عنوان فارسی:دانلود ترجمه مقاله گسترش مدیریت ریسک اطلاعات منابع انسانی در دوره داده های بزرگ

دانلود ترجمه مقاله گسترش مدیریت ریسک اطلاعات منابع انسانی در دوره داده های بزرگ – الزویر ۲۰۱۸:بعید است که سازمان‌ها بتوانند صرفاً بر استراتژی‌های ارزیابی ریسک موجود و پیشگیری برای مقابله با حوادث اطلاعاتی تکیه کنند. از یک‌سو، استراتژی‌های رسیدگی به حوادث اطلاعاتی می‌توانند بر روی افزایش کارایی کارکنان متمرکز شوند تا ویژگی‌های اخلاقی جدید، امنیت داده‌ها و چالش‌های جمع‌آوری داده‌ها را برآورده کند. از سوی دیگر، چنین استراتژی‌هایی باید شامل حسابرسی‌های گسترده سیستم نیز شوند تا قادر به شناسایی هر دو وابستگی پیچیده و مستحکم به یکدیگر برای شناسایی عوامل احتمالاً کمک‌کننده باشند. شناسایی این‌ها ممکن است…

عنوان فارسی مقاله:	گسترش مدیریت ریسک اطلاعات منابع انسانی در دوره داده های بزرگ
عنوان انگلیسی مقاله:	Developing human resource data risk management in the age of big data
سال انتشار میلادی:	2018
نشریه:	Publisher : Elsevier – Science Direct (الزویر – ساینس دایرکت) مجله بین المللی مدیریت اطلاعات – International Journal of Information Management
کلمات کلیدی فارسی:	داده های بزرگ، مدیریت ریسک، رضایت، تجزیه و تحلیل داده ها، استخدام، اخلاق
کلمات کلیدی انگلیسی:	Big data – Consent – Data analytics – Employment – Ethics – Risk management
تعداد صفحات ترجمه شده:	15صفحه با فونت ۱۴ B Nazanin
نویسندگان:	Thomas Stephen Calvard، Debora Jeske
موضوع:	مدیریت فناوری اطلاعات، مدیریت منابع انسانی
دسته بندی رشته:	مدیریت و فناوری اطلاعات
فرمت فایل انگلیسی:	6صفحه با فرمت pdf
فرمت فایل ترجمه شده:	Word
کیفیت ترجمه:	عالی
نوع مقاله:	isi
تعداد رفرنس:

---

مقاله انگلیسی+ترجمه فارسی

فهرست مطالب

چکیده

مقدمه

داده های بزرگ در سازمان ها : اخلاق، جایگاه، استراتژی و خطر

مدیریت ریسک و داده های بزرگ در منابع انسانی

دیدگاه های نظری

درس‌های (آموزه‌های) جدید برای کارفرمایان

نمونه‌برداری مسئولانه و عامه‌پسند داده‌ها

مدیریت ریسک پیشگیرانه داده‌ها و رسیدگی به حوادث اطلاعاتی

مدیریت ریسک اعتباری

آگاهی نسبت به محتوا

اخلاق در درک و مدیریت ریسک داده‌ها

وضعیت تحقیقات داده‌های موجود، محدودیت‌ها و مسیرهای تحقیقاتی آینده

نتیجه‌گیری

---

چکیده

در سال های اخیر توجه زیادی به تلاش برای درک چالش های پر خطر در مدیریت اطلاعات صورت گرفته است و اخیرا نیز چالش هایی که مربوط به داده های بزرگ هستند، افزایش یافته اند. در این مقاله پیچیدگی داده هابرای کارفرمایان با استفاده از طراحی مدیریت ریسک در دیدگاه ، منابع انسانی و نظریه تصادف طبیعی برای نشان دادن ویژگی های تکاملی این پیچیدگی ها مورد بررسی قرار می گیرد. این مقاله با توصیه هایی که بر آموزش ، طراحی در جمع آوری داده ها و مدیریت ریسک متمرکز هستند ، به پایان می رسد و امید است که این توصیه ها ، کارفرمایان را قادر به پیش بینی و مطرح کردن چالش های بزرگ سازند.

---

Abstract

In recent years, a great deal of attention has been devoted to trying to understand the risk challenges that arise in information management, and most recently, challenges that arise due to big data. In this article, the complexities of big data for employers are explored, drawing on a risk management on Human Resources (HR) perspective and normal accident theory (NAT) to illustrate the evolving characteristics of these complexities. The paper concludes with a series of recommendations that focus on education, design in data collection, and risk management, in the hope that these recommendations enable employers to better anticipate and address emerging big data challenges.

