Pediatrik İlaç Dozu Hesaplamalarında Büyük Dil Modellerinin ve Hemşirelik Öğrencilerinin Verdikleri Yanıtların Karşılaştırılması
Sağlık ve Toplum, cilt.36, sa.2, ss.166-172, 2026 (TRDizin)
- Yayın Türü: Makale / Tam Makale
- Cilt numarası: 36 Sayı: 2
- Basım Tarihi: 2026
- Dergi Adı: Sağlık ve Toplum
- Derginin Tarandığı İndeksler: TR DİZİN (ULAKBİM)
- Sayfa Sayıları: ss.166-172
- Bursa Uludağ Üniversitesi Adresli: Evet
Özet
Amaç: Bu çalışmanın amacı, pediatrik ilaç dozu hesaplamalarında farklı büyük dil modellerinin (ChatGPT-4, ChatGPT-4o, Gemini ve Gemini Advanced) performansını hemşirelik öğrencilerinin perfor- mansıyla karşılaştırmaktır. Gereç ve Yöntem: Kesitsel ve karşılaştırmalı desenle yürütülen ça- lışma, 2024–2025 güz döneminde bir devlet üniversitesinin Hemşi- relik Bölümü öğrencileriyle (n=162) gerçekleştirilmiştir. Literatüre dayalı 19 pediatrik ilaç dozu sorusu öğrencilere ve dört büyük dil modeline yöneltilmiştir. Öğrencilerin ve modellerin yanıtları karşı- laştırılarak analiz edilmiştir. Bulgular: Öğrencilerin doğruluk oranı %78,95 belirlenmiş, Gemini dil modeliyle karşılaştırıldığında anlamlı bir farklılık göstermemiş- tir (p=0,252). ChatGPT-4, ChatGPT-4o ve Gemini Advanced tüm soruları %100 doğru yanıtlamıştır. Tüm sorulara verilen cevaplar karşılaştırıldığında, öğrenciler ile ChatGPT-4, ChatGPT-4o ve Ge- mini Advanced arasında anlamlı fark tespit edilmiştir (p<0,001). Sonuç: Bulgular, büyük dil modellerinin pediatrik ilaç dozu hesap- lamalarında hemşirelik öğrencilerinden daha doğru sonuçlar ver- diğini göstermektedir. ChatGPT-4, ChatGPT-4o ve Gemini Advan- ced tüm soruları doğru yanıtlamıştır. Gemini’nin öğrencilere yakın sonuçlar vermesi, insan denetiminin gerekliliğini vurgulamaktadır; gelecekte güncel modellerle güvenilirlik daha iyi değerlendirilebilir.
Title: Comparison of Large Language Models and Responses Given by Nursing Students in Paediatric Drug Dose Calculations Aim: The aim of this study is to compare the performance of diffe- rent large language models (ChatGPT-4, ChatGPT-4o, Gemini, and Gemini Advanced) in paediatric drug dose calculations with that of nursing students. Method: The cross-sectional and comparative study was conducted with students (n=162) from the Nursing Department of a state uni- versity during the autumn term of 2024–2025. Nineteen paediatric medication dosage questions based on the literature were posed to the students and four major language models. The responses of the students and models were compared and analysed. Results: The students’ accuracy rate was determined to be 78.95%, showing no significant difference when compared to the Gemini language model (p=0.252). ChatGPT-4, ChatGPT-4o, and Gemini Advanced answered all questions correctly at a rate of 100%. When comparing the answers provided to all questions, a significant dif- ference was detected between the students and ChatGPT-4, Chat- GPT-4o, and Gemini Advanced (p<0.001). Conclusion: The findings indicate that large language models pro- duce more accurate results than nursing students in paediatric drug dosage calculations. ChatGPT-4, ChatGPT-4o, and Gemini Advan- ced answered all questions correctly. Gemini’s results being close to those of students highlights the necessity of human oversight; reliability can be better assessed in the future with updated models.