توسعه شاخص‌های کیفیت داده به‌منظور ارزیابی سامانه‌های اطلاعاتی تحقیقاتی: یک مطالعه موردی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 خیابان شریعتی میدان قدس خیابان دربند کوچه امیر احمدی زمانی پلاک 81 واحد 3

2 استادیار، عضو هیئت علمی پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)

3 عضو هیئت علمی دانشگاه آزاد اسلامی – واحد علوم و تحقیقات

چکیده

در پی رشد فناوری‌ها و ابزارهای ارتباطی و اطلاعاتی، امروزه شاهد تولید و توسعه‌ی پایگاه‌های‌ داده‌ در اکثر سازمان‌ها هستیم. از طرفی برای کسب جایگاه مناسب در دنیای کسب‌وکار کنونی لازم است سازمان‌های مختلف با تغییرات بیرونی سازگار شوند و به نوسانات مختلف بازار حساسیت کافی داشته باشند. به‌علاوه، کلید حل اکثر مشکلات سازمانی در دل داده‌ها و روندهای تولیدشده توسط همان سازمان است و بررسی داده‌های سازمان‌های دیگر تنها می‌تواند راهنمای رسیدن به پاسخ باشد. از‌این‌رو ارزشمندترین و مهم‌ترین موجودی هر سازمان، داده‌های تولید‌شده توسط همان سازمان است. بر این اساس امروزه کیفیت داده‌های سازمان و پایش مستمر آن‌ها به‌عنوان یک راهبرد کلیدی شناخته می‌شود. در این پژوهش پس از بررسی متون علمی مختلف، شاخص‌های کیفیت داده مانند دقت، صحت، جامعیت و به‌هنگام بودن، برای ارزیابی سامانه‌های اطلاعاتی تحقیقاتی توسعه داده شدند. سامانه‌ی ملی ثبت پایان‌نامه/ رساله‌ی دانش‌آموختگان کل کشور به‌عنوان مطالعه‌ی موردی انتخاب شد. نتایج نشان داد پس از بهبود فرایند ثبت در این سامانه‌ی ملی شاخص‌های کیفیت داده، وضعیت بهتری را نشان می‌دهد. استفاده از فهرست‌های آماده‌ی کرکره‌ای به‌منظور افزایش خطاناپذیرسازی در ثبت داده‌ها، احراز هویت دانشجو و اساتید راهنما و مشاور به کمک کد ملی از‌جمله پیشنهادهای اجرایی هستند که در راستای بهبود کیفیت داده‌ها در سامانه‌‌ی ثبت ارائه شدند.

کلیدواژه‌ها


Arabi, P, Zafar Heidarpour, M, Khoshgftar, A. (2017). Accelerating the achievement of critical success factors and key performance indicators, with an emphasis on the fundamental transformation document in the education research area of Mashhad 6th District. In the International Conference on Modern Approaches in Humanities.
Ballou, D., Wang, R., Pazer, H., & Tayi, G. K. (1998). Modeling information manufacturing systems to determine information product quality. Management Science, 44(4), 462-484.
Batini, C., Cappiello, C., Francalanci, C., & Maurino, A. (2009). Methodologies for data quality assessment and improvement. ACM computing surveys (CSUR), 41(3), 16.
Chengalur-Smith, I. N., Ballou, D. P., & Pazer, H. L. (1999). The impact of data quality information on decision making: an exploratory analysis. IEEE Transactions on Knowledge and Data Engineering, 11(6), 853-864
Even, A., & Shankaranarayanan, G. (2007). Utility-driven assessment of data quality. ACM SIGMIS Database: the DATABASE for Advances in Information Systems, 38(2), 75-93.
Gasta, W. (2004, April). Statistical process control using key process indicators for vacuum devices. In Vacuum Electronics Conference, 2004. IVEC 2004. Fifth IEEE International.
Geekiyanage, Suranga CH, Dan Sui, and Bernt S. Aadnoy. (2018). Drilling Data Quality Management: Case Study With a Laboratory Scale Drilling Rig. ASME 2018 37th International Conference on Ocean, Offshore and Arctic Engineering. American Society of Mechanical Engineers.
Heinrich, B., Klier, M., & Kaiser, M. (2009). A procedure to develop metrics for currency and its application in CRM. Journal of Data and Information Quality (JDIQ), 1(1):5.
Hoyles, Celia, et al. (2007). Attributing meanings to representations of data: The case of statistical process control. Mathematical Thinking and Learning, 9 (4): 331-360
Jones-Farmer, L. A., Ezell, J. D., & Hazen, B. T. (2014). Applying control chart methods to enhance data quality. Technometrics, 56(1): 29-41.
Khosroanjom, D., Ahmadzade, M., Niknafs, A., & Mavi, R. K. (2011). Using fuzzy AHP for evaluating the dimensions of data quality. International Journal of Business Information Systems, 8(3): 269-285
Mecella, M., Scannapieco, M., Virgillito, A., Baldoni, R., Catarci, T., & Batini, C. (2002). Managing data quality in cooperative information systems. In OTM Confederated International Conferences on the Move to Meaningful Internet Systems”, 486-502.
Moges, Helen-Tadesse. (2016). Determining the use of data quality metadata (DQM) for decision making purposes and its impact on decision outcomes—An exploratory study. Decision Support Systems, 83.
Morgan, Chris, and Adam Dewhurst. (2007). Using SPC to measure a national supermarket chain’s suppliers’ performance. International Journal of Operations & Production Management 27(8): 874-900.
Ochoa, X., & Duval, E. (2006). Quality metrics for learning object metadata. In EdMedia+ Innovate Learning (1004-1011). Association for the Advancement of Computing in Education (AACE).
Pipino, L. L., Lee, Y. W., & Wang, R. Y. (2002). Data quality assessment. Communications of the ACM, 45(4), 211-218.
Redman, T. C. (1998). The impact of poor data quality on the typical enterprise. Communications of the ACM, 41(2), 79-83
Suhairi, Kasman, and Ford Lumban Gaol. (2013). The measurement of optimization performance of managed service division with ITIL framework using statistical process control.” Journal of Networks, 8(3).
Strong, D., Lee, Y. W., & Wang, R. Y. (1997). Data quality in context. Communications of the ACM, 40(5), 103-111.
Vaziri, R., Mohsenzadeh, M., & Habibi, J. (2017). Measuring data quality with weighted metrics. Total Quality Management & Business Excellence, 1-13.