Araştırma Makalesi
BibTex RIS Kaynak Göster

ENDÜSTRİ 4.0’IN SAĞLIK SEKTÖRÜNE ETKİSİNDE DEMOGRAFİK ÖZELLİKLERİN DÜZENLEYİCİ ROLÜ

Yıl 2020, , 743 - 776, 28.12.2020
https://doi.org/10.17065/huniibf.684717

Öz

Sağlık 4.0’da gelinen nihai durum, sağlık teknolojilerinin radyoloji bölümünde yoğun bir şekilde kullanıldığını ve bu alanda çalışan personelin sağlık teknolojilerine yönelik tutumunu ve kabul niyetini açıklayan araştırmalar yapılması gerektiğini ortaya koymaktadır. Çalışmada veri analizi aritmetik ortalama, standart sapma gibi betimsel analiz tekniklerini içermektedir. Analizler algılanan fayda, algılanan kullanım kolaylığı, tutum ve niyet yoluyla demografik özelliklerin düzenleyici rolüne odaklanmaktadır. Araştırma sonucunda fayda algısının tutum üzerindeki etkisinde yaş, mesleki deneyim süresi ve aylık gelirin; fayda algısının niyet üzerindeki etkisinde mesleki deneyim süresinin kısmi düzenleyici etkiye sahip olduğu görülmüştür. Ayrıca, kullanım kolaylığı algısının tutum üzerindeki etkisinde yaş, medeni durum ve mesleki deneyim süresinin; kullanım kolaylığı algısının niyet üzerindeki etkisinde ise medeni durumun kısmi düzenleyici etkiye sahip olduğu belirlenmiştir. Tutumun kabul niyeti üzerindeki etkisinde öğrenim düzeyinin ise tam düzenleyici etkiye sahip olduğu sonucuna ulaşılmıştır.

