Sağlık Alanında Yapay Zekâ Yöntemlerinin Kullanımına İlişkin Lisansüstü Tezlerin Bibliyometrik Analizi (2015-2022)
Özet Görüntüleme: 1093
/ 
PDF İndirme: 342
DOI:
https://doi.org/10.5281/zenodo.7602783Anahtar Kelimeler:
Yapay Zekâ, Bibliyometrik Analiz, Lisansüstü Tezler, Sağlık Hizmetleri, TıpÖzet
Teknolojik gelişmelerin ışığında son dönemlerde sağlık alanında büyük değişimler meydana gelmiştir. Bu değişimler son dönemlerde adını sıklıkla duyduğumuz yapay zekâ ile hızlanmıştır. Yapay zekânın sağlık alanında kullanılmaya başlaması ile sağlık kurumlarında hastaların tedaviye yanıt verme süreçlerinde önemli kazanımlar elde edilmeye başlanmıştır. Bu açıdan bakıldığında sağlık kurumlarında yapay zekâ ile ilgili gelişmelerin ileride daha çok artacağı ve insan hayatında daha fazla yer alacağını söylemek mümkündür. Sağlık alanında yapay zekâ ile ilgili çalışmalar özellikle son beş yılda kayda değer bir şekilde artmıştır. Bu önemli artış sağlık alanında yapay zekâ çalışmalarının hangi yöntemler ile analiz edildiğine dair merak konusu olmuştur. Bu çalışma ile Yüksek Öğretim Kurulu (YÖK) Başkanlığı Tez Merkezi’nde sağlık alanında yapay zekâ konusu ile ilgili yayımlanmış olan tezlerin belirlenen parametreler ile bibliyometrik olarak incelenmesi amaçlanmıştır. Çalışma evrenini 01.01.2015 - 31.12.2022 yılları arasında yayımlanan 130 yüksek lisans ve doktora tezi oluşturmaktadır. İncelemeye alınan tezler; tür, yıl, yayın dili, yazarların cinsiyeti, danışman ünvanı, çalışmanın gerçekleştirildiği il, üniversite, enstitü, anabilim dalı, araştırma yöntemi, veri toplama yöntemi, sayfa aralığı ve kullanılan anahtar kelimelere göre bibliyometrik parametreler açısından değerlendirilmiştir. Bu çalışma, sağlık alanında yapay zekâ kavramı ile ilgili literatürde ulusal düzeyde önemli bir boşluğu dolduracak ve yapay zekâ konusunda çalışmalar yapacak olan araştırmacılara ön bilgi verecektir.
Referanslar
Ahmad, J., Farman, H., & Jan, Z. (2019). Deep learning methods and applications. In Deep learning: convergence to big data analytics (pp. 31-42). Springer, Singapore.
Akalin, B., & Veranyurt, Ü. (2021). Sağlık hizmetleri ve yönetiminde yapay zekâ. Acta Infologica, 5(1), 231-240.
Atkinson, M. (1979). Artificial ıntelligence and natural man: Margaret A. Boden. Philosophical Quarterly, 29(116), 278-281.
Buchanan, C., Howitt, M. L., Wilson, R., Booth, R. G., Risling, T., Bamford, M. (2021). Predicted Influences of Artificial Intelligence on Nursing Education: Scoping Review. JMIR nursing, 4(1), e23933. https://doi.org/10.2196/23933.
Çilhoroz, Y., Işık, O. (2021). Yapay Zekâ: Sağlık Hizmetlerinden Uygulamalar. Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 23(2), 573-588.
Davidson, L., Boland, M.R. (2021). Towards deep phenotyping pregnancy: a systematic review on artificial intelligence and machine learning methods to improve pregnancy outcomes. Briefings in Bioinformatics, 22(5), 1-29. https://doi.org/10.1093/bib/bbaa369.
Eroğlu İ. (2010). Binalarda enerji yönetimi ve enerji kullanım verimliliğini etkileyen faktörlerin yapay zekâ teknikleri ile analizi. Sakarya Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Sakarya.
Hayadi, B. H., Bastian, A., Rukun, K., Jalinus, N., Lizar, Y., & Guci, A. (2018). Expert system in the application of learning models with forward chaining method. Int. J. Eng. Technol, 7(2.29), 845.
Jiang, F., Jiang, Y., Zhi, H., Dong, Y., Li, H., Ma, S., ... & Wang, Y. (2017). Artificial intelligence in healthcare: past, present and future. Stroke and vascular neurology, 2(4).
Khurana, D., Koli, A., Khatter, K., & Singh, S. (2022). Natural language processing: State of the art, current trends and challenges. Multimedia Tools and Applications, 1-32.
Madhu, B., Rahman, M. A., Mukherjee, A., Islam, M. Z., Roy, R., & Ali, L. E. (2021). A comparative study of support vector machine and artificial neural network for option price prediction. Journal of Computer and Communications, 9(5), 78-91.
Özdemir, L., Bilgin, A. (2021). Sağlıkta Yapay zekânın Kullanımı ve Etik Sorunlar. Sağlık ve Hemşirelik Yönetimi Dergisi, 8(3), 439-445.
Rigla, M., García-Sáez, G., Pons, B., Hernando, M. E. (2018). Artificial intelligence methodologies and their application to diabetes. Journal of Diabetes Science and Technology, 12(2), 303-310.
Robert, N. (2019). How artificial intelligence is changing nursing. Nursing management, 50(9), 30.
Shi, Z. Z., & Zheng, N. N. (2006). Progress and challenge of artificial intelligence. Journal of computer science and technology, 21(5), 810-822.
Suthaharan, S. (2014). Big data classification: Problems and challenges in network intrusion prediction with machine learning. ACM SIGMETRICS Performance Evaluation Review, 41(4), 70-73.
Wang, S., Pei, K., Whitehouse, J., Yang, J., & Jana, S. (2018). Efficient formal safety analysis of neural networks. Advances in Neural Information Processing Systems, 31.
İndir
Yayınlanmış
Nasıl Atıf Yapılır
Sayı
Bölüm
Lisans
Telif Hakkı (c) 2023 GEVHER NESİBE TIP VE SAĞLIK BİLİMLERİ DERGİSİ
Bu çalışma Creative Commons Attribution-NonCommercial 4.0 International License ile lisanslanmıştır.
Dergimizde yayımlanan makaleler, 