Yapay zekâ kavramı günlük kullanımda çoğu zaman birbirinden farklı teknoloji ve yöntemleri tek başlık altında toplamak için kullanılmaktadır. Bu modül; yapay zekâ, makine öğrenmesi, derin öğrenme, büyük dil modelleri ve üretken yapay zekâ arasındaki temel farkları açıklar.
Sağlık hizmetlerinden örnekler üzerinden veri, model, çıktı ve insan denetimi ilişkisi incelenir. Katılımcılar bir yapay zekâ uygulamasının fırsatlarını, sınırlarını, hata ve yanlılık risklerini daha bilinçli değerlendirebilecek kavramsal bir temel kazanır.
• Yapay zekâ, makine öğrenmesi, derin öğrenme ve üretken yapay zekâ kavramlarını ayırt etme.
• Veri, model, algoritma, çıktı ve geri bildirim ilişkisini anlama.
• Tahmin, sınıflandırma, öneri ve içerik üretimi kullanım biçimlerini tanıma.
• Sağlık alanındaki yapay zekâ uygulamalarının fırsat ve risklerini değerlendirme.
• Model çıktılarında insan denetimi ve doğrulamanın neden gerekli olduğunu açıklama.
HEMBİLDER Aktif Üyelerine özeldir. Üyelerimizden,
• Hemşireler ve ebeler,
• Hemşirelik hizmetleri yöneticileri ve klinik sorumlular,
• Sağlık bilişimi, kalite, eğitim, proje ve dijital dönüşüm birimlerinde görev alanlar,
• Üniversite ve meslek yüksekokullarında görev yapan akademisyenler,
• Lisansüstü öğrenciler ve sağlık alanında araştırma yürütenler,
• Sağlık teknolojileri, ilaç, sigorta ve medikal teknoloji alanlarında çalışanlar katılabilir.
Kayıt öncesinde modülün kapsamını, hedef kitlesini ve beklenen çıktısını aşağıdaki bölümlerden inceleyebilirsiniz.
Yapay zekâyı doğru kullanmanın ilk adımı, ne yaptığını ve ne yapamadığını doğru anlamaktır.
• Temel Kavramlar: Yapay zekâ kavramı ve temel tanımlar.
• Kural ve Öğrenme: Kural tabanlı sistemler ve öğrenen sistemler.
• Makine Öğrenmesi: Makine öğrenmesi ve temel kullanım biçimleri; veri, model ve çıktı ilişkisini mesleki örneklerle inceleme.
• Derin Öğrenme: Derin öğrenme ve sinir ağlarına genel bakış.
• Üretken Yapay Zekâ: Üretken yapay zekâ ve büyük dil modelleri.
• Veri–Model–Çıktı: Veri, algoritma, model ve çıktı ilişkisi.
• Yapay Zekâ Görevleri: Tahmin, sınıflandırma, öneri ve üretim görevleri.
• Sağlık Uygulamaları: Sağlık alanındaki yapay zekâ kullanım örnekleri; insan denetimi ilişkisini mesleki örneklerle inceleme.
• Hata ve Halüsinasyon: Model hataları, halüsinasyon ve yanlış güven.
• Sorumlu Kullanım: Yanlılık, açıklanabilirlik ve etik sorumluluk.
• Kavramları Doğru Kullanma: Yapay zekâ kavramı ve temel tanımlar açıklayabilme.
• Sistem Türünü Ayırt Etme: Kural tabanlı sistemler ve öğrenen sistemler ayırt edebilme.
• Model Mantığını Açıklama: Makine öğrenmesi ve temel kullanım biçimleri belirleyebilme.
• Görev Türünü Sınıflandırma: Derin öğrenme ve sinir ağlarına genel bakış değerlendirebilme.
• Uygunluk Değerlendirme: Üretken yapay zekâ ve büyük dil modelleri ile veri, model ve çıktı arasındaki ilişkiyi sınıflandırabilme.
• Veri İhtiyacını Belirleme: Veri, algoritma, model ve çıktı ilişkisi yorumlayabilme.
• Çıktıyı Sorgulama: Tahmin, sınıflandırma, öneri ve üretim görevleri sorgulayabilme.
• Riskleri Tanımlama: Sağlık alanındaki yapay zekâ kullanım örnekleri yapılandırabilme.
• İnsan Denetimi Kurma: Model hataları, halüsinasyon ve yanlış güven ile insan denetimi arasındaki ilişkiyi uyarlayabilme.
• YZ Uygunluk Kartı Hazırlama: Yanlılık, açıklanabilirlik ve etik sorumluluk taslak hâline getirebilme.
Bu modül, yapay zekâya giriş ve kavramsal temeller konusunu mesleki uygulamalarında kullanmak veya değerlendirmek isteyen katılımcılar için hazırlanmıştır.
HEMBİLDER Aktif Üyelerine özeldir. Üyelerimizden,
• Hemşireler ve ebeler,
• Hemşirelik hizmetleri yöneticileri ve klinik sorumlular,
• Sağlık bilişimi, kalite, eğitim, proje ve dijital dönüşüm birimlerinde görev alanlar,
• Üniversite ve meslek yüksekokullarında görev yapan akademisyenler,
• Lisansüstü öğrenciler ve sağlık alanında araştırma yürütenler,
• Sağlık teknolojileri, ilaç, sigorta ve medikal teknoloji alanlarında çalışanlar katılabilir.
