Hemşirelerin Yapay Zekâ Kaygı Düzeyleri ve Yordayıcıları: Tanımlayıcı Kesitsel Bir Çalışma

Yıl 2026, Cilt: 9 Sayı: 1, 42 - 50, 13.01.2026

İpek Köse Tosunöz , Sevgi Deniz Doğan

https://doi.org/10.38108/ouhcd.1543262

Öz

Amaç: Bu çalışma hemşirelerin yapay zekâ kaygı düzeylerini ve etkileyen faktörleri belirlemek amacıyla yapılmıştır.
Yöntem: Tanımlayıcı ve kesitsel tipte olan araştırmanın evreni, Türkiye’de çalışan hemşireler ve örneklemini ise araştırmaya katılmayı kabul eden hemşireler oluşturmuştur. Araştırma 348 hemşire ile tamamlanmıştır. Araştırmanın verileri “Kişisel Bilgi Formu” ve “Yapay Zekâ Kaygı Ölçeği” ile online toplanmıştır. Verilerin analizinde tanımlayıcı istatistikler ile Bağımsız Örneklem t testi, ANOVA ve çoklu doğrusal regresyon analizi kullanılmıştır.
Bulgular: Hemşirelerin yaş ortalamaları 30.97 ± 7.14 ve %91.1’i kadındır. Hemşirelerin %55.2’sinin hemşirelikte kullanılan yapay zekâ uygulamaları hakkında bilgi sahibi olmadıkları belirlenmiştir. Hemşirelerin ölçek toplam puan ortalaması 47.36 ± 12.84’tür. Ölçek alt boyut puan ortalamaları “Öğrenme” için 11.64 ± 4.34, “İş değişimi” için 12.31 ± 4.13, “Sosyo-teknik körlük” için 13.92 ± 3.56 ve “yapay zekâ yapılandırılması” için 9.49 ± 3.31’dir. Hemşirelerin ölçek puan ortalamalarının mesleki deneyim sürelerine ve hemşirelikte kullanılan yapay zekâ uygulamalarına yönelik bilgi sahibi olma durumlarına göre istatistiksel olarak anlamlı düzeyde farklılık gösterdiği belirlenmiştir (p<0.05). 10 yıldan az mesleki deneyim ve hemşirelikte kullanılan yapay zekâ uygulamalarına yönelik bilgi sahibi olma, yapay zekâ kaygı düzeyini sırasıyla 6.204 ve 11.708 birim artırmaktadır.
Sonuç: Hemşirelerin yapay zekâ kaygıları orta düzeydedir. Mesleki deneyim süresi ve hemşirelikte kullanılan yapay zekâ bilgisi, yapay zekâ kaygı düzeyinde önemli rol oynamaktadır. Sağlıkta yapay zekâ teknolojilerinin hemşirelere tanıtılması, hemşirelerin bu konuda doğru bilgilendirilmesi ve yapay zekâ hakkındaki kaygılarını anlamaya yönelik farklı çalışmaların yapılması önerilmektedir.

Anahtar Kelimeler

Hemşireler , kaygı , tanımlayıcı çalışma , yapay zekâ

Etik Beyan

Araştırma için Isparta Uygulamalı Bilimler Üniversitesi Bilimsel Araştırma ve Yayın Etiği Kurulu'ndan etik onayı alınmıştır (Tarih: 24.08.2023, Toplantı sayısı: 160 ve Karar Sayısı: 05, Sayfa No: 1/1).

Nurses’ Artificial Intelligence Anxiety Levels and Its Predictors: A Descriptive Cross-sectional Study

Öz

Objective: To determine nurses' artificial intelligence anxiety levels and the factors affecting them.
Methods: The descriptive and cross-sectional study population consisted of nurses working in Turkey and the sample consisted of nurses who agreed to participate. The study was completed with 348 nurses. Data were collected online with the “Personal Information Form” and “Artificial Intelligence Anxiety Scale”. The data were analyzed by descriptive statistics, Independent Samples t-test, ANOVA, and multiple linear regression analysis.
Results: The mean age of the nurses was 30.97 ± 7.14 and 91.1% were female. Nurses’ mean total scores on the scale were 47.36 ± 12.84. 55.2% of nurses reported having no knowledge of artificial intelligence applications used in nursing. Scale subdimension mean scores were 11.64 ± 4.34 for "Learning", 12.31 ± 4.13 for "job replacement", 13.92 ± 3.56 for "sociotechnical blindness" and 9.49 ± 3.31 for "artificial intelligence configuration". There was a statistically significant difference between the total mean scores of the scale. Having less than 10 years of professional experience, as well as knowledge of the use of artificial intelligence in nursing, increases anxiety levels relating to artificial intelligence by 6,204 and 11,708 units, respectively.
Conclusion: Nurses’ artificial intelligence anxiety is at a medium level. The length of professional experience and knowledge of artificial intelligence used in nursing plays a key role in artificial intelligence anxiety levels. It is recommended that nurses be introduced to artificial intelligence technologies in health, provided with accurate information on this subject, and conductind additional studies to understand nurses' concerns about artificial intelligence.

Anahtar Kelimeler

Nurses , anxiety , descriptive study , artificial intelligence

Kaynakça

• Abdullah R, Fakieh B. (2020). Health care employees’ perceptions of the use of artificial intelligence applications: survey study. Journal of Medical Internet Research, 22(5), e17620. https://doi.org/ 10.2196/17620
• Abuzaid MM, Elshami W, Fadden SM. (2022). Integration of artificial intelligence into nursing practice. Health and Technology, 12(6), 1109-1115. https://doi.org/10.1007/s12553-022-00697-0
• Ahmed SA, Elderiny SNM. (2024). Intensive care nurses' knowledge and perception regarding artificial ıntelligence applications. Trends in Nursing and Health Care Journal, 8(1), 195-220. https://doi.org/10.21608/TNHCJ.2024.250044.103 8
• Akgerman A, Yavuz EDÖ, Kavaslar İ, Güngör S. (2022). Yapay zeka ve hemşirelik. Sağlık Bilimlerinde Yapay Zeka Dergisi, 2(1), 21-27. https://doi.org/ 10.52309/jaihs.v2i1.36
• Akkaya B, Özkan H, Özkan A. (2021). Yapay zeka kaygı (YZK) ölçeği: Türkçeye uyarlama geçerlilik ve güvenilirlik çalışması. Alanya Akademik Bakış, 5(2), 1125-1146. https://doi.org/10.29023/alanyaakademik.833668
• Buchanan C, Howitt ML, Wilson R, Booth RG, Risling T, Bamford M. (2020). Predicted influences of artificial intelligence on the domains of nursing: Scoping review. Journal of Medical Internet Research Nursing, 3(1), e23939. https://doi.org/10.2196/23939
• Castagno S, Khalifa M. (2020). Perceptions of artificial intelligence among healthcare staff: A qualitative survey study. Frontiers in Artificial Intelligence, 3, 578983. https://doi.org/10.3389/frai.2020.578983 Cohen J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Routledge. https://doi.org/10.4324/9780203771587
• Çobanoğlu A, Oğuzhan H. (2023). Artificial intelligence anxiety of nurses and related factors. Gümüşhane Üniversitesi Sağlık Bilimleri Dergisi, 12(4), 1846-1854. https://doi.org/10.37989/gumussagbil.1274522
• Faul F, Erdfelder E, Lang AG, Buchner A. (2007). G*Power 3: A flexible statistical power analysis program for the social. behavioral. and biomedical sciences. Behavior Research Methods, 39(2), 175-191. https://doi.org/10.3758/bf03193146
• Filiz E, Güzel Ş, Şengül A. (2022). Sağlık profesyonellerinin yapay zeka kaygı durumlarının incelenmesi. Journal of Academic Value Studies, 8(1), 47-55. https://doi.org/10.29228/javs.57808
• Gümüş E, Kasap EU. (2022). Sağlık ekosisteminde yapay zeka kaygı düzeyi: Hemşire örneklemi. Sağlık Bilimlerinde Yapay Zeka Dergisi, 2(3), 1-7. https://doi.org/10.52309/jaihs.v2i2.43
• Güzel Ş, Dömbekci HA, Eren F. (2022). Yapay zekânın sağlık alanında kullanımı: Nitel bir araştırma. Celal Bayar Üniversitesi Sağlık Bilimleri Enstitüsü Dergisi, 9(4), 509-519. https://doi.org/10.34087/cbusbed.114 0122
• Hardy M, Harvey H. (2020). Artificial intelligence in diagnostic imaging: Impact on the radiography profession. The British Journal of Radiology, 93(1108), 1-7. https://doi.org/10.1259/bjr.20190840
• Kwak Y, Ahn JW, Seo YH. (2022). Influence of AI ethics awareness, attitude, anxiety, and self-efficacy on nursing students’ behavioral intentions. BMC Nursing, 21(1), 1-8. https://doi.org/10.1186/s12912-022-01048-0
• Kyriazos T, Poga M. (2023). Dealing with multicollinearity in factor analysis: the problem, detections, and solutions. Open Journal of Statistics, 13(3), 404-424. https://doi.org/10.4236/ojs.2023. 133020
• Liang HF, Wu KM, Weng CH, Hsieh HW. (2019). Nurses' views on the potential use of robots in the pediatric unit. Journal of Pediatric Nursing, 47, e58-e64. https://doi.org/10.1016/j.pedn.2019.04.027
• Maalouf N, Sidaoui A, Elhajj IH, Asmar D. (2018). Robotics in nursing: A scoping review. Journal of Nursing Scholarship, 50(6), 590-600. https://doi.org /10.1111/jnu.12424 Menekli T, Şentürk S. (2022). The relationship between artificial intelligence concerns and perceived spiritual care in internal medicine nurses. Yozgat Bozok University Faculty of Health Sciences Journal, 3(2), 210-218.
• Merih YD, Akdoğan E. (2021). Hemşirelikte Yapay Zekâ. In 4th International Eurasian Conference on Biological and Chemical Sciences (EurasianBioChem), 24-26.
• Raosoft Inc., Raosoft Sample Size Calculator, 2004. Erişim tarihi: 10.08.2023, http://www.raosoft.com /samplesize.html
• Ronquillo CE, Peltonen LM, Pruinelli L, Chu CH, Bakken S, Beduschi A, et al. (2021). Artificial intelligence in nursing: Priorities and opportunities from an international invitational think-tank of the Nursing and Artificial Intelligence Leadership Collaborative. Journal of Advanced Nursing, 77, 3707-17. https://doi.org/10.1111/jan.14855
• Sağlık Bakanlığı. (2020). Sağlık İstatistikleri Yıllığı. Erişim tarihi: 10.08.2023, https://www.saglik.gov.tr /Eklenti/43399/0/siy2020-tur-26052022pdf.pdf
• Serbaya SH, Khan AA, Surbaya SH, Alzahrani SM. (2024). Knowledge, attitude and practice toward artificial intelligence among healthcare workers in private polyclinics in Jeddah, Saudi Arabia. Advances in Medical Education and Practice, 15, 269-280. https://doi.org/10.2147/AMEP.S448422
• Seven MA, Engin AO. (2008). Öğrenmeyi etkileyen faktörler. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 12(2), 189-212.
• Sommer D, Schmidbauer L, Wahl F. (2024). Nurses’ perceptions, experience and knowledge regarding artificial intelligence: Results from a cross-sectional online survey in Germany. BMC Nursing, 23(1), 205. https://doi.org/10.1186/s12912-024-01884-2
• Şendir M, Şimşekoğlu N, Kaya A, Sümer, K. (2019). Geleceğin teknolojisinde hemşirelik. Sağlık Bilimleri Üniversitesi Hemşirelik Dergisi, 1(3), 209-214.
• Tabachnick BG, Fidell LS. (2013). Using multivariate statistics (6th ed.), Boston: Allyn and Bacon. Takıl N, Erden NK, Sarı AB. (2022). Farklı meslek grubu adaylarının yapay zekâ teknolojisine yönelik kaygı seviyesinin incelenmesi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 25(48), 343-353. https://doi.org/10.31795/baunsobed.1165386
• Wang YY, Wang YS. (2019). Development and validation of an artificial intelligence anxiety scale: an initial application in predicting motivated learning behavior. Interactive Learning Environments, 30(4), 1-16. https://doi.org/10.1080/10494820.2019.16748 87