır.

References

1. Agarwal, S., Kumar, N., Tyagi, M., & Garg, R. K. (2026). Integrating soft computing techniques for optimizing green vehicular communications and networking in circular digital supply chain. Journal of Science and Technology Policy Management, 17(2), 325–345. https://doi.org/10.1108/jstpm-03-2024-0112
2. Ahmad, S., & Jenkins, M. (2022). Artificial intelligence for nursing practice and management: Current and potential research and education. CIN: Computers, Informatics, Nursing, 40(3), 139–144. https://d oi.org/10.1097/CIN.0000000000000871
3. Alam, M. A., Sajib, M. R. U. Z., Rahman, F., Ether, S., Hanson, M., Sayeed, A., Akter, E., Nusrat, N., Islam, T. T., Raza, S., Tanvir, K. M., Chisti, M. J., Rahman, Q. S.-U., Hossain, A., Layek, M. A., Zaman, A., Rana, J., Rahman, S. M., Arifeen, S. E., … Ahmed, A. (2024). Implications of big data analytics, AI, machine learning, and deep learning in the health care system of Bangladesh: Scoping review. Journal of Medical Internet Research, 26, e54710. https://doi.org/10.2196 /54710
4. Alkan, A., & Sevli, O. (2023). Türkiye’de yapay zeka alanında yazılmış tezlerin incelenmesi. Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Dergisi, 6(1), 931–947. doi.org/10.47495/OKUFBED.1062 622
5. Alnajjar, R., Zyoud, A., Al-Shamaly, H., Al-Masri, M., & Al-Hadid, L. (2025). Nursing informatics and quality. Frontiers in Digital Health, 7. doi.org/10.3389/fdgth.2025.1585603
6. Alp, F., İşbay, B., & Öner, Ö. (2023). Sağlık alanında yapay zeka yöntemlerinin kullanımına ilişkin lisansüstü tezlerin bibliyometrik analizi (2015-2022). Gevher Nesibe Journal of Medical & Health Sciences, 8(1), 228–237. https://doi.org/10.5281/zenodo.760278 3
7. Amin, S. M., El-Gazar, H. E., Zoromba, M. A., El-Sayed, M. M., & Atta, M. H. R. (2025). Sentiment of nurses towards artificial intelligence and resistance to change in healthcare organisations: A mixed-method study. Journal of Advanced Nursing, 81(4), 2087–2098. https://doi.org/10.1111/jan.16435
8. Austin, R. R., Jantraporn, R., Michalowski, M., & Marquard, J. (2025). Machine learning methods to discover hidden patterns in well-being and resilience for healthy aging. Journal of Nursing Scholarship, 57(1), 72–81. https://doi.org/10.1111/jnu.13025

9. Buketçi, H. (2024). Yapay zeka alanında 2019-2022 yılları arasında yapılan yüksek lisans tezlerinin incelenmesi. Educational Academic Research, 53, 55–64. https://doi.org/10.33418/education.14217 66
10. Cankara, S. (2023). Hemşirelik öğrencilerinin robot hemşireler ve yapay zeka uygulamalarına yönelik görüşlerinin incelenmesi [Yüksek lisans tezi, Ege Üniversitesi]. YÖK Tez Merkezi. https://tez.yok.gov.tr
11. Cao, Z. (2020). Artificial intelligence for EEG-based interfaces. Brain Science Advances, 6(3), 162–170. https://doi.org/10.26599/bsa.2 020.9050017
12. Çelikdur Doruker, N. (2023). Yapay zeka entegrasyonlu ileri kardiyak yaşam desteği eğitim modelinin etkinliğinin değerlendirilmesi [Doktora tezi, Ege Üniversitesi]. YÖK Tez Merkezi. https://tez.yok.gov.tr
13. Dabas, M., Schwartz, D., Beeckman, D., & Gefen, A. (2023). Application of artificial intelligence methodologies to chronic wound care and management: a scoping review. Advances in Wound Care, 12(4), 205-240. https://doi.org/10.1089/wound.2021.0144
14. Emek, F. K., Sengör, K., & Görücü, R. (2024). Hemşirelik tezlerinde yapay zeka. Sağlık Bilimleri Klinik Araştırmalar Dergisi, 3(3), 204–212. https://doi.org/10.5281/zenodo.14576749
15. Graneheim, U. H., & Lundman, B. (2004). Qualitative content analysis in nursing research: Concepts, procedures and measures to achieve trustworthiness. Nurse Education Today, 24(2), 105–112. https://doi.org/10.1016/j.nedt.2003.10.001
16. Gümüş, E. (2023). Yapay zeka ve robot hemşireler hakkında hekim, hemşire ve hasta görüşleri [Doktora tezi, İstanbul Üniversitesi-Cerrahpaşa]. YÖK Tez Merkezi. https://tez.yok.gov.tr
17. Gündoğdu, H. (2022). Akıllı basınç yarası sınıflandırma sisteminin geliştirilmesi ve sistemi kullanan hemşirelerin deneyimlerinin incelenmesi [Doktora tezi, Sakarya Üniversitesi]. YÖK Tez Merkezi. https://tez.yok.gov.tr
18. Güner, M. A., Tekin, B., & Turhan, B. (2025). Anatomi alanında yapay zeka. Acta Medica Nicomedia, 8(3), 328-333. https://doi.org/10.53446/actamednicomedia.1705098
19. Hajkowicz, S., Sanderson, C., Karimi, S., Bratanova, A., & Naughtin, C. (2023). Artificial intelligence adoption in the physical sciences, natural sciences, life sciences, social sciences and the arts and humanities: A bibliometric analysis of research publications from 1960-2021. Technology in Society, 74, 102260. https://doi.org /10.1016/j.techsoc.2023.102260
20. Holzinger, A., Kieseberg, P., Weippl, E., & Tjoa, A. M. (2018, August). Current advances, trends and challenges of machine learning and knowledge extraction: from machine learning to explainable AI. In International cross-domain conference for machine learning and knowledge extraction (pp. 1-8). Cham: Springer International Publishing.
21. Hossain, M. M., Hossain, P., Roy, T. J., Das, J., Tasnim, S., Ma, P., & Liaw, W. (2025). Artificial intelligence in health professions education: A state-of-the-art meta-review. medRxiv. Epub ahead of print. https://doi.org/10.1101/2025.10.20.25338371
22. Kavut, S. (2022). Türkiye'de yapay zeka alanında yazılan tezlerin içerik analizi yöntemiyle incelenmesi. Türkiye İletişim Araştırmaları Dergisi, 41, 80–98. https://doi.org/10.17829/turcom.1051167
23. Mbata, A. O., Soyege, O. S., Nwokedi, C. N., Adeyemi, O. A., & Ogunleye, O. O. (2024). Machine learning for health informatics: An overview. Journal of Frontiers in Multidisciplinary Research, 5(2), 42–51. doi.org/10.54660/IJFMR.2024.5.2.42-51
24. Nashwan, A. J., Cabrega, J. A., Othman, M. I., Khedr, M. A., Osman, Y. M., El-Ashry, A. M., Naif, R., & Mousa, A. A. (2025). The evolving role of nursing informatics in the era of artificial intelligence. International Nursing Review, 72(1), e13084. https://doi.org/10.1 111/inr.13084
25. Nofal, H. A., Mohamed, A. E., Almadani, N., Mahfouz, R., Bahri, H. A., Ali, H. T., & Elrafey, D. S. (2025). The impact of an artificial intelligence enhancement program on healthcare providers' knowledge, attitudes, and workplace flourishing. Frontiers in Public Health, 13, 1639333. https://doi.org/10.3389/fpubh.2025.1639333
26. Özkeser, G. (2024). Geleneksel ve yapay zeka destekli yoganın yaşam kalitesine ve mental iyi oluşa etkisinin karşılaştırılması: Randomize kontrollü çalışma [Doktora tezi, Ege Üniversitesi]. YÖK Tez Merkezi. https://tez.yok.gov.tr
27. Pedersen, J. S., & Wilkinson, A. (2019). The promise, application and pitfalls of big data. In J. Storm Pedersen & A. Wilkinson, Big data. Edward Elgar Publishing.
28. Polat, G. (2023). Diyabetli bireylere yönelik geliştirilen yapay zeka tabanlı mobil sanal asistanın maliyet etkinliği, hastaneye yatırılma oranı, özbakım ve hipoglisemi üzerine etkisi [Doktora tezi, İzmir Katip Çelebi Üniversitesi]. YÖK Tez Merkezi. https://tez.yok.gov.tr
29. Ronquillo, C., Peltonen, L., Pruinelli, L., Chu, C. H., Bakken, S., Beduschi, A., & Topaz, M. (2021). Artificial intelligence in nursing. Journal of Advanced Nursing, 77(9), 3707–3717. https://doi.org/10.1111/jan.14855
30. Secinaro, S., Calandra, D., Secinaro, A., Muthurangu, V., & Biancone, P. (2021). The role of artificial intelligence in healthcare. BMC Medical Informatics and Decision Making, 21(1), 125. https://doi.org/10.1186/s12911-021-01488-9
31. Sim, J., Fong, Q., Huang, W., & Tan, C. (2021). Machine learning in medicine: What clinicians should know. Singapore Medical Journal, 64(2), 91–97. https://doi.org/10.11622/smedj.2021054
32. Spanakis, M., Stamou, M., Boultadaki, S., Liantis, E., Lionis, C., Marinos, G., ... & Symvoulakis, E. K. (2025). Enhancing Competencies and Professional Upskilling of Mobile Healthcare Unit Personnel at the Hellenic National Public Health Organization. Healthcare, 13(14), 1706. https://doi.org/10.3390/healthcare13141706
33. Şahin, D. (2025). Hasta güvenliği ve yapay zeka. Elektronik Sosyal Bilimler Dergisi, 24(2), 764–782. https://doi.org/10.17755/esosder.15630 82
34. Turchioe, M. R., Kisselev, S., Van Bulck, L., & Bakken, S. (2024). Increasing generative artificial intelligence competency among students enrolled in doctoral nursing research coursework. Applied Clinical Informatics, 15(05), 842-851. https://doi.org/10.1055/a-2373-3151
35. Türk, G., Taşkıran, N., Er, O., Ölmez, E., & Bozkurt Kozan, F. (2025). Developing an artificial intelligence-based clinical decision support system for nursing diagnoses. Nursing Outlook, 73(6), 102585. https://doi.org/10.1016/j.outlook.2025.102585
36. Ventura-Silva, J., Martins, M., Trindade, L., Duarte, J., & Nunes, C. (2024). AI in nursing care. Nursing Reports, 14(4), 2733–2745. https://doi.org/10.3390/nursrep14040202
37. Vicir, M. (2023). Jinekolojik kanser hastalarında NANDA hemşirelik tanılarının makine öğrenmesi ve veri madenciliği yöntemi ile geliştirilmesi [Yüksek lisans tezi, Pamukkale Üniversitesi]. YÖK Tez Merkezi. https://tez.yok.gov.tr
38. Yiğit, D. (2022). Yapay zeka teknikleri ile yenidoğanların konfor davranış düzeylerinin değerlendirilmesi [Doktora tezi, Eskişehir Osmangazi Üniversitesi]. YÖK Tez Merkezi. https://tez.yok.gov.tr
39. Zeng, Q., Huang, X., Zhu, J., Su, S., Hu, Y., & Zhang, X. (2025). Mechanisms of nurses’ AI use intention formation in Sichuan, Yunnan, and Beijing, China: mediating effects of AI literacy via self-efficacy-to-attitude pathways. Frontiers in Public Health, 13, 1622802. https://doi.org/10.3389/fpubh.2025.162