دانلود ترجمه مقاله اثر تجربه و زمان بر استفاده از اطلاعات کیفیت داده ها در تصمیم گیری – اینفورم ۲۰۰۳

 اثر تجربه و زمان بر استفاده از اطلاعات کیفیت داده ها در تصمیم گیری

The Impact of Experience and Time on the Use of Data Quality Information in Decision Making

مقدمه

پیشینه و مدل تحقیق

پردازش تصمیم گیری

کار

نتیجه تصمیم گیری

سطح تجربه

زمان

فرضیه‌ها

روش تحقیق

آزمایشی

آزمایش ۱

طرح آزمایش- آزمایش ۲

نتایج

تجربه

زمان

متغیرهای جمعیت

بحث

تجربه

زمان

جمعیت شناسی

تحقیقات آینده و نکات پایانی

منابع

اطلاعات کیفیت داده‌ها (DQI) فراداده‌هایی هستند که می‌توانند در ترکیب با داده‌ها ، اطلاعاتی را در مورد کیفیت آن داده‌ها فراهم آورند. درحالیکه کاربران بطور فزاینده‌ای از هر گونه تجربه شخصی با داده‌ها به دوراند، دانشی که برای قضاوت در مورد مناسب بودن داده‌ها برای تصمیم گیری سودمند است از بین رفته است. برچسب‌های داده‌ها می‌توانند این اطلاعات از دست رفته را فراهم آورند. به هر حال، ایجاد و حفظ چنین اطلاعاتی بطور کل پرهزینه است. انجام این کار تنها در زمانی ارزشمند است که DQI مورد استفاده قرار می‌گیرد و بر تصمیم اتخاذ شده تأثیر می‌گذارد.
این کار بر چگونگی تأثیر تجربه تصمیم گیرندگان و زمان پردازش موجود بر استفاده از DQI در تصمیم گیری تمرکز دارد. آن همچنین موضوعات بالقوه‌ای را در مورد استفاده از DQI، از جمله پیچیدگی کار و ویژگیهای جمعیتی مورد بررسی قرار می‌دهد. نتایج ما استفاده فزاینده از DQI را در زمان پیشرفت سطح تجربه در سراسر مراحل مبتدی تا حرفه‌ای نشان می‌دهد. نتیجه کلی این است که DQI باید برای مدیرانی که تجربه خاصی در آن حوزه ندارند در دسترس باشد. از این دیدگاه می‌توان گفت که DQI باید در انبار داده‌های مورد استفاده در پایگاه اد هوک توسط مدیران جای داده شود.
(کیفیت داده‌ها؛ کیفیت اطلاعات؛ اطلاعات کیفیت داده‌ها (DQI)؛ داده‌های تصمیم گیری؛ برچسب کیفیت داده‌ها؛ انبار داده‌ها؛ فراداده‌ها).

تحقیقات آینده و نکات پایانی

در این نقطه، ما هنوز در حال بررسی این موضوع هستیم که آیا تصمیم گیرنده از DQI استفاده می‌کند یا نه، و یا تحت چه شرایطی. کارهایی در آینده باید انجام شوند تا مشخص شود آیا در واقع یک روش درست برای استفاده از DQI وجود دارد. چگونگی تعریف و سنجش DQI از سؤالات مهم و کلیدی است و ممکن است در بین سازمانها و انواع مسائل فرق داشته باشد. از این رو، مطالعات موردی واقعی باید در این زمینه کمک کنند. این باید با تحقیق در مورد فرمت DQI برای انواع مختلف مسئله دنبال شود. DQI ممکن است به عنوان داده‌های فاصله‌ای عددی بین ۹ و ۱ مانند کاری که ما انجام دادیم، قالب بندی شود. از طرف دیگر، آن ممکن است بصورت داده‌های ترتیبی با مقادیری مثل خوب، ضعیف و غیره قابل بندی شود. کاملاً مشخص است که استراتژیهای زیادی برای پردازش تصمیم با دو دسته اصلی جبرانی و برشی وجود دارد (Payne و همکاران ۱۹۹۳). اگر تکنیکهای برشی برای DQI مورد استفاده قرار گیرند، ممکن است نسبت وزن DQI را بطور قابل توجهی کاهش دهد؛ به عنوان مثال، یک گزینه با کلمه “ضعیف” در فهرست DQI به عنوان یکی از ویژگیهای آن ممکن است رد شود، در جاییکه ممکن است با داده‌های فاصله‌ای و تکنیکهای جبرانی رد نشود. این ممکن است طراحان پایگاه داده‌ها را در مورد مطلوبیت استفاده از یک فرمت و یا فرمت دیگر آگاه کند.

Data Quality Information (DQI) is metadata that can be included with data to provide the user with information regarding the quality of that data. As users are increasingly removed from any personal experience with data, knowledge that would be beneficial in judging the appropriateness of the data for the decision to be made has been lost. Data tags could provide this missing information. However, it would be expensive in general to generate and maintain such information. Doing so would be worthwhile only if DQI is used and affects the decision made.
This work focuses on how the experience of the decision maker and the available processing time influence the use of DQI in decision making. It also explores other potential issues regarding use of DQI, such as task complexity and demographic characteristics. Our results indicate increasing use of DQI when experience levels progress through the stages from novice to professional. The overall conclusion is that DQI should be made available to managers without domain-specific experience. From this it would follow that DQI should be incorporated into data warehouses used on an ad hoc basis by managers.
(Data Quality; Information Quality; Data Quality Information (DQI); Decision Making; Data Quality Tags; Data Warehouse; Metadata)

Future Research and Concluding Remarks

At this point we are still investigating whether a decision maker will use DQI or not, and under what conditions. Further work needs to be done to determine if there is in fact a correct way to use DQI. How the DQI should be defined and weighted are key questions and may vary among organizations and problem types. Hence, actual case studies would contribute much to this area. This should be followed up with research on format of DQI for different types of problems. DQI may be formatted as numeric interval data between 0 and 1, as we have done. Alternatively it may be formatted as ordinal data with values such as good, poor, and so forth. It is well known that there are many decision processing strategies with two major categories, compensatory and cutoff (Payne et al. 1993). If cutoff techniques are used with DQI, that may significantly change the relative weight of the DQI; i.e., an alternative with the word “poor” listed as the DQI for one of its attributes may be rejected, whereas it would not have been rejected with interval data and compensatory techniques. This may advise database designers as to the desirability of using one or the other format.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 اثر تجربه و زمان بر استفاده از اطلاعات کیفیت داده ها در تصمیم گیری

The Impact of Experience and Time on the Use of Data Quality Information in Decision Making