Hemşirelerin Yapay Zekaya Yönelik Genel Tutumlarının İncelenmesi

Yıl 2024, Cilt: 28 Sayı: 2, 113 - 125, 24.08.2024

Fatma Kandemir , Fatma Azizoğlu

https://doi.org/10.62111/ybhd.1502758

Öz

ÖZET Amaç: Bu çalışma, yapay zekâya yönelik genel tutumları değerlendirmek amacıyla bir üniversite hastanesinde görev yapan hemşireleri hedef almıştır. Materyal ve Metod: Çalışma 01 Ocak-31 Mart 2024 tarihleri arasında tanımlayıcı ve kesitsel olarak, örneklemini bir üniversite hastanesinde çalışan %14,1’i (n=39) erkek ve %85,9’u (n=237) kadından oluşan toplam 276 hemşire oluşturmaktadır. Veriler “Kişisel Bilgi Formu ve "Yapay Zekâya Yönelik Genel Tutum Ölçeği" ölçeğinden oluşan anket formu ile toplandı. Bulgular: Yapılan araştırmada, katılımcıların yapay zekâya yönelik tutumlarını değerlendirmek amacıyla kullanılan ölçeğin "Pozitif tutum" ve "Negatif tutum" alt boyutlarına ilişkin puanlar incelendi. Katılımcıların "Pozitif tutum" alt boyutundan aldıkları puanlar 16 ile 60 arasında değişmekte olup, bu değerlerin ortalama olarak 43,74±6,87 puan olduğu belirlendi. Öte yandan, "Negatif tutum" alt boyutundan alınan puanlar 8 ile 40 arasında değişmekte olup, bu değ erlerin ortalama olarak 25,53±5,64 puan olduğu gözlendi. Sonuç: Demografik ve mesleki özelliklere dayalı yapılan analizlerde, çeşitli faktörlerin yapay zekâya yönelik tutumları nasıl etkilediği incelenmiştir. Bu analizler sonucunda, cinsiyete göre erkeklerin, yaşa göre 29 yaş ve daha genç olanların, bekârların, çocuk sahibi olmayanların, meslekte 10 yıl ve daha az çalışanların, kurumda 1 yıldan az çalışanların ve vardiyalı çalışanların pozitif tutum sergilediği belirlenmiştir (p<0,05). Ancak, eğitim durumu, sağlık problemi, haftalık çalışma süresi ve çalışılan birim gibi faktörlerin pozitif tutum ve negatif tutum puanları üzerinde istatistiksel olarak anlamlı bir farklılık göstermediği tespit edilmiştir (p>0,05).

Anahtar Kelimeler

İnsansı Robot, Yapay Zekâ., Teknostres

Examining Nurses’ General Attitudes Towards Artificial Intelligence

Öz

ÖZET Amaç: Bu çalışma, yapay zekâya yönelik genel tutumları değerlendirmek amacıyla bir üniversite hastanesinde görev yapan hemşireleri hedef almıştır. Materyal ve Metod: Çalışma 01 Ocak-31 Mart 2024 tarihleri arasında tanımlayıcı ve kesitsel olarak, örneklemini bir üniversite hastanesinde çalışan %14,1’i (n=39) erkek ve %85,9’u (n=237) kadından oluşan toplam 276 hemşire oluşturmaktadır. Veriler “Kişisel Bilgi Formu ve "Yapay Zekâya Yönelik Genel Tutum Ölçeği" ölçeğinden oluşan anket formu ile toplandı. Bulgular: Yapılan araştırmada, katılımcıların yapay zekâya yönelik tutumlarını değerlendirmek amacıyla kullanılan ölçeğin "Pozitif tutum" ve "Negatif tutum" alt boyutlarına ilişkin puanlar incelendi. Katılımcıların "Pozitif tutum" alt boyutundan aldıkları puanlar 16 ile 60 arasında değişmekte olup, bu değerlerin ortalama olarak 43,74±6,87 puan olduğu belirlendi. Öte yandan, "Negatif tutum" alt boyutundan alınan puanlar 8 ile 40 arasında değişmekte olup, bu değ erlerin ortalama olarak 25,53±5,64 puan olduğu gözlendi. Sonuç: Demografik ve mesleki özelliklere dayalı yapılan analizlerde, çeşitli faktörlerin yapay zekâya yönelik tutumları nasıl etkilediği incelenmiştir. Bu analizler sonucunda, cinsiyete göre erkeklerin, yaşa göre 29 yaş ve daha genç olanların, bekârların, çocuk sahibi olmayanların, meslekte 10 yıl ve daha az çalışanların, kurumda 1 yıldan az çalışanların ve vardiyalı çalışanların pozitif tutum sergilediği belirlenmiştir (p<0,05). Ancak, eğitim durumu, sağlık problemi, haftalık çalışma süresi ve çalışılan birim gibi faktörlerin pozitif tutum ve negatif tutum puanları üzerinde istatistiksel olarak anlamlı bir farklılık göstermediği tespit edilmiştir (p>0,05).

Anahtar Kelimeler

İnsansı Robot, Teknostres, Yapay Zekâ.

Kaynakça

• 1. Robert N. How RN. Artificial intelligence is changing nursing. Nurs Manag. 2019;50(9):30-39.
• 2. Şendir M, Şimşekoğlu N, Kaya A, et al. Geleceğin teknolojisinde hemşirelik. Sağlık Bilimleri Üniversitesi Hemşirelik Dergisi. 2019;1(3):209-214.
• 3. Demirci Ş. Giyilebilir teknolojilerin sağlık hizmetlerine ve sağlık hizmet kullanıcılarına etkileri. Anemon Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi. 2018;6(6):985-992.
• 4. Khor WS, Baker B, Amin K, et al. Augmented and virtual reality in surgery—the digital surgical environment: Applications, limitations and legal pitfalls. Ann Transl Med. 2016;4(23).
• 5. Hoyt HH, Gates M, Hauze S. Augmented Reality: Using the Microsoft HoloLens® to Promote Student Success. Presented at: [Conference/Journal Name]; 2018. Accessed March 14, 2024.
• 6. Bergier H, Duron L, Sordet C, et al. Digital health, big data and smart technologies for the care of patients with systemic autoimmune diseases: Where do we stand?. Autoimmun Rev. 2021;20(8):102864.
• 7. Amisha, Malik P, Pathania M, Rathaur VK. Overview of artificial intelligence in medicine. J Fam Med Prim Care. 2019;8(7):2328-233.
• 8. Bacaksız FE, Yılmaz M, Ezizi K, et al. Sağlık hizmetlerinde robotları yönetmek. Sağlık ve Hemşirelik Yönetimi Dergisi. 2020;3(7):458-465.
• 9. Toru F. Hemşirelik uygulamalarının kilit noktası: Bireyselleştirilmiş bakım. Adnan Menderes Üniversitesi Sağlık Bilimleri Fakültesi Dergisi. 2020;4(1):46-59.
• 10. Wilson D. An overview of the application of wearable technology to nursing practice. Nurs Forum. 2017;52(2):124-132.
• 11. Locsin RC, Ito H. Can humanoid nurse robots replace human nurses? J Nurs. 2018;5(1):1-6.
• 12. Ragu-Nathan TS, Tarafdar M, Ragu-Nathan BS, et al. The consequences of technostress for end users in organizations: Conceptual development and empirical validation. Inf Syst Res. 2008;19(4):417-433.
• 13. Nisafani AS, Kiely G, Mahony C. Workers’ technostress: A review of its causes, strains, inhibitors, and impacts. J Decis Syst. 2020;29(1):243-258.
• 14. Okmeydan SB. Yeni iletişim teknolojilerini sorgulamak: Etik, güvenlik ve mahremiyetin kesiştiği nokta. Gümüşhane Üniversitesi İletişim Fakültesi Elektronik Dergisi. 2017;5(1):347-372.
• 15. Schepman A, Rodway P. The General Attitudes towards Artificial Intelligence Scale (GAAIS): Confirmatory validation and associations with personality, corporate distrust, and general trust. Int J Hum-Comput Interact. 2023;39(13):2724-2741.
• 16. Özdamar K. Paket Programlar ile İstatistiksel Veri Analizi 1. İstanbul: Kaan Kitabevi; 1999.
• 17. Karacan Doğan P, Doğan İ, Çetinkayalı G. Spor Bilimleri Öğrencilerinin yapay zekaya yönelik tutumları ile iş bulma kaygıları arasındaki ilişkinin incelenmesi. Yalova Üniversitesi Spor Bilimleri Dergisi. 2023;2(3):174-189.
• 18. European Commission. Attitudes towards the impact of digitisation and automation on daily life. Special Eurobarometer. 2017:460.
• 19. Figueiredo MM. Artificial Intelligence Acceptance: Morphological Elements of the Acceptance of Artificial Intelligence. (Doctoral dissertation). 2019.
• 20. Pinto dos Santos D, Giese D, Brodehl S, et al. Medical students' attitude towards artificial intelligence: A multicentre survey. Eur Radiol. 2019;29:1640-1646.
• 21. Zhang B, Dafoe A. Artificial intelligence: American attitudes and trends. Available at SSRN. 2019:3312874.
• 22. Sindermann C, Sha P, Zhou M, et al. Assessing the attitude towards artificial intelligence: Introduction of a short measure in German, Chinese, and English language. KI-Künstliche Intelligenz. 2021;35(1):109-118.
• 23. Sindermann C, Yang H, Elhai JD, et al. Acceptance and fear of Artificial Intelligence: Associations with personality in a German and a Chinese sample. Discover Psychol. 2022;2(1):8.
• 24. Fietta V, Zecchinato F, Di Stasi B, et al. Dissociation between users’ explicit and implicit attitudes toward artificial intelligence: An experimental study. IEEE Trans Hum-Mach Syst. 2021;52(3):481-489.
• 25. Gillespie N, Lockey S, Curtis C. Trust in Artificial Intelligence: A Five Country Study. The University of Queensland and KPMG Australia. 2021.
• 26. Park I, Kim D, Moon J, et al. Searching for new technology acceptance model under social context: Analyzing the determinants of acceptance of intelligent information technology in digital transformation and implications for the requisites of digital sustainability. Sustainability. 2022;14(1):579.
• 27. Umar DÇ, Van Gıersbergen MY, Öğce F, et al. Bir üniversite hastanesinin cerrahi birimlerinde çalışan hemşirelerin teknolojiye ilişkin tutumları. Ege Üniversitesi Hemşirelik Fakültesi Dergisi. 2016;32(3):14-25.
• 28. Konukbay D, Babacan K, Yıldız D. Çocuk hemşirelerinin teknolojiye ilişkin tutum ve teknolojiyi kullanma durumlarının incelenmesi. Balıkesir Sağlık Bilimleri Dergisi. 2023;12(1):142-150.
• 29. Aktaş YY, Koraş K, Karabulut N. Yoğun bakım hemşirelerinin teknolojiye ilişkin tutumları. Hacettepe Üniversitesi Hemşirelik Fakültesi Dergisi. 2017;4(2):36-48.
• 30. Tatlı Z, Aydın A, Şimşek P, et al. Hemşirelerin ve hemşirelik öğrencilerinin bilişim teknolojilerini kullanma durumları. Ordu Üniversitesi Hemşirelik Çalışmaları Dergisi. 2018;1(1):18-27.
• 31. Öcal EE, Atay E, Önsüz MF, et al. Tıp fakültesi öğrencilerinin tıpta yapay zeka ile ilgili düşünceleri. Türk Tıp Öğrencileri Araştırma Dergisi. 2020;2(1):9-16.
• 32. Aslan F, Subaşı A. Hemşirelik eğitimi ve hemşirelik süreci perspektifinden yapay zeka teknolojilerine farklı bir bakış. Sağlık Bilimleri Üniversitesi Hemşirelik Dergisi. 2022;4(3):153-158.
• 33. Stokes F, Palmer A. Artificial intelligence and robotics in nursing: Ethics of caring as a guide to dividing tasks between AI and humans. Nurs Philos. 2020;21(4).
• 34. Canbolat Göçmen ZN. Sağlık hizmetlerinde yapay zeka uygulamaları: Yoğun bakım örneği. (Yayımlanmamış doktora tezi). İstanbul Medipol Üniversitesi Sosyal Bilimler Enstitüsü; İstanbul; 2022.
• 35. Pazar B, Taştan S, İyigün E. Tele sağlık sisteminde hemşirenin rolü. Bakırköy Tıp Dergisi. 2015;11(1):1-4.