MétaCan
Menu
Retour à la cohorte
Enregistrement W1514632265 · doi:10.18438/b8x305

Information Seeking Behaviours of Business Students and the Development of Academic Digital Libraries

2006· article· en· W1514632265 sur OpenAlexaffvenueabout
Joyline Makani, Kelli WooShue

Notice bibliographique

RevueEvidence Based Library and Information Practice · 2006
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésInformation seekingQualitative propertyBusiness informationComputer scienceQualitative researchKnowledge managementBusiness modelNova scotiaMedical educationPsychologyMarketingSociologyBusinessLibrary science

Résumé

récupéré en direct d'OpenAlex

Objectives - The objective of this project was to gain insight into the extent to which user information seeking behaviours should inform the design and development of digital libraries in an academic setting. Researchers conducted this study at Dalhousie University in Halifax, Nova Scotia, Canada to explore the information seeking behaviours of business students. Methods - The students participating in the study were enrolled in the School of Business Administration at Dalhousie University. The study was based on qualitative and quantitative data collected through a survey, in-depth semi-structured interviews, an observational study, and document analysis. Qualitative case study data was coded using QSR N6 qualitative data analysis software (. The data was categorized using Atkinson’s Model of Business Information Users’ Expectations and Renda and Straccia‘s personalized collaborative digital library (DL) model. Atkinson’s model defines the expectations of business students in terms of cost, time, effort required, pleasure, and the avoidance of pain. Renda and Straccia’s model of a personalized and collaborative digital library centres around three concepts: actors, objects, and functionality. The survey data was analysed using Zoomerang software . Results - The study results revealed that students tend to select resources based on cost (free or for fee), accessibility, ease of use, speed of delivery (of results), and convenience. The results showed that similar to Atkinson’s findings, business students’ information seeking behaviour is influenced by the concepts of cost-benefit and break-even analyses that underlie business education. Concerning speed of delivery and convenience, the organization of the resources was paramount. Students preferred user-defined resource lists, alert services, and expert-created business resource collections. When asked about the usefulness of potential digital library functionalities, students valued a personalized user interface and communal virtual spaces in order to share information and communicate in real-time with their peers. Conclusion - This study reveals that when digital libraries are developed, user behaviours and needs should be taken into consideration. Results demonstrate that the activity as well as the “user’s orientation and motivation” (here the business student training) can directly influence the design and use of a digital tool. In other words, this study confirms a new typology of a business digital information user, one that requires the building of dedicated accredited library research systems. Providing information and information tools tailored to this specific audience is more likely to increase the appeal and use of an academic business digital library.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,044
Tête enseignante GPT0,332
Écart entre enseignants0,288 · 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'étudeObservationnel
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

Citations12
Publié2006
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEvidence Based Library and Information PracticeMême sujetTechnology Adoption and User BehaviourTravaux en français237 207