Amaç: Yapay zekâ (YZ), makineler veya sistemler aracılığıyla insan zekâsını taklit eden, makine öğrenmesi ile derin öğrenme gibi birçok alt alanı kapsayan, hızla gelişmekte olan bir teknolojidir. YZ’nin kullanımı; ekonomi, hukuk, sağlık hizmetleri, bilimsel araştırma ve eğitim gibi insan yaşamının pek çok boyutu üzerindeki önemli etkisi nedeniyle dünya genelinde dikkat çekmektedir. YZ’nin potansiyel uygulamaları; diş hekimliği, oftalmoloji, eczacılık ve radyoloji gibi klinik hizmet alanlarında araştırılmaktadır. Bunların yanında, YZ uygulamalarının, odyoloji ve dil ve konuşma terapisi alanlarına da önemli yenilikler getirme potansiyeline sahip olduğu belirtilmektedir. Bu uygulamalar; odyoloji alanında işitme değerlendirmelerinin yapılmasından, işitme cihazı ve koklear implant programlamalarının yapılmasına, işitsel rehabilitasyon süreçlerinin optimize edilmesine kadar geniş bir yelpazeyi kapsamaktadır. Dil ve konuşma terapisi alanında ise, bireylerin konuşma örüntülerini ve kalıplarını tespit ederek kekemelik rehabilitasyonunda kişiye özel terapi planlarının oluşturulmasına, benzer şekilde afazi rehabilitasyonunda kişiselleştirilmiş rehabilitasyon planlarının sunulmasına yardımcı olabileceği belirtilmektedir (ElHennawy, 2024). YZ uygulamaları son yıllarda dil ve konuşma terapisi alanında, larinks hastalıklarının tanı ve tedavisinde de uygulanabilir bir araç haline gelmiştir. YZ’nin sunduğu tüm olanaklara rağmen, sağlık sistemine entegrasyonu çeşitli zorlukları da beraberinde getirmektedir. Bu zorluklar arasında; etik sorunlar, veri gizliliğinin ihlali ve bilimsel sınırlılıklar yer almaktadır. Bu zorluklar ile teknolojinin yasal ve etik boyutları göz önüne alındığında, sağlık profesyonellerinin bu araçlara uyum sağlaması ve onları etkin bir şekilde kullanması büyük önem taşımaktadır. Yapılan çalışmalar, sağlık profesyonellerinin YZ araçlarına uyum sağlamaları ve YZ araçlarını etkin bir şekilde kullanabilmeleri için, YZ’ye yönelik tutumlarına ve farkındalıklarına odaklanılması gerektiğini göstermektedir. Bu bilgiler doğrultusunda ve YZ teknolojilerinin odyoloji ve dil ve konuşma terapisi alanlarında artan önemi nedeniyle, odyologların ve dil ve konuşma terapistlerinin (DKT) YZ’ye yönelik farkındalıklarına ve tutumlarına odaklanmanın önemli olduğu düşünülmüştür. Bu çalışmada, odyologlar ve DKT’lerin YZ’ye yönelik tutumlarının incelenmesi ve karşılaştırılması, ayrıca odyologlar ve DKT’lerin eğitim düzeyi, mesleki deneyim süresi, çalışma ortamı gibi mesleki özelliklerinin YZ’ye yönelik tutumlar üzerine olan etkisinin araştırılması amaçlanmıştır.
Yöntem: Çalışmaya 87 odyolog ve 70 dil ve konuşma terapistinden oluşan 157 birey dahil edilmiştir. Çalışma kapsamında, katılımcılardan Demografik ve Mesleki Özellikler Bilgi Formu’nu ve Yapay Zekaya Yönelik Genel Tutum Ölçeği’ni Google Forms aracılığıyla doldurmaları istenmiştir.
Bulgular: Odyologlar Pozitif Tutum Alt Ölçeği ve Negatif Tutum Alt Ölçeği’nden sırasıyla ortalama 46.49 ± 6.05 ve 23.52 ± 5.27 puan elde etmiştir. DKT’ler ise Pozitif Tutum Alt Ölçeği’nden ortalama 45.54 ± 6.23, Negatif Tutum Alt Ölçeği’nden ise 22.12 ± 4.78 puan elde etmiştir. İstatistiksel analizler, iki grup arasında Pozitif Tutum Alt Ölçeği (p = .33) ve Negatif Tutum Alt Ölçeği (p = .87) puanları açısından anlamlı bir fark olmadığını göstermiştir. DKT’lerin Pozitif Tutum Alt Ölçeği puanlarında çalışma ortamına göre anlamlı bir fark tespit edilmiştir (p = .01). Post-hoc analizler, bu farkın, özel kliniklerde çalışan DKT’lerin, özel eğitim merkezlerinde çalışanlara göre YZ’ye yönelik istatistiksel olarak anlamlı düzeyde daha pozitif tutumlara sahip olmalarından kaynaklandığını ortaya koymuştur (p = .007).
