کاربرد تکنیک‌ تحلیل ریشه در حل مشکلات کیفی سامانه‌های اطلاعاتی تحقیقاتی: مطالعه موردی سامانه‌ اشاعة اطلاعات پایان‌نامه‌ها/ رساله‌های دانش‌آموختگان داخل کشور (گنج)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 عضو هیئت علمی پژوهشکده فناوری اطلاعات/ پژوهشگاه علوم و فناوری اطلاعات ایران

2 گروه پژوهشی اصطلاح‌شناسی و هستان‌شناسی، پژوهشکده علوم اطلاعات، پژوهشگاه علوم و فناوری اطلاعات ایران، تهران، ایران

3 دکترای تخصصی مدیریت، عضو هیئت علمی پژوهشگاه علوم و فناوری اطلاعات ایران

4 کارشناس ارشد مدیریت، کارشناس پژوهشگاه علوم و فناوری اطلاعات ایران

چکیده

سامانه‌های اطلاعاتی امروزه به یک بخش کلیدی در هر سازمانی مبدل شده‌اند. این سامانه‌ها از یک سو مبنای تصمیم‌گیری‌های مدیریتی و کارشناسی محسوب شده و از سوی دیگر به کاربران و مشتریان درون و برون سازمانی خدمت رسانی می‌نمایند. لذا عملکرد مطلوب این سامانه‌ها می‌تواند به یکی از اهداف اصلی مدیران ارشد در هر سازمانی تبدیل گردد. سامانه‌های اطلاعاتی تحقیقاتی از قاعده فوق مستثنی نبوده و بمنظور بهبود مستمر این سامانه‌ها مشکلات کیفی آن‌ها بایستی با رویکردهای مناسبی تجزیه‌تحلیل شده تا عملکرد آنها ارتقاء یابد. مقاله حاضر در قالب یک مطالعه موردی رویکردهای تحلیل ریشه در حل مشکلات سامانه‌های اطلاعاتی تحقیقاتی مورد توجه قرار داده و نتایج عملیاتی استفاده از این رویکرد در سامانه‌ اشاعة اطلاعات پایان‌نامه‌ها/ رساله‌های دانش‌آموختگان داخل کشور (گنج) ارائه شده است. یافته ها نشان میدهد به کمک تکنیک‌های مناسب تحلیل ریشه می‌توان مشکلات کیفی سامانه‌های اطلاعاتی را شناسایی‌، دسته‌بندی و ریشه‌یابی نمود و اقدامات عملیاتی مناسبی در خصوص بهبود عملکرد این سامانه‌ها را ارائه کرد.
 

کلیدواژه‌ها


عنوان مقاله [English]

Application of Root-Cause Analysis on Quality Problem Solving of Research Information Systems: A Case Study on Dissemination System of Theses and Dissertations (GANJ)

نویسندگان [English]

  • Mohamad Javad Ershadi 1
  • Taghi Rajabi 2
  • Farhad Shirani 3
  • Nesa Rezaee 4
1 Assistant Professor of Industrial Engineering Iranian Institute for Information Science & Technology (IRANDOC)
2 Terminology and Ontology research group, Information Science Research Department, Iranian Research Institute for Information Science and Technology (IranDoc),Tehran, Iran
3 PhD in Management
4 MSc in Management
چکیده [English]

Information systems have main role in any organization. These systems beside their effect on decision making of managers and organizational experts provide their services for internal or external customers of organizations. Along this approach appropriate performance of information systems could be introduced as main goal of chief managers. Research information systems work based on this framework then for their augmentation quality problems should well analyzed to lead their better performance. In this paper based on a case study root-cause approaches of quality problem solving of dissemination system of theses and dissertations called GANJ are investigated. Results show that identification and categorization of quality problems could be achieved by root-cause analysis. Furthermore corrective actions for improvement of these systems effectively could be defined. 
 

کلیدواژه‌ها [English]

  • Root-Cause Analysis
  • Research Information Systems, Quality Control, Case Study, GANJ System

علیدوستی، سیروس. 1375. طراحی فرایند تولید پایگاه های اطلاعات علمی، گزارش طرح پژوهشی، تهران: مرکز اطلاعات و مدارک علمی ایران.

علیدوستی، سیروس؛ حسن عصاره. 1384. طراحی فرایند کنترل کیفیت نمایه سازی، گزارش طرح پژوهشی، تهران: پژوهشگاه اطلاعات و مدارک علمی ایران.

Y. Richard Wang , Stuart E. Madnick, The Inter-Database Instance Identification Problem in Integrating Autonomous Systems, Proceedings of the Fifth International Conference on Data Engineering, p.46-55, 1989.

Y. Richard Wang, Stuart E. Madnick, A Polygen Model for Heterogeneous Database Systems: The Source Tagging Perspective, Proceedings of the 16th International Conference on Very Large Data Bases, p.519-538, 1990.

Richard Y. Wang , Henry B. Kon , Stuart E. Madnick, Data Quality Requirements Analysis and Modeling, Proceedings of the Ninth International Conference on Data Engineering, p.670-677, 1993

Storey, V. and Wang, R. Y. 1998. Modeling quality requirements in conceptual database design. Proceedings of the International Conference on Information Quality, 64—87.

Richard Y. Wang, M. P. Reddy, Henry B. Kon, Toward quality data: an attribute-based approach, Decision Support Systems, v.13 n.3-4, 349-372, March 1995‌.

Buneman, P., Khanna, S., and Tan, W. C. 2001. Why and where: A characterization of data provenance. In International Conference on Database Theory, J. Van den Bussche and V. Vianu, Eds. Lecture Notes in Computer Science, vol. 1973. Springer, 316-330.

Madnick, S. and Wang, R. Y. 1992. Introduction to total data quality management (TDQM) research program. TDQM-92-01, Total Data Quality Management Program, MIT Sloan School of Management‌.

Richard Y. Wang, Diane M. Strong, Beyond accuracy: what data quality means to data consumers, Journal of Management Information Systems, v.12 n.4, p.5-33, March 1996.

Yang W. Lee, Diane M. Strong, Beverly K. Kahn, Richard Y. Wang, AIMQ: a methodology for information quality assessment, Information and Management, v.40 n.2, p.133-146, December 2002‌.

Leo L. Pipino , Yang W. Lee , Richard Y. Wang, Data quality assessment, Communications of the ACM, v.45 n.4, April 2002.

Diane M. Strong , Yang W. Lee, Richard Y. Wang, Data quality in context, Communications of the ACM, v.40 n.5, p.103-110, May 1997‌.

Yang W. Lee , Diane M. Strong, Knowing-Why About Data Processes and Data Quality, Journal of Management Information Systems, v.20 n.3, p.13-39, 2004.

Donald Ballou , Richard Wang , Harold Pazer , Giri Kumar Tayi, Modeling Information Manufacturing Systems to Determine Information Product Quality, Management Science, v.44 n.4, p.462-484, April 1998‌.

Wang, R. Y., Lee, Y., Pipino, L., and Strong, D. 1998. Managing your information as a product. Sloan Manag. Rev. Summer 1998, 95-106.

Lehrer, Jonah. "GROUPTHINK". NewYorker. Retrieved October 2013.

Five Whys Technique". adb.org. Asian Development Bank. February 2009. Retrieved 26 March 2012.

Taiichi Ohno; foreword by Norman Bodek (1988). Toyota production system: beyond large-scale production. Portland, Or: Productivity Press‌.