ارزیابی بلوغ هوشمندی کسب‌وکار کتابخانه‌های دانشگاهی با رویکرد علم طراحی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری ، رشته مدیریت فناوری اطلاعات ،دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران ، ایران

2 ستاد و مدیرگروه فناوری اطلاعات، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران

3 استاد تمام گروه علم اطلاعات و دانش شناسی,، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران

4 استاد تمام رشته مدیریت دولتی ، دانشکده مدیریت ، دانشگاه تهران، تهران، ایران

چکیده

هدف: هدف مطالعه توسعه و ارزیابی مدل بلوغ هوشمندی کسب‌وکار برای کتابخانه‌های دانشگاهی است. در این مطالعه به شناسایی ابعاد و شاخص‌های کلیدی هوشمندی کسب‌وکار و ارائۀ چارچوبی برای تعیین سطوح بلوغ و ارزیابی بلوغ هوشمندی کسب‌وکار کتابخانه‌های دانشگاهی پرداخته شد.
روش‌شناسی: این مطالعه از رویکرد ترکیبی (کیفی-کمّی) در چارچوب علم طراحی استفاده کرده است. در مرحلۀ کیفی، فراترکیبی از مطالعات پیشین برای شناسایی مؤلفه‌ها و شاخص‌های هوشمندی کسب‌وکار انجام شد. با تکیه بر اصول مدل‌های بلوغ قابلیت، یک مدل بلوغ اولیه در پنج سطح توسعه داده شد، سطح‌های اولیه، تکرارپذیر، تعریف‌شده، مدیریت‌شده، و بهینه‌سازی‌شده. در مرحلۀ کمّی، از پرسش‌نامه و تکنیک دلفی فازی برای اعتبارسنجی ابعاد، سطوح بلوغ، و شاخص‌های مدل پیشنهادی براساس قضاوت‌های کارشناسان استفاده شد. پس از تلفیق بازخورد کارشناسان، مدل نهایی از نظر دقت، کیفیت، سودمندی، و کاربردپذیری ارزیابی شد. در نهایت، بلوغ هوشمندی کسب‌وکار کتابخانه‌های دانشگاه تهران با استفاده از مدل نهایی ارزیابی شد.
یافته‌ها: مدل پیشنهادی شامل چهار دسته اصلی است. این دسته‌ها فناوری، منابع انسانی، سازمان، و فرایندها هستند که شامل ۱۶ بُعد و ۷۲ شاخص می‌شوند ارزیابی کتابخانه‌های دانشگاه تهران نشان داد که بلوغ هوشمندی کسب‌وکار در دسته‌های فناوری، سازمان، و فرایند در سطح دو و دستل منابع انسانی در سطح سه قرار دارد. این یافته‌ها نشان می‌دهد که بلوغ هوشمندی کسب‌وکار در دسته‌های مختلف یکسان نیست و دستیابی به سطوح بلوغ بالاتر نیازمند توسعۀ متوازن در ابعاد فناوری، سازمانی، فرایند، و انسانی است.
نتیجه‌گیری: مدل پیشنهادی مجموعه‌ای نظام‌مند از ابعاد و شاخص‌ها را برای ارزیابی بلوغ هوشمندی کسب‌وکار در کتابخانه‌های دانشگاهی و شناسایی حوزه‌های نیازمند بهبود ارائه می‌دهد. ارزیابی کتابخانه‌های دانشگاه تهران نشان می‌دهد که اگرچه برخی از مؤلفه‌ها به سطح بالاتری از بلوغ رسیده‌اند، اما پیشرفت بیشتر مستلزم توجه هم‌زمان به زیرساخت‌های فناوری، قابلیت‌های منابع انسانی، ساختارهای سازمانی، و فرلیندهای مدیریتی است. بنابراین، مدل پیشنهادی می‌تواند چارچوبی عملی برای ارزیابی وضعیت فعلی هوشمندی کسب‌وکار، شناسایی شکاف‌های بلوغ، و برنامه‌ریزی ابتکارات بهبود در کتابخانه‌های دانشگاهی باشد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Assessing the maturity of business intelligence of academic libraries; the design science approach

نویسندگان [English]

  • Masoumeh Adineh 1
  • Alireza Hasanzadeh 2
  • Mohammad Hassanzadeh 3
  • Ali Asghar Pourezzat 4
1 PhD Student , Information Technology Management , the Department of Management and Economics Tarbiat Modares University , Tehran , Iran.
2 Full Prof. in Information Technology Management , the Department of Management and Economics Tarbiat Modares University , Tehran , Iran.
3 Full Professor in Knowledge and information science, the Department of Management and Economics ,Tarbiat Modares University,Tehran ,Iran
4 Full Prof. in Management, Faculty of Management-University of Tehran,Tehran, Iran
چکیده [English]

Purpose: This study aimed to develop and evaluate a business intelligence maturity model for academic libraries. It sought to identify the key dimensions and indicators of business intelligence and provide a framework for determining maturity levels and assessing the business intelligence maturity of academic libraries.
Methodology: This study employed a mixed-methods (qualitative-quantitative) approach within a design science framework. In the qualitative phase, a meta-synthesis of previous studies was conducted to identify the components and indicators of business intelligence. Drawing on the principles of capability maturity models, an initial maturity model was then developed across five levels: Initial, Repeatable, Defined, Managed, and Optimized. In the quantitative phase, a questionnaire and the fuzzy Delphi technique were used to validate the dimensions, maturity levels, and indicators of the proposed model based on expert judgments. Following the incorporation of expert feedback, the final model was evaluated in terms of accuracy, quality, usefulness, and applicability. Finally, the business intelligence maturity of the University of Tehran libraries was assessed using the final model.
Findings: The proposed model comprises four main categories—technology, human resources, organization, and processes—encompassing 16 dimensions and 72 indicators. The assessment of the University of Tehran libraries showed that business intelligence maturity in the technology, organization, and process categories was at Level 2, whereas the human resources category was at Level 3. These findings indicate that business intelligence maturity is not uniform across the different categories and that achieving higher maturity levels requires balanced development across technological, organizational, process, and human dimensions.
Conclusion: The proposed model provides a systematic set of dimensions and indicators for assessing business intelligence maturity in academic libraries and identifying areas requiring improvement. The assessment of the University of Tehran libraries indicates that, although some components have reached a higher level of maturity, further advancement requires simultaneous attention to technological infrastructure, human resource capabilities, organizational structures, and managerial processes. Therefore, the proposed model can serve as a practical framework for assessing the current state of business intelligence, identifying maturity gaps, and planning improvement initiatives in academic libraries.

کلیدواژه‌ها [English]

  • Academic library
  • Business intelligence
  • Maturity model
  • Design science
  • Assessing

مراجع

امیری، م.، و رونقی، م.ح. (1395). رابطۀ هوش کارکنان و بلوغ هوشمندی کسب‌وکار در سازمان‌های کاربر سیستم‌های هوشمند. مجله علمی مدیریت فرهنگ سازمانی، 14 (3)، 671-691. 
بخشنده، س.، و رحمتی، م. ح.(1395). بررسی هم راستایی قابلیت‌‌ها و اجزای هوش تجاری در راستای ایجاد مزایای هوش تجاری     مطالعه موردی: شرکت‌های کوچک و متوسط شهر تهران. مدیریت فناوری اطلاعات، 8( 27-46).
حسان، ر.، شریف زاده، ر.، وصدیقی، ا.ح.(1399). روش‌شناسی پژوهشی علم طراحی به‌مثابۀ یک روش‌شناسی راه‌حل   محور. روش‌شناسی علوم انسانی،  26 (105)،50-35.
حیدری پیربستی، ف.، مدیری،م.، فتحی،ک.، و رشیدی کمیجان، ع. (1400). ارائه یک مدل تصمیم‌گیری چندمعیاره مبتنی بر GIS جهت پیدا کردن مکانهای دفع پسماندهای بیمارستانی با تکیه بر معیارهای زیستمحیطی )مطالعه موردی: تهران، ایران(. مجله دانشکده پزشکی دانشگاه علوم پزشکی مشهد، 64(3)، 3367-3398.
خاشعی, و.، و میرحاجی، س.م. (1395). درآمدی بر مخاطب‌شناسی تلویزیون با روش فراترکیب پژوهش‌های ارتباطی، 23 (88)، 99-123.
رونقی، م.، و رونقی، م. (1393). ارائه مدل بلوغ هوشمندی کسب‌وکار در بین سازمان‌های ایرانی. رشد فناوری، 10(38)، 38–44.
رونقی، م.، و فیضی، ک. (1392). ارزیابی عملکرد هوشمندی کسب‌وکار با استفاده از تحلیل فازی. رشد فناوری، 9(34), 53-59.
زین الدینی، م. (1397). مدلی برای بلوغ دولت هوشمند (مورد مطالعه دولت هوشمند ایران). دانشگاه علامه طباطبایی.
قلیچ خانی، م.، صمدی مقدم، ی.، و فتحی هفشجانی، ک. (1400). ارایه مدل ارزیابی بلوغ تحول دیجیتال در سازمان‌های صنعتی مبتنی بر روش علم طراحی.  مطالعات مدیریت کسب‌وکار هوشمند، 10 (37)، 135-184.
عرب، س.م.، ابراهیم زاده پزشکی، ر.، و مروتی شریف آبادی، ع. (1393). طراحی مدل فرا ترکیب عوامل مؤثر بر طلاق با مرور نظام‌مند مطالعه‌های پیشین. مجله اپیدمیولوژی ایران،۱۰ (۴)،۲۲-۱۰.
مهرابی، ع.، محمودی، ا. و رحمتی، م.(1395) . ارزیابی مدل بلوغ هوشمندی کسب وکار بایک مدل ترکیبی جدید. مطالعات مدیریت فناوری اطلاعات،15(4)، 65-96.
میر کاظمی مود، م.، محقر، ع.، و مقدم، م. ر.(1398) . توسعه روش شناسی پژوهش در علم طراحی به منظور طراحی روشی برای مدلسازی سیستم‌های فنی-اجتماعی. پژوهش‌های نوین در تصمیم گیری،(2) 148-173.4.
Al Rashdi, S. S., & Nair, S. S. K. (2017). A business intelligence framework for Sultan Qaboos University: A case study in the Middle East. Journal of Intelligence Studies in Business, 7(3), 35–49. https://doi.org/10.37380/jisib.v7i3.278
Amiri, M., & Ronaghi, M. H. (2017). The relationship between employee intelligence and business intelligence maturity in organizations using intelligent systems. Journal of Organizational Culture Management, 14(3), 671–691. [in Persian]
Arab, S. M., Ebrahimzadeh Pejvaki, R., & Marvati Sharifabadi, A. (2014). Designing a meta-synthesis model of factors affecting divorce through a systematic review of previous studies. Iranian Journal of Epidemiology, 10(4), 10–22. [in Persian]
Aruldoss, M., Travis, M. L., & Venkatesan, V. P. (2015). A reference model for business intelligence to predict bankruptcy. Journal of Enterprise Information Management, 28(2), 186–217. https://doi.org/10.1108/JEIM-09-2013-0069
Bach, M. P., Zoroja, J., & Čeljo, A. (2017). An extension of the technology acceptance model for business intelligence systems: Project management maturity perspective. International Journal of Information Systems and Project Management, 5(2), 5–21. https://doi.org/10.12821/ijispm050201
Bakhshandeh, S., & Rahmati, M. H. (2017). Examining the alignment of business intelligence capabilities and components toward creating business intelligence benefits: A case study of small and medium-sized enterprises in Tehran. Journal of Information Technology Management, 8(27), 46–?. [in Persian]
Boonsiritomachai, W., McGrath, G. M., & Burgess, S. (2016). Exploring business intelligence and its depth of maturity in Thai SMEs. Cogent Business & Management, 3(1), 1220663. https://doi.org/10.1080/23311975.2016.1220663
Brooks, P., El-Gayar, O., & Sarnikar, S. (2015). A framework for developing a domain specific business intelligence maturity model: Application to healthcare. International Journal of Information Management, 35(3), 337–345. https://doi.org/10.1016/j.ijinfomgt.2015.01.011
