دانلود رایگان ترجمه مقاله تحلیل مسائل مربوط به کیفیت داده ها در سیستم های اطلاعات پژوهشی (نشریه الزویر ۲۰۱۸)

این مقاله انگلیسی ISI در نشریه الزویر در ۷ صفحه در سال ۲۰۱۸ منتشر شده و ترجمه آن ۱۸صفحه میباشد. کیفیت ترجمه این مقاله ارزان – نقره ای ⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

تحلیل مسائل مربوط به کیفیت داده ها در سیستم های اطلاعات پژوهشی از طریق پروفایل بندی داده ها

عنوان انگلیسی مقاله:

Analyzing data quality issues in research information systems via data profiling

 
 
 
 
 

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf و ورد تایپ شده با قابلیت ویرایش 
سال انتشار ۲۰۱۸
تعداد صفحات مقاله انگلیسی ۷ صفحه با فرمت pdf
رشته های مرتبط با این مقاله مدیریت
گرایش های مرتبط با این مقاله سیستم های اطلاعاتی پیشرفته و مدیریت منابع اطلاعاتی
چاپ شده در مجله (ژورنال) مجله بین المللی مدیریت اطلاعات – International Journal of Information Management
کلمات کلیدی سیستم های اطلاعات پژوهشی فعلی، CRIS، سیستم های اطلاعات پژوهشی، RIS، اطلاعات پژوهشی، منابع داده، کیفیت داده، بار تبدیل استخراج، ETL، تحلیل داده ها، پروفایل سازی داده، سیستم علمی، استانداردسازی
ارائه شده از دانشگاه مرکز مطالعات تحقیقات و تحقیقات آموزش عالی آلمان (DZHW)
رفرنس دارد  
کد محصول F1613
نشریه الزویر – Elsevier

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش 
وضعیت ترجمه انجام شده و آماده دانلود
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۸ صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است ✓ 
ترجمه متون داخل تصاویر ترجمه شده است   
ترجمه متون داخل جداول ترجمه شده است 
ضمیمه ندارد   
درج تصاویر در فایل ترجمه درج شده است 
درج جداول در فایل ترجمه درج شده است  
منابع داخل متن به صورت انگلیسی درج شده است  
کیفیت ترجمه کیفیت ترجمه این مقاله پایین میباشد 

 

فهرست مطالب

چکیده
۱- مقدمه
۲- اطلاعات تحقیقاتی و سیستم اطلاعات تحقیقاتی
۳- پروفایل بندی داده ها
۳-۱ تحلیل نام صفت (ویژگی)
۳-۲ تحلیل نوع داده ها
۳-۳- تحلیل محدوده مقادیر
۳-۴- تحلیل کلید منحصر به فرد
۳-۵ تحلیل الگو
۳-۶- تحلیل دامنه
۳-۷ وابستگی کارکردی
۳-۸ تحلیل ارجاعی
۴- بحث و بررسی
۵- نتیجه گیری و چشم انداز

 

بخشی از ترجمه
 چکیده
موفقیت یا شکست یک RIS در یک موسسه علمی عمدتاً مربوط به کیفیت داده های موجود به عنوان پایه ای برای کاربردهای RIS است. زیباترین ابزارهای هوش کسب و کار (BI) (گزارش دهی و غیره), هنگامی که داده های نادرست، ناقص و یا متناقض را نمایش دهند, بی ارزش هستند. بنابراین بخشی جدایی ناپذیر از هر RIS، ادغام داده ها از سیستم های عملیاتی است. قبل از شروع فرآیند ادغام (ETL) یک سیستم منبع، یک تحلیل غنی از داده های منبع ضروری است. با حمایت از یک بررسی کیفیت داده ها، علل مشکلات کیفی معمولاً قابل شناسایی می شوند. تحلیل های مربوطه با استفاده از پروفایل های داده ها انجام می شوند تا تصویر خوبی از وضعیت داده ها ارائه شود. در این مقاله، روش های پروفایل سازی داده ها به منظور به دست آوردن یک مرور کلی از کیفیت داده ها در سیستم های منبع قبل قبل از ادغام آنها در RIS ارائه شده است. با کمک پروفایل سازی داده ها ها، موسسات علمی نه تنها می توانند اطلاعات تحقیقاتی خود را ارزیابی کنند و نیز اطلاعاتی در مورد کیفیت آنها ارائه دهند، بلکه همچنین وابستگی ها و زواید از میان زمینه های داده را بررسی می کنند و آنها را در RIS خود اصلاح می کنند.
 
۱- مقدمه
در سال های اخیر، الزامات گزارشگری تحقیق در تمام موسسات، به شدت افزایش یافته است. هر دوی موسسه داخلی (هیئت نمایندگی، اداره و مدیریت تخصصی) و خارجی (وزارت های مربوطه، عموم علاقه مند) نیاز به اطلاعات جامع در مورد فعالیت های تحقیقاتی موسسات برای اهداف برنامه ریزی و کنترل دارند. فعالیت های تحقیقاتی شامل اطلاعات تحقیقاتی مانند پروژه ها، بودجه های شخص ثالث، اختراعات، شرکا، قیمت ها و نشریات و غیره می باشد. این اطلاعات بازنگری در یک سیستم اطلاعات پژوهشی مربوطه ذخیره و مدیریت می شود. یک سیستم اطلاعات پژوهشی زمانی استفاده می شود که سیستم اطلاعاتی از منابع متفاوت, اطلاعات را از طریق یک فرایند ETL یکپارچه گردآوری می کند و امکان تحلیل آن را با استفاده از توابع خروجی و تحلیل مختلف فراهم می کند. با معرفی RIS، موسسات علمی می توانند نمای کلی کنونی از فعالیت های تحقیقاتی خود به دست آورند، اطلاعات مربوط به فعالیت های علمی، پروژه ها و نشریات خود را جمع آوری، پردازش و مدیریت نمایند و همچنین آنها در وب خود ادغام نمایند. علاوه بر این، کاربران RIS نیاز به تلاش اضافی برای بررسی فعالیت های تحقیقاتی آنها ندارند.
حجم های رو به رشد داده ها و تعداد فزاینده سیستم های منبع می تواند به خطاهای داده ممکن، تکرارها، مقادیر گم شده، قالب بندی نادرست و تناقض در RIS منجر شود. علاوه بر این، برای تحلیل کیفیت داده ها در سیستم های منبع قبل از ادغام آنها در RISبه کار گرفته می شود. هرقدر نقص های کیفی زودتر کنترل شوند و بهبود یابند، بهتر است. برای این منظور، هدف از این مقاله, ارائه روشهای ممکن برای پروفایل بندی اطلاعات کاربردی برای اطلاعات تحقیقاتی است تا تسهیلاتی فراهم شود که تحلیل و ارزیابی دقیق داده های موجود فراهم شود.

 

بخشی از مقاله انگلیسی

Abstract

The success or failure of a RIS in a scientific institution is largely related to the quality of the data available as a basis for the RIS applications. The most beautiful Business Intelligence (BI) tools (reporting, etc.) are worthless when displaying incorrect, incomplete, or inconsistent data. An integral part of every RIS is thus the integration of data from the operative systems. Before starting the integration process (ETL) of a source system, a rich analysis of source data is required. With the support of a data quality check, causes of quality problems can usually be detected. Corresponding analyzes are performed with data profiling to provide a good picture of the state of the data. In this paper, methods of data profiling are presented in order to gain an overview of the quality of the data in the source systems before their integration into the RIS. With the help of data profiling, the scientific institutions can not only evaluate their research information and provide information about their quality, but also examine the dependencies and redundancies between data fields and better correct them within their RIS.

۱ Introduction

In recent years, the requirements for research reporting of all institutions have risen massively. Both internal institution (presidium, departmental and specialist management) and external (relevant ministries, interested public) need comprehensive information on the research activities of the institutions for planning and control purposes. Research activities include research information such as Projects, thirdparty funds, patents, partners, prices and publications, etc. This research information is stored and managed in a corresponding research information system. A research information system is used when the information system from different sources brings together research information via an integrated ETL process and makes it possible to analyze it using various output and analysis functions. With the introduction of RIS, scientific institutions can provide a current overview of their research activities, collect, process and manage information about their scientific activities, projects and publications as well as integrate them into their web presence. Furthermore, RIS users can not have any extra effort in the survey of their research activities.

The growing volumes of data and the increasing number of source systems can lead to possible data errors, duplicates, missing values, incorrect formatting and contradictions in RIS. In addition, it serves to analyze the quality of the data in the source systems prior to their integration into the RIS. The sooner quality defects are controlled and remedied, the better. For this purpose, the aim of this paper will be to present the possible methods of data profiling applicable to research information in order to allow facilities to carry out a detailed analysis and evaluation on the existing data.

 

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا