مدیریت کلان‌داده مبتنی بر رایانش‌ابری در کتابخانه‌های دانشگاه‌های سطح اول ایران

پژوهشنامه کتابداری و اطلاع رسانی

مقاله 18، دوره 11، شماره 1 - شماره پیاپی 21، شهریور 1400، صفحه 357-379   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/infosci.2021.67768.1001

نویسندگان

سیده الهام هاشمی بنجار^{* 1}؛ ثریا ضیایی²؛ مریم سلامی³

¹دانشجوی دکتری علم اطلاعات و دانش‌شناسی/ دانشگاه پیام نور، تهران، ایران

²دانشیار/ گروه علم اطلاعات و دانش‌شناسی، دانشگاه پیام نور، تهران، ایران

³استادیار/گروه علم اطلاعات و دانش‌شناسی دانشگاه پیام نور، تهران، ایران

چکیده

هدف: کلان‌داده مجموعه داده‌هایی است که با برخورداری از ویژگی‌‌هایی خاص، از طریق سیستم‌های نرم‌افزاری معمول امکان ذخیره‌سازی، مدیریت و پردازش آنها وجود ندارد. رایانش‌ابری مجموعه‌ای از منابع مجازی‌سازی شده با قابلیت دسترسی و استفاده‌ آسان است. فناوری ذخیره‌سازی بر مبنای ابر قادر به مدیریت مؤثر کلان‌داده‌ها است. هدف این پژوهش تعیین وضعیت موجود مدیریت کلان‌داده‌های کتابخانه‌ای مبتنی بر رایانش‌ابری و رتبه‌بندی مؤلفه‌های آن در کتابخانه‌های دانشگاه‌های سطح اول ایران است.
روش‌شناسی: پژوهش حاضر، از نوع مطالعات کاربردی و از نظر ماهیت، روش و کنترل متغیر‌ها در زمره‌ تحقیقات توصیفی است. جامعه آماری شامل کلیه کتابداران شاغل در کتابخانه‌های دانشگاه‌های سطح اول ایران به تعداد 520 نفر است. پرسشنامه به‌صورت الکترونیکی در اختیار پاسخگویان قرار گرفت و در مجموع 393 پرسشنامه دریافت و مورد تجزیه‌وتحلیل قرار گرفت. ابزار گردآوری داده‌ها پرسشنامه‌ محقق ساخته که با بررسی مطالعات پیشین شش مولفه‌ اصلی مؤثر بر مدیریت کلان داده‌های کتابخانه‌ای مبتنی بر رایانش‌ابری شامل نیروی انسانی، سازمان، زیر ساختار، مسائل اقتصادی، فرهنگ و مدیریت داده شناسایی شد که از طریق تحلیل عاملی تأییدی، روایی آن تأیید شد. برای تجزیه‌وتحلیل داده‌‌ها از آمار توصیفی و استنباطی و نرم‌افزار‌های اس. پی. اس. اس22^[1]  و آموس 22^[2] استفاده شد.
یافته‌ها: وضعیت موجود مدیریت کلان‌داده‌های کتابخانه‌ای مبتنی بر رایانش‌ابری در کتابخانه‌های دانشگاه‌های سطح اول ایران از دیدگاه کتابداران، با میانگین 582/23 و انحراف استاندارد 655/7 معادل 41730/0-، نامطلوب ارزیابی شد. رتبه‌بندی مؤلفه‌های وضعیت موجود از قوت به ضعف به ترتیب 1. نیروی انسانی با میزان بار عاملی 64/.، 2. مسائل اقتصادی با میزان بار عاملی 60/0، 3. زیرساختار با میزان بار عاملی 59/0، 4. مدیریت داده با میزان بار عاملی 58/0، 5. فرهنگ با میزان بار عاملی 57/0، 6. سازمان با میزان بار عاملی 52/0 قرار دارند.
نتیجه‌: کتابداران به واسطه‌ درگیری روزمره‌شان با حجم بسیار بالای داده، عملا با کلان‌داده‌ها درگیر هستند. تطابق متوسط بودجه این کتابخانه‌ها با نیاز‌های فعلی و تأمین هزینه‌های لازم برای دیجیتال‌سازی منابع و وجود زیر ساختار‌های قانونی سخت افزاری و نرم‌افزاری مناسب، راه را برای انجام اقدامات لازم برای بهره‌برداری از سرویس‌های ذخیره‌سازی مبتنی بر ابر را هموار می‌کند. اغلب کتابداران ضمن درک فرهنگ دسترسی آزاد به اطلاعات، اهمیت ارائه‌ داده‌های تحلیل شده به مراجعین را درک کرده اما درک مراجعین از دریافت چنین داده‌هایی در حد متوسط می‌باشد. آگاهی و درک پایین مسئولین و عدم تمایل به تعامل و همکاری با سازمان‌های فعال در این حوزه، محیط پایداری را جهت کار با کلان‌داده‌ها و ارائه خدمات بر مبنای آنها را فراهم نمی‌کند.
 
[1]. Spss
[2]. Amos

کلیدواژه‌ها

مدیریت کلان داده؛ رایانش‌ابری؛ کتابخانه‌های دانشگاهی؛ کتابداران

مراجع

آقایی میرک آباد، اعظم، آهنگر، عادله، آقایی میرک آباد، الهه و حسن‌پور، طلعت (1395). سیستم‌های مدیریت کتابخانه کلان دادهای مبتنی بر مدل ابری. به کوشش میترا قیاسی، سید علی اصغررضوی، صفیه طهماسبی لیمونی، مجموعه مقالات همایش ملی مدیریت داده‌های عظیم در علم اطلاعات و دانش‌شناسی (ص 67-78). بابل: دانشگاه آزاد اسلامی.

ارل، توماس، ختاک، وجید و بوهلر، پاول. (1395). اصول داده‌های بزرگ مفاهیم، پیشران‌ها و تکنیک‌ها؛ ترجمه رشیدی و دیگران. تهران: انتشارات آتی نگر.

اسفندیاری مقدم، علیرضا، حسن‌زاده، محمد و غیوری، زینب (1390). تحلیل عامل‌های اثرگذار بر تولیدات علمی زنان ایرانی در آی. اس. آی. پژوهشنامه کتابداری و اطلاع‌رسانی،1 (1)،109-134.

https://dx.doi.org/10.22067/riis.v1i1.8487

چن، مین، ماو، شیون، ژانگ، ین و ام.لیونگ، ویکتور سی (1394). کلان داده‌ها: فناوری‌ها؛ ترجمه امیر مسعود رحمانی، رقیه توکلیان. بابل: انتشارات علوم رایانه.

حبیبی، آرش (1396). مدل یابی معادلات ساختاری و تحلیل عاملی (آموزش کاربردی نرم‌افزار LISREL). تهران:  جهاد دانشگاهی.

درمنده، مژده، نوروزی، علیرضا و اسمعیلی گیوی، محمدرضا (1397). فرصت‌های مدیریت داده‌های بزرگ در کتابخانه‌ها و مراکز اطلاع‌رسانی: واکاوی ساختاری-تفسیری و ارائه راهکار. پژوهشنامه پردازش و مدیریت اطلاعات. ۱۳۹۷; ۳۴ (۲): ۸۴۱-۸۷. http://jipm.irandoc.ac.ir/article-1-3866-fa.html

ساسینسکی، بری ا.(1390). مرجع کامل رایانش ابری. ترجمه نوید فرخی. تهران: علوم رایانه.

سلیمان دهکردی، الهام؛ افراسیابی، علی (1394). حق دسترسی آزاد به اطلاعات در نظام حقوقی بین‌المللی و ملی. مطالعات بین‌المللی پلیس، 6(21)، 75-100. http://interpol.jrl.police.ir/article_12886.html

‎ شهرزادی، لیلا (1391). کارگاه آشنایی با منابع اطلاعاتی علمی الکترونیکی. دانشگاه علوم پزشکی اصفهان. بازیابی شده از: http://lib.mui.ac.ir/sites/lib.mui.ac.ir/files/amozesh/ashen.pdf

صراف‌زاده، مریم (1394). مدیریت کلان‌داده‌های پژوهشی: نقشی نوین برای کتابخانه‌های دانشگاهی. فصلنامه نقد کتاب اطلاع‌رسانی و ارتباطات. 6، 265 – 274. http://icbr.faslnameh.org/article-1-183-fa.html

قبادپور، وفا، نقشینه، نادر و ثابت پور، افسون (1391). از رایانش ابری تا کتابخانه ابری و ارائه پیشنهاد طراحی کتابخانه با الگوی رایانش ابری. پردازش و مدیریت اطلاعات (علوم و فناوری اطلاعات)، 28(4)،859-877.‎

http://jipm.irandoc.ac.ir/article-1-2384-fa.html

معین، محمد شهرام (1395). الزامات قانونی کلان داده‌ها. پروژه تدوین نقشه راه کلان داده‌ها. تهیه‌کننده فاطمه کسائی. تهران: مرکز تحقیقات مخابرات ایران.

Adebayo, O. A., Ahmed, Y. O., & Adeniran, R. T. (2018). The role of ict in provision of library services a panacea for sustainable development in Nigeria. Library Philosophy & Practice.

https://digitalcommons.unl.edu/cgi/viewcontent.cgi?article=5305&context=libphilprac (accessed 11 July 2019).

Ahmad, K., JianMing, Z., & Rafi, M. (2019). An analysis of academic librarians’ competencies and skills for implementation of Big Data analytics in libraries. Data Technologies and Applications. https://doi.org/10.1108/DTA-09-2018-0085

Al-Daihani, S. M., & Abrahams, A. (2016). A text mining analysis of academic libraries' tweets. The journal of academic librarianship, 42(2), 135-143.

https://doi.org/10.1016/j.acalib.2015.12.014

Avram, M. G. (2014). Advantages and challenges of adopting cloud computing from an enterprise perspective. Procedia Technology, 12(0), 529-534.

https://doi.org/10.1016/j.protcy.2013.12.525

Ball, R. (2019). Big data and their impact on libraries. American Journal of Information Science and Technology, 3(1), 1-9.

http://dx.doi.org/10.11648/j.ajist.20190301.11

Cottrell, T., & Bell, B. (2016). When to say when: Using big data to support mobile communications. College & Undergraduate Libraries, 23(3), 315-322.

https://doi.org/10.1080/10691316.2015.1023878

Del Giudice, M., & Della Peruta, M. R. (2016). The impact of IT-based knowledge management systems on internal venturing and innovation: a structural equation modeling approach to corporate performance. Journal of Knowledge Management. 20)3(.

https://doi.org/10.1108/JKM-07-2015-0257

Fister, B. (2015). Big data or big brother? data, ethics, and academic libraries. Library Issues: Briefings for Faculty and Administrators, 35(4), 293-314.

Available at: http://barbarafister.com/LIbigdata.pdf (accessed 15 December 2019).

Gantz, J., & Reinsel, D. (2011). Extracting value from chaos. IDC rview, 1142(2011), 1-12.

http://www.kushima.org/wp-content/uploads/2013/05/DigitalUniverse2011.pdf (accessed 25 June 2018).

Gordon-Murnane, L. (2012). Big Data: A big opportunity for librarians. Online (Weston, CT), 36(5), 30-34.

http://eprints.rclis.org/34349/1/final-proceeding-iicclist16-2s-view-50-51.pdf (accessed 21 Apr 2019).

Hamad, F., Fakhuri, H., & Abdel Jabbar, S. (2020). Big Data Opportunities and Challenges for Analytics Strategies in Jordanian Academic Libraries. New Review of Academic Librarianship, (just-accepted), 1-19.

https://doi.org/10.1080/13614533.2020.1764071

Head, S. R., Komori, H. K., LaMere, S. A., Whisenant, T., Van Nieuwerburgh, F., Salomon, D. R., & Ordoukhanian, P. (2014). Library construction for next-generation sequencing: overviews and challenges. Biotechniques, 56(2), 61-77.

https://www.future-science.com/doi/full/10.2144/000114133 (accessed 3 Apr 2019).

Heidorn, P. B. (2011). The emerging role of libraries in data curation and e-science. Journal of Library Administration, 51(7-8), 662-672. https://doi.org/10.1080/01930826.2011.601269

Kaisler, S., Armour, F., Espinosa, J. A., & Money, W. (2013, January). Big data: Issues and challenges moving forward. InSystem Sciences (HICSS), 2013 46th Hawaii International Conference on (pp. 995-1004). IEEE.

https://doi.org/10.1109/HICSS.2013.645

Keil, D. E. (2014). Research data needs from academic libraries: The perspective of a faculty researcher. Journal of Library Administration, 54(3), 233-240.

https://doi.org/10.1080/01930826.2014.915168

Kim, S., & Choi, M. S. (2016, February). Study on data center and data librarian role for reuse of research data. In 2016 8th International Conference on Knowledge and Smart Technology (KST) (pp. 303-308). IEEE. https://doi.org/10.1109/KST.2016.7440517

Kim, Y. S., & Cooke, L. (2017). Big data analysis of public library operations and services by using the Chernoff face method. Journal of Documentation.

https://doi.org/10.1108/JD-08-2016-0098

Laney, D. (2001). 3D data management: Controlling data volume, velocity and variety. META group research note, 6(70), 1.

http://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf (accessed 8 may 2019).

Li, J., Lu, M., Dou, G., & Wang, S. (2017). Big data application framework and its feasibility analysis in library. Information Discovery and Delivery.

https://doi.org/10.1108/IDD-03-2017-0024

Lin, C. H., Lin, I. C., Roan, J. S., & Yeh, J. S. (2012). Critical factors influencing hospitals’ adoption of HL7 version 2 standards: An empirical investigation. Journal of medical systems, 36(3), 1183-1192. https://doi.org/10.1007/s10916-010-9580-2

Lyon, L., Wright, S., Corti, L., Edmunds, S., & Bennett, F. (2013). What is a data scientist? Panel presented at 2013 International Digital Curation Conference, January 14-17, 2013, Amsterdam, Netherlands.

Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., Byers, A.H., 2011. Big data: The next frontier for innovation, competition, and productivity. McKinsey Global Institute.

Marshall, J. G., Sollenberger, J., Easterby-Gannett, S., Morgan, L. K., Klem, M. L., Cavanaugh, S. K., … & Hunter, S. (2013). The value of library and information services in patient care: results of a multisite study. Journal of the Medical Library Association: JMLA, 101(1), 38. https://dx.doi.org/10.3163%2F1536-5050.101.1.007

Marzi, G., Dabić, M., Daim, T., & Garces, E. (2017). Product and process innovation in manufacturing firms: a 30-year bibliometric analysis. Scientometrics, 113(2), 673-704.

https://doi.org/10.1007/s11192-017-2500-1

Pryor, G., & Donnelly, M. (2009). Skilling up to do data: whose role, whose responsibility, whose career. International Journal of Digital Curation, 4(2), 158-170.

https://doi.org/10.2218/ijdc.v4i2.105

Raisch, S., Birkinshaw, J., Probst, G., & Tushman, M. L. (2009). Organizational ambidexterity: Balancing exploitation and exploration for sustained performance. Organization science, 20(4), 685-695. https://doi.org/10.1287/orsc.1090.0428

Rani, B. R. (2016). Big Data and Academic Libraries. In International conference on Big Data and knowledge discovery. Indian Statistical Institute.

Qutab, S., Bhatti, R., & Ullah, F. S. (2014). Adoption of ICT's for library operations and services: A comparison of public and private university libraries of Pakistan. Library Philosophy and Practice, 0_1.

https://digitalcommons.unl.edu/libphilprac/1106 (accessed 21 June 2017).

Reinhalter, L., & Wittmann, R. J. (2014). The Library: Big Data’s Boomtown: Edited by Rick J. Block. The Serials Librarian, 67(4), 363-372.

https://doi.org/10.1080/0361526X.2014.915605

Swan, A., & Brown, S. (2008). The skills, role and career structure of data scientists and curators: An assessment of current practice and future needs. Truro: Key Perspectives Ltd. https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.147.8960&rep=rep1&type=pdf

Teets, M., & Goldner, M. (2013). Libraries’ role in curating and exposing big data. Future internet, 5(3), 429-438. https://doi.org/10.3390/fi5030429

Witt, M. (2012). Co-designing, co-developing, and co-implementing an institutional data repository service. Journal of Library Administration, 52(2), 172-188.

https://doi.org/10.1080/01930826.2012.655607

Yuhong, X. I. E. (2018). Utilization and Reconstruction of Digital Resources in University Libraries in the Perspective of Big Data Based on the Statistics of Digital Resources Utilization in the Changbei University Alliance Library. Modern Information Technology, (6), 61.

https://en.cnki.com.cn/Article_en/CJFDTOTAL-XDXK201806061.htm