Ebelik Öğrencilerinin Yapay Zekaya Yönelik Genel Tutumlarının Değerlendirilmesi

Abstract

ÖZ Amaç: Ebelik öğrencilerinin yapay zekaya yönelik genel tutumlarını ölçmek ve sosyo-demografik değişkenlerle ilişkisini belirlemektir. Bu araştırma kesitsel ve tanımlayıcı türde bir çalışmadır. Gereç ve Yöntem: Araştırmanın evrenini bir kamu üniversitesinde lisans eğitimini sürdüren 323 ebelik öğrencisi, örneklemini ise 301 öğrenci oluşturmuştur. Veriler, öğrencilerle yüz yüze görüşme tekniği kullanılarak anket yöntemi ile toplandı. Bulgular: Araştırmada ebelik öğrencilerinin çoğunun (%59,1) yapay zekanın sağlık alanında kullanıldığını bilmediği ve kendilerinin de %75,7’sinin yapay zekayı kullanmadıkları bulunmuştur. Bunların yanı sıra çoğunun (%83.7) eğitim süreçlerinde ve mezun olduktan sonra meslek hayatlarında yapay zekanın kullanılması gerektiğini belirtmişlerdir. Araştırmada, ebelik öğrencilerinin yapay zekaya yönelik tutumlarını değerlendirmek amacıyla kullanılan ölçeğin "Pozitif tutum" ve "Negatif tutum" alt boyutlarına ilişkin puanlar belirlenmiştir. Ebelik öğrencilerinin "Pozitif tutum" alt boyutundan aldıkları puanlar 18 ile 60 arasında değiştiği, bu değerlerin ortalama olarak 44,76±6,78 puan olduğu belirlendi. Öğrencilerin ölçeğin "Negatif tutum" alt boyutundan aldığı puanlar 8 ile 40 arasında değiştiği ortalama olarak bu değerin 26,45±4,36 puan olduğu saptandı. Araştırmada bazı sosyo demografik özelliklere dayalı yapılan analizlerde, çeşitli faktörlerin yapay zekaya yönelik tutumları etkilediği analiz edilmiştir. Bu analizler sonucunda, yurtta kalanların ev ve aile yanında kalanlara göre yapay zekaya yönelik pozitif tutum sergilediği bulunmuştur (P<,05). Sonuç: Yapay zekânın ebelik lisans müfredatına entegre edilmesi ve ebelik öğrencilerinin yapay zekâ hakkındaki tutumlarını pozitif yönde arttırmaya yönelik daha kapsamlı çalışmalar yapılması önerilir.

Keywords

• Yapay Zeka
• Tutum
• Ebelik Öğrencisi

Evaluation of Midwifery Students' General Attitudes Towards Artificial Intelligence

Abstract

ABSTRACT Aim: The aim of this study is to measure the general attitudes of midwifery students towards artificial intelligence and to determine the relationship between these attitudes and socio-demographic variables. This study is cross-sectional and descriptive in nature. Materials and Methods: The population of the study consists of 323 midwifery students enrolled in a public university, and the sample includes 301 students. Data were collected through face-to-face interviews using a questionnaire. Results: The study found that the majority of midwifery students (59.1%) were unaware that artificial intelligence is used in the healthcare field, and 75.7% of them reported not using artificial intelligence themselves. Additionally, most students (83.7%) stated that artificial intelligence should be used in their educational processes and professional lives after graduation. In the study, the scores for the "Positive Attitude" and "Negative Attitude" subscales of the scale used to evaluate the students' attitudes towards artificial intelligence were determined. The scores from the "Positive Attitude" subscale ranged from 18 to 60, with an average of 44.76 ± 6.78 points. The scores from the "Negative Attitude" subscale ranged from 8 to 40, with an average of 26.45 ± 4.36 points. In analyses based on certain socio-demographic characteristics, various factors were found to affect attitudes towards artificial intelligence. The analysis showed that students living in dormitories exhibited a more positive attitude towards artificial intelligence compared to those living at home with their families (P < 0.05). Conclusion: It is recommended that artificial intelligence be integrated into the midwifery undergraduate curriculum and that more comprehensive studies be conducted to increase midwifery students' positive attitudes towards artificial intelligence.

Keywords

• Artificial Intelligence
• Attitude
• Midwifery Student

References

1. 1. Tenenbaum JB, Kemp C, Griffiths TL, Goodman ND. How to grow a mind: Statistics, structure, and abstraction. Science. 2011;331(6022):1279–1285. doi: 10.1126/science.1192788
2. 2. Kaul V, Enslin S, Gross SA. History of artificial intelligence in medicine. Gastrointestinal Endoscopy. 2020;92(4):807–812. doi: 10.12691/ajnr-12-3-2
3. 3. Arslan K. Eğitimde Yapay Zeka ve Uygulamaları. Batı Anadolu Eğitim Bilimleri Dergisi. 2020;11(1):71-88. https://dergipark.org.tr/tr/download/article-file/1174773
4. 4. Davenport T, Kalakota R. The potential for artificial intelligence in healthcare. Future Healthcare Journal. 2019;6(2):94.doi:10.7861/futurehosp.6-2-94.
5. 5. Alowais SA, Alghamdi SS, Alsuhebany N, et al. Revolutionizing healthcare: the role of artificial intelligence in clinical practice. BMC Medical Education. 2023;23(1):1–15. doi: 10.1186/s12909-023-04698-z.
6. 6. AMA. Augmented intelligence in medicine [internet]. American Medical Association; 2023 [erişim: 2024 Feb 21] Erişilen: https://www.ama-assn.org/practice-management/digital/augmented-intelligence-medicine
7. 7. Şener LT, Bozkaya DN, Kıtır T. COVID-19 sürecindeki yapay zeka, dijital sağlık tanı ve tedavisindeki gelişmeler. Journal of Artificial Intelligence in Health Sciences. 2022;2(1):13–20. doi:10.52309/jaihs.v2i1.37
8. 8. Curchoe CL, Bormann CL. Artificial intelligence and machine learning for human reproduction and embryology presented at ASRM and ESHRE 2018. Journal of Assisted Reproduction and Genetics. 2019;36(4):591-600. doi: 10.1007/s10815-019-01408-x.

9. 9. De Ramón Fernández A, Ruiz Fernández D, Prieto Sánchez MT. Prediction of the mode of delivery using artificial intelligence algorithms. Computer Methods and Programs in Biomedicine 2022;219 (106740):1-8. doi: 10.1016/j.cmpb.2022.106740.
10. 10. Malani P. Artificial ıntelligence, emerging threats, and diagnostic advances—highlights from ECCMID, Europe’s largest ınfectious disease conference. JAMA. 2023;329(20):1722–1723. doi:10.1001/jama.2023.6066
11. 11. Clipper B, Batcheller J, Thomaz A, Rozga A. Artificial ıntelligence and robotics: A nurse leader’s primer. Nurse Leader. 2018;16(6):379–384. doi: 10.1016/j.mnl.2018.07.015
12. 12. Ekrem EC, Daşikan Z. Perinatal dönemde yapay zekâ teknolojisinin kullanımı. Eurasian Journal of Health Technology Assessment. 2021;5(2):147–162. doi: 10.52148/ehta.980568
13. 13. Karagöl B, Bilmez G, Şahin S, Yıldırım A. Kadın sağlığı alanında teknoloji kullanımı ve bakım. Türkiye Sağlık Araştırmaları Dergisi. 2023;4(3):59-69. https://dergipark.org.tr/tr/download/article-file/2883111
14. 14. Esen AC, Öter EG. Jinekolojik operasyonların hasta yönetimindedijital teknolojilerin ve yapay zekanın kullanımı. International Conference on Frontiers in Academic Research. 2023;499–505. https://as-proceeding.com/index.php/icfar/article/view/152
15. 15. Brocklehurst P, Infant colloborative group. A study of an intelligent system to support decision making in the management of labour using the cardiotocograph – the INFANT study protocol. BMC Pregnancy and Childbirth. 2016;16(10). doi: 10.1186/S12884-015-0780-0
16. 16. Idowu IO, Fergus P, Hussain A, et al. Artificial ıntelligence for detecting preterm uterine activity gynacology and obstertric care. 2015 IEEE International Conference on Computer and Information Technology; Ubiquitous Computing and Communications; Dependable, Autonomic and Secure Computing; Pervasive Intelligence and Computing, Liverpool, UK, 2015, pp. 215-220. doi: 10.1109/CIT/IUCC/DASC/PICOM.2015.31.
17. 17. Venkatesh KK, Strauss RA, Grotegut CA, et al. Machine learning and statistical models to predict postpartum hemorrhage. Obstetrics and Gynecology 2020;135(4):935-944. doi: 10.1097/AOG.0000000000003759
18. 18. ICM. Definition of Midwifery. In International Confederation of Midwives 2017. https://mzd.gov.cz/wp-content/uploads/wepub/9081/20318/Definition%20of%20the%20Midwife.pdf
19. 19. Kranz A, Abele H. The ımpact of artificial ıntelligence (AI) on midwifery education: A scoping review. Healthcare . 2024;12(11):1–13. doi: 10.3390/healthcare12111082
20. 20. O’Connor S, Yan Y, Thilo FJS, et al. Artificial intelligence in nursing and midwifery: A systematic review. Journal of Clinical Nursing. 2023;32(13–14):2951–2968. doi: 10.1111/JOCN.16478
21. 21. Wang YY, Wang YS. Development and validation of an artificial intelligence anxiety scale: an initial application in predicting motivated learning behavior. Interactive Learning Environments. 2022;30(4):619–634. doi: 10.1080/10494820.2019.1674887
22. 22. Aktaş Reyhan F, Dağlı E. Ebelik öğrencilerin yapay zekâ kaygı durumlarının değerlendirilmesi. J Cumhuriyet Univ Health Sci Inst. 2023; 8 (Special Issue), 290–296. doi: 10.51754/cusbed.1286594
23. 23. Kaya F, Aydin F, Schepman A, Rodway P, et al. The roles of personality traits, AI anxiety, and demographic factors in attitudes toward artificial ıntelligence. International Journal of Human-Computer Interaction, 2024;40(2):497–514. doi: 10.1080/10447318.2022.2151730
24. 24. Yılmaz Y, Uzelli Yılmaz D, Yıldırım D, Akın Korhan E, Özer Kaya D. Yapay zeka ve sağlıkta yapay zekanın kullanımına yönelik sağlık bilimleri fakültesi öğrencilerinin görüşleri. Süleyman Demirel Üniversitesi Sağlık Bilimleri Dergisi. 2021;12(3):297-308. doi.org/10.22312/sdusbed.950372
25. 25. Doğan PK, Doğan İ, Çetinkayalı G. Spor Bilimleri Öğrencilerinin Yapay Zekaya Yönelik Tutumları ile İş Bulma Kaygıları Arasındaki İlişkinin İncelenmesi. Yalova University Journal of Sports Sciences. 2023;2(3):174–189. https://dergipark.org.tr/tr/download/article-file/3407883
26. 26. Kandemir F, Azizoğlu F. Examining nurses’ general attitudes towards artificial ıntelligence. Yoğun Bakım Hemşireliği Dergisi. 2024;28(2):113-125. doi: 10.62111/ybhd.1502758
27. 27. Mart M, Kaya G. Okul öncesi öğretmen adaylarının yapay zekâya yönelik tutumları ve yapay zekâ okur yazarlığı arasındaki ilişkinin incelenmesi. Edutech Research. 2024;2(1):91–109. https://edutechres.com/tr-tr/arsiv/2024/2/1/
28. 28. Banaz E, Maden S. Türkçe öğretmen adaylarının yapay zekâ tutumlarinin farklı deği̇şkenler açısında ı̇ncelenmesi̇. Trakya Eğitim Dergisi. 2024;14(2):1173–1180. doi: 10.24315/tred.1430419
29. 29. Kum Ö. Grafik tasarım bölümü öğrencilerinin yapay zekaya yönelik tutumları (Tokat ili örneği). Ekev Akademi Dergisi. 2023;96:172–181. doi: 10.17753/sosekev.1381995
30. 30. Kırkar D, Buzlukçu C. Turizm eğitimi alan lisans öğrencilerinin yapay zekâya yönelik genel tutumlarının belirlenmesi. Turk Turizm Arastirmalari Dergisi. 2024;8(3):205–216. doi: 10.26677/tr1010.2024.1442