دانلود ترجمه مقاله مطالعه ای بر تعامل مدیریت پروژه و مدیریت اطلاعات به عنوان دو مولفه مکمل در تحقیقات

تحقیقات میان رشته ‏ای و مدیریت پروژه:
با دسترسی به اندازه داده ‏ها در پروژه ‏های سومین کاوش در درون چالش داده ‏ای و همچنین همکاری در سطح بین ‏المللی، مدیریت پروژه رابطه بهتری را با تحقیقات میان رشته ‏ای مبتنی بر سرمایه ‏گذاری عام برقرار می ‏نماید. چالش های مربوط به کاوش به درون داده ‏ها به تقویت این پیش فرض کمک می ‏کند که تحقیقات میان رشته ‏ای مبتنی بر سرمایه ‏گذاری عام موجب رونق نوآوری می ‏شوند (ویلی فورد و هنری، 2012). هرچند، افزایش تشریک مساعی ها به درجه بالایی از ارتباط و همکاری نیاز دارد (لاورنس، 2006، مالون و کروستون، 1994، صفحه 103، اسپنسر، زیمرمان، آبرامسون، 2011). بنابراین، تکنیک ها و ابزارهای مدیریت پروژه به محققان در اجرای تحقیقات میان رشته‏ ای مبتنی بر سرمایه ‏گذاری عام کمک می ‏کند (ژانک و همکاران، 2012، لاورنس، 2006، لئون، 2017، مارون و پیکل، 2014، اسپنسر و همکاران، 2011). تا حد زیادی، مدیریت پروژه ممکن است تحقیقات میان رشته‏ ای مبتنی بر سرمایه ‏گذاری عام را از طریق مهارت های نرم مبتنی بر مدیریت به جای مهارت های سخت مبتنی بر فناوری تسهیل نماید (لاورنس، 2006، صفحه 407). مدیریت پروژه با تخصص هایی شناسایی می‏ شود که برای بررسی پیچیدگی و حجم داده‏ های تحقیقی مفید هستند، این داده ‏ها اغلب از طریق ابتکار عمل های تحقیق میان رشته ‏ای مبتنی بر سرمایه‏ گذاری عام ایجاد، استفاده و بازیابی می‏ شوند (ژانک و همکاران، 2012، لئون، 2017، مارون و پیکل، 2014، اسپنسر و همکاران، 2011، ویلی فورد و هنری، 2012). معمولا تحقیقات داده محور غیرخطی هستند (ژانک و همکاران، 2012، صفحه 10). ویلی فورد و هنری (2012) در تحقیقات خود پروژه ‏های کاوش به درون چالش های داده‏ ای را به عنوان ساختارهایی در نظر می ‏گیرند که به شکل مداوم با بخشهای متحرک (ویلی فورد و هنری، 2012، صفحه 4) مربوط به پروتکل های داده‏ های تکراری ساخته می ‏شوند و محققان تحقیقات میان رشته ‏ای مبتنی بر سرمایه ‏گذاری عام از آنها به عنوان فازهای پروژه افتتاح نشده بهره برداری می‏ نمایند. تنظیم و صف‏ بندی داده‏ های پژوهشی که به صورت مکرر از محیط های کاربردی مختلف مدلسازی می ‏شوند؛ موجب عدم توانایی پیش‏ بینی به ویژه در طول چرخه عمر تحقیق فعال خواهد شد (ژانک و همکاران، 2012، صفحه 9). برای بررسی چنین موضوعی به مطالعه عمیق رفتار محقق و انگیزش در طول تشریک مساعی ها نیاز داریم (بناردو، کنستانتوپولوس و دالاس، 2013، بِرگمان، 2010، برگمان، والیس و مایِرنیک، 2012). پایداری بلند مدت تحقیقات میان رشته‏ ای مبتنی بر سرمایه ‏گذاری عام در بلند مدت رابطه مستقیمی با مهارت های مدیریت پروژه و مهارت های گزینشی دارد (ژانک و همکاران، 2012، لئون، 2017، مارون و پیکل، 2014، رید، 2014). با وجود این محققان با محدودیت های زمانی روبرو هستند که اغلب از آموزش بهترین شیوه ‏های میان رشته‏ ای مبتنی بر سرمایه ‏گذاری عام مانند مدیریت پروژه جلوگیری می ‏نماید (ژانک و همکاران، 2012، لئون، 2017، مارون و پیکل، 2014). حتی آنهایی که از فرایند آموزش آگاه هستند و آن را جستجو می ‏نمایند؛ ممکن است فاقد حق انتخاب باشند (کامینگز و کسلر، 2005، نوته، 2015، وینستون و هافمن، 2005). در مورد گزینش و حفاظت دیجیتالی، نهادها باید نقش خود در حمایت از مسیر بلند مدت پروژه تفویض نمایند (ژانک و همکاران، 2012، مارون و پیکل، 2014، رید، 2014). بنابراین منافع مهم تصویرسازی شده برای نتایج تحقیق میان رشته‏ ای مبتنی بر سرمایه‏ گذاری عام سهم محققان و سهامداران را برای تسهیل فرایند تحقیق از طریق بهترین شیوه‏ های مدیریت پروژه افزایش می ‏دهد (اسپنسر و همکاران، 2011).

Interdisciplinary research and project management:
Given the size of data in DID3 projects, in tandem with team collaborations on the international level, the literature on project management most relevant to the case study concerns IDR. The DID Challenge’s aims ride on the presumption that IDR drives innovation (Williford & Henry, 2012). However, distributed collaborations demand 4 a high degree of communication and coordination (Lawrence, 2006; Malone & Crowston, 1994, p. 103; Spencer, Zimmerman, & Abramson, 2011). PM tools and techniques have therefore assisted researchers engaged in IDR projects (Jahnke et al., 2012; Lawrence, 2006; Leon, 2017; Maron & Pickle, 2014; Spencer et al., 2011). Notably, PM may facilitate IDR through management-based soft skills rather than technologically- based hard skills (Lawrence, 2006, p. 407). PM has been identified with expertise critical to handling the complexity and volume of research data that IDR initiatives create, use, and reuse (Jahnke et al., 2012; Leon, 2017; Maron & Pickle, 2014; Spencer et al., 2011; Williford & Henry, 2012). The data-driven research process tends to be nonlinear (Jahnke et al., 2012, p. 10). Indeed, Williford & Henry (2012) described DID projects as “structures built with continually moving parts” (Williford & Henry, 2012, p. 4), alluding to the iterative data protocols IDR researchers develop as project phases unfold. Aligning scholarly data modeled iteratively and from diverse domains tends to introduce unpredictability, particularly during the active research life cycle (Jahnke et al., 2012, p. 9). To that end, the literature calls for more in-depth study of researcher behavior and motivations during collaborations (Benardou, Constantopoulos, & Dallas, 2013; Borgman, 2010; Borgman, Wallis, & Mayernik, 2012). The question of IDR deliverables’ sustainability over the long term pertains to PM skills as well as curation skills (Jahnke et al., 2012; Leon, 2017; Maron & Pickle, 2014; Reed, 2014). Yet researchers face time constraints that often preclude training for IDR best practices such as PM (Jahnke et al., 2012; Leon, 2017; Maron & Pickle, 2014). Even those who are aware of and who do seek training may find options lacking (Cummings & Kiesler, 2005; Note, 2015; Winston & Hoffman, 2005). Regarding curation and digital preservation, institutions must responsibly delegate their role in supporting a project’s long-term trajectory (Jahnke et al., 2012; Maron & Pickle, 2014; Reed, 2014). Thus the substantial benefits projected for IDR outcomes raises the stakes for researchers and stakeholders alike to facilitate the IDR research process through PM best practices (Spencer et al., 2011).