---

نمونه ترجمه مقاله:

مقدمه

سازمان های دولتی و تامرین کننده سرویس اینترنتی، مجموعه داده های بزرگ را به طور فزاینده ای آزاد و قابل دسترس قرار داده اند  (به عنوان مثالی Data.gov؛ Krishnamurthy و  Awazu 2016) (گازو ، فینک ، کینگ ، تونیداندل و لاندیس). همچنین سازمان های تبلیغاتی در حال مشارکت در بزرگی داده ها و تولید آن در برابر کارمندان و مشتریان در ارتباط با سیستم های خود هستند. نویسندگانی چون گندمی و هیدر (2015)، مک افی و برینجولفسن (2012)، بوید و کرافورد (2012)، کیچین (2014) گازو ، فینک، کینگ ، تونیداندل و لاندیس 2015، مایر شونبرگر و کوکیر (2012) و زیکوپولوس ، ایتون ، دی روس ، داچ  و لاپیس (2012) خلاصه ای از تعریف های اصلی داده های بزرگ ارائه داده اند. ما می توانیم چند ویژگی کلیدی را تضمین کنیم که از مجموعه داده های سنتی، سازمان یافته ، ساختار یافته به دست آمده اند. به طور خاص، داده های بزرگ را می توان از حداقل داده های کوچک با حداقل چند روش اصلی متمایز کرد. از لحاظ ویژگی های فنی داده های بزرگ جنبه های متعددی در ادبیات مورد توجه قرار گرفته اند. این ها در VS های مختلف مرکزیت دارند (کشتری 2014). به عنوان مثال، از لحاظ حجم عظیم (مانند تعداد مشاهدات و متغیر ها)، سرعت آن ( با سرعتی که نقاط داده در زمان واقعی یا نزدیک آن به جز در موارد ویدئوی پخش زنده که اتفاق می افتد؛ کیچن 2014) و ماهیت متغیر آن (سازمان یافته و سازمان نیافته). علاوه بر این، داده های بزرگ می توانند با مقیاس پذیری قابل توجه آن (داده ها به طور مرتب در اندازه های بزرگ گسترش می یابند) و دامنه جامعی از آن چه داده ها در بر می گیرند، مورد بحث و بررسی واقع می شوند (مانند ردیابی رفتاری از کل جمعیت در یک سازمان یا سیستم). برای تثبیت افزایش شدید انتشرات در ده سال گذشته برخی از بررسی ها با هدف سازماندهی ارتباطات پیچیده، در محدوده داده های بزرگ و خطرات احتمالی و مزایای استفاده از آن صورت گرفته اند. در رابطه با BOLD (داده های بزرگ با لینک باز) به عنوان مثال تعداد 19 متغیر در سازمانی و سیستمی با درک نتیجه بهبود نوآوری  ها و سیاست گذاری ها در ارتباط قرار دارند (دویندی و همکاران). وعده داده ها به ویژه در رابطه با انواع بزرگ به سرعت و با شدت در سال های اخیر توسط شرکت های مختلف  ، مفسران و مشاوره ها ارتقا یافته است. مزایای وعده داده شده به طور معمول در چندین شکل ارائه شده اند. در سطح گسترده تر برنامه های کاربردی اجتماعی، داده های بزرگ به عنوان وسیله ای برای یادگیری نحوه توسعه ارتباطات، دولت ها و نواحی (کشتری 2014)، مطالعه روابط سیاسی و مشارکت شهروندی در نظر گرفته شده اند (گیل دی زونیگا و دیل 2017) و همچنین برای ایجاد یا بهبود موفقیت های تجاری در نظر گرفته شده اند (به عنوان مثال نونان و دی دومنیکو 2015). در سطح سازمانی، کارکنان وعده های در مورد بینش های جدید و راه حل هایی دریافت کرده اند که آن ها را قادر به شناسایی روش های قابل سنجش برای بهبود پیامد های مالی و کارکنان می سازند (بانیا 2015). این بینش های مبتنی بر داده، کارکنان را قادر به بهینه سازی زیرساخت، فرآیند های عملیاتی و شیوه های مدیریتی و استراتژیک می سازند (وانگ ، کونگ و بیرد 2018). به علاوه توصیف الگوهای موجود نتایج، طرفداران داده های بزرگ ادعا می کنند که ممکن است نتایج، پیش بینی روند ها و راه حل های کاری آینده و تجویز دوره های عمل مناسب را امکان پذیر سازند (لیتل 2016). با وجود این وعده ها و امید ها، داده های بزرگ به ناچار سوالات جدید و مهمی را برای کارفرمایان مطرح کرده اند.