Sonuç: Çalışmanın bulguları, odyologlar ve dil ve konuşma terapistlerinin genel olarak yapay zekâya karşı olumlu ve benzer tutumlar sergilediklerini ortaya koymuştur. Bu durum, her iki meslek grubunun da sağlık alanındaki dijital dönüşüme açık olduğunu ve YZ teknolojilerinin klinik uygulamalarda kullanım potansiyelini benimseyebileceklerini göstermektedir. Elde edilen sonuçlar, YZ tabanlı teknolojilerin odyoloji ve dil-konuşma terapisi alanlarında kabulünü ve benimsenmesini teşvik etmede önemli bir referans kaynağı olarak değerlendirilebilir. Sağlık profesyonellerinin YZ’ye karşı mevcut olumlu tutumlarının desteklenmesi ve güçlendirilmesi; ayrıca YZ teknolojilerinin odyoloji ile dil ve konuşma terapisi alanlarındaki klinik uygulamalara etkili, güvenli ve kanıta dayalı biçimde entegre edilmesinin aktif olarak teşvik edilmesi önemlidir. Sonuç olarak, YZ’nin odyoloji ve dil-konuşma terapisi alanlarında benimsenmesini ve etkin kullanılmasını destekleyecek kapsamlı eğitim, farkındalık ve politika çalışmaları büyük önem taşımaktadır.
Anahtar Kelimeler
yapay zeka, tutum, odyologlar, dil ve konuşma terapistleri, sağlık
Referanslar
Aggarwal, K., Ravi, R., & Yerraguntla, K. (2025a). Artificial intelligence and patient care: Perspectives of audiologists and speech-language pathologists. Intelligence-Based Medicine, 11, 1–5. https://doi.org/10.1016/j.ibmed.2025.100214
Aggarwal, K., Ravi, R., & Yerraguntla, K. (2025b). Use of artificial intelligence tools by audiologists and speech-language therapists: An international survey of academicians. Journal of Otology, 20(1), 20–25. https://doi.org/10.26599/JOTO.2025.9540004
Al-Banna, A.-K., Edirisinghe, E., Fang, H., & Hadi, W. (2022). Stuttering disfluency detection using machine learning approaches. Journal of Information & Knowledge Management, 21(02), 2250020. https://doi.org/10.1142/S0219649222500204
Austin, J., Benas, K., Caicedo, S., Imiolek, E., Piekutowski, A., & Ghanim, I. (2024). Perceptions of artificial intelligence and ChatGPT by speech-language pathologists and students. American Journal of Speech-Language Pathology, 34(1), 174–200. https://doi.org/10.1044/2024_AJSLP-24-00218
Boyacı, H., & Söyük, S. (2025). Healthcare workers’ readiness for artificial intelligence and organizational change: A quantitative study in a university hospital. BMC Health Services Research, 25(1), 1–16. https://doi.org/10.1186/S12913-025-12846-Y
ElHennawy, S. M. (2024). The impact of artificial intelligence (AI) in the assessment and treatment of communication disorders (A review of literature). The Egyptian Journal of Language Engineering, 11(2), 36–45. https://doi.org/10.21608/ejle.2024.303151.1069
Frosolini, A., Franz, L., Caragli, V., Genovese, E., de Filippis, C., & Marioni, G. (2024). Artificial intelligence in audiology: A scoping review of current applications and future directions. Sensors, 24(22), 1–21. https://doi.org/10.3390/s24227126
Habib, M. M., Hoodbhoy, Z., & Siddiqui, M. A. R. (2024). Knowledge, attitudes, and perceptions of healthcare students and professionals on the use of artificial intelligence in healthcare in Pakistan. PLOS Digital Health, 3(5), 1–14. https://doi.org/10.1371/journal.pdig.0000443
Hasan, H. E., Jaber, D., Al Tabbah, S., Lawand, N., Habib, H. A., & Farahat, N. M. (2024). Knowledge, attitude and practice among pharmacy students and faculty members towards artificial intelligence in pharmacy practice: A multinational cross-sectional study. PLOS ONE, 19(3), 1–24. https://doi.org/10.1371/journal.pone.0296884
Kamalov, F., Santandreu Calonge, D., & Gurrib, I. (2023). New era of artificial intelligence in education: Towards a sustainable multifaceted revolution. Sustainability, 15(16), 1–27. https://doi.org/10.3390/su151612451