ارزیابی کیفیت داده‌های مقاله‌های اعضاء هیئت‌علمی دانشکدۀ داروسازی دانشگاه علوم پزشکی کرمان براساس مدل دی.کیو.ای

نوع مقاله : مقاله پژوهشی

نویسندگان

1 بخش علم اطلاعات و دانش‌شناسی، دانشگاه شهید باهنر کرمان،کرمان، ایران

2 استادیار، پژوهشکده علم سنجی و تحلیل اطلاعات، پژوهشگاه علوم و فناوری اطلاعات، ایران

3 بخش علم اطلاعات و دانش شناسی دانشگاه شهید باهنر کرمان. کرمان. ایران

چکیده

هدف: پژوهش حاضر ارزیابی کیفیت داده‌های مقاله‌ها تولیدشدۀ اعضای هیئت‌علمی دانشکدۀ داروسازی دانشگاه علوم پزشکی کرمان را براساس مدل دی.کیو.ای  بررسی کرده است.
روش‌شناسی: این پژوهش از نوع کاربردی  و روش آن پیمایشی_ توصیفی از نوع ارزیابانه است.جامعۀ­آماری 340 مقاله از مقاله‌های اعضاء هیئت‌علمی دانشکدۀ داروسازی دانشگاه علوم پزشکی کرمان در سال‌های2022-2018 است که براساس جدول مورگان، 181 مقاله به‌روش تصادفی از پایگاه اطلاعاتی پاب‌مد انتخاب شد. برای استخراج داده‌ها، ابتداکلمات کلیدی مرتبط با موضوع مقاله‌ها انتخاب شدند، سپس با استفاده از فیلترهای کلیدی، داده‌ها براساس مؤلفه‌های پژوهش (اعتبار داده­ها، قابلیت اطمینان داده­ها، به‌موقع بودن و روزآمدی داده­ها، دقت داده­ها، یکپارچگی داده­ها، و سازگاری داده­ها) بر اساس مدل  دی.کیو.ای استخراج شدند.  ارزیابی کیفیت داده‌های مقاله‌ها براساس مقیاس جدول بازرگان و  آزمون تی تک‌نمونه­ای انجام شد.
یافته‌ها: یافته‌های پژوهش بیانگر این است که مؤلفۀ اعتبار داده با بیشترین فراوانی(13) گزینه کاملا غیرمطلوب و مؤلفۀ یکپارچگی کمترین فراوانی(7) گزینۀ کاملا مطلوب را در بین ابعاد کیفیت داده‌های مقالات را دارند. مؤلفۀ روزآمدی داده‌ها با فراوانی42 و مؤلفۀ سازگاری داده‌ها با فروانی40 گزینۀ کاملا مطلوب بالاترین سطح کیفیت داده‌های مقاله را داشته‌اند.  نتایج آزمون فرضیۀ اصلی پژوهش، با میانگین کیفیت داده‌ها 83/3= µ0 نشان می‌دهد مقاله‌ها در وضعیت مطلوب قرار دارند.
نتیجه‌گیری: نتایج پژوهش نشان داد کیفیت داده­های مقاله‌ها براساس مدل دی.کیو.ای در وضعیت مطلوب قرار دارد. جمع‌آوری داده‌های معتبر و دقیق از منابع معتبر و قابل اعتماد و به‌روز، استفاده از روش‌های آماری پیشرفته برای تحلیل دقیق‌ترداده‌ها، حذف داده‌های نامعتبر، اصلاح داده‌های گم‌شده و کنترل خطاهای انسانی، استفاده از الگوریتم‌های یادگیری ماشین برای پیش‌بینی و تحلیل دقیق‌تر داده‌ها، استفاده از آزمون‌ها و روش‌های مختلف برای اعتبارسنجی داده‌ها، و در نهایت مستندسازی دقیق مراحل جمع‌آوری، تحلیل، و پردازش داده‌ها عوامل موثر بر بالا بردن کیفیت داده‌ها مقلات علمی هستند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Evaluating the quality of data in articles by faculty members of the Faculty of Pharmacy, Kerman University of Medical Sciences, based on the DQA model

نویسندگان [English]

  • adel soleimani nezhad 1
  • fariborz dourodi 2
  • marziyeh hossian zadeh 3
1 Department of Knowledge and Information Science, Shahid Bahonar University of Kerman, Kerman, Iran.
2 Scientometrics and Information Analysis Research Institute, Information Science and Technology Research Institute, Iran
3 Department of Information Science and Knowledge, Shahid Bahonar University of Kerman. Kerman. Iran
چکیده [English]

Objective: The main purpose of this study is to evaluate the data quality of research articles authored by faculty members of the Faculty of Pharmacy at Kerman University of Medical Sciences, based on the Data Quality Assessment (DQA) model.
Methodology: This applied research employs a descriptive-evaluative survey design. The statistical population consists of 340 articles published by faculty members of the Faculty of Pharmacy at Kerman University of Medical Sciences between 2018 and 2022. A sample of 181 articles was randomly selected from the PubMed database using the Morgan table. Data extraction was conducted by first identifying relevant keywords, then applying key filters to extract data based on the research components of the DQA model: validity, reliability, timeliness/up-to-dateness, accuracy, integrity, and consistency. Data quality was evaluated using the Bazargan table scale and a one-sample t-test.
Findings: The findings indicate that, among the dimensions of data quality, "data validity" most frequently (13) received a "completely undesirable" rating, while "data integrity" least frequently (7) received a "completely desirable" rating. Conversely, "data up-to-dateness" (42) and "data consistency" (40) were identified as having the highest level of quality, categorized as "completely desirable." The results of the primary hypothesis test, with a mean data quality score of $\mu_0 = 3.83$, indicate that the articles are generally in a desirable state.
Conclusion: The study demonstrates that the data quality of the examined articles is generally desirable according to the DQA model. To further enhance the quality of scientific papers, it is recommended that researchers prioritize the collection of data from valid, reliable, and up-to-date sources, employ advanced statistical methods, and ensure the rigorous documentation of all data collection and processing stages. Additionally, efforts such as removing invalid data, correcting missing values, mitigating human errors, and utilizing machine learning algorithms for predictive analysis are essential for continuous improvement in research quality

کلیدواژه‌ها [English]

  • Data quality management
  • data quality assessment
  • DQA data quality model
  • scientific papers
  • Faculty of Pharmacy
  • Kerman University of Medical Sciences

مراجع

دهنویه، ر.، سیف الدینی، ر.، زاهدی، م.، مهرالحسنی، م.، نوری حکمت، س.، انصاری، م.، و خواجه پور، ن. (1392). تعیین چالش های دانشگاه علوم پزشکی کرمان در دستیابی به اهداف نقشه جامع علمی سلامت کشور و ارایه راهکار. گام های توسعه در آموزش پزشکی، 10 (2)، 114-119.
رحیمی، ع.، فرج پهلو، ع.،عصاره، ف.، و شهبازی، م. (1396). بررسی تحولات پژوهش‌های حوزه ارزیابی کیفیت داده‌ها و اطلاعات در نظام‌های اطلاعاتی از سال 2000 تا نیمۀ نخست 2015 . پژوهشنامه پردازش و مدیریت اطلاعات،33(2)،944-915.
سهرابی، ب، و خلیلی جعفر آبادی، الف (1397). نگرش جامع به کیفیت داده ها. دانشگاه تهران.
علی‌پور، ج.، مهدی‌پور، ی.، و شیبانی نسب، پ.(1398). ارزیابی کیفیت داده‌های سیستم‌های اطلاعات بیمارستانی در بیمارستان‌های آموزشی وابسته به دانشگاه علوم پزشکی زاهدان از دیدگاه کاربران. اطلاع‌رسانی پزشکی نوین، ۵ (۱) ،۳-۱۱
علیزاده، م.، معتدل،م.، و نظافتی، ن. (1400) . مدلسازی سطح کیفیت داده­های پورتال دانشگاهی با استفاده از تکنیک گسترش عملکرد کیفیت (مطالعه موردی: دانشگاه صنعتی امیرکبیر). علوم و فنون مدیریت اطلاعات،7(4)، 15-46.    
موسوی نژاد، الف.، و فراهانی، ب.(1399)،مدیریت کیفیت داده ها در سازمان: از ارزیابی تا بهبود. چهارمین همایش ملی پیشرفت های معماری سازمانی،تهران.
نحوی، ب.، و ذوالفقاری، س. (1397).ارزیابی کیفیت داده ها در سیستم های اطلاعات تحقیقاتی به وسیله پروفایل داده ها. چهارمین کنفرانس ملی نوآوری و تحقیق در مهندسی برق و کامپیوتر و مکانیک ایران. تهران.
 
Alipour, J., Mehdipour, Y., and Sheibani-Nasab, P. (2019). Evaluating the data quality of hospital information systems in teaching hospitals affiliated with Zahedan University of Medical Sciences from the users' perspective. Modern Medical Informatics, 5 (1), 3-11. [In Persian]
Alizadeh, M., Motadel, M., and Nezafati, N. (2012). Modeling the quality level of university portal data using the quality performance expansion technique (Case study: Amirkabir University of Technology). Information Management Sciences and Technologies, 7(4), 15-46. [In Persian]
Dehnavieh, R., Seif al-Dini, R., Zahedi, M., Mehrol-Hassani, M., Nouri Hekmat, S., Ansari, M., and Khajehpour, N. (2013). Determining the challenges of Kerman University of Medical Sciences in achieving the goals of the comprehensive scientific health map of the country and providing solutions. Development Steps in Medical Education, 10 (2), 114-119.[In Persian]
Geekiyanage, S.Sui, D., & Aadnoy, B.(2018). Drilling Data Quality Management: Case Study with a Laboratory Scale Drilling Rig. V008T11A010. 10.1115/OMAE2018-77510 77510
Günther, L. C., Colangelo, E., Wiendahl, H. H., & Bauer, C. (2019). Data quality assessment for improved decision-making: a methodology for small and medium-sized enterprises. Procedia Manufacturing, 29, 583-591.‏
https://doi.org/10.1016/j.promfg.2019.02.114
Hikmawati, S., Santosa, P., & Hidayah, I. (2021) Improving Data Quality and Data Governance Using Master Data Management: A Review Department of Electrical Engineering and Information Technology, Faculty of Engineering UGM. IJITEE (International Journal of Information Technology and Electrical Engineering,5 (3).90-95. 10.22146/ijitee.66307
Kwon, O., Lee, N., & Shin, B. (2014). Data quality management, data usage experience and acquisition intention of big data analytics. International Journal of Information Management, 34(3), 387-394. 10.1016/j.ijinfomgt.2014.02.002.
Mousavinejad, A., and Farahani, B. (2019), Data Quality Management in Organizations: From Assessment to Improvement., Fourth National Conference on Enterprise Architecture Advances, Tehran. [In Persian]
Nahovi, B., and Zolfaghari, S., (2018). Assessing data quality in research information systems by data profiling., Fourth National Conference on Innovation and Research in Electrical, Computer and Mechanical Engineering of Iran., Tehran[In Persian]
Rahimi, A., Faraj Pahlou, A., Osare, F., and Shahbazi, Mehrim. (2017). A study of the developments in research in the field of data and information quality assessment in information systems from 2000 to the first half of 2015. Journal of Information Processing and Management, 33(2), 915-944. [In Persian]
Sohrabi, B., and Khalili Jafarabadi, A. (2018). A Comprehensive Approach to Data Quality. University of Tehran. [In Persian]
Wawer, M. L., Wurst, J. & Lachmayer, R.(2023). Quality Assessment for Research Data Management in Research Projects. Proceedings of the Conference on Research Data Infrastructure, 1. https://doi.org/10.52825/cordi.v1i.420.
Weiskopf, N. G., & Weng, C.(2013). Methods and dimensions of electronic health record data quality assessment: enabling reuse for clinical research. Journal of the American Medical Informatics Association. 20 (1), 144-151. https://doi.org/10.1136/amiajnl-2011-000681
ارسال نظر در مورد این مقاله
CAPTCHA Image
علوم و فنون مدیریت اطلاعات
دوره 12، شماره 1
فروردین 1405
صفحه 84-93

فایل ها

هم رسانی

ارجاع به این مقاله

آمار