| Tez Türü | Diş Hekimliği Uzmanlık |
| Ülke | Türkiye |
| Üniversite | Tokat Gaziosmanpaşa Üniversitesi |
| Enstitü | Diş Hekimliği Fakültesi |
| Anabilim Dalı | Protetik Diş Tedavisi Ana Bilim Dalı |
| Tez Onay Yılı | 2025 |
| Öğrenci Adı ve Soyadı | Ozan Can ELMAS |
| Tez Danışmanı | PROF. DR. IŞIL SARIKAYA |
| Türkçe Özet | Amaç: Bu çalışmanın amacı, yapay zeka destekli yazılımlar ve farklı tecrübe seviyelerindeki dental teknisyenler tarafından oluşturulan dijital gülüş tasarımlarının, çeşitli demografik özelliklere sahip katılımcı grupları tarafından estetik olarak nasıl algılandığını karşılaştırmalı olarak değerlendirmektir. Yöntem: Çalışma için; iki farklı yapay zeka yazılımı (3Shape TRIOS Smile Design, Smile.Design) ve iki farklı (20 yıllık ve 5 yıllık) teknisyen tarafından toplam dört ayrı dijital gülüş tasarımı oluşturulmuştur. Bu tasarımlar, bir kadın ve bir erkek gönüllünün ağzına `mock-up` tekniği ile uygulanmış ve fotoğraflanmıştır. Oluşturulan anket çalışması, Google Forms üzerinden 653 katılımcıya uygulanmıştır. Katılımcılardan yaş, cinsiyet, eğitim durumu, uzmanlık dalı ve estetik tedavi geçmişi gibi demografik bilgileri istenmiştir. Katılımcılar, her bir tasarımı dört ana estetik parametre (Diş Hacimleri/Boyutları, Diş Şekilleri/Formları, Yüz ile Uyum, Genel Estetik) üzerinden 5'li Likert ölçeği ile puanlamış ve ayrıca dört tasarımı en estetik olandan en az estetik olana doğru sıralamışlardır. Verilerin istatistiksel analizi IBM SPSS programı ile yapılmış; gruplar arası karşılaştırmalar için Tek Yönlü Varyans Analizi (ANOVA), Post-Hoc Tukey HSD testi ve Ki-kare testi kullanılmıştır. Anlamlılık düzeyi p<0,05 olarak kabul edilmiştir. Bulgular: Katılımcıların %63,9'u kadın, %36,1'i erkektir ve %71,2'si 18-25 yaş aralığındadır. Değerlendirme grupları arasında estetik algı açısından istatistiksel olarak anlamlı farklılıklar saptanmıştır (p<0,05). Genel puan ortalamalarında, 3Shape yapay zeka destekli tasarım en yüksek puanı alırken, 20 yıllık teknisyen tasarımı en düşük puanı almıştır (p=0,003). Kadın modelde, 5 yıllık teknisyen tasarımı anlamlı derecede yüksek puan alarak en estetik bulunmuştur (p<0,001). Buna karşın erkek modelde, aynı tasarım tekniği diğer tüm tasarımlardan anlamlı derecede daha düşük puan alarak en az estetik bulunmuştur (p<0,001). Katılımcıların cinsiyetine göre yapılan sıralamalarda da anlamlı farklılıklar gözlenmiştir. Kadın gönüllü için yapılan sıralamada, kadın katılımcılar 3Shape yapay zeka tasarımını birinci sırada tercih ederken, erkek katılımcılar 5 yıllık teknisyenin tasarımını tercih etmiştir (p=0,009). Erkek gönüllü için yapılan sıralamada ise, kadın katılımcılar Smile.Design yapay zeka tasarımını birinci sırada tercih ederken, erkek katılımcıların en çok tercih ettiği tasarım yine 5 yıllık teknisyenin tasarımı olmuştur (p=0,004). Sonuçlar: Estetik algı, değerlendiricinin demografik özelliklerine (cinsiyet, yaş, eğitim) göre farklılık gösteren subjektif bir olgudur. `En iyi` gülüş tasarımının evrensel bir formülü yoktur; estetik başarı, tasarımın uygulandığı yüzün cinsiyeti gibi bağlamsal faktörlere derinden bağlıdır. Yapay zeka sistemleri, genel estetik normlara uygun başlangıç tasarımları sunmada güçlü bir potansiyele sahip olsa da insan sezgisinin ve tecrübesinin, özellikle kişiselleştirme ve cinsiyete özgü estetik beklentileri karşılama noktasında, hala vazgeçilmez olduğu kanıtlanmıştır. Klinik pratikte nihai estetik kararın, hastanın bireysel özellikleri ve tercihleri doğrultusunda hekim tarafından verilmesi gerekmektedir. Anahtar Kelimeler: Yapay Zeka, Dijital Gülüş Tasarımı, Estetik Diş Hekimliği, Gülüş Estetiği, Mock-up, Anket Çalışması. |
| İlgilizce Özet | Aim: The aim of this study was to comparatively evaluate how digital smile designs created by artificial intelligence (AI)–based software and dental technicians with different levels of experience are perceived aesthetically by participant groups with various demographic characteristics.Materials and Methods: Two AI-based software programs (3Shape TRIOS Smile Design and Smile.Design) and two dental technicians with different experience levels (20 years and 3 years) were used to create a total of four distinct digital smile designs. These designs were applied to a female and a male volunteer using the mock-up technique and subsequently photographed. A survey was administered to 653 participants via Google Forms. Participants provided demographic information such as age, gender, education level, specialty, and history of esthetic treatment. Each design was rated using a 5-point Likert scale across four main esthetic parameters (Tooth Volume/Size, Tooth Shape/Form, Facial Harmony, and Overall Esthetics). Additionally, participants ranked the four designs from most to least esthetic. Statistical analyses were performed using IBM SPSS software. One-Way ANOVA, Post Hoc Tukey HSD, and Chi-square tests were applied for group comparisons, with a significance level set at p<0.05.Results: Of the participants, 63.9% were female and 36.1% were male, with 71.2% aged between 18 and 25 years. Statistically significant differences were observed among the evaluation groups in terms of esthetic perception (p<0.05). In overall mean scores, the 3Shape AI-assisted design received the highest ratings, while the experienced technician's design received the lowest (p=0.003). In the female model, the less-experienced technician's design scored significantly higher and was perceived as the most esthetic (p<0.001). Conversely, in the male model, the same design received significantly lower scores than all others, being rated the least esthetic (p<0.001). Gender-based rankings also revealed significant differences. In the female model, female participants preferred the 3Shape AI design, whereas male participants favored the design created by the less-experienced technician (p=0.009). For the male model, female participants selected the Smile.Design AI design as the most esthetic, while male participants again preferred the less-experienced technician's design (p=0.004).Conclusion: Esthetic perception is a subjective phenomenon that varies according to the evaluator's demographic characteristics such as gender, age, and education. There is no universal formula for the `ideal` smile design; esthetic success is deeply influenced by contextual factors such as the gender of the face to which the design is applied. Although AI systems demonstrate strong potential in generating initial designs aligned with general esthetic norms, human intuition and experience remain indispensable—particularly in achieving personalization and meeting gender-specific esthetic expectations. In clinical practice, the final esthetic decision should be made by the clinician, taking into account the patient's individual characteristics and preferences.Keywords: Artificial Intelligence, Digital Smile Design, Esthetic Dentistry, Smile Esthetics, Mock-up, Survey Study. |