MétaCan
Menu
Retour à la cohorte
Enregistrement W1503955258 · doi:10.18438/b8630n

A Virtual Standoff – Using Q Methodology to Analyze Virtual Reference

2007· article· en· W1503955258 sur OpenAlexvenueno aff
Aaron Shrimplin, Susan Hurst

Notice bibliographique

RevueEvidence Based Library and Information Practice · 2007
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésViewpointsComputer scienceVariety (cybernetics)Factor (programming language)Task (project management)Reference modelConvergence (economics)Information retrievalArtificial intelligenceSoftware engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Objective - To develop an exploratory understanding of reference librarians’ perceptions of virtual reference. Methods – Q methodology was used to uncover points of view about virtual reference. Thirty-four librarians sorted 28 statements covering a wide range of opinions about virtual reference. Factor analysis was used to analyze the Q-sorts and factor scores were calculated to aid the task of understanding and interpretation. Results - The factor analysis revealed three attitudinal typologies: Technophiles, Traditionalists, and Pragmatists. Each factor represents a group of reference librarians who think similarly about virtual reference. Conclusions - This type of analysis provides data on the actual range of feelings and attitudes about providing virtual reference services. The factor analysis demonstrates that there are still a variety of strongly held viewpoints concerning virtual reference. Convergence towards either acceptance or rejection does not appear to be forthcoming. By using this type of analysis and the resulting data as a basis for decision making, administrators could staff services more efficiently and with the resulting better fit between librarians and their positions, possibly increase morale.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,043
score de la tête « metaresearch » (Gemma)0,104
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,225

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0430,104
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,007
Études des sciences et des technologies0,0020,003
Communication savante0,0030,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,073
Tête enseignante GPT0,372
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence Based Library and Information PracticeMême sujetDigital Marketing and Social MediaTravaux en français237 207