ما هي إدارة بيانات البحث .. RDM

تعريف إدارة بيانات البحث

تصف إدارة بيانات البحث أو RDM طريقة لتنظيم وتخزين البيانات التي تم جمعها بواسطة مشروع بحثي بأكثر الطرق فعالية ، وإدارة البيانات التي تم جمعها طوال حياة المشروع البحثي من خلال التوصل إلى اتفاقيات متسقة ، وتكون مسؤولاً عن المشاركة والوصول ، حفظ البيانات والتخلص منها بأمان.

أهمية RDM

هناك عدة أسباب لأهمية RDM ، بصرف النظر عن السبب الواضح ، وهو جعل عملية جمع البيانات سهلة وفعالة. هنا بعض:

  • البيانات منتج عابر ويمكن فقدانها بسهولة إذا لم يتم حفظها بشكل صحيح.
  • تعمل إدارة بيانات البحث بشكل صحيح على توفير الوقت والمال.
  • البيانات التي يمكن الرجوع إليها والتحقق منها والتحقق من صحتها تزيد من دقة البحث وجودته. غالبًا ما تؤدي مشاركة البيانات إلى تطورات ورؤى من قرائها ، حتى لو كانوا خارج فريق البحث الأصلي.
  • تساعد إدارة بيانات البحث في اكتشاف الأخطاء ، خاصةً إذا كانت البيانات متاحة لفريقك. يستشهد أندرسون (2007) بأن معظم فرق البحث تواجه أخطاء ، لكن نصفها فقط لديه آليات لمعالجة هذه الأخطاء.
  • تتجه وكالات التمويل بشكل متزايد إلى البيانات والنتائج القابلة للتكرار للموافقة على المنح البحثية.

التحديات في إدارة بيانات البحث

مثل أي شيء آخر ، تتضمن إدارة بيانات بحث RDM العديد من التحديات ، وهنا أكبرها:

  • التخزين غير السليم للبيانات: يمكن أن يؤدي ذلك إلى التخلص من البيانات بإهمال أو أن تصبح غير صالحة للاستعمال ، وهذه واحدة من أكبر المشاكل في معالجة البيانات ، والتي تنتج بشكل مباشر عن إهمال فريق البحث ، اعتمادًا على شروط الاتفاقية مع الممول و / أو الراعي ، قد تكون البيانات غير القابلة للاستخدام انتهاكًا في الواقع ، بالإضافة إلى ذلك ، بدون المعالجة المناسبة للبيانات ، سيتم التغاضي عن التناقضات.
  • عدم توثيق البيانات الفنية: فيما يتعلق بالأول ، فهذه مشكلة خطيرة تنبع من انحراف الفريق عن المعايير المناسبة لتوثيق البيانات ، وهذا سيجعل نتائج البحث غير مثمرة ، حيث إن أي عمل يسعى إلى تكرار البحث سيكون مليئًا التناقضات.

  • لا تحصل منظمة البحث على نسخة من البيانات: في حين أن هذه مشكلة نادرة ، إلا أنها مشكلة كبيرة إذا غادر فريق البحث الأصلي المنظمة ولم يترك لهم أي نسخة من البيانات ، وإذا طلبت المنشورات اللاحقة الوصول إلى البيانات إلى إما التحقق من صحة نتائج التقرير أو إعادة فحصها ، فهذا من شأنه أن يضع المنظمة في موقف حرج ، مع الاحتفاظ بالبيانات في مكان آخر ، مثل الخوادم الشخصية ، مما يتسبب أيضًا في حدوث مشكلات ، بما في ذلك المشكلات القانونية.

طرق جمع البيانات

أيا كان المصدر ، يقوم الباحثون بجمع البيانات باستخدام إحدى طريقتين نوعيتين وكميتين ، كما يمكنك أن تتخيل من الاسم ، النوعية وصفية ، مفيدة للأشياء التي يمكن ملاحظتها ولكن لا يمكن قياسها ، والكمية ، في نفس الوقت ، مع الاحترام للأرقام. ومع ذلك ، فإن نوع المصدر أو البيانات يعني أن أيًا من الطريقتين أكثر ملاءمة ، وبيانات اللغة المستخدمة في معالجة اللغة الطبيعية ، على سبيل المثال ، غير قابلة للقياس ، لذا فهي أكثر ملاءمة لطريقة التجميع النوعي (التي تجلب لنا دائرة كاملة حيث يمكن للبرمجة يتم أيضًا معالجة اللغويات العصبية تلقائيًا بتحليل البيانات النوعية ، وسيتم شرح الطريقتين أدناه:

  • نوعي

البحث النوعي هو البحث الذي يحدد جمعيات الأفراد والخبرات في سياق أكبر ، مثل الحقائق الاجتماعية أو العالم ، وهو أكثر اهتمامًا بمراقبة الأشخاص والجماعات وكيف يعيشون حياتهم في بيئة معينة. لذلك ، فإن البحث النوعي يجمع بيانات وصفية أكثر مما هو تجريبي.

