AI Summary & Key Takeaways
AI InsightReliability was high (overall Cronbach’s α=0.94), subscales were internally consistent (α=0.87–0.93), and subdimensions were significantly intercorrelated (p<0.001), strongest between Job Replacement and Sociotechnical Blindness (r=0.84); no significant anxiety differences emerged between training programs.
📌 3 Key Takeaways
Abstract
Large language models (LLMs) are increasingly being proposed as decision-support and administrative tools in primary healthcare. However, their integration into family medicine, a discipline grounded in continuity, trust, and holistic decision-making, may be shaped by clinicians’ emotional, ethical, and professional concerns. This study aimed to quantify artificial intelligence (AI) anxiety among family medicine residents in Turkey and compare anxiety levels across two specialty training pathways. A cross-sectional, descriptive quantitative study was conducted among all residents enrolled in a university family medicine department (N=82), of whom 76 participated voluntarily (response rate 92.6%). No exclusion criteria were applied, and ethical approval was obtained (12.05.2025, no:10). Data were collected online (02–20.06.2025) using the 21-item Artificial Intelligence Anxiety Scale (Learning, Job Replacement, Sociotechnical Blindness, AI Structuring; 5-point Likert; no cutoff), and analyzed in Jamovi/SPSS with normality testing (Shapiro–Wilk), appropriate confirmatory tests, and p<0.05. The participants’ mean age was 32.14±6.74 years (range, 25–53 years), 57% were male, and 55% were in the Family Medicine Specialty program versus 45% in the Contracted program; only 11% reported prior AI-related training. Item-level concerns were greatest for fears of the malicious use of AI (5.42±1.61) and AI increasing laziness (4.58±1.69), alongside elevated concerns about autonomy, loss of control, and humanoid threats. In contrast, anxiety about learning (e.g., reading manuals or taking courses) was the lowest (both 2.18). The subscale means were highest for Learning (24.82±12.72), followed by Job Replacement (20.32±7.65), Sociotechnical Blindness (17.34±5.87), and AI Structuring (10.82±5.15), with a total score of 73.29±24.91. Reliability was high (overall Cronbach’s α=0.94), subscales were internally consistent (α=0.87–0.93), and subdimensions were significantly intercorrelated (p<0.001), strongest between Job Replacement and Sociotechnical Blindness (r=0.84); no significant anxiety differences emerged between training programs. These findings indicate that residents’ AI anxiety is driven more by ethical risk, autonomy, and professional displacement than by fear of acquiring knowledge, underscoring the need to embed structured AI literacy and ethics-focused education within residency and continuing medical education to support the safe and acceptable adoption of LLM-enabled tools in primary care, while acknowledging the limitations of voluntary participation and a single, limited population.
Özet
Büyük dil modelleri (LLM’ler), birincil bakımda karar destek ve idari araçlar olarak giderek daha fazla önerilmekte, ancak sürekli ilişki, güven ve bütüncül karar verme temelleri üzerine kurulu bir disiplin olan aile hekimliğine entegrasyonları, klinisyenlerin duygusal, etik ve mesleki endişeleri tarafından şekillenebilir. Bu çalışma Türkiye’deki aile hekimliği asistanları arasında yapay zeka (YZ) kaygısını nicel olarak değerlendirmeyi ve iki farklı ihtisas eğitim yolunda kaygı düzeylerini karşılaştırmayı amaçladı. Üniversite aile hekimliği anabilim dalına kayıtlı tüm asistanlar arasında (N=82) kesitsel, tanımlayıcı, nicel bir araştırma yürütüldü; 76 kişi gönüllü olarak katıldı (yanıt oranı %92,6); herhangi bir dışlama kriteri uygulanmadı ve etik onay alındı (12.05.2025, no:10). Veriler çevrim içi olarak (02–20.06.2025) 21 maddelik Yapay Zekâ Kaygı Ölçeği (Öğrenme, İş Kaybı, Sosyoteknik Körlük, YZ Yapılanması; 5’li Likert; kesme noktası yok) ile toplandı ve normallik testi (Shapiro–Wilk), uygun doğrulama testleri ve p<0,05 ile Jamovi/SPSS’de analiz edildi. Katılımcıların yaş ortalaması 32,14±6,74 yıl (25–53), %57’si erkek, %55’i Aile Hekimliği Uzmanlık programında, %45’i ise Sözleşmeli programdaydı; yalnızca %11’i daha önce YZ ile ilgili bir eğitim aldığını belirtti. Madde düzeyinde en yüksek endişeler, YZ’nin kötü niyetli kullanımı korkusu (5,42±1,61) ve YZ’nin tembelliği artıracağı düşüncesiyle (4,58±1,69) ilgiliydi; ayrıca özerklik, kontrol kaybı ve insansı tehditler konusunda da artmış kaygı gözlendi. Buna karşılık, öğrenme (örn. kılavuz okumak ya da kursa katılmak) ile ilgili kaygı en düşüktü (her ikisi de 2,18). Alt ölçek ortalamaları en yüksekten düşüğe sırasıyla Öğrenme (24,82±12,72), İş Kaybı (20,32±7,65), Sosyoteknik Körlük (17,34±5,87) ve YZ Yapılanması (10,82±5,15) idi; toplam puan ise 73,29±24,91 olarak bulundu. Güvenirlik yüksekti (toplam Cronbach α=0,94), alt ölçekler kendi içinde tutarlıydı (α=0,87–0,93) ve alt boyutlar arasında anlamlı korelasyon gözlendi (p<0,001), en yüksek ilişki İş Kaybı ile Sosyoteknik Körlük arasındaydı (r=0,84); programlar arasında anlamlı kaygı farkı saptanmadı. Bulgular, asistanların YZ kaygısının bilgi edinme korkusundan ziyade etik risk, özerklik ve mesleki yerinden edilme kaygılarıyla daha fazla tetiklendiğini, dolayısıyla birinci basamakta LLM tabanlı araçların güvenli ve kabul edilebilir şekilde benimsenmesini desteklemek için asistanlık ve sürekli tıp eğitimi içeriklerine yapılandırılmış YZ okuryazarlığı ve etik odaklı eğitimin entegre edilmesi gereğini vurgulamaktadır; bununla birlikte, gönüllü katılım ve tek, sınırlı bir örneklem oluşunun çalışma sınırlamaları olduğu kanaatindeyiz.