1- İSİG: Yapay Zeka ve İş Sağlığı ve Güvenliği: Faydaları ve Dezavantajları

Yazan /

Mohamed El-Helaly 1, 2, 

Özet

Bu makale, yapay zekanın (YZ) iş sağlığı ve güvenliği üzerindeki etkisini ele almaktadır. YZ’nin iş sağlığı ve güvenliği alanına entegrasyonu henüz başlangıç ​​aşamasında olsa da, iş yerinde çok sayıda uygulama alanı bulunmaktadır. Bu uygulamaların bazıları, giyilebilir cihazlar ve sensörler aracılığıyla çalışanların sağlık ve güvenliğinin ve iş yeri ortamının sürekli izlenmesi gibi, çalışanların sağlık ve güvenliği için birçok fayda sağlamaktadır. Bununla birlikte, YZ’nin iş yerinde etik kaygılar ve veri gizliliği endişeleri gibi olumsuz etkileri de olabilir. İş yerinde YZ’nin faydalarını en üst düzeye çıkarmak ve dezavantajlarını en aza indirmek için, hem işverenler hem de çalışanlar için eğitim verilmesi ve YZ’nin iş yerine entegrasyonunu düzenleyen politika ve yönergelerin belirlenmesi gibi belirli önlemler alınmalıdır.

Anahtar Kelimeler: Yapay Zeka, İş Sağlığı, Güvenliği, Ruh Sağlığı, Tehlike, Giyilebilir Cihazlar

1. Giriş

1955 yılında John McCarthy, ‘Yapay Zeka’ (YZ) terimini ilk kullanan kişi olmuştur [  ]. YZ, insan gibi düşünmek ve öğrenmek üzere programlanmış makinelerde insan zekasının simülasyonunu ifade eder. Geleneksel olarak insan zekası gerektiren görevleri makinelerin gerçekleştirmesini sağlayan algoritmaların ve hesaplama modellerinin geliştirilmesini içerir. Bu görevler arasında problem çözme, konuşma tanıma, karar verme, görsel algılama, dil çevirisi ve daha fazlası yer almaktadır [  ].

Yapay zekâ iki ana kategoriye ayrılabilir: Belirli görevler için optimize edilmiş ve sesli asistanlarda, öneri algoritmalarında ve görüntü tanıma sistemlerinde iyi performans gösteren Nesnelerin İnterneti (IoT) [  ,  ] ve kelimeleri ilişkilendiren, öğrenen ve karmaşık sorunları çözen ancak adlarına rağmen insan kadar zeki olmayan üretken yapay zekâ [  ,  ]. Yapay zekâ, robotik, bilgisayar görüşü, doğal dil işleme, makine öğrenimi ve uzman sistemler gibi çeşitli alt alanları içerir. Yapay zekâ çoğunlukla, bilgisayarların deneyimden öğrenmesini sağlayan algoritmaları kullanan ve açık programlama olmadan “akıllı” sonuçlar sağlayan makine öğrenimine dayanır [  ].

Öte yandan, iş sağlığı ve güvenliği (İSG), işyerinde bireylerin refahını korumak ve geliştirmekle ilgili çok disiplinli bir alan olarak tanımlanmaktadır. İşle ilgili faaliyetlerden kaynaklanabilecek riskleri ve tehlikeleri belirleme, değerlendirme ve azaltma konusunda sistematik bir yaklaşımı kapsamaktadır [  ]. İSG’nin temel amaçları, işçiler arasında yaralanmaları, hastalıkları ve ölümleri önlemek ve işçilerin fiziksel, zihinsel ve sosyal sağlığını destekleyen bir çalışma ortamı oluşturmak ve sürdürmektir [  ].

Şu anda yapay zeka, işyeri tehlikelerinin gerçek zamanlı olarak izlenmesini, risklerin proaktif olarak belirlenmesini ve ele alınmasını ve yapay zeka tarafından desteklenen tahmine dayalı analitiklerle sağlık trendlerinin tahmin edilmesi yoluyla önleyici tedbirlerin geliştirilmesini mümkün kılmaktadır [  ,  ,  ]. Yapay zekanın entegrasyonu sadece güvenlik protokollerini iyileştirmekle kalmaz, aynı zamanda çalışan refahına yönelik kapsamlı bir yaklaşımı da geliştirir ve artan verimlilik ve hassasiyetle iş sağlığı ve güvenliği alanında bir paradigma değişimine işaret eder [  ,  ]. Öte yandan, işyerinde yapay zekanın yenilikçi kullanımları, yapay zeka yaklaşımlarını ve işyerinde yapay zeka destekli uygulamalar uygulandığında bunların iş ve çalışanlar üzerindeki olası sonuçlarını daha derinlemesine kavramaları gereken iş sağlığı ve güvenliği uzmanları için önemli zorluklar yaratmaktadır [  ,  ,  ,  ]. İşyerinde yapay zeka teknolojileri kullanıldıkça, olası dezavantajlarını en aza indirirken iş sağlığı ve güvenliği için potansiyel faydalarını en üst düzeye çıkarmak zorunludur.

2. İş Sağlığı ve Güvenliğinde Yapay Zekanın Faydaları ve Uygulamaları

2.1. Giyilebilir Cihazlar, Sensörler ve IoT Cihazları Aracılığıyla İşçi Sağlığının İzlenmesi

İşyerinde giyilebilir cihazlar ve sensörler, çalışanların refahını, güvenliğini ve genel verimliliğini artırmada çok önemlidir [  ]. Bu cihazlar genellikle hayati belirtiler, atılan adımlar ve uyku düzenleri de dahil olmak üzere çeşitli sağlık ölçümlerini izlemek, yorgunluk veya stres seviyelerini belirlemek ve acil durumlarda veya potansiyel sağlık risklerinde çalışanları ve amirleri derhal bilgilendirmek için kullanılır [  –  ]. IoT, internet üzerinden iletişim kuran ve veri paylaşan birbirine bağlı fiziksel cihazlar, nesneler ve sistemler ağını ifade eder [  ]. İşyeri bağlamında IoT, veri toplamak ve değiş tokuş etmek için altyapıya çeşitli sensörler ve diğer akıllı cihazlar yerleştirmeyi içerir [  ]. Çok sayıda çalışma, şirketlerin yapay zeka ile desteklenen giyilebilir cihazlardan, sensörlerden ve IoT’den elde edilen verileri, yüksek stres seviyeleri veya düzensiz uyku düzenleri gibi potansiyel sağlık risklerini belirlemek için kullanabileceğini göstermiştir [  ,  ,  –  ]. Dahası, giyilebilir cihazlar ve IoT tarafından toplanan veriler, genel çalışan refahını desteklemek için kişiselleştirilmiş fitness planları ve stres yönetimi atölyeleri de dahil olmak üzere hedefli sağlık programlarının uygulanmasını bilgilendirmek üzere yapay zeka tarafından işlenebilir [  ,  ]. İnşaat, madencilik ve imalat gibi tehlikeli çalışma ortamlarında, sensörlerle donatılmış akıllı kasklar gibi özel giyilebilir cihazlar zararlı gazları tespit edebilir, çevresel koşulları izleyebilir ve kafa yaralanmalarını değerlendirebilir [  ]. Yapay zeka ile entegre edilen bu giyilebilir cihazlar, kaza durumunda otomatik uyarılar veya acil müdahaleler başlatarak zamanında yardım sağlanmasını ve ciddi sonuçların önlenmesini sağlar [  ]. Bu nedenle, giyilebilir cihazların, sensörlerin ve yapay zekanın entegrasyonu, hem işverenlerin hem de çalışanların sağlık ve güvenliğe öncelik vermesini sağlayarak verimliliğin artmasına, devamsızlığın azalmasına ve iş memnuniyetinin artmasına yol açar [  ,  ]. Bu teknolojiler geliştikçe, gelecekte işyeri sağlık izleme alanını yeniden şekillendirecek daha da gelişmiş uygulamalar bekleyebiliriz.

Sensör teknolojisi, giyilebilir cihazların ötesine geçerek iş yeri sağlığı izlemesine kadar uzanıyor; çalışma alanlarındaki çevresel sensörler sıcaklık, nem, gürültü seviyeleri ve hava kalitesi gibi faktörleri algılıyor [  ,  ]. Yapay zeka destekli sistemlerle birleştirildiğinde, bu sensörler genel iş yeri sağlığı ve güvenliğini değerlendiriyor, potansiyel tehlikeleri belirliyor ve koşulları proaktif olarak iyileştiriyor [  ,  ].

2.2. Enerji Verimliliği ve Çalışan Konforu için Akıllı Bina Sistemleri

Yapay zeka, çalışanların konforu için en uygun koşulları korurken enerji verimliliğini artırmak için akıllı bina sistemlerini optimize edebilir [  ]. Bu, iş yerinde akıllı iklim kontrolü, aydınlatma ve kaynak yönetimini içerir [  ,  ].

2.3. Tehlike Tanımlama ve Risk Değerlendirmesi

Tehlike tespit programları, güvenli olmayan çalışma koşulları, koruyucu giysi giymeyen işçiler, alet ve ekipmanların yanlış kullanımı, takılma ve düşme tehlikeleri, gözetimsiz araçlar, yerinden çıkmış ekipmanlar ve diğer uyumluluk sorunları gibi çeşitli risklere karşı korunmaya yardımcı olur [  –  ]. Endüstriler, iş yerlerinden gelen görüntüleri ve videoları incelemek ve insan gözleminden kaçabilecek potansiyel tehlikeleri ortaya çıkarmak için yapay zeka sistemlerini kullanabilir [  ,  ]. Örneğin, İngiltere Sağlık ve Güvenlik İdaresi, iş yerinde belirli maddelere mesleki maruziyeti değerlendirmek için Madde Maruziyetinin Tahmini ve Değerlendirilmesi (EASE) adlı bir yapay zeka programı geliştirmiştir [  ]. Ayrıca, yapay zeka makine arızalarını tahmin etmede de rol oynayabilir. Makinelerdeki sensör verilerinin analizi yoluyla, yapay zeka potansiyel bir arızayı işaret eden anormal kalıpları belirleyebilir [  ]. Bu proaktif tespit, şirketlerin bir makine arızalanmadan önce bakım yapmasını ve potansiyel kazaları önlemesini sağlar. Dahası, yapay zeka programları, verileri analiz ederek ve kalıpları ve anormallikleri belirleyerek riskleri belirleyebilir, değerlendirebilir ve azaltabilir [  ,  ]. Ancak, yapay zekanın işyerlerindeki risk değerlendirme sürecine ve sağlık gözetimine entegrasyonunun olumlu ve olumsuz yönlerini göstermek için çok az çalışma yapılmıştır. Bunun nedeni, yapay zekanın endüstriye entegrasyonunun henüz erken aşamalarında olması ve mevcut ana odak noktasının güvenlik ve mevzuata uyum gibi acil endişeler üzerindeki etkisine yönelik olması olabilir [  ,  ,  ].

2.4. Yapay Zeka Entegreli Akıllı Kişisel Koruyucu Ekipman

Solunum maskeleri, güvenlik ayakkabıları, kulaklıklar ve güvenlik gözlükleri gibi Kişisel Koruyucu Ekipmanlar (KKD), çalışanları işyerindeki çeşitli tehlikelerden korumada her zaman çok önemli bir rol oynamıştır [  ]. Bir görev, toplu teknik veya organizasyonel önlemlerle yeterince kontrol edilemeyen doğal riskler içeriyorsa, çalışanların görevlerini daha düşük yaralanma riskleriyle yerine getirmelerini sağlamak için KKD kullanımı şart hale gelir [  ]. KKD’nin güvenilirliği ve etkinliği, önleme hiyerarşisinin yerleşik ilkesiyle uyumlu olarak son derece önemlidir.

Akıllı KKD, geleneksel KKD’yi (örneğin itfaiyeci koruyucu kıyafeti) sensörler, dedektörler, veri aktarım modülleri, piller, kablolar ve diğer unsurlar gibi elektroniklerle birleştiren KKD’yi ifade eder [  ,  ]. Yapay zeka teknolojilerini akıllı KKD ile birleştirerek, değişen çevresel koşulları aktif olarak izler ve bunlara uyum sağlar, tehlikeleri tespit eder, hava kalitesini değerlendirir ve gerçek zamanlı uyarılar sağlar [  ,  ,  ]. Bu yenilik, iletişimi geliştirir ve iş güvenliğine proaktif bir yaklaşımı teşvik ederek çeşitli sektörlerde daha güvenli bir çalışma ortamı sağlar.

2.5. İşyeri Şiddetinin İzlenmesi

İşyeri şiddeti, çalışanların ruh sağlığı için risk oluşturan, küresel ölçekte yaygın bir sorundur. Çalışanların beşte birinden fazlası (neredeyse %23’ü) fiziksel, psikolojik veya cinsel şiddet ve tacize maruz kalmıştır [  ]. Yapay zeka, işyeri şiddetinin önlenmesinde önemli bir rol oynayabilir. Doğal dil işleme (NLP), büyük metin kütlelerini analiz etmeye yardımcı olan bir bilgisayar bilimi tekniğidir. NLP kullanarak, yapay zeka e-postaları ve dosyaları uygunsuz dil açısından tarayabilir ve bu tür ifadeler tespit edildiğinde yöneticileri uyarabilir [  ,  ]. Ses tanıma ile yapay zeka, toplantılarda konuşulan ifadeleri tanıyabilir ve taciz olaylarını ele almak için ayrıntılı raporlar oluşturabilir [  ,  ,  ].

2.6. Uyuşturucu ve Alkol Tarama Programlarında Yapay Zeka

Madde kullanım bozukluğu (SUD) olan kişilerin yaklaşık %60’ı şu anda çalışmaktadır [  ]. Bu nedenle, çalışanların alkol ve uyuşturucu kullanımı hem çalışanları hem de işyerini olumsuz etkileyebilir ve devamsızlığa, yüksek işten ayrılma oranına, verimlilik düşüşüne ve diğer güvenlik sorunlarına yol açabilir [  ]. Yapay zeka, işyerinde daha verimli ve doğru uyuşturucu ve alkol tarama süreçlerine katkıda bulunabilir [  ]. Otomatik sistemler biyolojik örnekleri analiz ederek güvenlik düzenlemelerine uyumu sağlayabilir ve madde içermeyen bir çalışma ortamını teşvik edebilir [  ,  ].

2.7. İş Gücü Ruh Sağlığı İzleme

İşyerinde zihinsel sağlık sorunlarının izlenmesi ve ele alınması için yapay zeka destekli araçlar giderek daha fazla kullanılmaktadır; bu, hayati belirtileri ve sağlık ölçümlerini izleyerek ve sağlık uzmanlarına çalışanlar arasında sağlık sorunlarının erken tespiti için gerçek zamanlı bilgi sağlayarak uzaktan sağlık izleme sistemleri kullanılarak yapılabilir [  ,  ]. Ek olarak, NLP, çalışanların stres belirtileri için iletişimlerini analiz etmede rol oynayabilir ve zamanında müdahale ve destek sağlayabilir [  ]. Bu, kuruluşların çalışanların zihinsel sağlığını ve refahını desteklemek için önleyici tedbirler uygulamasına olanak tanır.

Moshawrab ve diğerleri, 2022, literatür incelemelerinde, işçiler arasında mesleki fiziksel yorgunluğu taramak ve belirlemek için yapay zeka entegre edilmiş akıllı giyilebilir cihazların kullanımının önemini tartıştılar [  ]. Yapay zeka entegre edilmiş akıllı giyilebilir cihazların, iş yerinde yorgunluğu belirleme ve tarama konusunda faydalı olduklarını ve bunun da yorgunluğun işçiler üzerindeki zararlı etkilerini sınırlayabileceğini bildirdiler [  ].

2.8. Kas İskelet Sistemi ve Ergonomi

İşle ilgili kas-iskelet sistemi rahatsızlıkları (WMSD’ler), iş yerinde iş kazalarının önemli bir nedeni olarak kabul edilir ve işe devamsızlık oranlarının artmasına yol açar [  ,  ]. Öte yandan, ergonomi, iş yerinde uygunsuz duruş, tekrarlayan hareketler ve aşırı güç kullanımı gibi ergonomik risk faktörlerinin neden olduğu WMSD’leri önlemek için çalışma ortamlarını, aletleri ve işçi duruşlarını ayarlamak olarak tanımlanabilir [  ,  ]. Ergonomistler genellikle her işçinin ergonomik risk faktörlerini duruş analizi, antropometrik ölçümler, hareket ve zaman çalışmaları, biyomekanik modeller, kuvvet değerlendirmesi ve enerji harcaması değerlendirmeleri gibi teknikler kullanarak değerlendirir [  ,  ]. Son zamanlarda, yapay zeka ve giyilebilir sensörlerin birleşik kullanımı yoluyla ergonomik analizin iyileştirilme olasılığını gösteren çeşitli çalışmalar yapılmıştır [  ,  –  ]. Yapay zeka destekli sağlık programları, iş yerinde kas-iskelet sistemi rahatsızlıklarını tahmin etmek ve önlemek için ergonomik faktörleri ve bireysel antropometrik verileri analiz edebilir [  ]. Yapay zekâ destekli giyilebilir cihazlar, işçilerin hareketlerini ve vücut duruşlarını sürekli olarak analiz edebilir [  ] ve yaralanma riski oluşturabilecek hareketleri tanıyabilir. Daha sonra işçilere uzun vadeli sağlık sorunlarının potansiyelini azaltmak için uyarılar verilir [  ].

2.9. Yapay Zeka Destekli Otomatik Botlar Kullanarak Tehlikeli Görevlerin Otomasyonu

Robotlar, belirli görevleri yerine getirmek üzere tasarlanmış otomatik yazılım programlarıdır. Endüstride kullanılan en önemli botlar, işbirlikçi robotlar (Cobot’lar) ve sohbet botlarıdır. Genellikle cobot olarak adlandırılan işbirlikçi robotlar, işbirlikçi ve ortak bir ortamı teşvik ederek insanlara yakın bir şekilde çalışmak üzere tasarlanmıştır [  ,  ]. İzole olarak veya güvenlik bariyerlerinin arkasında çalışan geleneksel endüstriyel robotların aksine, cobot’lar çalışma alanını insan operatörlerle paylaşmak üzere tasarlanmıştır [  ]. Bu işbirliği, imalat ve lojistik gibi sektörlerde verimliliği ve güvenliği artırmayı amaçlamaktadır [  ]. Sohbet botları, kullanıcılarla sohbet etmek üzere tasarlanmış botlardır ve genellikle müşteri hizmetlerinde, sorulara hızlı ve otomatik yanıtlar sağlamak için kullanılırlar [  ]. Yapay Zeka ve Makine Öğrenimi (ML) yoluyla otomasyon, özellikle tehlikeli ortamların güvenlik denetimi, bakım ve tehlikeli maddelerin taşınması dahil olmak üzere tehlikeli görevlerin yerine getirilmesinde robotların verimliliğini artırır [  ,  ].

2.10. Yapay Zeka Destekli İş Sağlığı ve Güvenliği Uyumluluk Denetimleri

IoT sensörlerini kullanarak, yapay zeka her bir çalışanı birden fazla düzeyde takip edip denetleyebilir ve iş yerlerinin güvenlik standartlarına uymasını, yasal riskleri en aza indirmesini ve uyumluluk kültürünü teşvik etmesini sağlayabilir [  ]. Bu, çalışanların konumlarının izlenmesini, hayati belirtilerin takibini, çalışanların çevresel tehlikelere karşı uyarılmasını, uzaktan çalışanlara doğru bilgi sağlanmasını, fiziksel yaralanma riskinin azaltılmasını ve personel eğitiminin geliştirilmesini içerir [  ,  ,  ].

2.11. Karar Destek Sistemleri (DSS)

Karar destek sistemleri (DSS), bir kuruluş içindeki karar verme faaliyetlerini destekleyen bilgisayar tabanlı araçlar veya sistemlerdir [  ]. Veritabanlarına etkileşimli erişim sağlarlar ve kullanıcıların karmaşık verileri analiz etmelerine, raporlar oluşturmalarına ve elde edilen içgörülere dayanarak kararlar almalarına yardımcı olurlar [  ]. Yapay zeka destekli DSS, karmaşık veri kümelerini analiz ederek, kalıpları belirleyerek ve içgörüler ve öneriler sunarak yöneticilerin ve üst düzey yöneticilerin bilinçli kararlar almalarına yardımcı olabilir [  ,  ]. Bu sistemler, çeşitli sektörlerde karar vermeye yardımcı olmak için veri madenciliği, makine öğrenimi ve doğal dil işleme gibi tekniklerden yararlanır [  ,  ].

3. İş Sağlığı ve Güvenliğinde Yapay Zekanın Dezavantajları ve Etik Sorunları

 

Yapay zekanın işyeri güvenliğini artırma potansiyeli çok büyük olmasına rağmen, uygulanması zorluklar ve etik sorunlar da beraberinde getiriyor. Yapay zeka sistemlerinin geliştirilmesi ve uygulanması pahalı olabilir ve donanım, yazılım ve eğitime önemli yatırımlar gerektirebilir [  ,  ].

Yüksek kaliteli veriler, yapay zekanın doğru risk değerlendirmeleri yapması ve etkili öneriler sunması için şarttır. Kullanılan veriler eksik, güncel olmayan veya yanlışsa, yapay zeka sisteminin performansını önemli ölçüde etkileyebilir; bu da hatalı tahminlere ve potansiyel olarak güvenlik tehlikelerine yol açabilir [  ]. İnsanlara benzer şekilde, yapay zeka da önyargılı veriler üzerinde eğitilirse önyargıyı artırmaya yatkındır. Bu nedenle, bu tür önyargıları azaltmak için yapay zeka sistemlerinin dengeli ve temsili veriler üzerinde eğitilmesi zorunludur [  ].

3.1. İşyerinde Yapay Zeka ile İlgili Etik Sorunlar

Yapay zekâ, sağlık ve güvenlik uygulamalarında potansiyel olarak devrim yaratabilir ve ele alınması gereken etik hususları gündeme getirebilir. Kritik etik sorunlar arasında, yapay zekâ sistemlerinin giyilebilir cihazlar ve sensörler gibi kişisel bilgiler içeren kapsamlı veri kümelerine dayandığı göz önüne alındığında, gizlilik ve veri güvenliğinin sağlanması yer almaktadır [  ,  ,  ]. Bu nedenle, bu verilerin etik ve güvenli bir şekilde toplanması, kullanılması ve depolanmasının garanti edilmesi esastır. Ek olarak, yapay zekâ sistemlerinin eğitildiği verilerden kaynaklanan önyargılar ve ayrımcılıkla ilgili endişeler ortaya çıkmakta ve bu da potansiyel olarak haksız veya ayrımcı karar verme süreçlerine yol açmaktadır [  ,  ,  ]. Dahası, yapay zekânın otomasyon yetenekleri, iş kaybı konusunda endişeleri artırmakta ve güvenlik uzmanlarının gelişen görevlere yanıt olarak yeni beceriler edinme gerekliliği konusunda değerlendirmelere yol açmaktadır [  ,  ,  ].

3.2. Yapay Zekanın Çalışanların Ruh Sağlığı Üzerindeki Etkileri

Yapay zekanın sağlık ve güvenliğe entegrasyonu, iş otomasyonu veya yapay zeka hatalarının kazalara yol açma potansiyeliyle ilgili kaygı ve stres de dahil olmak üzere çalışanların ruh sağlığını olumsuz etkileyebilir [  ,  ,  ,  ]. Çalışanlar, yapay zeka sistemleri tarafından izlenen bir ortamda kontrol kaybı hissedebilir, yapay zeka ile daha fazla etkileşimde bulunduklarında insan meslektaşlarından izolasyon ve kopukluk yaşayabilir ve görevleri yapay zeka tarafından otomatikleştirildiğinde anlam ve amaç duygusunun azaldığını algılayabilir [  ,  ,  ]. Bu duygusal etkileri tanımak ve ele almak, yapay zeka teknolojilerini uygularken olumlu ve destekleyici bir çalışma ortamı yaratmak için çok önemlidir. Algoritma tanımlarından dışlanan iş hekimlerinin rolünü ve bu dışlamadan kaynaklanan potansiyel örgütsel ve değerlendirme etkilerini dikkate almak son derece önemlidir. Bu, sağlık profesyonelleri, teknoloji ve düzenleyici çerçeveler arasındaki kritik kesişme noktasına dikkat çekmekte ve yapay zeka uygulaması ve mevcut yasa ve düzenlemelere uyum konusundaki tartışmalara iş hekimlerinin dahil edilmesinin önemini vurgulamaktadır.

4. Sonuç

Sonuç olarak, yapay zekanın iş sağlığı ve güvenliğine entegrasyonu, öngörücü bakım ve gerçek zamanlı risk değerlendirmesi yoluyla artırılmış güvenlik ve verimlilik gibi faydalar sunmaktadır. Bununla birlikte, dezavantajları arasında etik kaygılar, veri gizliliği hususları ve yasal uyumluluk ihtiyacı yer almaktadır. İşyerleri, yeniliği işçi haklarına saygı, iş gücü eğitimine yatırım, yapay zeka uzmanlığı geliştirme ve çözüm sağlayıcılarla iş birliği yaparak, yapay zeka ve insan zekasını sorunsuz bir şekilde entegre eden güvenli bir işyeri sağlamak arasında dengelemelidir.

Mohamed El-Helaly:

İş ve Çevre Tıbbi Anabilim Dalı, Tıp Fakültesi, Mansoura Üniversitesi, Mansoura Şehri, Mısır

Tıp Fakültesi, Yeni Mansoura Üniversitesi, Yeni Mansoura Şehri, Mısır

 

Referanslar

  1. Howard J. Algoritmalar ve işin geleceği. Am J Ind Meds. 2022;65(12):943–952. doi: 10.1002/ajim.23429. Doi: 10.1002/ajim.23429.[ DOI ] [ PubMed ] [ Google Scholar ]
  2. Georgieff A, Hyee R. Yapay Zeka ve İstihdam: Yeni Ülkeler Arası Kanıtlar. Front Artif Intell. 2022;5:832736. doi: 10.3389/frai.2022.832736. Doi: 10.3389/frai.2022.832736.[ DOI ] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  3. Howard J. Yapay zekâ: Geleceğin iş dünyası için çıkarımlar. Am J Ind Med. Kasım 2019;62(11):917–926. doi: 10.1002/ajim.23037. Doi: 10.1002/ajim.23037.[ DOI ] [ PubMed ] [ Google Scholar ]
  4. Niehaus S, Hartwig M, Rosen PH, Wischniewski S. İnsan Kontrolü ve Yapay Zekaya İlişkin İş Sağlığı ve Güvenliği Perspektifi. Front Artif Intell. 2022;5:868382. doi: 10.3389/frai.2022.868382. Doi: 10.3389/frai.2022.868382.[ DOI ] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  5. Rieth LK. İş sağlığı hizmeti. Personel, tesisler ve ekipman. AAOHN J. Ağustos 2000;48(8):395–403. quiz 404-5.[ PubMed ] [ Google Scholar ]
  6. Castillo C, Shahriari M, Casarejos F, Arezes P. İş sağlığı ve güvenliğinde önde gelen operasyonel göstergelerin önceliklendirilmesi. Int J Occup Saf Ergon. 2023;29(2):806–814. doi: 10.1080/10803548.2022.2082693. Doi:10.1080/10803548.2022.2082693.[ DOI ] [ PubMed ] [ Google Scholar ]
  7. Pishgar M, Issa SF, Sietsema M, Pratap P, Darabi H. REDECA: Yapay Zeka ve İş Sağlığı ve Güvenliğindeki Uygulamalarını İncelemek İçin Yeni Bir Çerçeve. Int J Environ Res Public Health. 2021;18(13) doi: 10.3390/ijerph18136705. Doi: 10.3390/ijerph18136705.[ DOI ] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  8. Carbonero F, Davies J, Ernst E, Fossen FM, Samaan D, Sorgner A. Gelişmekte olan ülkelerde yapay zekanın işgücü piyasaları üzerindeki etkisi: Laos ve kentsel Vietnam örneğiyle yeni bir yöntem. J Evol Econ. 2023:1–30. doi: 10.1007/s00191-023-00809-7. Doi: 10.1007/s00191-023-00809-7.[ DOI ] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  9. Djebrouni M, Wolbring G. Robotik ve insan geliştirmenin meslek üzerindeki etkisi: rehabilitasyon için ne anlama geliyor? Engelli Rehabilitasyon. 2020;42(11):1518–1528. doi: 10.1080/09638288.2018.1527401. Doi: 10.1080/09638288.2018.1527401.[ DOI ] [ PubMed ] [ Google Scholar ]
  10. Hazarika I. Yapay zekâ: sağlık iş gücü için fırsatlar ve sonuçlar. Int Health. 1 Temmuz 2020;12(4):241–245. doi: 10.1093/inthealth/ihaa007. Doi: 10.1093/inthealth/ihaa007.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  11. Warning A, Weber E, Puffel A. Dijitalleşme ve Yapay Zekanın Mesleklerde İşverenlerin Esneklik Gereksinimleri Üzerindeki Etkisi – Almanya İçin Ampirik Kanıtlar. Front Artif Intell. 2022;5:868789. doi: 10.3389/frai.2022.868789. Doi: 10.3389/frai.2022.868789.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  12. Steimers A, Schneider M. Yapay Zeka Sistemlerinin Risk Kaynakları. Int J Environ Res Public Health. 2022;19(6) doi: 10.3390/ijerph19063641. Doi: 10.3390/ijerph19063641.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  13. Moshawrab M, Adda M, Bouzouane A, Ibrahim H, Raad A. Mesleki Fiziksel Yorgunluğun Tespiti için Akıllı Giyilebilir Cihazlar: Bir Literatür İncelemesi. Sensörler (Basel) 2 Ekim 2022;22(19) doi: 10.3390/s22197472. Doi: 10.3390/s22197472.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  14. Mondal S, Zehra N, Choudhury A, Iyer PK. Hasta Başı Tanılama için Giyilebilir Algılama Cihazları. ACS Appl Bio Mater. 2021;4(1):47–70. doi: 10.1021/acsabm.0c00798. Doi: 10.1021/acsabm.0c00798.[ DOI] [ PubMed ] [ Google Scholar ]
  15. Kimball JP, Inan OT, Convertino VA, Cardin S, Sawka MN. Mesleki, Askeri ve Spor Hekimliğinde Hipovolemi Problemleri için Giyilebilir Sensörler ve Makine Öğrenimi: Fizyolojik Temel, Donanım ve Algoritmalar. Sensors (Basel) 2022;22(2) doi: 10.3390/s22020442. Doi: 10.3390/s22020442.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  16. Podgorski D, Majchrzycka K, Dabrowska A, Gralewicz G, Okrasa M. Akıllı KKD, ortam zekası ve Nesnelerin İnterneti teknolojilerine dayalı akıllı çalışma ortamlarında İSG risk yönetiminin kavramsal çerçevesine doğru. Int J Occup Saf Ergon. 2017;23(1):1–20. doi: 10.1080/10803548.2016.1214431. Doi: 10.1080/10803548.2016.1214431.[ DOI] [ PubMed ] [ Google Scholar ]
  17. Huang Y, Benford S, Price D, vd. Ofis Çalışanlarının Hareketsiz Davranışlarını Azaltmak için Nesnelerin İnternetini Kullanma: Davranış Değiştirme Çarkı ve İnsan Odaklı Tasarım Yaklaşımını Uygulayan Müdahale Geliştirme. JMIR Mhealth Uhealth. 2020;8(7):e17914. doi: 10.2196/17914. Doi: 10.2196/17914.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  18. Font O, Torrents-Barrena J, Royo D, ve diğerleri. Rutin bir iş sağlığı kontrolü bağlamında bütünsel makülopati taraması için otonom yapay zekâ tabanlı bir tanı sisteminin doğrulanması. Graefes Arch Clin Exp Ophthalmol. 2022;260(10):3255–3265. doi: 10.1007/s00417-022-05653-2. Doi: 10.1007/s00417-022-05653-2.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  19. Ahmed A, Aziz S, Abd-Alrazaq A, Farooq F, Househ M, Sheikh J. Yapay Zeka Kullanan Giyilebilir Cihazların Kan Şekeri Seviyesi Tahmini veya Öngörüsü İçin Etkinliği: Sistematik İnceleme. J Med Internet Res. 14 Mart 2023;25:e40259. doi: 10.2196/40259. Doi: 10.2196/40259.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  20. Ahmed A, Aziz S, Abd-Alrazaq A, Farooq F, Sheikh J. Diyabet için Yapay Zeka Destekli Giyilebilir Cihazlara Genel Bakış: Kapsamlı İnceleme. J Med Internet Res. 2022;24(8):e36010. doi: 10.2196/36010. Doi: 10.2196/36010.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  21. Beach C, Casson AJ. Vardiyalı çalışmanın giyilebilir cihazlarda kinetik enerji hasadı yoluyla kendi kendine güç sağlama potansiyeli üzerindeki etkisi. IEEE Mühendislik, Tıp ve Biyoloji Derneği Uluslararası Yıllık Konferansı. 2021;2021:7003–7006. doi: 10.1109/EMBC46164.2021.9631066. Doi: 10.1109/EMBC46164.2021.9631066.[ DOI] [ PubMed ] [ Google Scholar ]
  22. Campero-Jurado I, Marquez-Sanchez S, Quintanar-Gomez J, Rodriguez S, Corchado JM. Yapay Zekayı Kullanan Endüstriyel Nesnelerin İnterneti için Akıllı Kask 5.0. Sensörler (Basel) 1 Kasım 2020;20(21) doi: 10.3390/s20216241. Doi:10.3390/s20216241.[ DOI] [ PMC ücretsiz makalesi ] [ PubMed ] [ Google Akademik ]
  23. Greenfield R, Busink E, Wong CP ve diğerleri. Kamyon şoförlerinin giyilebilir cihazlar ve sağlık geliştirme hakkındaki algıları: nitel bir çalışma. BMC Public Health. 30 Temmuz 2016;16:677. doi: 10.1186/s12889-016-3323-3. Doi: 10.1186/s12889-016-3323-3.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  24. Kim Y, Choi Y. Görüntü Sensörü ve Yapay Zeka Kullanarak Yolda İş Güvenliğini Artırmak için Akıllı Kask Tabanlı Yakınlık Uyarı Sistemi. Int J Environ Res Public Health. 6 Aralık 2022;19(23) doi: 10.3390/ijerph192316312. Doi: 10.3390/ijerph192316312.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  25. Bhat G, Tran N, Shill H, Ogras UY. w-HAR: Düşük Güçlü Giyilebilir Cihazlar Kullanarak Aktivite Tanıma Veri Kümesi ve Çerçevesi. Sensörler (Basel) 2020;20(18) doi: 10.3390/s20185356. Doi: 10.3390/s20185356.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  26. Fukumura YE, Gray JM, Lucas GM, Becerik-Gerber B, Roll SC. Ofis Çalışma Alanlarına Yapay Zekanın Entegrasyonuna İlişkin Çalışan Perspektifleri: Ofis Çalışmasının Geleceği İçin Çıkarımlar. Int J Environ Res Public Health. 2021;18(4) doi: 10.3390/ijerph18041690. Doi: 10.3390/ijerph18041690.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  27. Devagiri VM, Boeva ​​V, Abghari S, Basiri F, Lavesson N. Akıllı Bina Sistemlerinin İzlenmesi için Çoklu Görünüm Veri Analizi Teknikleri. Sensörler (Basel) 2021;21(20) doi: 10.3390/s21206775. Doi: 10.3390/s21206775.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  28. Yun J, Won KH. Akıllı enerji sistemleri için sıcaklık ve nem bazlı bina ortamı analizi. Sensörler (Basel) 2012;12(10):13458–70. doi: 10.3390/s121013458. Doi: 10.3390/s121013458.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  29. Khairuddin MZF, Lu Hui P, Hasikin K, ve diğerleri. Mesleki Yaralanma Riskinin Azaltılması: Akıllı İşyeri Gözetimi için Makine Öğrenimi Yaklaşımı ve Özellik Optimizasyonu. Int J Çevre Res Halk Sağlığı. 2022;19(21) doi: 10.3390/ijerph192113962. Doi: 10.3390/ijerph192113962.[ DOI] [ PMC ücretsiz makalesi ] [ PubMed ] [ Google Akademik ]
  30. Kang SY, Min S, Kim WS, Won JH, Kang YJ, Kim S. İşyerinde Çoklu Süreçlerden Kaynaklanan Ölümcül Kazaların Türleri ve Özellikleri: Güney Kore’deki Gerçek Vakalar Temelinde. Int J Environ Res Public Health. 2022;19(4) doi: 10.3390/ijerph19042047. Doi: 10.3390/ijerph19042047.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  31. Khashaba E, El-Helaly M, El-Gilany AH, Motawei SM, Foda S. İnşaat işçilerinde ölümcül olmayan iş kazaları için risk faktörleri: Bir vaka-kontrol çalışması. Toxicol Ind Health. 2018;34(2):83–90. doi: 10.1177/0748233717733853. Doi: 10.1177/0748233717733853.[ DOI] [ PubMed ] [ Google Scholar ]
  32. Johnston KL, Phillips ML, Esmen NA, Hall TA. Mesleki maruziyetleri tahmin etmek için yapay zeka programının değerlendirilmesi. Ann Occup Hyg. 2005;49(2):147–53. doi: 10.1093/annhyg/meh072. Doi: 10.1093/annhyg/meh072.[ DOI] [ PubMed ] [ Google Scholar ]
  33. Aram SA, Saalidong BM, Appiah A, Utip IB. Madencilikte iş sağlığı ve güvenliği: Gana’daki geleneksel altın madencileri arasında Kişisel Koruyucu Ekipman (KKD) kullanımının tahmin edilebilir olasılıkları. PLoS One. 2021;16(9):e0257772. doi: 10.1371/journal.pone.0257772. Doi: 10.1371/journal.pone.0257772.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  34. Lee JY, Park J, Park H ve diğerleri. İtfaiyeciler yeni nesil kişisel koruyucu ekipmanlardan ne bekliyor? Uluslararası bir anketin sonuçları. Ind Health. 2015;53(5):434–44. doi: 10.2486/indhealth.2015-0033. Doi: 10.2486/indhealth.2015-0033.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  35. Marchal P, Baudoin J. Akıllı kişisel koruyucu sistemlerin analizine yönelik bir yöntem önerisi. Int J Occup Saf Ergon. 2022;28(3):1566–1576. doi: 10.1080/10803548.2021.1935541. Doi: 10.1080/10803548.2021.1935541.[ DOI] [ PubMed ] [ Google Scholar ]
  36. Tao H, Rahman MA, Al-Saffar A, vd. Doğrusal Olmayan Uyarlanabilir Sezgisel Matematiksel Model Kullanarak İşyeri Şiddetinin Önlenmesi için Güvenlik Robotu. Çalışma. 2021;68(3):853–861. doi: 10.3233/WOR-203419. Doi: 10.3233/WOR-203419.[ DOI] [ PubMed ] [ Google Scholar ]
  37. Byon HD, Harris C, Crandall M, Song J, Topaz M. Doğal dil işleme kullanarak klinik notlardan Tip II işyeri şiddetini belirleme. İşyeri Sağlığı Güvenliği. 2023;71(10):484–490. doi: 10.1177/21650799231176078. Doi: 10.1177/21650799231176078.[ DOI] [ PubMed ] [ Google Scholar ]
  38. Swaminathan A, Lopez I, Mar RAG ve diğerleri. Ruh sağlığı krizi sohbet mesajlarının hızlı tespiti ve müdahalesi için doğal dil işleme sistemi. NPJ Digit Med. 2023;6(1):213. doi: 10.1038/s41746-023-00951-3. Doi: 10.1038/s41746-023-00951-3.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  39. Banda JM, Seneviratne M, Hernandez-Boussard T, Shah NH. Elektronik Fenotiplemede İlerlemeler: Kural Tabanlı Tanımlardan Makine Öğrenme Modellerine. Annu Rev Biomed. Data Sci. 2018;1:53–68. doi: 10.1146/annurev-biodatasci-080917-013315. Doi: 10.1146/annurev-biodatasci-080917-013315.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  40. Kumar PM, Pandey HM, Srivastava G. Güvenlik Robotları Kullanarak İşyeri Şiddetinin Önlenmesi Üzerine Özel Sayı. Çalışma. 2021;68(3):821–823. doi: 10.3233/WOR-203415. Doi: 10.3233/WOR-203415.[ DOI] [ PubMed ] [ Google Scholar ]
  41. Goplerud E, Hodge S, Benham T. Reçeteli Ağrı Kesici İlaçların Kötüye Kullanımına Vurgu Yapan ABD İşverenleri İçin Madde Kullanım Maliyeti Hesaplayıcısı. J Occup Environ Med. 2017;59(11):1063–1071. doi: 10.1097/JOM.0000000000001157. Doi: 10.1097/JOM.0000000000001157.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  42. McAndrew KG, McAndrew SJ. İşyerinde madde bağımlılığı bozukluğu: iş sağlığı hizmeti sağlayıcısının rolü. AAOHN J. 2000;48(1):32–45. quiz 46-7.[ PubMed] [ Google Scholar ]
  43. Barenholtz E, Fitzgerald ND, Hahn WE. Madde bağımlılığı araştırmalarına makine öğrenimi yaklaşımları: ortaya çıkan eğilimler ve bunların etkileri. Curr Opin Psychiatry. 2020;33(4):334–342. doi: 10.1097/YCO.0000000000000611. Doi: 10.1097/YCO.0000000000000611.[ DOI] [ PubMed ] [ Google Scholar ]
  44. Islam A, Khan KM, Scarbrough A, vd. Sentetik Veriler Kullanarak Çalışan Nüfuslarda Opioid Kötüye Kullanım Riskini Değerlendirmek için Yapay Zeka Tabanlı Bir Akıllı Telefon Uygulaması: Pilot Geliştirme Çalışması. JMIR Form Res. 2023;7:e45434. doi: 10.2196/45434. Doi: 10.2196/45434.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  45. Huang Y, Benford S, Li B, Price D, Blake H. Nesnelerin İnterneti Destekli Hareketsiz Davranış Müdahalesinin Uygulanabilirliği ve Kabul Edilebilirliği: Karma Yöntem Çalışması. J Med Internet Res. 2023;25:e43502. doi: 10.2196/43502. Doi: 10.2196/43502.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  46. Andersen LL, Thorsen SV, Flyvholm MA, Holtermann A. Fiziksel iş talepleriyle ilgili birleşik faktörlerden kaynaklanan uzun süreli hastalık izni: prospektif kohort çalışması. Eur J Public Health. 2018;28(5):824–829. doi: 10.1093/eurpub/cky073. Doi: 10.1093/eurpub/cky073.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  47. El-Helaly M, Balkhy HH, Vallenius L. Laboratuvar teknisyenlerinde karpal tünel sendromunun kişisel ve ergonomik faktörlerle ilişkisi. J Occup Health. 2017;59(6):513–520. doi: 10.1539/joh.16-0279-OA. Doi: 10.1539/joh.16-0279-OA.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  48. Mansoor SN, Al Arabia DH, Rathore FA. Sağlık çalışanları arasında ergonomi ve kas-iskelet sistemi bozuklukları: Önleme tedaviden daha iyidir. J Pak Med Assoc. 2022;72(6):1243–1245. doi: 10.47391/JPMA.22-76. Doi: 10.47391/JPMA.22-76.[ DOI] [ PubMed ] [ Google Scholar ]
  49. El-Helaly M, Elsherbeny E, Haji A, Assiri M, Fadlelmula A. Laboratuvar çalışanlarında bildirilen kas-iskelet sistemi semptomları, bireysel ve işle ilgili fiziksel faktörlerle ilişkili olarak. Egy J Occup Med. 2018;42:79–92. Doi: 10.21608/ejom.2018.4940.[ Google Scholar]
  50. Hulshof CTJ, Pega F, Neupane S, vd. Ergonomik risk faktörlerine mesleki maruziyetin yaygınlığı: DSÖ/ILO İşle İlgili Hastalık ve Yaralanma Yükü Ortak Tahminlerinden sistematik bir inceleme ve meta-analiz. Environ Int. 2021;146:106157. doi: 10.1016/j.envint.2020.106157. Doi: 10.1016/j.envint.2020.106157.[ DOI] [ PubMed ] [ Google Scholar ]
  51. Anan T, Kajiki S, Oka H, ​​vd. Yapay Zeka Destekli Sağlık Programının Boyun/Omuz Ağrısı/Sertliği ve Bel Ağrısı Olan İşçiler Üzerindeki Etkileri: Rastgele Kontrollü Çalışma. JMIR Mhealth Uhealth. 24 Eylül 2021;9(9):e27535. doi: 10.2196/27535. Doi: 10.2196/27535.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  52. Donisi L, Cesarelli G, Pisani N, Ponsiglione AM, Ricciardi C, Capodaglio E. Fiziksel Ergonomi için Giyilebilir Sensörler ve Yapay Zeka: Literatürün Sistematik Bir İncelemesi. Diagnostics (Basel) 2022;12(12) doi: 10.3390/diagnostics12123048. Doi: 10.3390/diagnostics12123048.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  53. Homayounfar SZ, Andrew TL. İnsan Hareketini İzlemek için Giyilebilir Sensörler: Mekanizmalar, Malzemeler ve Zorluklar Üzerine Bir İnceleme. SLAS Technol. 2020;25(1):9–24. doi: 10.1177/2472630319891128. Doi: 10.1177/2472630319891128.[ DOI] [ PubMed ] [ Google Scholar ]
  54. Tsai YL, Wadgaonkar C, Chun B, Knight H. Hizmet Robotları İş Yeri Deneyimini Nasıl İyileştirebilir: Dostluk, Kişiselleştirme ve İnsan Müdahalesi. Int J Soc Robot. 2022;14(7):1605–1624. doi: 10.1007/s12369-022-00898-7. Doi: 10.1007/s12369-022-00898-7.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  55. Lopes SL, Ferreira AI, Prada R. İşyerinde Robot Kullanımı: Sosyal Robotlar Kullanılarak Sağlığı Destekleyen Bir Müdahaleden Elde Edilen Sonuçlar. Int J Soc Robot. 2023:1–13. doi: 10.1007/s12369-023-01000-5. Doi: 10.1007/s12369-023-01000-5.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  56. Coghlan S. Robotlar ve İnsancıl Bakım İmkanı. Int J Soc Robot. 2022;14(10):2095–2108. doi: 10.1007/s12369-021-00804-7. Doi: 10.1007/s12369-021-00804-7.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  57. Payne TH. Bilgisayar destekli karar verme sistemleri. Chest. Ağustos 2000;118(2 Ek):47S–52S. doi: 10.1378/chest.118.2_suppl.47s. Doi: 10.1378/chest.118.2_suppl.47s.[ DOI] [ PubMed ] [ Google Scholar ]
  58. Nimri R, Piper M, Pinsker JE, Dassau E. Karar Destek Sistemleri ve Kapalı Döngü. Diabetes Technol Ther. Şubat 2020;22(S1):S47–S62. doi: 10.1089/dia.2020.2504. Doi: 10.1089/dia.2020.2504.[ DOI] [ PubMed ] [ Google Scholar ]
  59. Sharma M, Savage C, Nair M, Larsson I, Svedberg P, Nygren JM. Sağlık Hizmetlerinde Yapay Zeka Uygulamaları: Kapsamlı İnceleme. J Med Internet Res. 2022;24(10):e40238. doi: 10.2196/40238. Doi: 10.2196/40238.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  60. Khan B, Fatima H, Qureshi A, vd. Yapay Zekanın Dezavantajları ve Sağlık Sektöründeki Potansiyel Çözümleri. Biomed Mater Devices. 2023:1–8. doi: 10.1007/s44174-023-00063-2. Doi: 10.1007/s44174-023-00063-2.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  61. Saheb T. “Yapay zekâ gözetiminin etik açıdan tartışmalı yönleri: sosyal bilimler perspektifi”. Yapay Zekâ Etiği. 2023;3(2):369–379. doi: 10.1007/s43681-022-00196-y. Doi: 10.1007/s43681-022-00196-y.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  62. Fisher E, Flynn MA, Pratap P, Vietas JA. Yapay Zekanın İş Sağlığı ve Güvenliği Eşitliği Üzerindeki Etkileri: Kapsamlı Bir İnceleme. Int J Environ Res Public Health. 2023;20(13) doi: 10.3390/ijerph20136221. Doi: 10.3390/ijerph20136221.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  63. Holm JR, Lorenz E. Yapay zekanın Danimarka’daki iş becerileri üzerindeki etkisi. Yeni Teknoloji, İş ve İstihdam. 2022;37(1):79–101.[ Google Scholar]
  64. Chen N, Li Z, Tang B. Dijital beceri, yapay zekânın neden olduğu iş kaybı riskine karşı koruma sağlayabilir mi? 701 ayrıntılı meslekten elde edilen ampirik kanıtlar. PLoS One. 2022;17(11):e0277280. doi: 10.1371/journal.pone.0277280. Doi: 10.1371/journal.pone.0277280.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  65. Doki S, Sasahara S, Hori D, vd. Yapay zekâ ve psikiyatristler arasında çalışanlar arasında tahmin edilen psikolojik sıkıntının karşılaştırılması: Japonya, Tsukuba Bilim Şehri’nde kesitsel bir çalışma. BMJ Open. 23 Haziran 2021;11(6):e046265. doi: 10.1136/bmjopen-2020-046265. Doi: 10.1136/bmjopen-2020-046265.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  66. Ghani B, Memon KR, Han H, Ariza-Montes A, Arjona-Fuentes JM. Perakende organizasyon bağlamında iş stresi, teknolojik değişimler ve iş güvencesizliği. Front Psychol. 2022;13:918065. doi: 10.3389/fpsyg.2022.918065. Doi: 10.3389/fpsyg.2022.918065.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]
  67. Yang S, Liu K, Gai J, He X. Endüstriyel Yapay Zekaya Dönüşüm ve İşçilerin Ruh Sağlığı: Çin’den Kanıtlar. Front Public Health. 2022;10:881827. doi: 10.3389/fpubh.2022.881827. Doi: 10.3389/fpubh.2022.881827.[ DOI] [ PMC ücretsiz makale ] [ PubMed ] [ Google Scholar ]

https://pmc.ncbi.nlm.nih.gov/articles/PMC11181216/

 

Scroll to Top