Sağlık alanında yapay zekâ kullanımını etkileyen faktörlerin belirlenmesi
Identifying the factors affecting the use of artificial intelligence in healthcare
- Tez No: 964451
- Danışmanlar: DR. ÖĞR. ÜYESİ AYCAN PEKPAZAR
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Samsun Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 106
Özet
Sağlık alanında yapay zekâ teknolojilerinin artan kullanımı, kullanıcı algılarının ve kabul düzeylerinin anlaşılmasını kritik hale getirmektedir. Bu çalışmanın amacı, Türkiye'de sağlık alanında yapay zekâ kullanımını etkileyen faktörlerin belirlenmesidir. Araştırma metodolojisi dört ana aşamada yürütülmüştür: (1) Google Play Store, App Store, YouTube, Twitter ve profesyonel sağlık forumlarından 20.384 kullanıcı yorumunun netnografik yöntemle toplanması; (2) sözlük tabanlı ve transformer tabanlı olmak üzere altı farklı yöntemin (TextBlob, AFINN, Gelişmiş Sözlük, BERT-Base, RoBERTa, DistilBERT) karşılaştırılmasıyla duygu analizi; (3) Özellik mühendisliği tabanlı kural setleri ve dört algoritmanın (XGBoost, LightGBM, Gradyan Artırma, Rastgele Orman) topluluk yöntemiyle birleştirilmesi yoluyla sağlık profesyonelleri ve sağlık içerikleri otomatik olarak tespit edilmiştir; (4) Sentence-BERT tabanlı semantik eşleştirme ve kural tabanlı yaklaşımın hibrit birleşimi ile teknoloji kabul modelleri çerçevesinde yapay zekâ adaptasyon faktörlerinin belirlenmesi. Duygu analizinde RoBERTa modeli 0,8036 ağırlıklı F1-skoru ile en iyi performansı sergilemiştir. Duygu analizi sonuçları genel olarak pozitif eğilim (%51,55 pozitif, %37,35 negatif, %11,1 nötr) gösterirken, sağlık profesyonelleri (%47,97 negatif) genel kullanıcılara (%37,08 negatif) kıyasla daha eleştirel tutum sergilemiştir. Sağlık odaklı uygulamalar (Wysa %80,8 pozitif) genel amaçlı uygulamalara kıyasla daha olumlu karşılanmıştır. Meta-faktör analizinde“Sosyal Etki & Etkileşim”(%2,88) en yüksek,“Şeffaflık & Açıklanabilirlik”(%0,12) en düşük tespit oranına sahiptir. Sağlık profesyonelleri“Mesleki Etki & Özerklik”faktörüne odaklanırken, genel kullanıcılar“Kullanım Kolaylığı”ve“Algılanan Fayda”faktörlerine önem vermektedir. Sonuçlar, yapay zekânın sağlık alanındaki benimsenme sürecinin kullanıcı profiline, uygulama türüne ve sosyal faktörlere göre farklılaşan karmaşık bir yapıya sahip olduğunu ve başarılı uygulama için çok paydaşlı ve kullanıcı merkezli yaklaşımların gerekliliğini ortaya koymaktadır.
Özet (Çeviri)
The increasing use of artificial intelligence technologies in healthcare has made understanding user perceptions and acceptance levels critical. This study aims to determine factors affecting AI use in healthcare in Türkiye. The research methodology involved four stages: (1) netnographic collection of 20,384 user comments from Google Play Store, App Store, YouTube, Twitter, and professional health forums; (2) sentiment analysis comparing six methods including lexicon-based (TextBlob, AFINN, Enhanced Lexicon) and transformer-based approaches (BERT-Base, RoBERTa, DistilBERT); (3) automatic detection of healthcare professionals and health content using feature engineering-based rule sets and ensemble combination of four algorithms (XGBoost, LightGBM, Gradient Boosting, Random Forest); (4) determination of AI adaptation factors through hybrid combination of Sentence-BERT based semantic matching and rule-based approaches within technology acceptance model frameworks. RoBERTa achieved the best performance with 0.8036 weighted F1-score. Results showed generally positive sentiment (51.55% positive, 37.35% negative, 11.1% neutral), though healthcare professionals (47.97% negative) were significantly more critical than general users (37.08% negative). Health-focused applications (Wysa 80.8% positive) received more favorable reception than general-purpose applications. Meta-factor analysis revealed“Social Impact & Interaction”(2.88%) as the highest and“Transparency & Explainability”(0.12%) as the lowest detection rates. Healthcare professionals focused on“Professional Impact & Autonomy”factors, while general users prioritized“Ease of Use”and“Perceived Usefulness”factors. The results demonstrate that AI adoption in healthcare has a complex structure varying by user profile, application type, and social factors, necessitating multi-stakeholder and user-centered approaches for successful implementation.
Benzer Tezler
- Doğal lifli kompozitlerin ses yutma performanslarının belirlenmesinde laboratuvar çalışması ve yapay zeka yaklaşımı: su kabağı lifleri-epoksi kompoziti örneği
A laboratory study and artificial intelligence approach in determining sound absorption performance of natural fiber composites: a case study of luffa cylindrica fibers-epoxy composite
OYA KESKİN
- Prıorıtızatıon of socıal medıa advertısıng channels ınonlıne retaılıng by an aı-drıven mcdm framework
Çevrimiçi perakendecilikte sosyal medya reklamkanallarinin yapay zeka destekli bir çkkv çerçevesiyleönceliklendirilmesi
SABA MOSTAFAEI
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF İLKER TOPCU
- Makine öğrenmesi sınıflama algoritmalarıyla kalp yetersizliği mortalitesinin tahminlenmesi
Prediction of heart failure mortality by machine learning classification algorithms
USAME ÖMER OSMANOĞLU
Doktora
Türkçe
2021
BiyoistatistikEskişehir Osmangazi ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. FEZAN MUTLU
- Classification of chest X-rays by divergence-based convolutional neural network
Diverjans temelli evrişimsel ağ ile akciğer röntgen görüntülerinin sınıflandırılması
MUHAMMED NUR TALHA KILIÇ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Diş sağlığı analizi için derin öğrenme yöntemlerin değerlendirilmesi
Evaluation of deep learning methods for dental health analysis
ALI A ABDULRAHMAN ABDULRAHMAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞAHİN IŞIK