عناوین مهم:

*فراوانی بزرگ-داده ها (Big data) در تقابل با دهه ها کمبود داده های تحقیقاتی در سیستم های اطلاعاتی در بازنگری در عملیات تحقیقی سیستم های اطلاعاتی در عصر بزرگ-داده ها

*هدف این مقاله بررسی این موضوع است که عملیات های تحقیقاتی چگونه می توانند با دورانی از بزرگ-داده ها منطبق شوند.

*این مقاله چگونگی گسترش مدل فرضی-قیاسی را تشریح می نماید.

*مقاله بازنگری در عملیات تحقیقی سیستم های اطلاعاتی در عصر بزرگ-داده ها راهنمایی برای استفاده از بزرگ-داده ها جهت ساخت و آزمایش تئوری فراهم می نماید.

چکیده

عملیات های تحقیقاتی از طریق ساختن و آزمایش کردن تئوری، داده هایی را برای محسوس ساختن جهان برای انسان به وجود می آورند. رشته سیستم های اطلاعاتی در دورانی آغاز شد که داده های تحقیقی بسیار کمی وجود داشتند. اما در دوران امروزی بزرگ-داده ها، داده های تحقیقاتی بسیاری هستند.

با این وجود، محققان سیستم های اطلاعاتی اغلب فرضیات روش شناسی توسعه یافته در دورانی از فقدان داده ها را به صورت قوانین مدون در نظر می گیرند و بسیاری از آنها درباره اینکه چگونه به طور سیستماتیک از فرصت های تازه ای که بوسیله بزرگ-داده ها ایجاد شده است بایستی بهره برد نامطمئن هستند.

چگونه بایستی قواعد، سنت ها و عملیات های تحقیقاتی مان را برای منعکس ساختن فراوانی داده های تازه یافت شده منطبق سازیم؟ چگونه می توانیم قدرت نفوذ دسترس پذیری بزرگ-داده ها را برای ایجاد مدعیات دانشی انباشته و قابل تعمیمی که برای تهدید اعتبار دارای قدرت هستند افزایش دهیم؟ امروزه، محققان دانشگاهی سیستم های اطلاعاتی به طور گسترده ای از وارد شدن به عصر بزرگ-داد ها به عنوان یک توسعه عمدتا مثبت استقبال نموده اند.

بیشتر بخوانید:  تجزیه و تحلیل شبکه کانتر مشترک (Joint Contour Net Analysis) برای شناسائی ویژگی در داده های کرومودینامیکس کوانتومی مشبک

مکثی در این نظم نوین روشن می سازد که داشتن داده های بیشتر عالی است، محققان سیستم های اطلاعاتی همه چیز را درباره داده ها می دانند و ما دارای موقعیت انظباطی خوبی برای نفوذ دادن بزرگ-داده ها در تحقیقات و آموزش هستیم. به نظر ما، بسیاری از منافع بزرگ-داده ها تنها با یک درک اندیشمندانه از نتایج دسترس پذیری بزرگ-داده ها و به طور فزاینده، یک انتقال حساب شده در عملیات های تحقیقاتی سیستم های اطلاعاتی قابل تحقق خواهند بود.

ما از لزوم بازنگری و توسعه مدل های سنتی ای که عموما برای هدایت بسیاری از تحقیقات سیستم های اطلاعاتی مورد استفاده قرار گرفته اند دفاع می کنیم. بر اساس تحلیل مان، رویکردی تحقیقی که توجه به بزرگ-داده ها- و نتایج مرتبط مانند فراوانی داده ها- را با رویکردی کلاسیک برای ساختن و آزمایش نمودن تئوری ترکیب می نماید پیشنهاد می دهیم.

تفسیرمان را بوسیله مطرح نمودن نتایج این رویکرد ترکیبی برای سازماندهی، اجرا و ارزیابی تحقیق تئوری محور خاتمه می دهیم. پیشنهادات مان درباره چگونگی به روز نگاه داشتن یک رویکرد در عملیات های تحقیقاتی سیستم های اطلاعاتی، که ممکن است با همه محققان تئوری-محوری که به دنبال افزایش دادن قدرت نفوذ بزرگ-داده ها هستند مرتبط باشد، است.

اطلاعات مقاله:

ELSEVIER

ScienceDirect

Journal: Information and Organization

Volume 29, Issue 1, March 2019, Pages 41-56

Title: Revisiting IS research practice in the era of big data

سفارش ترجمه

جهت سفارش ترجمه کامل مقاله بازنگری در عملیات تحقیقی سیستم های اطلاعاتی در عصر بزرگ-داده ها به زبان فارسی می توانید به آدرس ghorbanipoors@gmail.com ایمیل بفرستید و یا با شماره تماس های ۰۹۱۳۹۸۰۲۳۴۸ و ۰۹۳۷۷۴۸۲۳۲۷ تماس برقرار نمائید. همچنین برقراری تماس از طریق تلگرام و واتس اپ هم با شماره ۰۹۱۳۹۸۰۲۳۴۸ ممکن است.

بیشتر بخوانید:  مروری بر تجزیه و تحلیل بیگ-دیتا

لینک به اصل مقاله


سیامک قربانی پور

سیامک قربانی پور هستم؛ مدیر عامل شرکت "آبتین ارتباط ایرانیان"؛ دانش آموخته کارشناسی ارشد مدیریت فناوری اطلاعات. موضوع فعالیت شرکت ما به شماره ثبت 1050، برنامه نویسی، طراحی وبسایت و شبکه های کامپیوتری هست. از سال 94 تا 96 به مدت دو سال مشاور مرکز رشد و کسب و کار پارک علم و فناوری چهارمحال و بختیاری بودم اما الان کسب و کار خودم رو در زمینه برنامه نویسی و طراحی وبسایت دارم. همچنین در زمینه مسائل کسب و کاری به علاقه مندان مشاوره هایی رو ارائه می دهم و مطالبی رو در این زمینه خصوصا در مورد کسب و کارهای حوزه فناوری اطلاعات و ارتباطات در این وبسایت منتشر می کنم.

0 دیدگاه

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

2 − 2 =

تائید دیدگاه فعال است. دیدگاه شما ممکن است کمی طول بکشد تا ظاهر شود.

این سایت از اکیسمت برای کاهش هرزنامه استفاده می کند. بیاموزید که چگونه اطلاعات دیدگاه های شما پردازش می‌شوند.