ارائه چارچوب مفهومی شبکه‌های اجتماعی علمی با استفاده از روش فراترکیب

شبکه‏های اجتماعی علمی، در خلق، سازمان‎دهی، ذخیره، اشتراک، اشاعه و استفاده از اطلاعات و دانش، میان جوامع علمی نقش مهمی دارند و فرایندهای مدیریت اطلاعات و دانش و ارتباطات میان آنها را تسریع و تسهیل می‎کنند. هدف از اجرای این پژوهش، شناسایی ابعاد و مولفه‏های شبکه‏های اجتماعی علمی و ارائه چارچوب مفهومی آن است. این پژوهش کاربردی و با روش اسنادی و فراترکیب اجرا شده است. در مجموع، 50 منبع از 325 منبع برای فراترکیب نهایی مناسب بود که از بین این منابع، 170 کد، 25 مفهوم و 8 مقوله استخراج شد. برای تجزیه‎وتحلیل اطلاعات، از روش هفت مرحله‌ای فراترکیب سندلوسکی و باروسو استفاده شد. یافته‏ها نشان داد که مولفه‏های مدیریت (توسعه علم، مدیریت اطلاعات و مدیریت دانش)؛ فناوری (سیستم‏های اطلاعاتی، وب‏سایت‏های اجتماعی علمی و شبکه‏های اجتماعی)؛ فرهنگ (رفتار علمی، نگرش علمی، عوامل محیطی و عوامل اجتماعی)؛ ارتباطات (انواع ارتباطات و ابزارهای ارتباطات)؛ یادگیری (آموزش، محتوا و مشارکت)؛ ویژگی‏های فردی (تخصص، مهارت، علاقه و انگیزه)؛ عملکرد علمی (تولید، ارزیابی، سنجش و سطوح علمی) و مسائل حقوقی (حق‏مولف و امنیت) بر شبکه‏های اجتماعی علمی موثر است و روی هم اثر می‎گذارند. چارچوب مفهومی ارائه شده این قابلیت را دارد که برای طراحی، ارزیابی موفقیت، سنجش وضعیت، پیش‏بینی و آسیب‏شناسی شبکه‏های اجتماعی علمی میان جوامعو مراکز علمی استفاده شود.

Developing a Conceptual Framework for the Scientific Social Networks using Metasynthesis Method

Scientific social networks play an important role in creating, organizing, storing, sharing, disseminating and using information and knowledge among scientific communities and accelerate and facilitate the processes of information and knowledge management and communication among them. So the purpose of this research was to identify the dimensions and components of scientific social networks and to present its conceptual framework. This applied research has used a metasynthesis approach and library methods. A total of 50 sources out of 325 sources were selected for the metastudy and 170 codes, 25 concepts and 8 categories extracted. To analyze the data, seven stepbystep methods of Sandloski and Baruso have been used. The findings showed that the components of scientific social networks, including: Management (science development, information management and knowledge management); Technology (information systems, scientific social websites, social networks); Culture (scientific behavior, scientific view, environmental and social factors); Communications (communication types and tools); Learning (education, content and cooperation); personal characteristics (expert, skill, interest and motivation); Scientific Performance (product, evaluation, assessment and scientific levels) and Law Issues (copy right and security) affect each other and scientific social networks. The proposed conceptual framework can be used for design, evaluation of success, assessment of status, prediction and pathology of scientific social networks in the scientific societies and centers.