  • القليل

من ناحية أخرى ، تعتبر الكمية نوعًا أكثر موضوعية من الأساليب لأنها تستخدم المعايير التقليدية لموثوقية وصحة الأرقام ، وعلى الرغم من أنه لا يمكن بالتأكيد قياس جميع البيانات بهذه الطريقة ، فإن البيانات الكمية تتمتع بميزة التصنيف و / أو مصنفة لمجموعة متنوعة من الأغراض ، مثل الرسوم البيانية والرسوم البيانية أو الجداول. ، تُظهر خاصية البيانات الكمية المراد تصورها للقارئ كيفية الإجابة على الأسئلة ، وليس عرضها فقط. يتمثل الترتيب الرئيسي للأعمال بالنسبة للباحثين الكميين في إنشاء إطار عام يحد من الإعدادات والأغراض المختلفة ، عادةً من خلال استخدام التجارب ، وهذا يعني أنه للحد من المتغيرات الخارجية ، غالبًا ما يتم إجراء هذه التجارب في بيئة خاضعة للرقابة ، مثل المختبر . الناتجة عن السياق ، مثل الافتراضات والقيود وخبرة المحقق. ومع ذلك ، فإن القوة الرئيسية لجمع البيانات الكمية هي أنه يمكن التحقق منها وتفسيرها من خلال التحليل الرياضي ، خاصة وأن الباحث قد نأى بنفسه عن البحث ، مما يعني أنه أكثر علمية وموضوعية. كانت مجموعات البيانات الضخمة مهمة ضخمة ، ويمكن للبرمجيات “معالجة” الأرقام اليوم بشكل أسرع من أي وقت مضى.

فوائد إدارة بيانات البحث

تقدم إدارة بيانات البحث الكثير من الفوائد للباحثين ، وسنناقش بعضها أدناه:

  • أمن البيانات

تتمثل الميزة الأكثر أهمية لـ RDM في إمكانية تأمين البيانات من خلال خطة إدارة بيانات بحثية فعالة ، وتقليل فقد البيانات والوصول غير المصرح به من خلال الالتزام بمعايير تخزين البيانات أو المنظمة ، كما يمكن أن يكون خطر فقدان سلامة البيانات إما من خلال الحوادث أو الإهمال. مخفض. الموقع الأكثر شيوعًا لتخزين بيانات البحث هو في مستودع المؤسسة ، مثل خوادم البيانات الرقمية ، وقد تحصل المنظمة على نصائح حول مكان تخزين البيانات لاحظ أن العديد من الممولين عمومًا لا يرغبون في تخزين بيانات البحث التي قاموا بتمويلها في مستودعات شخصية أو في أي مكان آخر ، لا سيما بدون إذن.

  • التعاون الفعال

ثاني أهم فائدة لـ RDM هو التعاون ، خاصة في عصر يكون البحث فيه أكثر تعقيدًا ، مع المزيد من الأجزاء المتحركة ، لكن هذه ميزة ، حيث توجد علاقة إيجابية بين عدد المؤلفين في الدراسة مقارنةً بأولئك الذين لديهم فقط أولاً ، إتاحة البيانات للجميع في المجموعة ، حتى أولئك الذين ليسوا في الفريق ولكن في نفس التخصص ، يمكن أن يفتح فرصًا هائلة لمواصلة البحث. بالإضافة إلى ذلك ، تعمل إجراءات RDM الجيدة أيضًا على تحسين كفاءة الوصول إلى البيانات ، ويمكن لبنية دليل البيانات المنظمة ، على سبيل المثال ، أن تجعل المساهمة بالبيانات أو البناء على مجموعة بيانات موجودة أسهل بكثير ، كما أن تنظيم البيانات الفعال يجعل مراقبة تقدم المشروع أكثر سلاسة ويضع المساءلة في المقدمة والمركز.[1]

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى