اندازه گیری داده ها در سیستم های اطلاعات تحقیقات
چکیده
در سال های اخیر، سیستم های اطلاعات تحقیقات (RIS) تبدیل به یکی از مهم ترین بخش های حوزه های IT در دانشگاه ها شده اند. در همین زمان، بسیاری از دانشگاه ها و موسسه های تحقیقاتی هنوز در حال کار بر روی اجرای این سیستم های اطلاعاتی می باشند. سیستم های اطلاعات تحقیقاتی از نهادهای مختلف برای اندازه گیری، مستند سازی، ارزیابی و ایجاد ارتباط بین فعالیت های تحقیقاتی، پشتیبانی می کند. اجرای این سیستم های یکپارچه نیازمند این است که نهاد های مختلف، کیفیت اطلاعات در فعالیت های تحقیقاتی که وارد این سیستم ها می شود را تضمین کنند. به دلیل این که بسیاری از اطلاعات و منابع داده ها به یکدیگر مرتبط می باشند، این منابع داده های مختلف می توانند بر روی کیفیت داده ها در سیستم های اطلاعات تحقیقات تاثیر منفی ایجاد کنند. به دلیل این که این موضوع در حال حاضر مد نظر بسیاری از نهاد ها می باشد، هدف این مقاله نخست بررسی این موضوع است که کیفیت داده ها را در زمینه ی RIS چگونه می توان اندازه گیری کرد، و سپس می خواهیم توضیح دهیم که چگونه ابعاد مختلف از کیفیت داده ها که در مقالات مختلف توصیف شده اند را می توان در سیستم های اطلاعات تحقیقات، اندازه گیری کرد. در نهایت، یک قالب کاری به عنوان جریان روند مبتنی بر شیوه ی کاری دانشگاه UML ارائه می شود که می توان از آن برای نظارت و بهبود کیفیت این داده ها، استفاده کرد ؛ این قالب کاری می تواند مورد استفاده افراد فنی در دانشگاه ها و نهاد های تحقیقاتی، قرار بگیرد.
مقدمه
موضوع « دیتابیس های تحقیقاتی و سیستم های اطلاعات تحقیقات» اصلا موضوع جدیدی نیست . در سال های اخیر، معرفی سیستم های جدید اطلاعات تحقیقات در دانشگاه ها و نهاد های تحقیقاتی، به صورت گسترده در آلمان و سراسر اروپا افزایش پیدا کرده است ( سیستم های اطلاعات تحقیقاتی DINI AG ، 2015). سیستم های اطلاعات تحقیقات می تواند برای نهاد ها و دانشگاه ها این امکان را فراهم کند که فعالیت های تحقیقاتی خودشان را مرور کنند، در رابطه با فعالیت های علمی، پروژه ها و نشریات خودشان اطلاعات جمع آوری کنند و آن ها را در یک وبسایت مدیریت کرده و به صورت یکپارچه ارائه کنند. برای محقق ها این سیستم ها فرصتی را فراهم می کنند تا آن ها بتوانند اطلاعات تحقیقاتی را جمع آوری کرده، دسته بندی کرده و از آن ها استفاده کنند و این اطلاعات تحقیقاتی می توانند به صورت لیست نشریات باشند که برای توسعه ی پروژه های جدید، کاهش تلاش مورد نیاز برای تولید گزارش و یا به عنوان ارائه ی تحقیقات و مهارت های علمی تحقیقاتی خودشان، استفاده کنند.
Abstract
In recent years, research information systems (RIS) have become an integral part of the university’s IT landscape. At the same time, many universities and research institutions are still working on the implementation of such information systems. Research information systems support institutions in the measurement, documentation, evaluation and communication of research activities. Implementing such integrative systems requires that institutions assure the quality of the information on research activities entered into them. Since many information and data sources are interwoven, these different data sources can have a negative impact on data quality in different research information systems. Because the topic is currently of interest to many institutions, the aim of the present paper is firstly to consider how data quality can be investigated in the context of RIS, and then to explain how various dimensions of data quality described in the literature can be measured in research information systems. Finally, a framework as a process flow according to UML activity diagram notation is developed for monitoring and improvement of the quality of these data; this framework can be implemented by technical personnel in universities and research institutions.
Introduction
The topic of ‘‘research databases and research information systems’’ is by no means new. In recent years, the introduction of research information systems at universities and research institutions has strongly increased in Germany and throughout Europe (DINI AG Research Information Systems 2015). Research information systems can provide universities and research institutions with a current overview of their research activities, collect information on their scientific activities, projects and publications and manage and integrate into their website. For researchers, they offer opportunities to collect, categorize and make use of research information, be that for publication lists, for the development of new projects, to reduce the effort required to produce reports, or in the external presentation of their research and scientific expertise.
چکیده
مقدمه
سیستم های اطلاعات تحقیقات (RIS)
سیستم های شناسایی ساده
اندازه گیری کیفیت داده های RIS
اندازه گیری تکمیل بودن اطلاعات
اندازه گیری تناسب زمانی
اندازه گیری صحت داده ها
اندازه گیری تطابق
مباحث
جمع بندی و دورنما
Abstract
Introduction
Research information system (RIS)
Data quality and data quality dimensions
Measurement of data quality of the RIS
Measurement of completeness
Measurement of timeliness
Measurement of correctness
Measurement of consistency
Discussion
Conclusion and outlook
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه