Üretken yapay zekâ araçlarından alınan çıktının niteliği, yalnızca kullanılan modele değil; görevin ne kadar açık tanımlandığına ve gerekli bağlamın ne ölçüde verildiğine de bağlıdır. Bu modül, promptu tek cümlelik bir komut değil, yapılandırılmış bir iletişim tasarımı olarak ele alır.
Katılımcılar rol, amaç, bağlam, görev, kısıt, örnek, çıktı biçimi ve doğrulama ölçütlerini kullanarak prompt geliştirir. İlk çıktıyı değerlendirme, takip sorusu sorma ve promptu yinelemeli biçimde iyileştirme uygulamaları yapılır.
• Prompt kavramını ve çıktı kalitesi üzerindeki etkisini anlama.
• Amaç, rol, bağlam, görev, kısıt ve çıktı biçimini ayırt etme.
• Belirsiz bir isteği yapılandırılmış prompta dönüştürme.
• Takip soruları ve yinelemeli iyileştirme yaklaşımını uygulama.
• Sağlık alanında güvenli ve doğrulanabilir promptlar geliştirme.
HEMBİLDER Aktif Üyelerine özeldir. Üyelerimizden,
• Hemşireler ve ebeler
• Rapor, eğitim, sunum, doküman ve iletişim içeriği hazırlayanlar
• Akademik çalışma, araştırma ve literatür süreçlerinde görev alanlar
• Kalite, yönetim, eğitim ve proje birimlerinde çalışanlar
• Üniversite ve meslek yüksekokullarında görev yapan akademisyenler
• Üretken yapay zekâ araçlarını daha sistematik kullanmak isteyenler katılabilir.
Kayıt öncesinde modülün kapsamını, hedef kitlesini ve beklenen çıktısını aşağıdaki bölümlerden inceleyebilirsiniz.
İyi bir prompt, yalnızca ne istediğinizi değil; neden, hangi bağlamda ve hangi ölçütlerle istediğinizi açıklar.
• Promptun Temeli: Prompt kavramı ve model çıktısı ilişkisi.
• Amaç Belirleme: Amaç ve beklenen sonuç.
• Rol Tanımlama: Rol ve bakış açısı tanımlama; amaç, bağlam ve görev ilişkisini mesleki örneklerle inceleme.
• Bağlam Kurma: Bağlam ve gerekli arka plan bilgisi.
• Görevi Yapılandırma: Görevin açık ve sınırlandırılmış yazımı.
• Kısıtlar: Kısıtlar ve kullanılmaması gerekenler.
• Çıktı Biçimi: Çıktı biçimi ve uzunluk ölçütleri.
• Örnek Kullanımı: Örnek verme ve şablon kullanımı; doğrulanabilir çıktı ilişkisini mesleki örneklerle inceleme.
• Takip Soruları: Takip soruları ve yinelemeli geliştirme.
• Güvenli Prompt: Doğrulama ve kaynak kontrolü.
• Amacı Netleştirme: Prompt kavramı ve model çıktısı ilişkisi açıklayabilme.
• Bağlamı Tanımlama: Amaç ve beklenen sonuç ayırt edebilme.
• Rolü Belirleme: Rol ve bakış açısı tanımlama belirleyebilme.
• Görevi Sınırlandırma: Bağlam ve gerekli arka plan bilgisi değerlendirebilme.
• Çıktı Biçimini Yazma: Görevin açık ve sınırlandırılmış yazımı ile amaç, bağlam ve görev arasındaki ilişkiyi sınıflandırabilme.
• Kalite Ölçütü Ekleme: Kısıtlar ve kullanılmaması gerekenler yorumlayabilme.
• Takip Sorusu Üretme: Çıktı biçimi ve uzunluk ölçütleri sorgulayabilme.
• Promptu İyileştirme: Örnek verme ve şablon kullanımı yapılandırabilme.
• Hassas Veriyi Ayıklama: Takip soruları ve yinelemeli geliştirme ile doğrulanabilir çıktı arasındaki ilişkiyi uyarlayabilme.
• Prompt Şablonu Hazırlama: Doğrulama ve kaynak kontrolü taslak hâline getirebilme.
Bu modül, prompt nedir? neden önemlidir? konusunu mesleki uygulamalarında kullanmak veya değerlendirmek isteyen katılımcılar için hazırlanmıştır.
HEMBİLDER Aktif Üyelerine özeldir. Üyelerimizden,
• Hemşireler ve ebeler
• Rapor, eğitim, sunum, doküman ve iletişim içeriği hazırlayanlar
• Akademik çalışma, araştırma ve literatür süreçlerinde görev alanlar
• Kalite, yönetim, eğitim ve proje birimlerinde çalışanlar
• Üniversite ve meslek yüksekokullarında görev yapan akademisyenler
• Üretken yapay zekâ araçlarını daha sistematik kullanmak isteyenler katılabilir.
