توسعه شاخص های کیفیت داده به منظور ارزیابی سامانه های اطلاعاتی تحقیقاتی: یک مطالعه موردی
Publish place: Standard and Quality Management Journal، Vol: 9، Issue: 1
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 779
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SQM-9-1_005
تاریخ نمایه سازی: 3 تیر 1399
Abstract:
در پی رشد فناوری ها و ابزارهای ارتباطی و اطلاعاتی، امروزه شاهد تولید و توسعه ی پایگاه های داده در اکثر سازمان ها هستیم. از طرفی برای کسب جایگاه مناسب در دنیای کسب وکار کنونی لازم است سازمان های مختلف با تغییرات بیرونی سازگار شوند و به نوسانات مختلف بازار حساسیت کافی داشته باشند. به علاوه، کلید حل اکثر مشکلات سازمانی در دل داده ها و روندهای تولیدشده توسط همان سازمان است و بررسی داده های سازمان های دیگر تنها می تواند راهنمای رسیدن به پاسخ باشد. از این رو ارزشمندترین و مهم ترین موجودی هر سازمان، داده های تولید شده توسط همان سازمان است. بر این اساس امروزه کیفیت داده های سازمان و پایش مستمر آن ها به عنوان یک راهبرد کلیدی شناخته می شود. در این پژوهش پس از بررسی متون علمی مختلف، شاخص های کیفیت داده مانند دقت، صحت، جامعیت و به هنگام بودن، برای ارزیابی سامانه های اطلاعاتی تحقیقاتی توسعه داده شدند. سامانه ی ملی ثبت پایان نامه/ رساله ی دانش آموختگان کل کشور به عنوان مطالعه ی موردی انتخاب شد. نتایج نشان داد پس از بهبود فرایند ثبت در این سامانه ی ملی شاخص های کیفیت داده، وضعیت بهتری را نشان می دهد. استفاده از فهرست های آماده ی کرکره ای به منظور افزایش خطاناپذیرسازی در ثبت داده ها، احراز هویت دانشجو و اساتید راهنما و مشاور به کمک کد ملی از جمله پیشنهادهای اجرایی هستند که در راستای بهبود کیفیت داده ها در سامانه ی ثبت ارائه شدند.
Keywords:
Authors
آیناز اشتریان اصفهانی
خیابان شریعتی میدان قدس خیابان دربند کوچه امیر احمدی زمانی پلاک ۸۱ واحد ۳
محمد جواد ارشادی
استادیار، عضو هیئت علمی پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)
امیر عزیزی
عضو هیئت علمی دانشگاه آزاد اسلامی – واحد علوم و تحقیقات
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :