SAĞLIKTA YAPAY ZEKÂ FARKINDALIK DÜZEYLERİNİN ÖRGÜTSEL DEĞİŞİME AÇIKLIK DÜŞÜNCELERİ İLE BELİRLENMESİ

Abstract

Yapay zekâ, hastalıkların erken teşhisi, kişiselleştirilmiş tedavi planlamaları, robotik cerrahi gibi uygulamalarda kullanılan, sağlık hizmetlerinde geleneksel yöntemlere olan bağlılığı azaltan, uzaktan sağlık hizmeti sunumu konusunda ileri düzey gelişmeler gösteren bir olgudur. Örgütsel değişime açıklık bir işletmenin geleneksel yöntemlere sıkı sıkıya bağlı olmadan çağın gerektirdiği şekilde güncel ve faydalı uygulamaları sisteme kabul etmeyi kabullenen üst yönetim ve çalışanların tamamının katılımıyla gerçekleşebilecek bir olgudur. Bu çalışmanın amacı sağlık sektöründe faaliyet gösteren çalışanların sağlıkta yapay zekâ farkındalıklarının kişilerin örgütsel değişime açıklık düşünceleri ile belirlenmesidir. Çalışmanın sonuçlarına göre örgütsel değişime açıklık düşünceleri ile sağlıkta yapay zekâ farkındalığı arasında pozitif yönde zayıf düzeyde korelasyon tespit edilmiştir (r:0,208 ve p:0,000). Bilgi ve iletişim teknolojilerini kullanma becerileri arttıkça, her iki ölçekte de puanlar yükselmiştir. Yaş gruplarında, 18-55 arası bireyler 56 ve üzerine kıyasla daha yüksek yapay zekâ farkındalığı göstermektedir. Günlük internet kullanım süresi 1 saatten az olanların hem yapay zekâ farkındalığı hem de örgütsel değişime açıklık puanları, daha uzun süre internet kullananlara göre belirgin derecede daha düşüktür. Eğitim düzeyi incelendiğinde; sağlık meslek lisesi veya lise mezunları, önlisans, lisans ve lisansüstü düzeyler arasında örgütsel değişime açıklık ve yapay zekâ farkındalığı ölçütlerinde önemli farklılıklar gözlemlenmiş, özellikle lisansüstü mezunların genel olarak daha yüksek puanlara sahip olduğu tespit edilmiştir.

Keywords

• Sağlıkta Yapay Zekâ
• Örgütsel Değişim
• Non-Parametrik Testler

DETERMINING THE RELATIONSHIP BETWEEN HEALTHCARE ARTIFICIAL INTELLIGENCE AWARENESS LEVELS AND PERCEPTIONS OF OPENNESS TO ORGANIZATIONAL CHANGE

Abstract

Artificial intelligence is a phenomenon used in applications such as early diagnosis of diseases, personalized treatment planning, robotic surgery, reducing reliance on traditional methods in healthcare services, and showing advanced developments in remote healthcare delivery. Openness to organizational change is a phenomenon that can be realized with the participation of all senior management and employees who accept incorporating current and beneficial practices into the system as required by the era, without being strictly bound to traditional methods. The aim of this study is to determine the relationship between healthcare employees' awareness of artificial intelligence in healthcare and their perceptions of openness to organizational change. According to the results of the study, a positive weak correlation was found between thoughts on openness to organizational change and awareness of artificial intelligence in healthcare (r:0,208 and p:0,000). As skills in using information and communication technologies increased, scores on both scales also rose. In terms of age groups, individuals between 18-55 show higher artificial intelligence awareness compared to those 56 and above. Those who use the internet for less than one hour daily had significantly lower scores in both artificial intelligence awareness and openness to organizational change compared to those with longer daily internet use. When examining education levels, significant differences were observed in the criteria of openness to organizational change and artificial intelligence awareness across groups with varying levels of education, including health vocational high school, high school, associate, bachelor's, and postgraduate degrees. Notably, individuals with postgraduate education had the highest overall scores.

Keywords

• Artificial Intelligence in Health
• Organizational Change
• Non-Parametric Tests

References

1. Ahalya, K. & Sreeya, B. (2019). Awareness on Artificial Intelligence, International Journal of Recent Technology and Engineering (IJRTE), 8(4).
2. Albinsaad, L. S., Alkhawajah, A. A., Abuageelah, B. M., Alkhalaf, R. A., Alfaifi, M. H., Oberi, I. A., Alnajjad, A. I., Albalawi, I. A., Alessa, M. Y., & Khan, A. (2024). The Saudi Community View of the Use of Artificial Intelligence in Health Care. Annals of African Medicine, 23(3), 343–351. DOI: 10.4103/aam.aam_192_23.
3. Ardan M, Rahman F.F. & Geroda, G.B. (2020). Theinfluence of physicaldistancetostudentanxiety on Covid-19, Indonesia. J CritRev. 7(17), 1126–32. DOI: 10.31838/jcr.07.17.141.
4. Başar, E.E. & Erkul, A.K. (2024). Türkiye’de Tıp Doktorlarının Sağlık Hizmetlerinde Yapay Zekâ Uygulamalarını Kullanmaya Yönelik Tutumlarını Etkileyen Faktörler. Bezmialem Science, 12(3), 297-308. DOI: 10.14235/bas.galenos.2024.26879.
5. Bozkurt, Ş. A. & Hoşgör, H. (2023). Sağlıkta Yapay Zekâ ve Robotlar Hakkında Kimler Ne Düşünüyor? Kuşaklar Üzerine Bir Araştırma. Sosyal Bilimler Araştırma Dergisi, 12(1), 13-25.
6. Cè, M., Ibba, S., Cellina, M., Tancredi, C., Fantesini, A., Fazzini, D., Fortunati, A., Perazzo, C., Presta, R., Montanari, R., Forzenigo, L., Carrafiello, G., Papa, S., & Ali, M. (2024). Radiologists' perceptions on AI integration: An in-depth survey study. European journal of radiology, 177, 111590. DOI: 10.1016/j.ejrad.2024.111590.
7. Coeckelbergh, M. (2010). Healthcare, Capabilities, and AI Assistive Technologies. Ethical Theory Moral Pract, 13, 181–90. DOI: 10.1007/s10677-009-9186-2.
8. Çağlar, E. (2024). Sağlık Çalışanlarının Yapay Zekâ Farkındalık Düzeylerinin İncelenmesi, Kapadokya Üniversitesi, Lisansüstü Eğitim, Öğretim ve Araştırma Enstitüsü, yüksek lisans tezi.