Kaynakça

  • Ahuja, A.S. (2019), “The Impact of Artificial Intelligence in Medicine on the Future Role of The Physician”, Peer Journal, 7, e7702. https://doi.org/10.7717/peerj.7702 ET.; 12.01.2019.
  • Akbaba, A.İ. (2018), “Dördüncü Endüstri Devrimine Geçiş Sürecinde Üç Boyutlu Yazıcı Kullanımının Teknoloji Kabul Modeliyle Ölçümlenmesi: Otomotiv Endüstrisinde Bir Araştırma”, Doktora Tezi, Atatürk Üniversitesi Sosyal Bilimler Enstitüsü, Erzurum, 113.
  • Aksu, G., M.T. Eser, C.O. Güzeller (2017), Açımlayıcı ve Doğrulayıcı Faktör Analizi ile Yapısal Eşitlik Modeli Uygulamaları, Ankara: Detay Yayıncılık.
  • Al-Gahtani, S.S., M. King (1999), “Attitudes, Satisfaction and Usage: Factors Contributing to Each in The Acceptance of Information Technology”, Behaviour and Information Technology, 18(4), 277-297.
  • Altunışık, R., R. Coşkun, S. Bayraktaroğlu, E. Yıldırım (2012), Sosyal Bilimlerde Araştırma Yöntemleri SPSS Uygulamalı, 7. Basım, Adapazarı: Sakarya Kitabevi.
  • Brink, J.A., R.L. Arenson, T.M. Grist, J.S. Lewin, D. Enzmann (2017), “Bits ang Bytes: The Future of Radiology Lies in Informatics and Information Technology”, Eur Radiol., 27, 3647–3651.
  • Büyüköztürk, Ş. (2018), Sosyal Bilimler için Veri Analizi El Kitabı: İstatistik, Araştırma Deseni SPSS Uygulamaları ve Yorum, 24. Baskı, Pagem Akademi Yayıncılık, Ankara.
  • Çakar, M.M. (2018), “Girişimcilerin Bilgi Teknolojilerini Kullanma Nedenlerinin Teknoloji Kabul Modeli Kapsamında Analizi: Manisa İli Örneği”, Yüksek Lisans Tezi, İzmir Kâtip Çelebi Üniversitesi Sosyal Bilimler Enstitüsü, İzmir, 96-98.
  • Davis, F.D. (1986), “The Technology Acceptance Model for Empirically Testing New End user Information Systems: Theory and Results”, PhD Thesis, Mit Sloan School of Management, 233-250.
  • Davis, F.D. (1989), “Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology”, MIS Quarterly, 13(3), 319–39.
  • Gordon, R., M. Perlman, M. Shukla (2017), “The Hospital of The Future: How Digital Technologies Can Change Hospitals Globally", [online] Available: https://www2.deloitte.com/content/dam/Deloitte/global/Documents/Life-Sciences-Health-Care/us-lshc-hospital-of-the-future.pdf, 1-26.
  • Gottumukkala, R.V., T.Q. Le, R.J. Duszak, A.M. Prabhakar (2018), “Radiologists Are Actually Well Positioned to Innovate in Patient Experience, Current Problems in Diagnostic Radiology”, 47(4), 206–208.
  • Hayes, A.F., A.K. Montoya, N.J. Rockwood (2017), “The Analysis of Mechanisms and Their Contingencies: Process Versus Structural Equation Modeling”, Australasian Marketing Journal, 25, 76–81.
  • Hayes, A.F. (2013), “Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-based Approach”, New York, NY: The Guilford Press.
  • Holden, R.J., B.A. Karsh (2009), “Theoretical Model of Health Information Technology Usage Behaviour with Implications for Patient Safety”, Behaviour Information Technology; 28(1), 21–38.
  • Jha, S., E.J. Topol (2016), “Adapting to Artificial Intelligence: Radiologists and Pathologists as Information Specialist”, JAMA, 316(22), 2353-2354.
  • Kabakuş, A.K. (2015), “Kamu Hastaneleri Bilgi Sistemlerinin Bulut Bilişim Teknolojilerine Geçme Kararının Teknoloji Kabul Modeliyle Ölçümlenmesi”, Doktora Tezi, Atatürk Üniversitesi Sosyal Bilimler Enstitüsü, Erzurum, 142.
  • Kagermann, H., W.D. Lukas, W. Wahlster (2011), "Industrie 4.0: Mit dem Internet der Dinge auf dem Weg zur 4. Industriellen Revolution", VDI Nachrichten, 13(11).
  • Kagermann, H., W. Wahlster, J. Helbig (2013), “Recommendations For Implementing The Strategic Initiative Industrie 4.0: Final Report of the Industrie 4.0 Working Group”, Ulrike Findeklee: Acatech – National Academy of Science and Engineering, April, 13-78.
  • Kang, K., Z.B. Pang, L.D. Xu, L.Y. Ma, C. Wang (2014),"An Interactive Trust Model for Application Market of The Internet of Things", IEEE Transactions on Industrial Informatics, 10(2), 1516-1526.
  • Karahanna, E., R. Agarwall, C.M. Angst (2006), “Reconceptualizing Compatibility Beliefs in Technology Acceptance Research”, Management Information Systems Research Centre, 30(4), 781-804.
  • King-Jr, B. (2018), “Artificial Intelligence and Radiology: What Will The Future Hold?” Journal of the American College of Radiology, 15(3), 501–503.
  • Kruskal, J.B., S. Berkowitz, J.R. Geis, W. Kim, P. Nagy, K. Dreyer (2017), “Big Data and Machine Learning-strategies for Driving This Bus: A Summary of The 2016 Intersociety Summer Conference”, Journal of American College of Radiologists, 14(6), 811–817.
  • Li, J., R. Paoloni, L. Li, J. Callen., J.I. Westbrook, W.B. Runciman, A. Georgiou (2020), “Does Health Information Technology Improve Acknowledgement of Radiology Results for Discharged Emergency Department Patients? A Before and After Study”, BMC Medical Informatics and Decision Making, 20,100.
  • Liew, C. (2018), “The Future of Radiology Augmented with Artificial Intelligence: A Strategy for Success”, European Journal of Radiology, 102, 152–156.
  • Lin, R., Z. Ye, H. Wang, B. Wu (2018), "Chronic Diseases and Health Monitoring Big Data: A Survey", IEEE Reviews Biomedical Engineering, (11), 275-288.
  • Ma, W.M., R. Andersson, K.O. Streith (2005), “Examining User Acceptance of Computer Technology: an Empirical Study of Student Teachers”, Journal of Computer Assisted Learning, 21, 387-395.
  • Neuman, M.R., G.D. Baura, S. Meldrum, O. Soykan, M.E. Valentinuzzi, R.S. Leder, S. Micera, Y.T. Zhang (2012), “Advances in Medical Devices and Medical Electronics” Proceedings of the IEEE, (100), 1537-1550.
  • Özsoylu, A.F. (2017), “Endüstri 4.0”, Çukurova Üniversitesi İktisadi İdari Bilimler Dergisi, 21(1), 41-64.
  • Öztaş, B., H. Bulut (2016), “Radyoloji ve Girişimsel Radyoloji Hemşireliği”, Ege Üniversitesi Hemşirelik Fakültesi Dergisi, 32(3), 127-134.
  • Öztemel, E. (2018), “Eğitimde Yeni Yönelimlerin Değerlendirilmesi ve Eğitim 4.0”, Üniversite Araştırma Dergisi, 1(1), 25-30.
  • Pang, Z., G. Yang, R. Khedri, Y.T. Zhang (2018), “Introduction to the Special Section: Convergence of Automation Technology, Biomedical Engineering, and Health Informatics Toward the Healthcare 4.0,” IEEE Revıews in Biomedical Engineering, (11), 249-259.
  • Pazvant, E. (2017), “Nesnelerin İnterneti Teknolojisine Sahip Ürünlerin Kullanım Niyetinin Teknoloji Kabul Modeli ile Değerlendirilmesi”, Yüksek Lisans Tezi, Düzce Üniversitesi Sosyal Bilimler Enstitüsü, Düzce, 62-65.
  • Recht, M., R.N. Bryan (2017), “Artificial Intelligence: Threat or Boon to Radiologists?,” Journal of American College of Radiologists, 14(11), 1476–1480.
  • Rüssmann, M., M. Lorenz, P. Gerbert, M. Waldner, J. Justus, P. Engel, M. Harnisch (2015), “Industry 4.0 The Future of Productivity and Growth in Manufacturing Industries”, Boston Consulting Group, 1-20.
  • Schlaepfer, R.C., M. Koc (2015), Deloitte AG, “Industry 4.0: Challenges and Solutions for the Digital Transformation and Use of Exponential Technologies”, Audit, Tax, Consulting, Corporate Finance.
  • Schlechtendahl, J., M. Keinert, F. Kretschmer, A. Lechler, A. Verl (2015), “Making Existing Production Systems Industry 4.0-ready”, Production Engineering, (9), 143-148. doi:10.1007/ s11740-014-0586-3.
  • Schwab, K. (2016), Dördüncü Sanayi Devrimi, Çev. Zülfü Dicleli, İstanbul: Optimist Yayıncılık.
  • Şenol, U., A. Aktaş, O. Saka (2007), “Radyoloji Bilgi Sistemi, Akademik Bilişim” 07- IX. Akademik Bilişim Konferansı Bildirileri, Dumlupınar Üniversitesi, Kütahya, 431-433.
  • Tang, B., R. Tam, A.C. Cadrin, W. Konuk, J. Chong, J. Barfett, L. Chepelev, R. Cairns, R. Mitchell, M.D. Cicero, M.G. Poudrette, J.L. Jaremko, C. Reinhold, B. GallixGray, R. Geis, (2018), “Canadian Association of Radiologists White Paper on Artificial Intelligence in Radiology”, Canadian Association of Radiologists Journal, 69(2), 120-135.
  • Takma, Ç., H. Atıl (2003), “Bootstrap Metodu ve Uygulanışı Üzerine Bir Çalışma 1. Olasılık ve Bootstrap Metodu”, Ege Üniversitesi Ziraat Fakültesi Dergisi, 40(3).
  • Tat, H.C. (2018), “Sağlık Sektöründe Hastane Bilgi Sistemi Kullanımının Teknoloji Kabul Modeli ile İncelenmesi”, Yüksek Lisans Tezi, Akdeniz Üniversitesi Sosyal Bilimler Enstitüsü, Antalya, 61-65.
  • Tezbaşaran, A.A. (2008), “Likert Tipi Ölçek Hazırlama Kılavuzu”. [Elektronik sürüm]. URL: http://www.academia.edu/1288035/Likert_Tipi_Ölçek_Hazırlama_Kılavuz, E.T.:12.01.2019.
  • Turan, A.H., B.E. Çolakoğlu (2008), “Yüksek Öğrenimde Öğretim Elemanlarının Teknoloji Kabulü ve Kullanımı: Adnan Menderes Üniversitesinde Ampirik Değerlendirme”, Doğuş Üniversitesi Dergisi, 9(1), 106-121.
  • Tutar, H., D. Terzi, G. Tınmaz (2018), “Türkiye’nin Vizyon 2023 Stratejisi ile Almanya’nın 2025 Stratejik Hedeflerinin Endüstri 4.0 Göstergeleri İtibariyle Karşılaştırılması”, International Journal Entrepreneurship and Management Inquiries, 2(3), 195-212.
  • TÜBİTAK, (2004), Ulusal Bilim ve Teknoloji Politikaları: 2003-2023 Strateji Belgesi, Ankara.
  • Uppot, R.N., B. Laguna, C.J. McCarthy, G.D. Novi, A. Phelps, E. Siegel, J. Courtier (2019), “Implementing Virtual and Augmented Reality Tools for Radiology Education and Training, Communication, and Clinical Care”, Radiology, 291(3), 570–580.
  • Venkatesh, V. (2000), “Determinants of Perceived Ease of Use: Integrating Control, Intrinsic Motivation, and Emotion into The Technology Acceptance Model”, INFORMS; 11(4), 342–365.
  • Wang, Y. (2018), "Trust Quantification for Networked Cyber-physical Systems", IEEE Internet Things Journal, 5(39), 2055-2070. William, M.D. (2014), “Industrie 4.0-Smart Manufacturing For The Future”, Berlin: Germany Trade & Invest.
  • Wu, W., H. Zhang, S. Pirbhulal, S.C. Mukhopadhyay, Y.T. Zhang (2015), "Assessment of Biofeedback Training for Emotion Management Through Wearable Textile Physiological Monitoring System", IEEE Sensors Journal, 15(12), 7087-7095.
  • Yamane, T. (2001), Temel Örnekleme Yöntemleri, Çeviren: A. Esin. M.A. Bakır, C. Aydın. E. Gürbüzsel, Litaratür Yayınları, İstanbul.
  • Yang, G., L. Xie, M. Mäntysalo, X. Zhou (2014), "A Health-IoT Platform Based on The Integration of Intelligent Packaging Unobtrusive Bio-sensor and Intelligent Medicine Box". IEEE Transaction Industial Information, 10(4), 2180-2191.
  • Zheng, Y.L. (2014), "Unobtrusive Sensing and Wearable Devices for Health Informatics", IEEE Transaction Biomedical Engineering, 61(5), 1538-1554.

MODERATING ROLE OF DEMOGRAPHIC PROPERTIES ON INDUSTRY 4.0’S EFFECT ON HEALTHCARE SECTOR: AN APPLICATION USING THE TECHNOLOGY ACCEPTANCE MODEL

Yıl 2020, , 743 - 776, 28.12.2020
https://doi.org/10.17065/huniibf.684717

Öz

The latest situation in Health 4.0 reveals that health technologies are widely used in the radiology department and researches explaining the attitude and intention of the staff working in this field towards health technologies are needed. Data analysis included descriptive analysis techniques such as arithmetic mean and standard deviation in this study. Analysis focusing on perceived benefit, perceived ease of use, and the regulatory role of demographic properties through attitude and intention. Findings showed that the effect of perceived benefit on attitude is related to age, working duration and monthly income; the effect of perceived benefit on intention is related to working duration; the effect of perceived ease of use on attitude is related to age, marital status and working duration and the effect of perceived ease of use on intention is related to marital status. The effect of attitude on intent to accept, on the other hand, is fully related to the level of education .

Kaynakça

  • Ahuja, A.S. (2019), “The Impact of Artificial Intelligence in Medicine on the Future Role of The Physician”, Peer Journal, 7, e7702. https://doi.org/10.7717/peerj.7702 ET.; 12.01.2019.
  • Akbaba, A.İ. (2018), “Dördüncü Endüstri Devrimine Geçiş Sürecinde Üç Boyutlu Yazıcı Kullanımının Teknoloji Kabul Modeliyle Ölçümlenmesi: Otomotiv Endüstrisinde Bir Araştırma”, Doktora Tezi, Atatürk Üniversitesi Sosyal Bilimler Enstitüsü, Erzurum, 113.
  • Aksu, G., M.T. Eser, C.O. Güzeller (2017), Açımlayıcı ve Doğrulayıcı Faktör Analizi ile Yapısal Eşitlik Modeli Uygulamaları, Ankara: Detay Yayıncılık.
  • Al-Gahtani, S.S., M. King (1999), “Attitudes, Satisfaction and Usage: Factors Contributing to Each in The Acceptance of Information Technology”, Behaviour and Information Technology, 18(4), 277-297.
  • Altunışık, R., R. Coşkun, S. Bayraktaroğlu, E. Yıldırım (2012), Sosyal Bilimlerde Araştırma Yöntemleri SPSS Uygulamalı, 7. Basım, Adapazarı: Sakarya Kitabevi.
  • Brink, J.A., R.L. Arenson, T.M. Grist, J.S. Lewin, D. Enzmann (2017), “Bits ang Bytes: The Future of Radiology Lies in Informatics and Information Technology”, Eur Radiol., 27, 3647–3651.
  • Büyüköztürk, Ş. (2018), Sosyal Bilimler için Veri Analizi El Kitabı: İstatistik, Araştırma Deseni SPSS Uygulamaları ve Yorum, 24. Baskı, Pagem Akademi Yayıncılık, Ankara.
  • Çakar, M.M. (2018), “Girişimcilerin Bilgi Teknolojilerini Kullanma Nedenlerinin Teknoloji Kabul Modeli Kapsamında Analizi: Manisa İli Örneği”, Yüksek Lisans Tezi, İzmir Kâtip Çelebi Üniversitesi Sosyal Bilimler Enstitüsü, İzmir, 96-98.
  • Davis, F.D. (1986), “The Technology Acceptance Model for Empirically Testing New End user Information Systems: Theory and Results”, PhD Thesis, Mit Sloan School of Management, 233-250.
  • Davis, F.D. (1989), “Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology”, MIS Quarterly, 13(3), 319–39.
  • Gordon, R., M. Perlman, M. Shukla (2017), “The Hospital of The Future: How Digital Technologies Can Change Hospitals Globally", [online] Available: https://www2.deloitte.com/content/dam/Deloitte/global/Documents/Life-Sciences-Health-Care/us-lshc-hospital-of-the-future.pdf, 1-26.
  • Gottumukkala, R.V., T.Q. Le, R.J. Duszak, A.M. Prabhakar (2018), “Radiologists Are Actually Well Positioned to Innovate in Patient Experience, Current Problems in Diagnostic Radiology”, 47(4), 206–208.
  • Hayes, A.F., A.K. Montoya, N.J. Rockwood (2017), “The Analysis of Mechanisms and Their Contingencies: Process Versus Structural Equation Modeling”, Australasian Marketing Journal, 25, 76–81.
  • Hayes, A.F. (2013), “Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-based Approach”, New York, NY: The Guilford Press.
  • Holden, R.J., B.A. Karsh (2009), “Theoretical Model of Health Information Technology Usage Behaviour with Implications for Patient Safety”, Behaviour Information Technology; 28(1), 21–38.
  • Jha, S., E.J. Topol (2016), “Adapting to Artificial Intelligence: Radiologists and Pathologists as Information Specialist”, JAMA, 316(22), 2353-2354.
  • Kabakuş, A.K. (2015), “Kamu Hastaneleri Bilgi Sistemlerinin Bulut Bilişim Teknolojilerine Geçme Kararının Teknoloji Kabul Modeliyle Ölçümlenmesi”, Doktora Tezi, Atatürk Üniversitesi Sosyal Bilimler Enstitüsü, Erzurum, 142.
  • Kagermann, H., W.D. Lukas, W. Wahlster (2011), "Industrie 4.0: Mit dem Internet der Dinge auf dem Weg zur 4. Industriellen Revolution", VDI Nachrichten, 13(11).
  • Kagermann, H., W. Wahlster, J. Helbig (2013), “Recommendations For Implementing The Strategic Initiative Industrie 4.0: Final Report of the Industrie 4.0 Working Group”, Ulrike Findeklee: Acatech – National Academy of Science and Engineering, April, 13-78.
  • Kang, K., Z.B. Pang, L.D. Xu, L.Y. Ma, C. Wang (2014),"An Interactive Trust Model for Application Market of The Internet of Things", IEEE Transactions on Industrial Informatics, 10(2), 1516-1526.
  • Karahanna, E., R. Agarwall, C.M. Angst (2006), “Reconceptualizing Compatibility Beliefs in Technology Acceptance Research”, Management Information Systems Research Centre, 30(4), 781-804.
  • King-Jr, B. (2018), “Artificial Intelligence and Radiology: What Will The Future Hold?” Journal of the American College of Radiology, 15(3), 501–503.
  • Kruskal, J.B., S. Berkowitz, J.R. Geis, W. Kim, P. Nagy, K. Dreyer (2017), “Big Data and Machine Learning-strategies for Driving This Bus: A Summary of The 2016 Intersociety Summer Conference”, Journal of American College of Radiologists, 14(6), 811–817.
  • Li, J., R. Paoloni, L. Li, J. Callen., J.I. Westbrook, W.B. Runciman, A. Georgiou (2020), “Does Health Information Technology Improve Acknowledgement of Radiology Results for Discharged Emergency Department Patients? A Before and After Study”, BMC Medical Informatics and Decision Making, 20,100.
  • Liew, C. (2018), “The Future of Radiology Augmented with Artificial Intelligence: A Strategy for Success”, European Journal of Radiology, 102, 152–156.
  • Lin, R., Z. Ye, H. Wang, B. Wu (2018), "Chronic Diseases and Health Monitoring Big Data: A Survey", IEEE Reviews Biomedical Engineering, (11), 275-288.
  • Ma, W.M., R. Andersson, K.O. Streith (2005), “Examining User Acceptance of Computer Technology: an Empirical Study of Student Teachers”, Journal of Computer Assisted Learning, 21, 387-395.
  • Neuman, M.R., G.D. Baura, S. Meldrum, O. Soykan, M.E. Valentinuzzi, R.S. Leder, S. Micera, Y.T. Zhang (2012), “Advances in Medical Devices and Medical Electronics” Proceedings of the IEEE, (100), 1537-1550.
  • Özsoylu, A.F. (2017), “Endüstri 4.0”, Çukurova Üniversitesi İktisadi İdari Bilimler Dergisi, 21(1), 41-64.
  • Öztaş, B., H. Bulut (2016), “Radyoloji ve Girişimsel Radyoloji Hemşireliği”, Ege Üniversitesi Hemşirelik Fakültesi Dergisi, 32(3), 127-134.
  • Öztemel, E. (2018), “Eğitimde Yeni Yönelimlerin Değerlendirilmesi ve Eğitim 4.0”, Üniversite Araştırma Dergisi, 1(1), 25-30.
  • Pang, Z., G. Yang, R. Khedri, Y.T. Zhang (2018), “Introduction to the Special Section: Convergence of Automation Technology, Biomedical Engineering, and Health Informatics Toward the Healthcare 4.0,” IEEE Revıews in Biomedical Engineering, (11), 249-259.
  • Pazvant, E. (2017), “Nesnelerin İnterneti Teknolojisine Sahip Ürünlerin Kullanım Niyetinin Teknoloji Kabul Modeli ile Değerlendirilmesi”, Yüksek Lisans Tezi, Düzce Üniversitesi Sosyal Bilimler Enstitüsü, Düzce, 62-65.
  • Recht, M., R.N. Bryan (2017), “Artificial Intelligence: Threat or Boon to Radiologists?,” Journal of American College of Radiologists, 14(11), 1476–1480.
  • Rüssmann, M., M. Lorenz, P. Gerbert, M. Waldner, J. Justus, P. Engel, M. Harnisch (2015), “Industry 4.0 The Future of Productivity and Growth in Manufacturing Industries”, Boston Consulting Group, 1-20.
  • Schlaepfer, R.C., M. Koc (2015), Deloitte AG, “Industry 4.0: Challenges and Solutions for the Digital Transformation and Use of Exponential Technologies”, Audit, Tax, Consulting, Corporate Finance.
  • Schlechtendahl, J., M. Keinert, F. Kretschmer, A. Lechler, A. Verl (2015), “Making Existing Production Systems Industry 4.0-ready”, Production Engineering, (9), 143-148. doi:10.1007/ s11740-014-0586-3.
  • Schwab, K. (2016), Dördüncü Sanayi Devrimi, Çev. Zülfü Dicleli, İstanbul: Optimist Yayıncılık.
  • Şenol, U., A. Aktaş, O. Saka (2007), “Radyoloji Bilgi Sistemi, Akademik Bilişim” 07- IX. Akademik Bilişim Konferansı Bildirileri, Dumlupınar Üniversitesi, Kütahya, 431-433.
  • Tang, B., R. Tam, A.C. Cadrin, W. Konuk, J. Chong, J. Barfett, L. Chepelev, R. Cairns, R. Mitchell, M.D. Cicero, M.G. Poudrette, J.L. Jaremko, C. Reinhold, B. GallixGray, R. Geis, (2018), “Canadian Association of Radiologists White Paper on Artificial Intelligence in Radiology”, Canadian Association of Radiologists Journal, 69(2), 120-135.
  • Takma, Ç., H. Atıl (2003), “Bootstrap Metodu ve Uygulanışı Üzerine Bir Çalışma 1. Olasılık ve Bootstrap Metodu”, Ege Üniversitesi Ziraat Fakültesi Dergisi, 40(3).
  • Tat, H.C. (2018), “Sağlık Sektöründe Hastane Bilgi Sistemi Kullanımının Teknoloji Kabul Modeli ile İncelenmesi”, Yüksek Lisans Tezi, Akdeniz Üniversitesi Sosyal Bilimler Enstitüsü, Antalya, 61-65.
  • Tezbaşaran, A.A. (2008), “Likert Tipi Ölçek Hazırlama Kılavuzu”. [Elektronik sürüm]. URL: http://www.academia.edu/1288035/Likert_Tipi_Ölçek_Hazırlama_Kılavuz, E.T.:12.01.2019.
  • Turan, A.H., B.E. Çolakoğlu (2008), “Yüksek Öğrenimde Öğretim Elemanlarının Teknoloji Kabulü ve Kullanımı: Adnan Menderes Üniversitesinde Ampirik Değerlendirme”, Doğuş Üniversitesi Dergisi, 9(1), 106-121.
  • Tutar, H., D. Terzi, G. Tınmaz (2018), “Türkiye’nin Vizyon 2023 Stratejisi ile Almanya’nın 2025 Stratejik Hedeflerinin Endüstri 4.0 Göstergeleri İtibariyle Karşılaştırılması”, International Journal Entrepreneurship and Management Inquiries, 2(3), 195-212.
  • TÜBİTAK, (2004), Ulusal Bilim ve Teknoloji Politikaları: 2003-2023 Strateji Belgesi, Ankara.
  • Uppot, R.N., B. Laguna, C.J. McCarthy, G.D. Novi, A. Phelps, E. Siegel, J. Courtier (2019), “Implementing Virtual and Augmented Reality Tools for Radiology Education and Training, Communication, and Clinical Care”, Radiology, 291(3), 570–580.
  • Venkatesh, V. (2000), “Determinants of Perceived Ease of Use: Integrating Control, Intrinsic Motivation, and Emotion into The Technology Acceptance Model”, INFORMS; 11(4), 342–365.
  • Wang, Y. (2018), "Trust Quantification for Networked Cyber-physical Systems", IEEE Internet Things Journal, 5(39), 2055-2070. William, M.D. (2014), “Industrie 4.0-Smart Manufacturing For The Future”, Berlin: Germany Trade & Invest.
  • Wu, W., H. Zhang, S. Pirbhulal, S.C. Mukhopadhyay, Y.T. Zhang (2015), "Assessment of Biofeedback Training for Emotion Management Through Wearable Textile Physiological Monitoring System", IEEE Sensors Journal, 15(12), 7087-7095.
  • Yamane, T. (2001), Temel Örnekleme Yöntemleri, Çeviren: A. Esin. M.A. Bakır, C. Aydın. E. Gürbüzsel, Litaratür Yayınları, İstanbul.
  • Yang, G., L. Xie, M. Mäntysalo, X. Zhou (2014), "A Health-IoT Platform Based on The Integration of Intelligent Packaging Unobtrusive Bio-sensor and Intelligent Medicine Box". IEEE Transaction Industial Information, 10(4), 2180-2191.
  • Zheng, Y.L. (2014), "Unobtrusive Sensing and Wearable Devices for Health Informatics", IEEE Transaction Biomedical Engineering, 61(5), 1538-1554.
Toplam 53 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Bölüm Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi
Yazarlar

Sezer Korkmaz 0000-0001-9393-5136

Özlem Gedik 0000-0003-0840-0765

Yayımlanma Tarihi 28 Aralık 2020
Gönderilme Tarihi 4 Şubat 2020
Yayımlandığı Sayı Yıl 2020

Kaynak Göster

APA Korkmaz, S., & Gedik, Ö. (2020). ENDÜSTRİ 4.0’IN SAĞLIK SEKTÖRÜNE ETKİSİNDE DEMOGRAFİK ÖZELLİKLERİN DÜZENLEYİCİ ROLÜ. Hacettepe Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi, 38(4), 743-776. https://doi.org/10.17065/huniibf.684717
AMA Korkmaz S, Gedik Ö. ENDÜSTRİ 4.0’IN SAĞLIK SEKTÖRÜNE ETKİSİNDE DEMOGRAFİK ÖZELLİKLERİN DÜZENLEYİCİ ROLÜ. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi. Aralık 2020;38(4):743-776. doi:10.17065/huniibf.684717
Chicago Korkmaz, Sezer, ve Özlem Gedik. “ENDÜSTRİ 4.0’IN SAĞLIK SEKTÖRÜNE ETKİSİNDE DEMOGRAFİK ÖZELLİKLERİN DÜZENLEYİCİ ROLÜ”. Hacettepe Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi 38, sy. 4 (Aralık 2020): 743-76. https://doi.org/10.17065/huniibf.684717.
EndNote Korkmaz S, Gedik Ö (01 Aralık 2020) ENDÜSTRİ 4.0’IN SAĞLIK SEKTÖRÜNE ETKİSİNDE DEMOGRAFİK ÖZELLİKLERİN DÜZENLEYİCİ ROLÜ. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi 38 4 743–776.
IEEE S. Korkmaz ve Ö. Gedik, “ENDÜSTRİ 4.0’IN SAĞLIK SEKTÖRÜNE ETKİSİNDE DEMOGRAFİK ÖZELLİKLERİN DÜZENLEYİCİ ROLÜ”, Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, c. 38, sy. 4, ss. 743–776, 2020, doi: 10.17065/huniibf.684717.
ISNAD Korkmaz, Sezer - Gedik, Özlem. “ENDÜSTRİ 4.0’IN SAĞLIK SEKTÖRÜNE ETKİSİNDE DEMOGRAFİK ÖZELLİKLERİN DÜZENLEYİCİ ROLÜ”. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi 38/4 (Aralık 2020), 743-776. https://doi.org/10.17065/huniibf.684717.
JAMA Korkmaz S, Gedik Ö. ENDÜSTRİ 4.0’IN SAĞLIK SEKTÖRÜNE ETKİSİNDE DEMOGRAFİK ÖZELLİKLERİN DÜZENLEYİCİ ROLÜ. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi. 2020;38:743–776.
MLA Korkmaz, Sezer ve Özlem Gedik. “ENDÜSTRİ 4.0’IN SAĞLIK SEKTÖRÜNE ETKİSİNDE DEMOGRAFİK ÖZELLİKLERİN DÜZENLEYİCİ ROLÜ”. Hacettepe Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi, c. 38, sy. 4, 2020, ss. 743-76, doi:10.17065/huniibf.684717.
Vancouver Korkmaz S, Gedik Ö. ENDÜSTRİ 4.0’IN SAĞLIK SEKTÖRÜNE ETKİSİNDE DEMOGRAFİK ÖZELLİKLERİN DÜZENLEYİCİ ROLÜ. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi. 2020;38(4):743-76.

Dergiye yayımlanmak üzere gönderilecek yazılar Dergi'nin son sayfasında ve Dergi web sistesinde yer alan Yazar Rehberi'ndeki kurallara uygun olmalıdır.


Gizlilik Beyanı

Bu dergi sitesindeki isimler ve e-posta adresleri sadece bu derginin belirtilen amaçları doğrultusunda kullanılacaktır; farklı herhangi bir amaç için veya diğer kişilerin kullanımına açılmayacaktır.