"محتويات
تعريف إدارة بيانات البحث
أهمية RDM
التحديات في إدارة بيانات البحث
طرق جمع البيانات
فوائد إدارة بيانات البحث
تعريف إدارة بيانات البحث

تصف إدارة بيانات البحث أو RDM طريقة لتنظيم وتخزين البيانات التي جمعها مشروع بحثي بأكثر الطرق فعالية ، يدير البيانات التي تم جمعها طوال عمر المشروع البحثي من خلال الخروج باتفاقيات متسقة ، كما أنها مسؤولة عن مشاركة البيانات والوصول إليها وحفظها والتخلص منها بأمان.

أهمية RDM

هناك عدة أسباب لأهمية RDM ، بصرف النظر عن السبب الواضح ، وهو جعل جمع البيانات أمرًا سهلاً وفعالاً. هنا بعض:

البيانات منتج عابر ويمكن فقدانها بسهولة إذا لم يتم حفظها بشكل صحيح.
توفر إدارة بيانات البحث بشكل صحيح 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 أخطاءً ، لكن نصفها فقط لديه آليات مطبقة لمعالجتها.
تتجه وكالات التمويل بشكل متزايد إلى البيانات والنتائج القابلة للتكرار للموافقة على المنح البحثية.
التحديات في إدارة بيانات البحث

مثل أي شيء آخر ، فإن إدارة بيانات البحث RDM تنطوي على العديد من التحديات ، فيما يلي أكبرها:

التخزين غير السليم للبيانات: يمكن أن يؤدي هذا إلى التخلص من البيانات بلا مبالاة أو أن تصبح غير صالحة للاستعمال ، هذه واحدة من أكبر المشكلات في معالجة البيانات ، والتي تنتج مباشرة 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 هذه مشكلة خطيرة تنبع من انحراف الفريق عن المعايير المناسبة لتوثيق البيانات ، سيؤدي هذا إلى جعل نتائج البحث غير قابلة للإنتاج ، حيث إن أي عمل يسعى إلى تكرار البحث سيكون مليئًا بالتناقضات.
لا تحصل مؤسسة البحث على نسخة من البيانات: على الرغم من ندرة هذه المشكلة ، إلا أنها مشكلة كبيرة إذا غادر فريق البحث الأصلي المؤسسة ولم يترك لهم أي نسخة من البيانات ، إذا طلبت المنشورات اللاحقة الوصول إلى البيانات إما للتحقق من صحة نتائج التقرير أو إعادة فحصها فسوف تضع المؤسسة في موقف حرج ، يؤدي الاحتفاظ بالبيانات في مكان آخر ، مثل الخوادم الشخصية ، إلى حدوث مشكلات أيضًا ، بما في ذلك المشكلات القانونية.
طرق جمع البيانات

مهما كان المصدر ، يقوم الباحثون بجمع البيانات باستخدام إحدى طريقتين نوعيًا وكميًا ، كما يمكنك أن تتخيل من الاسم ، فإن النوعية وصفية ، وهي مفيدة للأشياء التي يمكن ملاحظتها ولكن لا يمكن قياسها ، والكمية ، في الوقت نفسه ، فيما يتعلق بالأرقام.

ومع ذلك ، فإن مصدر أو نوع البيانات يعني أن أيًا من الطريقتين أكثر ملاءمة ، بيانات اللغة المستخدمة في معالجة اللغة الطبيعية ، على سبيل المثال ، لا يمكن قياسها ، لذا فهي أكثر ملاءمة لطريقة التجميع النوعي (التي تجلب لنا دائرة كاملة حيث يمكن أيضًا معالجة البرمجة اللغوية العصبية تلقائيًا لتحليل البيانات النوعية ، وسوف يتم شرح الطريقتين أدناه:

النوعي

البحث النوعي هو البحث الذي يحدد ارتباطات الأفراد والخبرة في سياق أكبر ، مثل الحقائق الاجتماعية أو العالم ، يهتم أكثر بمراقبة الأشخاص والجماعات وكيف يعيشون حياتهم في بيئة معينة لذلك ، يجمع البحث النوعي بيانات وصفية أكثر من كونها تجريبية.

كمي

من ناحية أخرى ، تعتبر الكمية نوعًا أكثر موضوعية من الأساليب لأنها تستخدم معايير الاعتمادية والصلاحية التقليدية الأرقام ، وعلى الرغم من أنه لا يمكن بالتأكيد قياس جميع البيانات بهذه الطريقة ، إلا أن البيانات الكمية تتمتع بميزة تصنيفها و / أو تصنيفها لمجموعة متنوعة من الأغراض ، مثل الرسوم البيانية أو المخططات 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 الإعدادات والأغراض المختلفة ، عادةً من خلال استخدام التجريب ، هذا يعني أنه للحد من المتغيرات الخارجية ، يتم إجراء هذه التجارب غالبًا في بيئة محكومة ، مثل المختبر ومع ذلك ، غالبًا ما تقصر هذه الطريقة البيانات الناتجة على السياق ، مثل الافتراضات والقيود وخبرة المحقق.

ومع ذلك ، فإن القوة الرئيسية لجمع البيانات الكمية هي أنه يمكن التحقق منها وتفسيرها من خلال التحليل الرياضي ، هذا خاصة وأن الباحث أبعد نفسه عن البحث ، يعني أنه أكثر علمية وموضوعية بالإضافة إلى ذلك ، فإن تكرار البيانات الرقمية أسهل بكثير من تكرار البيانات النوعية ، وبينما كانت مجموعات البيانات الكبيرة مهمة ضخمة ، يمكن للبرمجيات “معالجة” الأرقام اليوم بشكل أسرع من أي وقت مضى.

فوائد إدارة بيانات البحث

تقدم إدارة بيانات البحث الكثير من الفوائد للباحثين ، وسوف  نناقش بعضها فيما يلي:

أمن البيانات

أهم فائدة لـ RDM هي أنه يمكن تأمين البيانات من خلال وضع خطة إدارة بيانات بحثية فعالة ، فإنك تقلل من فقدان البيانات والوصول غير المصرح به من خلال الالتزام بتخزين البيانات أو معايير المنظمة ، يمكن أيضًا تقليل مخاطر فقدان سلامة البيانات سواء من خلال الحوادث أو الإهمال.

الموقع الأكثر شيوعًا لتخزين بيانات البحث موجود في مستودع المؤسسة ، مثل الخوادم للبيانات الرقمية ،  قد تحصل المؤسسة على نصائح حول مكان تخزين البيانات لاحظ أن العديد من الممولين بشكل عام لا يحبون تخزين البيانات البحثية التي قاموا بتمويلها في مستودعات شخصية أو في أي مكان آخر ، خاصة 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 دراسة مقارنة بمن لديهم واحد فقط ، إن إتاحة البيانات للجميع في المجموعة ، حتى أولئك الذين ليسوا في الفريق ولكن في نفس التخصص ، يمكن أن يفتح فرصًا هائلة لمواصلة البحث الخاص بك.

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 البيانات الحالية أسهل بكثير ، كما أن تنظيم البيانات الفعال يجعل مراقبة تقدم المشروع أكثر سلاسة ويضع المساءلة في المقدمة والمركز.[1]

المراجع"