مولفه‌های مدیریت داده‌های پژوهشی در کتابخانه‌های دانشگاهی

هدف: به‌منظور توسعه خدمات کتابخانه‌های دانشگاهی و ارائه خدمات نوین با عنوان «مدیریت داده‌های پژوهشی» برای کمک به اعضای هیئت علمی و پژوهشگران در مدیریت داده‌های پژوهشی خود و بهره‌‌مندی از داده‌های پژوهشی دیگران، این مقاله به دنبال شناسایی مولفه‌های مدیریت داده‌های پژوهشی در کتابخانه‌های دانشگاهی است. از نتیجه پژوهش می‌توان به‌منزله مدلی برای پیاده‌سازی مدیریت داده‌های پژوهشی به‌طور نظام‌مند و موثر استفاده کرد.روش: این پژوهش در دو مرحله انجام شد. گام نخست تحلیل محتوای کیفی برای شناسایی مولفه‌های مدیریت داده‌های پژوهشی بود. در گام دوم با استفاده از مولفه‌های شناسایی‌شده پرسش‌نامه‌ای تهیه و در دو دور دلفی بین 20 نفر از متخصصان ایرانی در این زمینه برای اعتبارسنجی و پالایش توزیع شد. برای اطمینان از پایایی پرسش‌نامه و همسانی درونی پرسش‌ها، ضریب آلفای کرونباخ با نتیجه 0/97 محاسبه شد.یافته‌ها: در گام نخست 69 مولفه برای شش مرحله فرایند مدیریت داده‌های پژوهشی شناسایی شد: 1) برنامه‌ریزی؛ 2) اصول اخلاقی و قانونی؛ 3) سازمان‌دهی، مستندسازی، تولید فراداده؛ 4) ذخیره‌سازی و تهیه نسخه پشتیبان؛ 5) نگه‌داری، حفاظت، و حذف داده‌ها؛ و 6) اشتراک‌گذاری، و انتشار داده‌ها . سپس متخصصان دو مرحله جدید 1) آموزش و مشاوره و 2) فنی را به شش مرحله قبلی افزودند. همچنین برخی از مولفه‌ها حذف، اصلاح، ادغام و جابه‌جا شدند و درنهایت بر 56 مولفه در هشت مرحله تاکید شد. نتیجه گیری: همه مولفه های شناسایی شده در مدیریت داده های پژوهشی در کتابخانه های دانشگاهی بااهمیت اند. علاوه بر این، نتایج نشان داد دو مولفه تدوین و توسعه طرح مدیریت داده پژوهشی و تولید فراداده برای داده ها و فایلها اهمیت ویژه ای دارند؛ تدوین طرح مدیریت داده ها به افراد و موسسات پژوهشی کمک می کند تا منابع مادی و انسانی لازم برای پروژۀ خود را از بل تخمین بزنند. تولید فراداده برای داده ها و فایل های پژوهشی نیز با افزایش دقت در بازیابی، امکان کاوش، بازیابی، کشف، دسترسی، و استفاده مجدد از داده های پژوهشی را برای دیگر پژوهشگران ایجاد می کند. ازاین رو، کتابخانه های دانشگاهی در مدیریت داده های پژوهشی باید به این موضوع نیز توجه ویژه ای داشته باشند.

Components of Research Data Management (RDM) in Academic Libraries

Purpose: In order to develop the services of academic libraries and provide new services called Research Data Management (RDM) for helping faculty members and researchers in managing their own research data and benefiting from the research data of others, this article seeks to identify the components of RDM in academic libraries. The outcome can be used as a model for implementing RDM in a systematic and effective way.Methods: This research was carried out in two steps. The first step was a qualitative content analysis to identify components of RDM. In the second step using the identified compontents, a questionnaire was composed and circulated in two Delphi rounds among 20 Iranian experts in the field for validation and refinement. To ensure the reliability of the questionnaire and the internal consistency of questions, Cronbach’s alpha coefficient was calculated with a result of 0.97.Findings: In the first step 69 components were identified for 6 steps of RDM process, 1) planning; 2) ethical and legal issues; 3) organizing, documenting, generating metadata, 4) storing and backing up, 5) preserving, protecting, deleting data, 6) sharing, and dissemination. Participants added two new steps 1) education and counseling and 2) technical to the previous 6 steps. Also, some components were removed, modified, merged, and moved, and finally 56 components were emphasized in 8 stages.Conclusion: All identified components are important in the management of research data in academic libraries. In addition, the results showed that the two components of &formulation and development of research data management plan& and &generating metadata to data and files& are of particular importance. Developing data management plan helps individuals and research institutes estimate the material and human resources needed for projects in advance. Also, generating metadata by increasing percision, makes search, retrieval, discovery, access, and reuse of data by other researchers. Academic libraries should consider this in research data management activities