Ön Bilgi Gereksinimi: İleri düzey matematik, algoritma veya programlama bilgisi gerekmez. Temel bilgisayar kullanımı ve sağlık hizmetlerine ilişkin mesleki deneyim yeterlidir.
Bilgiyi değere dönüştüren şey, onu doğru bağlamda uygulayabilmektir.
Dr.Öğretim Üyesi • İstanbul Üniversitesi Hemşirelik Fakültesi Hemşirelik Bölümü Cerrahi Hastalıkları Hemşireliği ABD
Hemşirelik ve cerrahi hastalıkları hemşireliği ana araştırma alanları olmak üzere, cerrahi hemşireliği, hasta güvenliği ve yapay zekânın hemşireliğe entegrasyonu gibi konularda araştırmalar ve projeler yürütmektedir. Bu alanlarda yayınlanmış ulusal ve uluslararası makaleleri bulunmaktadır.
2026 yılında çıkacak "Hemşirelikte Yapay Zekâ" isimli kitabın editörlerinden biridir.
Cerrahi Bakımda Geleneksel ve Tamamlayıcı Tedaviler -2026 kitabının, "Müziğin Cerrahi Bakımda Kullanımı" ve "Hipnozun Cerrahi Bakımda Kullanımı" adlı iki ayrı bölümünün yazarlardındandır.
Tıbbi Dokümantasyon ve Sekreterlik Programı ve Mesleki Uygulamalar - 2021 kitabının, "Tıbbi Belgelerin Gizliliği ve Etik Kurallar" adlı bölümünün yazarıdır.
2009 - 2013 | Lisans, İstanbul Bilim Üniversitesi, Florence Nightingale Hastanesi Hemşirelik Yüksekokuluü
2015 - 2018 | Yüksek Lisans, Bezmiâlem Vakıf Üniversitesi, Sağlık Bilimleri Enstitüsü, Cerrahi Hemşireliği,
2018 - 2023 | Doktora, İstanbul Üniversitesi-Cerrahpaşa, Lisansüstü Eğitim Enstitüsü, Cerrahi Hemşireliği
2013 - 2014 Avrupa Florence Nightingale Hastanesi, Ameliyathane Hemşiresi
2014 - 2014 Şişli Florence Nightingale Hastanesi, Ameliyathane Hemşiresi
2014 - 2015 Arel Üniversitesi, Klinik Eğitim Sorumlusu
2015 - 2017 Bezmialem Vakıf Üniversitesi Sağlık Uygulama ve Araştırma Merkezi, Ameliyathane Hemşiresi
2018 - 2019 | Bezmiâlem Vakıf Üniversitesi, Sağlık Bilimleri Fakültesi, Hemşirelik Bölümü, Araştırma Görevlisi,
2019 - 2023 | Bezmiâlem Vakıf Üniversitesi, SağlıkBilimleri Fakültesi, Hemşirelik Bölümü, Öğretim Görevlisi,
2022 - 2022 | Atatürk Üniversitesi, Hemşirelik Fakültesi, Öğretim Görevlisi,
2024 - 2025 | Bezmiâlem Vakıf Üniversitesi, Sağlık Bilimleri Fakültesi, Hemşirelik Bölümü, Dr.Öğr.Üyesi,
2025 - Halen Devam Ediyor | İstanbul Üniversitesi, Hemşirelik Fakültesi, Dr.Öğr.Üyesi,
,
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.
2. 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, Yapay Zekâya Giriş konusunu kavramdan uygulamaya taşıyan aşamalı bir öğrenme akışıyla ilerler.
Kurs öncesinde günlük çalışma veya eğitim hayatınızda yapay zekâ ile ilişkilendirdiğiniz bir uygulamayı ve bu uygulamadan ne beklediğinizi kısa notlarla hazırlamanız önerilir. Eğitim sırasında bu örnek üzerinden yapay zekânın gerçek rolü, sınırları ve gerekli insan denetimi tartışılacaktır. 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.
Yapay zekâ kavramlarını doğru kullanıp bir uygulamanın çalışma mantığını temel düzeyde açıklayabilirsiniz. Hero alanında kısa biçimde verilen bu kazanım, aşağıdaki düşünme akışı ve örnek çıktı üzerinden ayrıntılandırılır. Sağlık problemi–yapay zekâ uygunluk değerlendirme kartı 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 Problemi–Yapay Zekâ Uygunluk Değerlendirme Kartı” 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…
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.
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.
Modülün ana amacı belirli bir aracı öğretmek değil, araçları daha bilinçli değerlendirebilmek için yapay zekânın kavramsal temelini oluşturmaktır.
Evet. İçerik ileri matematik ve kodlama gerektirmeden, sağlık alanından örneklerle temel mantığı açıklayacak biçimde hazırlanmıştır.
Modeller olasılıksal örüntüler üzerinden çıktı üretir. Eksik veri, bağlam kaybı, yanlılık ve halüsinasyon gibi nedenlerle sonuçlar doğrulanmalıdır.
Hayır. Klinik karar vermek yerine, yapay zekâ sistemlerinin klinik ve yönetsel süreçlerde nasıl destek sağlayabileceğini ve sınırlarını açıklar.
Sorularınızı netleştirmek, öğrenme yolculuğuna güvenle başlamanın ilk adımıdır.
Bu modül, yapay zekânın temel kavramları, çalışma mantığı, sağlık alanındaki kullanım biçimleri ve sınırları 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.
Yapay zekâyı doğru anlamak, onu güvenli ve amaçlı kullanmanın ilk koşuludur.