9. Çalışkan, A. (2022). Örgütsel değişime açıklık: Bir ölçek geliştirme çalışması. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(2), 191-202. DOI: 10.52791/aksarayiibd.1069524.
10. Çankaya, A. (2024). Hastane Öncesi Acil Sağlık Hizmetleri Çalışanlarının Yapay Zekâ Tutumları İle Tıbbi Yapay Zekâ Hazır Bulunuşluk Düzeyi İlişkisinin Değerlendirilmesi. Selçuk Üniversitesi, Sağlık Bilimleri Enstitüsü. Doktora Tezi.
11. Dilsizian, S.E. & Siegel, E. L. (2024). Artificial Intelligence In Medicine And Cardiac Imaging: Harnessing Big Data and Advanced Computing to Provide Personalized Medical Diagnosis and Treatment. CurrCardiolRep, 16:441. DOI: 10.1007/s11886-013-0441-8.
12. Esmaeilzadeh P. (2020). Use of AI-based Tools for Healthcare Purposes: A Survey Study from Consumers’ Perspectives. BMC Medical Informatics and Decision Making, 20-170. DOI: 10.1186/s12911-020-01191-1.
13. Fluss, D. (2017). The AI Revolution in Customer Service. Customer Relationship Management, 38.
14. Glauner, P., Plugmann, P., & Lerzynski, G. (2021). Digitalization in Healthcare, Switzerland, Springer Şam.
15. İçöz, S., & İçöz, E. (2024). Türkçe öğretmen adaylarının yapay zekâ uygulamalarına yönelik farkındalık düzeylerinin incelenmesi. Ulusal Eğitim Dergisi, 4(3), 987–1001. Geliş tarihi gönderen https://uleder.com/index.php/uleder/article/view/500.
16. Mintz, Y. & Ronit, B. (2019). Introduction to artificial intelligence in medicine. Minimally Invasive Therapy and Allied Technologies. 28(2):73-81. DOI: 10.1080/13645706.2019.1575882.
17. Mistry C., Thakker U., Gupta R. & Obaidat M.S., (2021). MedBlock: An AI-enabled and Blockchain-driven Medical Healthcare System for COVID-19, IEEE International Conference Communication, Canada, 1-6. DOI: 10.1109/ICC42927.2021.9500397.
18. Mousavi Baigi, S. F., Sarbaz, M., Ghaddaripouri, K., Ghaddaripouri, M., Mousavi, A. S., & Kimiafar, K. (2023). Attitudes, Knowledge and Skills towards Artificial Intelligence among Healthcare Students: A Systematic Review. Health Science Reports, 6(3), 1138. DOI: 10.1002/hsr2.1138.
19. Murdoch, T.B. & Detsky, A.S. (2013). The inevitable application of big data to healthcare. JAMA, 309:1351. DOI: 10.1001/jama.2013.393.
20. Orhan, M. & Bülez, A. (2022). Sağlık Personellerinin Yapay Zekâ ile İlgili Düşüncelerinin Değerlendirilmesi. Kesit Akademi Dergisi, 33,52:59. DOI : 10.29228/kesit.66404.
21. Öner, Ç., Kardaş, F., & Şata, M. (2025). Gençlerde Dijital Akıl: Yapay Zekâ Farkındalık Ölçeği Geliştirme. EKEV Akademi Dergisi (102), 228-243. https://doi.org/10.17753/sosekev.1634851.
22. Özdemir, H., & Biçer, E.B. (2025). Sağlık kurumlarında çalışanların dijital sağlık ve yapay zekâ okuryazarlık düzeylerinin belirlenmesi, bmij,13 (2):807-827 doi: https://doi.org/10.15295/bmij.v13i1.2555
23. Öztemel, E. (2020). Yapay zekâ ve insanlığın geleceği. Türkiye Bilimler Akademisi. https://doi.org/10.53478/TUBA.2020.011.
24. Paul, J. S., Plassard, A. J., Landman, B. A., & Fabbri, D.(2017). Deeplearning for brain tumor classification. Biomedical Applications in Molecular, Structural, and Functional Imaging, 10137,1013710. DOI:10.1117/12.2254195.
25. Pepito, J.A & Locsin, R. (2019). Can nurses remain relevant in a technologically advanced future? International Journal of Nursing Sciences. 6(1): 106-110. DOI: 10.1016/j.ijnss.2018.09.013.
26. Pirim, Harun (2006). “Yapay Zeka”. Yaşar Üniversitesi E-Dergisi. 1(1): 81-85.
27. Polatgil, M. & Güler, A. (2023). Yapay Zekâ Okuryazarlığı Ölçeğinin Türkçe’ye Uyarlanması, Sosyal Bilimlerde Nicel Araştırmalar Dergisi, 3(2), 99.
28. Seçer, M. B. (2024). Sağlık Alanında Öğrenim Gören Üniversite Öğrencilerinin Sağlıkta Yapay Zekâ Uygulamaları ve ChatGPT Farkındalığı, Yapay Zekâ Kullanımına Yönelik Görüşleri ve Teknostres Düzeylerinin İncelenmesi: Kesitsel Bir Çalışma. Türkiye Klinikleri Journal of Health Sciences, 9(4), 856-866. DOI: 10.5336/healthsci.2024-104224
29. Şahin, M.(2024). Asistan Hekimlerin Sağlık Alanında Yapay Zekâ Kullanımı Hakkındaki Görüş ve Beklentileri İle Tıbbi Yapay Zekâ Hazır Bulunuşluklarının Değerlendirilmesi. Sağlık Bilimleri Üniversitesi, Aile Hekimliği Kliniği, Tıpta Uzmanlık Tezi.
30. Turing, A. (1950). Computing machinery and intelligence. Mind, 49(236), 433-460.
31. Türkiye İstatistik Kurumu, (2024). Hanehalkı Bilişim Teknolojileri (BT) Kullanım Araştırması. https://data.tuik.gov.tr/Bulten/Index?p=Hanehalki-Bilisim-Teknolojileri-(BT)-Kullanim-Arastirmasi-2024-53492.
32. Ünal, H. (2025), Öğretmenlerin yapay zeka farkındalık düzeyleri (Tezsiz yüksek lisans projesi). Pamukkale Üniversitesi, Eğitim Bilimleri Enstitüsü, Eğitim Bilimleri Anabilim Dalı.
33. Van Eck, N.J.P. & Waltman L.R. (2010), Software Survey: VOS viewer, A Computer Program for Bibliometric Mapping, Scientometrics 84(2): 523-538. DOI: 10.1007/s11192-009-0146-3.
34. Yang, W. (2022). Artificial Intelligence Education for Young Children: Why, What, and How in Curriculum Design and Implementation. Comput. Educ. 3, 100061. DOI: 10.1016/j.caeai.2022.100061.
35. Yazıcıoğlu, Y., Erdoğan, S. (2004). SPSS Uygulamalı Bilimsel Araştırma Yöntemleri. Ankara: Detay Yayıncılık.
36. Yılmaz, Y., Yılmaz, D. U., Yıldırım, D., Korhan, E. A., & Özer, D. (2021). Yapay Zekâ ve Sağlıkta Yapay Zekânın Kullanımına Yönelik Sağlık Bilimleri Fakültesi Öğrencilerinin Görüşleri. Süleyman Demirel Üniversitesi Sağlık Bilimleri Dergisi, 12(3), 297-308. DOI: 10.22312/sdusbed.950372.
37. Yorgancıoğlu, T.G., Yalçın Balçık, P. & Sebik, N.B. (2024). Türkiye ve Dünyada Sağlık Hizmetlerinde Yapay Zekâ, Mersin Üniversitesi. Tıp Fakültesi Lokman Hekim Tıp Tarihi ve Folklorik Tıp Dergisi. 14(1):50-60. DOI: 10.31020/mutftd.1278529.
38. Zhao, Hong, Ling, Xin & Yi, Feng (2020). The Effect of Preoperative Erector Spinae Plane vs. Paravertebral Blocks on Patient-Controlled Oxycodone Consumption after Video-Assisted Thoracic Surgery: A Prospective Randomized, Blinded, Non-Inferiority Study. Journal of Clinical Anesthesia. 62: 109737. DOI: 10.1016/j.jclinane.2020.109737.