view in publisher's site

Influencing models and determinants in big data analytics research: A bibliometric analysis

Highlights•The article scrutinizes influencing models and determinants in 229 big data studies.•Big data adoption research (BDAD) is broadly dispersed across different domains.•The models emphasize mainly on variance-based relationships and snapshot prediction with little consensus.•The analysis highlights vibrant determinants of BDAD within each model and level of analysis.•Insights of this bibliometric study could guide rigorous big data research and practice in various contexts.AbstractIncorporating big data analytics into a particular context brings various challenges that rest on the model or framework through which individuals or organisations adopt big data to achieve their objectives. Although these models have recently triggered scholars’ attention in various domains, in-depth knowledge of using each of these models in big data research is still blurred. This study enriches our knowledge on emerging models and theories that shape big data analytics adoption (BDAD) research through a bibliometric analysis of 229 studies (143 journal articles and 86 conference papers) published in indexed sources between 2013 and 2019. As a result, twenty models on BDAD have emerged (e.g., “Dynamic Capabilities”, “Resource-Based View”, “Technology Acceptance Model”, “Diffusion of Innovation”, etc.). The analysis reveals that BDAD research to demonstrate attributes suggestive of a topic at an initial stage of development as it is broadly dispersed across different domains employs a wide range of models, some of which overlap. Most of the applied models are generic in nature focusing on variance-based relationships and snapshot prediction with little consensus. There is a conspicuous dearth of process models, firm-level analysis and cultural orientation in contemporary BDAD research. Insights of this bibliometric study could guide rigorous big data research and practice in various contexts. The study concludes with research implications and limitations that offer promising prospects for forthcoming research.

مدل‌های Influencing و عوامل تعیین‌کننده در تحقیق تجزیه و تحلیل داده‌های بزرگ: تحلیل کتابسنجی

نکات مهم: این مقاله به دقت به مدل‌ها و عوامل تعیین‌کننده در ۲۲۹ مرکز داده بزرگ می‌پردازد. * تحقیقات اتخاذ اطلاعات بزرگ (BDAD)به طور گسترده در دامنه‌های مختلف پراکنده شده‌است. این مدل‌ها عمدتا بر روابط مبتنی بر واریانس و پیش‌بینی snapshot با اجماع نظر کمی تاکید دارند. این تجزیه و تحلیل عوامل فعالی را در هر مدل و سطح تجزیه و تحلیل نشان می‌دهد. نگرش‌هایی از این مطالعه کتاب سنجی می‌تواند تحقیقات گسترده و عملی را در زمینه‌های مختلف تجزیه و تحلیل داده‌های بزرگ در یک زمینه خاص به ارمغان بیاورد و چالش‌های مختلفی را به ارمغان می‌آورد که بر مدل یا چارچوب که از طریق آن افراد یا سازمان‌ها داده‌های بزرگی را برای رسیدن به اهداف خود انتخاب می‌کنند، به ارمغان می‌آورد. اگرچه این مدل‌ها اخیرا توجه محققان را در حوزه‌های مختلف مورد توجه قرار داده‌اند، دانش عمقی استفاده از هر کدام از این مدل‌ها در تحقیقات داده‌های بزرگ هنوز نامشخص است. این مطالعه دانش ما را در مورد مدل‌های نوظهور و تیوری های ظهور تجزیه و تحلیل داده‌های بزرگ (BDAD)از طریق یک تحلیل کتابسنجی از ۲۲۹ مطالعه (۱۴۳ مقاله ژورنال و ۸۶ مقالات کنفرانس)که در منابع شاخص شده بین سال‌های ۲۰۱۳ و ۲۰۱۹ منتشر کردند، غنی می‌کند. در نتیجه، بیست مدل در BDAD پدیدار شده‌اند (به عنوان مثال، "قابلیت‌های پویا"، "دیدگاه مبتنی بر منبع"، "مدل پذیرش فن‌آوری"، "انتشار نوآوری"، و غیره). این تجزیه و تحلیل نشان می‌دهد که تحقیقات BDAD برای نشان دادن مفاهیم مربوط به یک موضوع در مراحل اولیه توسعه که به طور گسترده در دامنه‌های مختلف پراکنده شده‌اند، طیف گسترده‌ای از مدل‌ها را بکار می‌گیرد که برخی از آن‌ها با هم همپوشانی دارند. اکثر مدل‌های کاربردی در طبیعت متمرکز بر روابط مبتنی بر واریانس و پیش‌بینی snapshot با اجماع نظر کمی هستند. فقدان مدل‌های فرآیند، تحلیل سطح شرکت و جهت گیری فرهنگی در پژوهش BDAD معاصر وجود دارد. نگرش‌هایی از این مطالعه کتابسنجی می‌تواند تحقیقات و تحقیقات گسترده را در زمینه‌های مختلف هدایت کند. این مطالعه با مفاهیم و محدودیت‌های تحقیق به پایان می‌رسد که چشم اندازه‌ای امیدبخشی برای تحقیقات آتی ارایه می‌دهد.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Computer Science Applications
  • ترجمه مقاله Computer Science Applications
  • مقاله کاربردهای علوم کامپیوتر
  • ترجمه مقاله کاربردهای علوم کامپیوتر
  • مقاله Information Systems
  • ترجمه مقاله Information Systems
  • مقاله سیستم‌های اطلاعاتی
  • ترجمه مقاله سیستم‌های اطلاعاتی
  • مقاله Library and Information Sciences
  • ترجمه مقاله Library and Information Sciences
  • مقاله علوم کتابداری و اطلاعات
  • ترجمه مقاله علوم کتابداری و اطلاعات
  • مقاله Management Science and Operations Research
  • ترجمه مقاله Management Science and Operations Research
  • مقاله علوم مدیریت و پژوهش عملیاتی
  • ترجمه مقاله علوم مدیریت و پژوهش عملیاتی
  • مقاله Media Technology
  • ترجمه مقاله Media Technology
  • مقاله تکنولوژی رسانه‌ای
  • ترجمه مقاله تکنولوژی رسانه‌ای
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.