Ön Bilgi Gereksinimi: Temel bilgisayar ve internet kullanımı yeterlidir. Daha önce prompt yazmış veya üretken yapay zekâ aracı kullanmış olmak zorunlu değildir.
Bilgiyi değere dönüştüren şey, onu doğru bağlamda uygulayabilmektir.
Hemşirelik Hizmetleri Müdürü • Medipol Üniversitesi Hastanesi
Klinik yönetim, hemşirelik hizmetleri ve kalite süreçlerini dijital araçlarla güçlendirmeye odaklanan KAPANCI, yapay zeka destekli iş akışı tasarımı ve uygulamalı eğitimler alanında sağlık profesyonelleriyle birlikte sahaya dönük çalışmalar yürütmektedir. Bu modülde, günlük iş yükü yoğun olan ekipler için pratik, uygulanabilir prompt örnekleriyle ilerleyecektir.
Çalışma alanları mezuniyet sonrası hemşirelik eğitimleri, hemşirelik bilişimi, kalite ve hasta güvenliğidir.
2000-2004 yılları arasında 8 dönem Vehbi Koç Şeref Ödülleri, 2004 yılında Siemens Mükemmellik Ödülünü, 2013 yılında Sağlık Bilişim Zirvesinde Altın Stetoskop Ödülünü almıştır.
1997 - 2000 | İstanbul Validebağ Anadolu Sağlık Meslek Lisesi,
2000 - 2004 | Lisans, Koç Üniversitesi, Hemşirelik Yüksekokulu,
2011 - 2012 | Eğitim Programı, Yıldız Teknik Üniversitesi, Pedagojik Formasyon,
2012 - 2013 | Yüksek Lisans, Hasan Kalyoncu Üniversitesi, Sosyal Bilimler Enstitüsü, Sağlık Kurumları ve Hastane Yönetimi.
2022 - 2023 | Yüksek Lisans, Medipol Üniversitesi, Tıp Bilişimi.
2004 - 2007 | Amerikan Hastanesi- KVC hemşireliği,
2007 - 2012 | Bağcılar Eğitim ve Araştırma Hastanesi – Cerrahi Servis Sorumlu Hemşireliği ve Eğitim Gelişim Hemşireliği
2012 - Halen Devam Ediyor | Medipol Üniversitesi Hastanesi – Hemşirelik Hizmetleri Müdürü
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.
6. 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, Prompt Tasarımı konusunu kavramdan uygulamaya taşıyan aşamalı bir öğrenme akışıyla ilerler.
Kurs öncesinde üretken yapay zekâdan almak istediğiniz bir çıktı türünü ve bu çıktıyı hangi amaçla kullanacağınızı belirlemeniz önerilir. Eğitim sırasında bu örnek üzerinden daha açık, yapılandırılmış ve doğrulanabilir promptlar geliştirebilirsiniz. Uygulamalarda gerçek hasta verisi, kişisel veri veya kurumunuza ait gizli bilgiler kullanılmamalıdır. Yapay zekâ tarafından üretilen tüm içerikler uzman değerlendirmesi ve doğrulama gerektirir.
Her bölüm, öğrenilen bilgiyi bir sonraki uygulama adımına taşımak üzere tasarlanmıştır.
Amacı, bağlamı ve çıktı ölçütleri açık yapılandırılmış promptlar yazabilirsiniz. Hero alanında kısa biçimde verilen bu kazanım, aşağıdaki düşünme akışı ve örnek çıktı üzerinden ayrıntılandırılır. Sağlık alanı için yeniden kullanılabilir prompt şablonu 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 “Sağlık Alanı İçin Yapılandırılmış Prompt Şablonu” 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.
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.
Elinizdeki göstergeler, tablolar ve raporlar üzerinden, yapay zeka ile birlikte anlamlı sonuçlar çıkarmayı ve klinik/iş kararlarını desteklemeyi öğrenin.
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.
Hayır. İyi prompt çıktının amaca uygunluğunu artırabilir; ancak model hatası, halüsinasyon ve kaynak sorunlarını tamamen ortadan kaldırmaz.
Hayır. Açık amaç, yeterli bağlam ve doğru çıktı ölçütleri belirlemek temel başlangıç için yeterlidir.
Hayır. Modellerin yetenekleri, eğitim verileri ve sistem ayarları farklıdır; promptun araca göre uyarlanması gerekebilir.
Evet. Kişisel veya gizli veri kullanmadan, kendi mesleki ihtiyacınıza yönelik bir prompt şablonu oluşturmanız hedeflenir.
Sorularınızı netleştirmek, öğrenme yolculuğuna güvenle başlamanın ilk adımıdır.
Bu modül, üretken yapay zekâdan daha açık, amaca uygun ve doğrulanabilir çıktılar almak için prompt tasarımının temel ilkeleri 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.
Doğru yapılandırılmış bir soru, yapay zekâdan alınacak nitelikli çıktının ilk adımıdır.
