پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,095,680 |
| تعداد دریافت فایل اصل مقاله | 97,202,127 |
Designing a Model Based on Cumulative Citation to Identify and Analyze Scientific Changes in the Field of Data Quality | ||
| Journal of Information Technology Management | ||
| مقاله 7، دوره 9، شماره 2، 2017، صفحه 301-312 اصل مقاله (655.81 K) | ||
| نوع مقاله: Research Paper | ||
| شناسه دیجیتال (DOI): 10.22059/jitm.2017.61941 | ||
| نویسندگان | ||
| Ahmad khalilijafarabad* 1؛ Amir Manian2؛ Mohammad Fathian3؛ Nader Naghshineh4 | ||
| 1PhD Candidate in IT, Faculty of Management, University of Tehran, Tehran, Iran | ||
| 2Associate Prof. in IT, Faculty of Management, University of Tehran, Tehran, Iran | ||
| 3Prof. of Industrial Engineering, University of Science and Industry, Tehran, Iran | ||
| 4Assistant Prof., Dep. of Information and Knowledge, University of Tehran, Tehran, Iran | ||
| چکیده | ||
| Identification and tracking scientific changes is critical for scientific policy makers. This research proposed a model for identification and tracking changes in Data Quality research area. We used cumulative citation network in order to find research communities and their changes during the time. The proposed model can be applied in other scientific disciplines. It can also shows all types of scientific changes including birth, growth, merging and death. In order to verify the model in Data Quality area, we selected all papers that is published between 1970 and 2009 that covers more than 7000 papers. It is shown that Data Quality research area is studied in different disciplines. According to the results, there is 82 percent correlation between number of citations and the growth of Data Quality communities that shows the importance of citation for community survival and growth. | ||
| کلیدواژه‌ها | ||
| Citation network؛ Data quality؛ Science tracking؛ Scientometrics | ||
| عنوان مقاله [English] | ||
| طراحی مدل مبتنی بر ارجاعات تجمعی بهمنظور بررسی کشف و تحلیل تغییرات علمی در حوزۀ کیفیت داده | ||
| نویسندگان [English] | ||
| احمد خلیلی جعفراباد1؛ امیر مانیان2؛ محمد فتحیان3؛ نادر نقشینه4 | ||
| 1دانشجوی دکتری مدیریت فناوری اطلاعات، دانشکدۀ مدیریت دانشگاه تهران، تهران، ایران | ||
| 2دانشیار مدیریت فناوری اطلاعات، دانشکدۀ مدیریت دانشگاه تهران، تهران، ایران | ||
| 3استاد مهندسی صنایع، دانشگاه علم و صنعت، تهران، ایران | ||
| 4استادیار گروه آموزشی علم اطلاعات و دانششناسی، دانشگاه تهران، تهران، ایران | ||
| چکیده [English] | ||
| شناخت حوزه‌های علمی و بررسی تغییرات آن از اهمیت بسزایی برخوردار است. در این مقاله با ارائۀ مدلی مبتنی بر ارجاعات تجمعی زمان‌مبنا، تغییرات علمی حوزۀ کیفیت داده بررسی و تحلیل شده است. از ویژگی‌های این مدل، قابلیت انطباق بر سایر حوزه‌ها و همچنین قابلیت نمایش کلیۀ تغییرات علمی از جمله تولد، ادغام، شکست یا مرگ یک حوزۀ علمی است. گامهای اجرایی این مدل بهترتیب عبارتاند از: آمادهسازی داده، استخراج مدل ارجاعات زمان‌مبنا، کشف مجامع علمی، اتصال مجامع علمی، استخراج مدل تغییرات، تحلیل تغییرات علمی. بهمنظور بررسی کیفیت مدل ارائهشده، کلیۀ مقالات به چاپ رسیده بین سال‌های 1970 تا 2009 که بیش از 7000 مقاله را شامل می‌شود، بررسی شدند. بر اساس مدل مبتنی بر ارجاعات تجمعی زمان‌مبنا، مشخص شد حوزۀ کیفیت داده در حوزه‌های مختلف در حال مطالعه است. همچنین بر اساس بررسی انجام شده، بین تعداد ارجاعات و رشد حوزۀ کیفیت داده، همبستگی 82 درصدی وجود دارد که نشاندهندۀ اهمیت ارجاعات برای زندهماندن و رشد حوزه‌های علمی است | ||
| کلیدواژه‌ها [English] | ||
| : تحلیل ارجاعات, تحلیل تغییرات علمی, علم‌سنجی, کیفیت داده | ||
| مراجع | ||
|
Alexander, J., Chase, J., Newman, N., Porter, A. & Roessner, J. D. (2012). Emergence as a conceptual framework for understanding scientific and technological progress. Paper presented at the Technology Management for Emerging Technologies (PICMET), 2012 Proceedings of PICMET'12. Blondel, V.D., Guillaume, J.L., Lambiotte, R. & Lefebvre, E. (2008). Fast unfolding of communities in large networks. Journal of statistical mechanics: theory and experiment, 2008(10), 10008. Boyack, K. W., Klavans, R., Small, H. & Ungar, L. (2014). Characterizing the emergence of two nanotechnology topics using a contemporaneous global micro-model of science. Journal of Engineering and Technology Management, 32, 147-159. Chen, C. (2004). Searching for intellectual turning points: Progressive knowledge domain visualization. Proceedings of the National Academy of Sciences, 101(suppl 1), 5303-5310. Cozzens, S., Gatchair, S., Kang, J., Kim, K.-S., Lee, H. J., Ordóñez, G. & Porter, A. (2010). Emerging technologies: quantitative identification and measurement. Technology Analysis & Strategic Management, 22(3), 361-376. Garfield, E. (1972). Citation analysis as a tool in journal evaluation Science 178.4060 (1972): 471-479. Guo, H., Weingart, S. & Börner, K. (2011). Mixed-indicators model for identifying emerging research areas. Scientometrics, 89(1), 421-435. Kajikawa, Y., Yoshikawa, J., Takeda, Y. & Matsushima, K. (2008). Tracking emerging technologies in energy research: Toward a roadmap for sustainable energy. Technological Forecasting and Social Change, 75(6), 771-782. Kuhn, T. S. & Hawkins, D. (1963). The structure of scientific revolutions. American Journal of Physics, 31(7), 554-555. Lee, W. H. (2008). How to identify emerging research fields using scientometrics: An example in the field of Information Security. Scientometrics, 76(3), 503-525. Madlock-Brown, C. R. (2014). A framework for emerging topic detection in biomedicine. Diss. THE UNIVERSITY OF IOWA Mecella, M., Scannapieco, M., Virgillito, A., Baldoni, R., Catarci, T. & Batini, C. (2002). Managing data quality in cooperative information systems. Paper presented at the OTM Confederated International Conferences, On the Move to Meaningful Internet Systems. CoopIS, DOA, and ODBASE. OTM 2002. Lecture Notes in Computer Science, vol 2519. Springer, Berlin, Heidelberg. Price, D. J. (1970). Citation measures of hard science, soft science, technology, and nonscience. Communication among scientists and engineers, 3-22. Sadiq, S., Yeganeh, N. K., & Indulska, M. (2011). 20 years of data quality research: themes, trends and synergies. Paper presented at the Proceedings of the Twenty-Second Australasian Database Conference, 115, 153-162. Small, H., Boyack, K. W. & Klavans, R. (2014). Identifying emerging topics in science and technology. Research Policy, 43(8), 1450-1467. Small, H. G. (1977). A co-citation model of a scientific specialty: A longitudinal study of collagen research. Social studies of science, 7(2), 139-166. Tu, Y.-N. & Seng, J.-L. (2012). Indices of novelty for emerging topic detection. Information processing & management, 48(2), 303-325. Wang, X., Cheng, Q. & Lu, W. (2014). Analyzing evolution of research topics with NEViewer: a new method based on dynamic co-word networks. Scientometrics, 101(2), 1253-1271. | ||
|
آمار تعداد مشاهده مقاله: 1,003 تعداد دریافت فایل اصل مقاله: 739 |
||