Cates, J. E., Gill, S. S., & Zeituny, N. (2005). The ladder of business intelligence (LOBI): A framework for enterprise IT planning and architecture. International Journal of Business Information Systems, 1(1–2), 220–238. https://doi.org/10.1504/IJBIS.2005.007408
Chamoni, P., & Gluchowski, P. (2004). Integration trends in business intelligence systems: An empirical study based on the business intelligence maturity model. Business & Information Systems Engineering, 46(2), 119–128. https://doi.org/10.1007/BF03250931
Chen, L., & Nath, R. (2018). Business analytics maturity of firms: An examination of the relationships between managerial perception of IT, business analytics maturity and success. Information Systems Management, 35(1), 62–77. https://doi.org/10.1080/10580530.2017.1416948
Cheng, W. K., & Rehman, M. (2018). A maturity model for implementation of enterprise business intelligence systems. In Proceedings of the International Conference on Mobile and Wireless Technology (Lecture Notes in Electrical Engineering). Springer. https://doi.org/10.1007/978-981-10-5281-1_49
Chongwatpol, J. (2016). Managing big data in coal-fired power plants: A business intelligence framework. Industrial Management & Data Systems, 116(8), 1779–1799. https://doi.org/10.1108/IMDS-11-2015-0473
Chuah, M.-H., & Wong, K.-L. (2012). Construct an enterprise business intelligence maturity model (EBI2M) using an integration approach: A conceptual framework. In M. Mircea (Ed.), Business intelligence—Solution for business development. IntechOpen. https://doi.org/10.5772/35457
Combita Niño, H. A., Cómbita Niño, J. P., & Morales Ortega, R. (2020). Business intelligence governance framework in a university: Universidad de la Costa case study. International Journal of Information Management, 50, 405–412. https://doi.org/10.1016/j.ijinfomgt.2018.11.012
Delen, D., & Ram, S. (2018). Research challenges and opportunities in business analytics. Journal of Business Analytics, 1(1), 2–12. https://doi.org/10.1080/2573234X.2018.1507324
Divatia, A. S., Tikoria, J., & Lakdawala, S. (2021). Emerging trends and impact of business intelligence & analytics in organizations: Case studies from India. Business Information Review, 38(1), 40–52. https://doi.org/10.1177/0266382120969265
Fahmi, A. N. H., Hidayanto, A. N., Solikin, Indriany, H. S., Prastya, A., & Mardiansyah, S. F. (2022). Data warehouse capability maturity model assessment for efficient monitoring process: A case study in National Narcotics Board. IOP Conference Series: Earth and Environmental Science, 969(1), 012055. https://doi.org/10.1088/1755-1315/969/1/012055
Fry, A. (2020). Use patterns for ebooks: The effects of subject, age and availability on rate of use. The Journal of Academic Librarianship, 46(3), 102150. https://doi.org/10.1016/j.acalib.2020.102150
Gastaldi, L., Pietrosi, A., Lessanibahri, S., Paparella, M., Scaccianoce, A., Provenzale, G., Corso, M., & Gridelli, B. (2018). Measuring the maturity of business intelligence in healthcare: Supporting the development of a roadmap toward precision medicine within ISMETT hospital. Technological Forecasting and Social Change, 128, 84–103. https://doi.org/10.1016/j.techfore.2017.10.023
Ghashami, A., Alborzi, M., Movahedi Sobhani, F., & Radfar, R. (2019). Un modelo para la implementación de soluciones empresariales inteligentes con base en el nivel de madurez en inteligencia de negocios: Una experiencia iraní. AD-Minister, 34, 149–165. https://doi.org/10.17230/ad-minister.34.8
Gholichkhani, M., Samadi Moghadam, Y., & Fathi Hefshjani, K. (2021). Developing a model for assessing digital transformation maturity in industrial organizations based on the design science methodology. Smart Business Management Studies, 10(37), 135–184. [in Persian]
Gudfinnsson, K., Strand, M., & Berndtsson, M. (2015). Analyzing business intelligence maturity. Journal of Decision Systems, 24(1), 37–54. https://doi.org/10.1080/12460125.2015.994287
Hamad, F., Al-Aamr, R., Jabbar, S. A., & Fakhuri, H. (2021). Business intelligence in academic libraries in Jordan: Opportunities and challenges. IFLA Journal, 47(1), 37–50. https://doi.org/10.1177/0340035220931882
Hamsa, R. Y. (2019). The impact of business intelligence on organisational value creation: A case study of Nestlé Nigeria [Doctoral dissertation, Dublin Business School].
Hassan, R., Sharifzadeh, R., & Sedighi, A. H. (2020). Design science research methodology as a solution-oriented methodology. Methodology of Humanities, 26(105), 35–50. [in Persian]
Hevner, A. R., March, S. T., Park, J., & Ram, S. (2004). Design science in information systems research. MIS Quarterly, 28(1), 75–105. https://doi.org/10.2307/25148625
Heydari Pirbasti, F., Modiri, M., Fathi, K., & Rashidi Kamijan, A. (2021). A GIS-based multi-criteria decision-making model for locating hospital waste disposal sites based on environmental criteria: A case study of Tehran, Iran. Journal of Mashhad University of Medical Sciences, 64(3), 3367–3398. [in Persian]
Khashaei, V., & Mirhaji, S. M. (2017). An introduction to television audience studies using meta-synthesis. Communication Research, 23(88), 99–123. [in Persian]
Manikam, S., Sahibudin, S., & Selamat, H. (2017). Big data analytics initiatives using business intelligence maturity model approach in public sector. Journal of Computational and Theoretical Nanoscience, 23(5), 4097–4100. https://doi.org/10.1166/asl.2017.8334
Mehrabi, A., Mahmoudi, E., & Rahmati, M. (2017). Assessing a business intelligence maturity model using a new hybrid model. Information Technology Management Studies, 15(4), 65–96. [in Persian]
Näslund, D., Sikander, E., & Öberg, S. (2014). Business intelligence—A maturity model covering common challenges. Lund University.
Olszak, C. M. (2013). Assessment of business intelligence maturity in the selected organizations. In Proceedings of the 2013 Federated Conference on Computer Science and Information Systems (pp. 951–958).
Ong, I. L., & Siew, P. H. (2013). An empirical analysis on business intelligence maturity in Malaysian organizations. International Journal of Information System and Engineering, 1(1).
Raber, D., Winter, R., & Wortmann, F. (2012). Using quantitative analyses to construct a capability maturity model for business intelligence. In Proceedings of the 45th Hawaii International Conference on System Sciences (pp. 4210–4219). IEEE. https://doi.org/10.1109/HICSS.2012.630
Ronaghi, M., & Feizi, K. (2013). Evaluating business intelligence performance using fuzzy analysis. Technology Growth, 9(34), 53–59. [in Persian]
Ronaghi, M., & Ronaghi, M. (2014). Developing a business intelligence maturity model among Iranian organizations. Technology Growth, 10(38), 38–44. [in Persian]
Sacu, C., & Spruit, M. R. (2010). BIDM: The business intelligence development model. In Proceedings of the 12th International Conference on Enterprise Information Systems (pp. 288–293). SciTePress. https://doi.org/10.5220/0002967402880293
Shen, C.-C., Chang, R.-E., Hsu, C. J., & Chang, I.-C. (2017). How business intelligence maturity enabling hospital agility. Telematics and Informatics, 34(1), 450–456. https://doi.org/10.1016/j.tele.2016.06.009
Su, X., & Cardoso, E. (2021). Measuring the maturity of the business intelligence and analytics initiative of a large Norwegian university: The BEVISST case study. International Journal of Business Intelligence Research, 12(2), 1–26. https://doi.org/10.4018/IJBIR.297061
Watson, H. J., Ariyachandra, T., & Matyska, R. J., Jr. (2001). Data warehousing stages of growth. Information Systems Management, 18(3), 42–50. https://doi.org/10.1201/1078/43196.18.3.20010601/31289.6
Zein al-Dini, M. (2018). A model for smart government maturity: A case study of the Iranian smart government [Master’s thesis, Allameh Tabataba’i University]. [in Persian]
ارسال نظر در مورد این مقاله
CAPTCHA Image
علوم و فنون مدیریت اطلاعات
دوره 12، شماره 3
مهر 1405
صفحه 173-200

فایل ها

هم رسانی

ارجاع به این مقاله

آمار