Attitudes Toward Artificial Intelligence Among Audiologists and Speech-Language Pathologists: A Comparative Study

Yıl 2025, Cilt: 8 Sayı: 3, 160 - 177, 31.12.2025

Merve İkiz Bozsoy , Merve Nur Sarıyer Temelli

https://doi.org/10.58563/dkyad-2025.83.1

Öz

Purpose: This study aimed to compare the attitudes of audiologists and speech-language pathologists (SLPs) toward artificial intelligence (AI) and to investigate the effect of the participants’ professional characteristics such as education level, duration of professional experience, workplace setting on these attitudes.

Method: A total of 157 professionals from Türkiye, participated in the study, including 87 audiologists (73 females, 14 males) and 70 SLPs (60 females, 10 males). Participants completed a Demographic and Professional Characteristics Information Form, and the General Attitudes to Artificial Intelligence Scale (GAAIS).

Results: Audiologists obtained mean scores of 46.49 ± 6.05 on the Positive GAAIS (P-GAAIS) and 23.52 ± 5.27 on the Negative GAAIS (N-GAAIS). Corresponding scores for SLPs were 45.54 ± 6.23 and 22.12 ± 4.78, respectively. No significant differences were observed between audiologists and SLPs on either subscale (p >.05). Among audiologists, attitudes toward AI did not differ significantly according to education level, years of professional experience, or workplace setting (p >.05). In contrast, P-GAAIS scores differed significantly among SLPs based on workplace setting (p = .01), with post-hoc analyses revealing differences between professionals working in private clinics and those employed in special education centers (p = .007).

Conclusion: The findings indicate that both audiologists and SLPs generally demonstrate positive and comparable attitudes toward AI. These results suggest a favorable professional climate for the adoption of AI-based technologies in audiology and speech-language therapy. Supporting positive attitudes and promoting the evidence-based integration of AI into clinical practice may facilitate its effective and responsible use in these fields.

Anahtar Kelimeler

artificial intelligence , attitudes , audiologists , speech-language pathologists , health

Teşekkür

The preliminary findings of this study examining speech and language therapists’ attitudes toward artificial intelligence were presented at the 12th International Congress on Speech and Language Disorders under the title “An Examination of Speech and Language Therapists’ General Attitudes Toward Artificial Intelligence: Preliminary Results.” We would like to thank Rana Sarpkaya for presenting the preliminary findings of this study at the 12th International Congress on Speech and Language Disorders.

Odyologlar ve Dil-Konuşma Terapistlerinin Yapay Zekâya Yönelik Tutumlarının Karşılaştırmalı Olarak İncelenmesi

Öz

Amaç: Yapay zekâ (YZ), makineler veya sistemler aracılığıyla insan zekâsını taklit eden, makine öğrenmesi ile derin öğrenme gibi birçok alt alanı kapsayan, hızla gelişmekte olan bir teknolojidir. YZ’nin kullanımı; ekonomi, hukuk, sağlık hizmetleri, bilimsel araştırma ve eğitim gibi insan yaşamının pek çok boyutu üzerindeki önemli etkisi nedeniyle dünya genelinde dikkat çekmektedir. YZ’nin potansiyel uygulamaları; diş hekimliği, oftalmoloji, eczacılık ve radyoloji gibi klinik hizmet alanlarında araştırılmaktadır. Bunların yanında, YZ uygulamalarının, odyoloji ve dil ve konuşma terapisi alanlarına da önemli yenilikler getirme potansiyeline sahip olduğu belirtilmektedir. Bu uygulamalar; odyoloji alanında işitme değerlendirmelerinin yapılmasından, işitme cihazı ve koklear implant programlamalarının yapılmasına, işitsel rehabilitasyon süreçlerinin optimize edilmesine kadar geniş bir yelpazeyi kapsamaktadır. Dil ve konuşma terapisi alanında ise, bireylerin konuşma örüntülerini ve kalıplarını tespit ederek kekemelik rehabilitasyonunda kişiye özel terapi planlarının oluşturulmasına, benzer şekilde afazi rehabilitasyonunda kişiselleştirilmiş rehabilitasyon planlarının sunulmasına yardımcı olabileceği belirtilmektedir (ElHennawy, 2024). YZ uygulamaları son yıllarda dil ve konuşma terapisi alanında, larinks hastalıklarının tanı ve tedavisinde de uygulanabilir bir araç haline gelmiştir. YZ’nin sunduğu tüm olanaklara rağmen, sağlık sistemine entegrasyonu çeşitli zorlukları da beraberinde getirmektedir. Bu zorluklar arasında; etik sorunlar, veri gizliliğinin ihlali ve bilimsel sınırlılıklar yer almaktadır. Bu zorluklar ile teknolojinin yasal ve etik boyutları göz önüne alındığında, sağlık profesyonellerinin bu araçlara uyum sağlaması ve onları etkin bir şekilde kullanması büyük önem taşımaktadır. Yapılan çalışmalar, sağlık profesyonellerinin YZ araçlarına uyum sağlamaları ve YZ araçlarını etkin bir şekilde kullanabilmeleri için, YZ’ye yönelik tutumlarına ve farkındalıklarına odaklanılması gerektiğini göstermektedir. Bu bilgiler doğrultusunda ve YZ teknolojilerinin odyoloji ve dil ve konuşma terapisi alanlarında artan önemi nedeniyle, odyologların ve dil ve konuşma terapistlerinin (DKT) YZ’ye yönelik farkındalıklarına ve tutumlarına odaklanmanın önemli olduğu düşünülmüştür. Bu çalışmada, odyologlar ve DKT’lerin YZ’ye yönelik tutumlarının incelenmesi ve karşılaştırılması, ayrıca odyologlar ve DKT’lerin eğitim düzeyi, mesleki deneyim süresi, çalışma ortamı gibi mesleki özelliklerinin YZ’ye yönelik tutumlar üzerine olan etkisinin araştırılması amaçlanmıştır.

Yöntem: Çalışmaya 87 odyolog ve 70 dil ve konuşma terapistinden oluşan 157 birey dahil edilmiştir. Çalışma kapsamında, katılımcılardan Demografik ve Mesleki Özellikler Bilgi Formu’nu ve Yapay Zekaya Yönelik Genel Tutum Ölçeği’ni Google Forms aracılığıyla doldurmaları istenmiştir.

Bulgular: Odyologlar Pozitif Tutum Alt Ölçeği ve Negatif Tutum Alt Ölçeği’nden sırasıyla ortalama 46.49 ± 6.05 ve 23.52 ± 5.27 puan elde etmiştir. DKT’ler ise Pozitif Tutum Alt Ölçeği’nden ortalama 45.54 ± 6.23, Negatif Tutum Alt Ölçeği’nden ise 22.12 ± 4.78 puan elde etmiştir. İstatistiksel analizler, iki grup arasında Pozitif Tutum Alt Ölçeği (p = .33) ve Negatif Tutum Alt Ölçeği (p = .87) puanları açısından anlamlı bir fark olmadığını göstermiştir. DKT’lerin Pozitif Tutum Alt Ölçeği puanlarında çalışma ortamına göre anlamlı bir fark tespit edilmiştir (p = .01). Post-hoc analizler, bu farkın, özel kliniklerde çalışan DKT’lerin, özel eğitim merkezlerinde çalışanlara göre YZ’ye yönelik istatistiksel olarak anlamlı düzeyde daha pozitif tutumlara sahip olmalarından kaynaklandığını ortaya koymuştur (p = .007).

Sonuç: Çalışmanın bulguları, odyologlar ve dil ve konuşma terapistlerinin genel olarak yapay zekâya karşı olumlu ve benzer tutumlar sergilediklerini ortaya koymuştur. Bu durum, her iki meslek grubunun da sağlık alanındaki dijital dönüşüme açık olduğunu ve YZ teknolojilerinin klinik uygulamalarda kullanım potansiyelini benimseyebileceklerini göstermektedir. Elde edilen sonuçlar, YZ tabanlı teknolojilerin odyoloji ve dil-konuşma terapisi alanlarında kabulünü ve benimsenmesini teşvik etmede önemli bir referans kaynağı olarak değerlendirilebilir. Sağlık profesyonellerinin YZ’ye karşı mevcut olumlu tutumlarının desteklenmesi ve güçlendirilmesi; ayrıca YZ teknolojilerinin odyoloji ile dil ve konuşma terapisi alanlarındaki klinik uygulamalara etkili, güvenli ve kanıta dayalı biçimde entegre edilmesinin aktif olarak teşvik edilmesi önemlidir. Sonuç olarak, YZ’nin odyoloji ve dil-konuşma terapisi alanlarında benimsenmesini ve etkin kullanılmasını destekleyecek kapsamlı eğitim, farkındalık ve politika çalışmaları büyük önem taşımaktadır.

Anahtar Kelimeler

yapay zeka , tutum , odyologlar , dil ve konuşma terapistleri , sağlık

Teşekkür

Bu çalışmanın dil ve konuşma terapistlerinin yapay zekaya yönelik tutumlarını inceleyen ön bulguları XII. Uluslararası Katılımlı Dil ve Konuşma Bozuklukları kongresinde “Dil ve Konuşma Terapistlerinin Yapay Zekaya Yönelik Genel Tutumlarının İncelenmesi: Preliminer Sonuçlar” başlığı ile sunulmuştur. Bu çalışmanın ön bulgularını XII. Uluslararası Katılımlı Dil ve Konuşma Bozuklukları Kongresi'nde sunduğu için Rana Sarpkaya'ya teşekkür ederiz.

Kaynakça

• Aggarwal, K., Ravi, R., & Yerraguntla, K. (2025a). Artificial intelligence and patient care: Perspectives of audiologists and speech-language pathologists. Intelligence-Based Medicine, 11, 1–5. https://doi.org/10.1016/j.ibmed.2025.100214
• Aggarwal, K., Ravi, R., & Yerraguntla, K. (2025b). Use of artificial intelligence tools by audiologists and speech-language therapists: An international survey of academicians. Journal of Otology, 20(1), 20–25. https://doi.org/10.26599/JOTO.2025.9540004
• Al-Banna, A.-K., Edirisinghe, E., Fang, H., & Hadi, W. (2022). Stuttering disfluency detection using machine learning approaches. Journal of Information & Knowledge Management, 21(02), 2250020. https://doi.org/10.1142/S0219649222500204
• Austin, J., Benas, K., Caicedo, S., Imiolek, E., Piekutowski, A., & Ghanim, I. (2024). Perceptions of artificial intelligence and ChatGPT by speech-language pathologists and students. American Journal of Speech-Language Pathology, 34(1), 174–200. https://doi.org/10.1044/2024_AJSLP-24-00218
• Boyacı, H., & Söyük, S. (2025). Healthcare workers’ readiness for artificial intelligence and organizational change: A quantitative study in a university hospital. BMC Health Services Research, 25(1), 1–16. https://doi.org/10.1186/S12913-025-12846-Y
• ElHennawy, S. M. (2024). The impact of artificial intelligence (AI) in the assessment and treatment of communication disorders (A review of literature). The Egyptian Journal of Language Engineering, 11(2), 36–45. https://doi.org/10.21608/ejle.2024.303151.1069
• Frosolini, A., Franz, L., Caragli, V., Genovese, E., de Filippis, C., & Marioni, G. (2024). Artificial intelligence in audiology: A scoping review of current applications and future directions. Sensors, 24(22), 1–21. https://doi.org/10.3390/s24227126
• Habib, M. M., Hoodbhoy, Z., & Siddiqui, M. A. R. (2024). Knowledge, attitudes, and perceptions of healthcare students and professionals on the use of artificial intelligence in healthcare in Pakistan. PLOS Digital Health, 3(5), 1–14. https://doi.org/10.1371/journal.pdig.0000443
• Hasan, H. E., Jaber, D., Al Tabbah, S., Lawand, N., Habib, H. A., & Farahat, N. M. (2024). Knowledge, attitude and practice among pharmacy students and faculty members towards artificial intelligence in pharmacy practice: A multinational cross-sectional study. PLOS ONE, 19(3), 1–24. https://doi.org/10.1371/journal.pone.0296884
• Kamalov, F., Santandreu Calonge, D., & Gurrib, I. (2023). New era of artificial intelligence in education: Towards a sustainable multifaceted revolution. Sustainability, 15(16), 1–27. https://doi.org/10.3390/su151612451
• Kandemir, F., & Azizoğlu, F. (2024). Hemşirelerin yapay zekaya yönelik genel tutumlarının incelenmesi. Yoğun Bakım Hemşireliği Dergisi, 28(2), 113–125. https://doi.org/10.62111/ybhd.1502758
• Kaya, F., Aydin, F., Schepman, A., Rodway, P., Yetişensoy, O., & Demir Kaya, M. (2024). The roles of personality traits, AI anxiety, and demographic factors in attitudes toward artificial intelligence. International Journal of Human–Computer Interaction, 40(2), 497–514. https://doi.org/10.1080/10447318.2022.2151730
• Khan Rony, M. K., Akter, K., Nesa, L., Islam, M. T., Johra, F. T., Akter, F., Uddin, M. J., Begum, J., Noor, Md. A., Ahmad, S., Tanha, S. M., Khatun, Most. T., Bala, S. Das, & Parvin, Mst. R. (2024). Healthcare workers’ knowledge and attitudes regarding artificial intelligence adoption in healthcare: A cross-sectional study. Heliyon, 10(23), 1–15. https://doi.org/10.1016/j.heliyon.2024.e40775
• Kumi, E., Osei, H. V., Asumah, S., & Yeboah, A. (2024). The impact of technology readiness and adapting behaviours in the workplace: a mediating effect of career adaptability. Future Business Journal, 10(1), 1–19. https://doi.org/10.1186/s43093-024-00355-z
• Mahmoud, S. S., Kumar, A., Li, Y., Tang, Y., & Fang, Q. (2021). Performance evaluation of machine learning frameworks for aphasia assessment. Sensors, 21(8), 1–15. https://doi.org/10.3390/s21082582
• Perrier, E., Rifai, M., Terzic, A., Dubois, C., & Cohen, J. F. (2022). Knowledge, attitudes, and practices towards artificial intelligence among young pediatricians: A nationwide survey in France. Frontiers in Pediatrics, 10, 1–11. https://doi.org/10.3389/FPED.2022.1065957/BIBTEX
• Schepman, A., & Rodway, P. (2020). Initial validation of the general attitudes towards Artificial Intelligence Scale. Computers in Human Behavior Reports, 1, 1–13. https://doi.org/10.1016/j.chbr.2020.100014
• Schepman, A., & Rodway, P. (2023). The general attitudes towards artificial intelligence scale (GAAIS): Confirmatory validation and associations with personality, corporate distrust, and general trust. International Journal of Human–Computer Interaction, 39(13), 2724–2741. https://doi.org/10.1080/10447318.2022.2085400
• Suvvari, T. K. (2023). The role of artificial intelligence in diagnosis and management of laryngeal disorders (Correspondence). Ear, Nose & Throat Journal, 00(0), 1–2. https://doi.org/10.1177/01455613231175053
• Trenerry, B., Chng, S., Wang, Y., Suhaila, Z. S., Lim, S. S., Lu, H. Y., & Oh, P. H. (2021). Preparing workplaces for digital transformation: an integrative review and framework of multi-level factors. Frontiers in Psychology, 12, 1–24. https://doi.org/10.3389/FPSYG.2021.620766/XML
• Warren, S. E., Lopez, L. C., Anthony, T., & Coco, L. (2024). Communication public health: An integration of audiology, speech-language pathology, and public health. Journal of Speech, Language, and Hearing Research, 67, 1–18. https://doi.org/10.1044/2024_JSLHR-23-0049
• Yüzbaşıoğlu, E. (2021). Attitudes and perceptions of dental students towards artificial intelligence. Journal of Dental Education, 85(1), 60–68. https://doi.org/10.1002/jdd.12385