شاخص‌ها و مولفه‌های سواد مدیریت داده‌های پژوهشی

پژوهش حاضر به شناسایی مولفه‌ها و شاخص‌های سواد مدیریت داده‌های پژوهشی می‌پردازد. رویکرد این پژوهش کیفی است که در مرحلۀ نخست، از روش فراترکیب و در مرحلۀ دوم از روش دلفی بهره برده است. در مرحلۀ نخست واژگان کلیدی مرتبط با مولفه‌های مدیریت داده‌های پژوهشی انتخاب و این واژگان در پایگاه‌های علمی داخلی و خارجی، جست‎وجو شد. طی این مرحله، فهرست جامعی از اسناد موجود در حوزۀ سواد مدیریت داده‌های پژوهشی به‌دست آمد؛ سپس به شناسایی مولفه‌های مدیریت داده‌های پژوهشی پرداخته شد. در مرحلۀ دوم با استفاده از پرسش‌نامۀ محقق ساخته، طی دو دور دلفی، بین اعضای پانل دلفی پالایش و اعتبارسنجی صورت پذیرفت. بر اساس نتایج، شش مقولۀ اصلی در فرایند شناسایی مولفه‌های مدیریت داده‌های پژوهشی به‌دست آمد که عبارت‌اند از: 1. ذی‌نفعان؛ 2. خدمات؛ 3. سیاست؛ 4. انواع سواد؛ 5. داده؛ 6. بودجه. پس از اعمال نظر متخصصان، دو مقوله با عنوان انواع مشارکت و  نظارت به مقوله‌های قبلی اضافه شد. همچنین 10 مفهوم جدید نیز شناسایی شد که از دید خبرگان تایید شد. طی این مراحل، 51 کد مرتبط با سواد مدیریت داده‌های پژوهشی به‌دست آمد. نتایج نشان داد که شش مقولۀ اصلی شناسایی شده،‌ در مجموع 60 درصد از واریانس کل متغیرها را تبیین می‌کنند که هر کدام شامل مفاهیم و کدهای مرتبط و معیارهای مناسب برای سنجش هستند. در نتیجه مهم است که بدانیم توسعه، پذیرش و کاربرد این مقوله‌ها در انجام شیوه‌های مدیریت داده‌های پژوهشی تا چه اندازه می‌تواند کاربردی باشد.

the most effective indicators and components in research data management literacy

the present research identifies the components and indicators of research data management literacy. in this research, a qualitative approach has been used using the meta-composite method and in the next step, the delphi method. after preparing a comprehensive list of available documents in the field of research data management literacy, relevant keywords were searched in scientific databases inside and outside of iran, and then the components of research data management were identified. the second stage was refined and validated using a researcher-made questionnaire in two rounds of delphi among delphi panel members. six main categories were found in the process of identifying the components of research data management: 1- beneficiaries, 2- services, 3- politics, 4- types of literacy, 5- data, 6- budget and after implementation. the opinion of experts added 2 other categories: 1- types of participation and 2- monitoring. also, 10 new concepts were identified, which were approved by experts. the identified codes were also 50 codes related to research data management literacy. the results showed that the six main identified categories explain 60% of the total variance of the variables. each of which includes related concepts and codes and appropriate criteria for measurement. it is important to know how practical the development, acceptance and application of these categories can be in conducting research data management methods.