دانلود ترجمه مقاله اندازه گیری داده ها در سیستم های اطلاعات تحقیقات (اسپرینگر ۲۰۱۸) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

اندازه گیری داده ها در سیستم های اطلاعات تحقیقات: معیارهایی برای ارزیابی کیفیت داده ها

Data measurement in research information systems: metrics for the evaluation of data quality

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

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.

جمع بندی و دورنما

این مقاله ، این موضوع را بررسی کرد که چگونه می توان کیفیت داده ها در RIS را اندازه گیری کرد. هدف ما در این مقاله ارائه کردن معیار های گزینش شده برای ابعاد کیفیت اطلاعات از نظر تمامیت، صحت، تناسب زمانی و پایداری ، مطابق بر مقالات موجود بود. این کار ما را قادر می سازد تا یک اندازه گیری هدفمند، موثر و تا حد زیادی خودکار را در سیستم های اطلاعات تحقیقات از نظر کیفیت داده ها انجام دهیم. چهار معیار انتخاب شده به گونه ای هستند که به سادگی می توان آن ها را اندازه گیری کرد. به علاوه ، این معیار ها، می توانند اطلاعات مفیدی را در اختیار کاربر های RIS قرار دهند و در نتیجه یک مبنای بهبود یافته برای تصمیم گیری ایجاد می کنند. نتایج اندازه گیری های این معیار ها ، نشان داد که این معیار ها از نظر تئوری در هر RIS قابل اندازه گیری می باشند و ازین رو کیفیت بالایی از داده ها در اختیار دانشگاه ها و موسسه ها از طریق این سیستم های اطلاعات تحقیقاتی قرار می گیرد. از این منظر، تایید کیفیت داده ها باید دقیقا بر اساس زمینه ی داده ها انجام شود. مفهومی که در این قسمت ارائه شد، یک روش مناسب و یک قالب کاری خوب برای اندازه گیری کیفیت داده ها در RIS فراهم می کند. روشی که در این قسمت ارائه شد و قالب کاری مربوط به آن را می توان به عنوان مبنایی برای ارزیابی و بهبود کیفیت داده ها در RIS ها ایجاد کرد تا کاربرد بیشتری برای موسسه های مختلف داشته باشند

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.

Conclusion and outlook

This paper took up the question of how data quality in RIS can be measured. The aim was to present the selected metrics for the data quality dimensions of completeness, correctness, timeliness and consistency as found in the literature. These enable an objective, effective and largely automated measurement within the research information system. The four selected metrics have proven to be respectably easy to measure. In addition, these represent a particularly representative illustration of the reporting for the RIS users and lead to an improved basis for decision-making. The results of the measurements of the metrics have shown that measurements are theoretically possible with every RIS, and that a high data quality is available to universities and research institutions, e.g. research information systems. In this respect, the verification of the data quality must always be carried out with specific reference to its context. The concept which was introduced here provides a suitable approach and a framework to measure data quality in any RIS. The approach shown here and the framework can be used as a basis for the examination and improvement of the data quality in an RIS in institutions making use of such.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

اندازه گیری داده ها در سیستم های اطلاعات تحقیقات: معیارهایی برای ارزیابی کیفیت داده ها

Data measurement in research information systems: metrics for the evaluation of data quality