Eğitimde yapay zekâ, yalnızca daha hızlı içerik üretmek için değil; öğrenme ihtiyacını analiz etmek, hedefleri netleştirmek, farklı öğrenme etkinlikleri tasarlamak ve değerlendirme araçları geliştirmek için kullanılabilir. Ancak üretilen içeriğin doğruluğu, düzeyi ve pedagojik uygunluğu eğitmen tarafından kontrol edilmelidir.
Bu modül, öğrenme hedefinden değerlendirmeye uzanan eğitim tasarım zincirini YZ desteğiyle ele alır. Katılımcılar vaka, soru, etkinlik, rubrik ve geri bildirim örnekleri geliştirerek kendi eğitim ortamlarına uyarlanabilir bir mini ders taslağı oluşturur.
• Eğitim ihtiyacını açık öğrenme hedeflerine dönüştürme.
• Hedef, içerik, etkinlik ve değerlendirme uyumunu kurma.
• YZ desteğiyle vaka, soru, rubrik ve geri bildirim geliştirme.
• Farklı öğrenen ihtiyaçlarına göre içerik uyarlama.
• Pedagojik kaliteyi ve eğitmen denetimini koruyan ders taslağı oluşturma.
HEMBİLDER Aktif Üyelerine özeldir. Üyelerimizden,
• Hemşireler ve ebeler
• Üniversite ve meslek yüksekokullarında görev yapan akademisyenler
• Klinik eğiticiler ve eğitim hemşireleri
• Hizmet içi eğitim ve mesleki gelişim programı hazırlayanlar
• Müfredat, ders planı, ölçme ve değerlendirme süreçlerinde görev alanlar
• Sağlık eğitimi materyali, vaka, soru ve rubrik geliştirenler katılabilir.
Kayıt öncesinde modülün kapsamını, hedef kitlesini ve beklenen çıktısını aşağıdaki bölümlerden inceleyebilirsiniz.
Eğitimde yapay zekâ, içeriği çoğaltmak için değil; öğrenme deneyimini daha amaçlı tasarlamak için kullanılmalıdır.
• Eğitim İhtiyacı: Eğitim ihtiyacı ve öğrenen analizi.
• Öğrenme Hedefleri: Ölçülebilir öğrenme hedefleri.
• Tasarım Uyumu: Hedef–içerik–etkinlik uyumu; hedef, etkinlik ve değerlendirme ilişkisini mesleki örneklerle inceleme.
• Ders Planı: YZ destekli ders planı geliştirme.
• Vaka ve Senaryo: Vaka ve senaryo üretimi.
• Soru Geliştirme: Soru ve ölçme aracı geliştirme.
• Rubrik Tasarımı: Rubrik ve değerlendirme ölçütleri.
• Geri Bildirim: Geri bildirim tasarımı; pedagojik uygunluk ilişkisini mesleki örneklerle inceleme.
• Farklılaştırma: Farklılaştırılmış öğrenme ve uyarlama.
• Eğitmen Denetimi: Pedagojik kalite ve içerik doğruluğu.
• İhtiyacı Analiz Etme: Eğitim ihtiyacı ve öğrenen analizi açıklayabilme.
• Hedef Yazma: Ölçülebilir öğrenme hedefleri ayırt edebilme.
• İçerik Seçme: Hedef–içerik–etkinlik uyumu belirleyebilme.
• Etkinlik Tasarlama: YZ destekli ders planı geliştirme değerlendirebilme.
• Vaka Geliştirme: Vaka ve senaryo üretimi ile hedef, etkinlik ve değerlendirme arasındaki ilişkiyi sınıflandırabilme.
• Soru Üretme: Soru ve ölçme aracı geliştirme yorumlayabilme.
• Rubrik Oluşturma: Rubrik ve değerlendirme ölçütleri sorgulayabilme.
• Geri Bildirim Tasarlama: Geri bildirim tasarımı yapılandırabilme.
• İçeriği Uyarlama: Farklılaştırılmış öğrenme ve uyarlama ile pedagojik uygunluk arasındaki ilişkiyi uyarlayabilme.
• Mini Ders Taslağı Hazırlama: Pedagojik kalite ve içerik doğruluğu taslak hâline getirebilme.
Bu modül, eğitimde yapay zekâ ve müfredat geliştirme konusunu mesleki uygulamalarında kullanmak veya değerlendirmek isteyen katılımcılar için hazırlanmıştır.
HEMBİLDER Aktif Üyelerine özeldir. Üyelerimizden,
• Hemşireler ve ebeler
• Üniversite ve meslek yüksekokullarında görev yapan akademisyenler
• Klinik eğiticiler ve eğitim hemşireleri
• Hizmet içi eğitim ve mesleki gelişim programı hazırlayanlar
• Müfredat, ders planı, ölçme ve değerlendirme süreçlerinde görev alanlar
• Sağlık eğitimi materyali, vaka, soru ve rubrik geliştirenler katılabilir.
Ön Bilgi Gereksinimi: Eğitim verme veya içerik geliştirme deneyimi yararlıdır; ancak zorunlu değildir. İleri düzey yapay zekâ veya yazılım bilgisi gerekmez.
Bilgiyi değere dönüştüren şey, onu doğru bağlamda uygulayabilmektir.
Dr. • Hemşirelikte Bilişim Derneği
Klinik hemşirelik deneyimini sağlık bilişimi ve dijital dönüşüm projeleriyle birleştiren AYDIN, gereksinim analizi, veri kullanımı ve teknoloji entegrasyonu alanlarında çok sayıda eğitim ve atölye yürütmektedir.
Çalışma alanları, çocuk yoğun bakım, kronik solunum sorunu olan çocuklar ve ailelerine yaklaşımdır. Mekanik ventilatöre bağlı çocuklar için hazırlamış olduğu online izlem sistemin NANDA NIC NOC un karar destek olarak kullanılmasını çalışmış aynı konuda evde ventilatöre bağlı çocukların uzaktan dijital olarak izlendiği bir proje yürütmüştür.
Hemşirelik bilişimi alanında çalışmaları olan AYDIN, bu alandaki çalışmaları ile bilişim dostu hemşire ödülünü ilk alan hemşire olmuştur.
Çalışma hayatına bu alandaki danışmanlık hizmetleri ve kurslar ile devam eden AYDIN, son yapay zeka araçlarının sahada uygulanması ve halihazırda kullanılan yöntemlere entegrasyonuna odaklanmıştır.
Hemşirelik ve diğer sağlık profesyonellerinin dijital dönüşümü ile ilgili yeni proje çalışmaları devam etmekte olup 2026 yılı sonunda kendi geliştirdiği App yayına girecektir.
1988 - 1992 | Lisans, Hacettepe Üniversitesi, Hemşireli Fakültesi, Hemşirelik Bölümü,
1998 - 2001 | Yüksek Lisans, Hacettepe Üniversitesi, Sağlık Bilimleri Enstitüsü, Çocuk Sağlığı ve Hastalıkları Hemşireliği,
2003 - 2009 | Doktora, Marmara Üniversitesi, Sağlık Bilimleri Fakültesi, Çocuk Sağlığı ve Hastalıkları Hemşireliği,
1992 - 2000 | Hacettepe İhsan Doğramacı Çocuk Hastanesi, Süpervizör, Nütrisyon Destek Ünitesi Hemşireliği, Klinik Hemşire ve Sorumlu Hemşire,
2001 - 2001 | Memorial Hastanesi, Eğitim hemşireliği
2001 - 2013 | Koç üniversitesi Hemşirelik Yüksekokulu, Öğretim Görevlisi
2013 - 2025 | Medipol Üniversitesi Sağlık Bilimleri Fakültesi, Dr. Öğretim Üyesi & İlk Yardım Merkezi Mesül Müdür
2018 - Halen Devam Ediyor | Hemşirelikte Bilişim Derneği, Kurucu Başkan – Halen Yönetim Kurulu Başkanı
2025 - Halen Devam Ediyor | E-Fabrika Eğitim Bilişim Danışmanlık, Kurucu Ortak – Dijital Dönüşüm & Sağlık Yönetimi Süreçleri
Kavramları uzman rehberliğiyle örnekler üzerinden tartışmak, güvenli uygulamanın temelidir.
Bu modül, yapay zekâ ve bilişim yetkinliklerinin aşamalı gelişimini hedefleyen program bütününün bir parçasıdır.
Sağlık hizmetlerinde dijital dönüşümün ne anlama geldiğini, hemşirelik ve ebelik uygulamalarını nasıl etkilediğini ve mesleki süreçlerde hangi yeni yetkinlikleri gerektirdiğini ele alır. Katılımcılar kendi çalışma alanlarındaki dijital uygulamaları bakım kalitesi, veri kullanımı ve hasta…
Yapay zekâ, makine öğrenmesi, derin öğrenme ve üretken yapay zekâ kavramlarını sağlık bağlamında anlaşılır bir dille ele alır. Katılımcılar yapay zekânın ne yaptığını, ne yapamadığını ve bir çıktının neden insan değerlendirmesi gerektirdiğini öğrenir.
Elektronik sağlık kayıtlarının yapısını, veri kalitesini, güvenliğini ve klinik kullanım değerini ele alır. Katılımcılar eksik, tutarsız veya standart dışı kayıtların bakım, raporlama ve karar süreçlerine etkisini değerlendirmeyi öğrenir.
Metin, görsel, sunum, araştırma ve içerik üretiminde kullanılan üretken yapay zekâ araçlarını karşılaştırmalı olarak ele alır. Katılımcılar bir göreve uygun aracı seçmeyi, çıktıyı doğrulamayı ve hassas verileri koruyarak güvenli kullanım planı oluşturmayı öğrenir.
Yapay zekânın kalite göstergeleri, olay bildirimleri, risk örüntüleri ve erken uyarı süreçlerine nasıl destek olabileceğini ele alır. Katılımcılar teknoloji desteğini insan sorumluluğu, veri kalitesi ve güvenlik kontrolleriyle birlikte değerlendirmeyi öğrenir.
Üretken yapay zekâdan daha açık, amaca uygun ve doğrulanabilir çıktılar almak için prompt tasarımının temel bileşenlerini ele alır. Katılımcılar amaç, bağlam, görev, kısıt ve çıktı biçimini kullanarak kendi çalışma ihtiyaçlarına uygun promptlar geliştirir.
Klinik karar destek sistemlerinin veri, kural, skor, uyarı ve öneri üretme mantığını ele alır. Katılımcılar bir KKDS çıktısını klinik bağlam, veri kalitesi, yanlış alarm ve insan sorumluluğu açısından değerlendirmeyi öğrenir.
Yapay zekânın iş yükü tahmini, vardiya planlama, beceri eşleştirme ve kapasite yönetimine sağlayabileceği desteği ele alır. Katılımcılar planlama çıktılarını adalet, güvenlik, çalışan refahı ve yönetici sorumluluğu açısından değerlendirmeyi öğrenir.
Yapay zekâ araçlarının araştırma sorusu geliştirme, literatür keşfi, kaynak düzenleme ve bilimsel değerlendirme süreçlerinde sorumlu kullanımını ele alır. Katılımcılar kaynak uydurma, yanlış atıf ve doğrulanmamış özet risklerine karşı kontrollü bir çalışma akışı geliştirir.
Yapay zekânın öğrenme hedefi, ders planı, vaka, soru, rubrik ve geri bildirim geliştirme süreçlerinde pedagojik amaçla kullanımını ele alır. Katılımcılar hedef–içerik–etkinlik–değerlendirme uyumunu koruyan bir eğitim taslağı oluşturur.
Modüller birbirini tamamlayacak biçimde planlanmıştır. Her modüle ayrı katılım mümkün olsa da programın tamamı kavramsal temelden uygulamaya uzanan bütünlüklü bir gelişim yolu sunar.
10. modül, programın kavramdan uygulamaya uzanan gelişim yolunda yeni bir adım sunar.
Aşağıdaki hedeflerden biri sizin için önemliyse bu modül doğru bir başlangıç veya gelişim adımı olabilir:
Doğru eğitim kararı, beklenen kazanım ile gerçek ihtiyacın buluştuğu noktada verilir.
Program, Eğitimde YZ ve Müfredat Geliştirme konusunu kavramdan uygulamaya taşıyan aşamalı bir öğrenme akışıyla ilerler.
Kurs öncesinde geliştirmek istediğiniz bir ders, hizmet içi eğitim, klinik öğretim konusu veya öğrenme etkinliğini belirlemeniz önerilir. Eğitim sırasında bu konu için hedef, içerik, etkinlik ve değerlendirme bileşenlerini YZ desteğiyle yapılandırabilirsiniz. Uygulamalarda gerçek öğrenci, hasta veya çalışan verisi ile kurumunuza ait gizli bilgiler kullanılmamalıdır. Yapay zekâ tarafından üretilen tüm eğitim içerikleri doğruluk, düzey ve pedagojik uygunluk açısından eğitmen tarafından değerlendirilmelidir.
Her bölüm, öğrenilen bilgiyi bir sonraki uygulama adımına taşımak üzere tasarlanmıştır.
Öğrenme hedefi, etkinlik ve değerlendirmesi uyumlu bir eğitim taslağı geliştirebilirsiniz. Hero alanında kısa biçimde verilen bu kazanım, aşağıdaki düşünme akışı ve örnek çıktı üzerinden ayrıntılandırılır. YZ destekli mini ders ve öğrenme etkinliği taslağı hazırlamayı görürsünüz. Bu çalışma, katılımcının öğrendiklerini kendi mesleki bağlamına uyarlayabileceği başlangıç düzeyinde bir taslak oluşturmasını hedefler.
Aşağıdaki dört adım, modül bilgisini uygulanabilir bir çalışma taslağına dönüştürmek için kullanılabilir.
Aşağıdaki satırlar, modül sonunda hazırlanabilecek örnek çalışma taslağının temel bölümlerini gösterir.
Modülün değeri, sonunda elinizde kalan “YZ Destekli Mini Ders ve Öğrenme Etkinliği Taslağı” ile görünür hâle gelir.
Programın diğer modülleri, yapay zekâ ve bilişim yetkinliklerini farklı sağlık, yönetim, araştırma ve eğitim bağlamlarında geliştirmeyi amaçlar.
Sağlık hizmetlerinde dijital dönüşümün ne anlama geldiğini, hemşirelik ve ebelik uygulamalarını nasıl etkilediğini ve mesleki süreçlerde hangi yeni yetkinlikleri gerektirdiğini ele alır. Katılımcılar kendi çalışma alanlarındaki dijital uygulamaları bakım kalitesi, veri kullanımı ve hasta…
Yapay zekâ, makine öğrenmesi, derin öğrenme ve üretken yapay zekâ kavramlarını sağlık bağlamında anlaşılır bir dille ele alır. Katılımcılar yapay zekânın ne yaptığını, ne yapamadığını ve bir çıktının neden insan değerlendirmesi gerektirdiğini öğrenir.
Elektronik sağlık kayıtlarının yapısını, veri kalitesini, güvenliğini ve klinik kullanım değerini ele alır. Katılımcılar eksik, tutarsız veya standart dışı kayıtların bakım, raporlama ve karar süreçlerine etkisini değerlendirmeyi öğrenir.
Metin, görsel, sunum, araştırma ve içerik üretiminde kullanılan üretken yapay zekâ araçlarını karşılaştırmalı olarak ele alır. Katılımcılar bir göreve uygun aracı seçmeyi, çıktıyı doğrulamayı ve hassas verileri koruyarak güvenli kullanım planı oluşturmayı öğrenir.
Yapay zekânın kalite göstergeleri, olay bildirimleri, risk örüntüleri ve erken uyarı süreçlerine nasıl destek olabileceğini ele alır. Katılımcılar teknoloji desteğini insan sorumluluğu, veri kalitesi ve güvenlik kontrolleriyle birlikte değerlendirmeyi öğrenir.
Üretken yapay zekâdan daha açık, amaca uygun ve doğrulanabilir çıktılar almak için prompt tasarımının temel bileşenlerini ele alır. Katılımcılar amaç, bağlam, görev, kısıt ve çıktı biçimini kullanarak kendi çalışma ihtiyaçlarına uygun promptlar geliştirir.
Klinik karar destek sistemlerinin veri, kural, skor, uyarı ve öneri üretme mantığını ele alır. Katılımcılar bir KKDS çıktısını klinik bağlam, veri kalitesi, yanlış alarm ve insan sorumluluğu açısından değerlendirmeyi öğrenir.
Yapay zekânın iş yükü tahmini, vardiya planlama, beceri eşleştirme ve kapasite yönetimine sağlayabileceği desteği ele alır. Katılımcılar planlama çıktılarını adalet, güvenlik, çalışan refahı ve yönetici sorumluluğu açısından değerlendirmeyi öğrenir.
Yapay zekâ araçlarının araştırma sorusu geliştirme, literatür keşfi, kaynak düzenleme ve bilimsel değerlendirme süreçlerinde sorumlu kullanımını ele alır. Katılımcılar kaynak uydurma, yanlış atıf ve doğrulanmamış özet risklerine karşı kontrollü bir çalışma akışı geliştirir.
Serinin diğer modülleri, bu kazanımı farklı uygulama alanlarıyla tamamlar.
Evet. Her modüle ayrı kayıt olunabilir. Bununla birlikte modüller birbirini tamamlayan bir öğrenme yolu oluşturur.
Evet. Modül kendi temel çerçevesini sunacak biçimde hazırlanmıştır. Önceki veya sonraki modüller konuyu farklı yönleriyle derinleştirir.
Modül sonunda konuya özgü bir kontrol listesi, değerlendirme kartı, matris, plan veya uygulama taslağı oluşturmanız hedeflenir.
Evet. Kavramlar örnekler, kısa değerlendirmeler ve katılımcının kendi çalışma alanına uyarlayabileceği uygulamalarla desteklenir.
Hayır. Modüle özgü ön bilgi gereksinimi ilgili sayfada ayrıca belirtilir; genel olarak ileri düzey yazılım veya programlama bilgisi aranmaz.
Katılım ve belgelendirme koşullarını sağlayan katılımcılar için sistemde tanımlanan katılım belgesi süreci uygulanır.
YZ içerik ve etkinlik seçenekleri üretebilir; ancak öğrenme hedefi, pedagojik seçim, doğruluk kontrolü ve nihai sorumluluk eğitmendedir.
Evet. Öğrenme hedefiyle uyumlu soru, vaka, etkinlik veya rubrik geliştirme örnekleri yapılabilir.
Kullanımdan önce doğruluk, düzey, dil, kültürel uygunluk ve öğrenme hedefiyle uyum açısından gözden geçirilmelidir.
Evet. Kişisel ve gizli veri kullanmadan, kendi eğitim konunuz için mini ders taslağı oluşturabilirsiniz.
Sorularınızı netleştirmek, öğrenme yolculuğuna güvenle başlamanın ilk adımıdır.
Bu modül, yapay zekânın öğrenme hedefi, ders planı, etkinlik, ölçme ve müfredat geliştirme süreçlerinde pedagojik amaçla kullanımı konusunda temel bir çerçeve kurmanıza ve kendi çalışma alanınıza uyarlanabilir bir çıktı geliştirmenize yardımcı olur. Öğrendiklerinizi güvenli, etik ve insan denetimini koruyan bir yaklaşımla uygulamaya dönüştürün.
Eğitimde yapay zekânın gerçek gücü, daha çok içerikten önce daha nitelikli öğrenme tasarımında görünür.
