Surveying North American Academic Library Websites for Instructional Outreach and Delivery Reveals a Broad Range of Approaches Employed
Notice bibliographique
Résumé
A Review of: Yang., S. Q., & Chou, M. (2014). Promoting and teaching information literacy on the Internet: Surveying the web sites of 264 academic libraries in North America. Journal of Web Librarianship, 8(1), 88-104. http://dx.doi.org/10.1080/19322909.2014.855586 Abstract Objective – To determine the extent to which academic libraries have used the Web to market and deliver information literacy both as a service and as a concept. Design – Survey of web content. Setting – Websites of North American academic libraries. Subjects – A random sample of 264 libraries selected from Peterson’s Four-Year Colleges. Methods – The investigators reviewed and analyzed content on academic library websites by recording the presence of various types of information. Presence was recorded for the term information literacy, tutorial content, guides and tests, and delivery of information literacy instruction. The frequencies of tutorials and guides were also reported. Main Results – Approximately 65% of the libraries used their website to promote instruction, while 30% did not mention information literacy or library instruction. A wide range of terminology was used to denote library instruction, but information literacy was not highly used. Approximately 5% of libraries had no public web presence. Research guides, tutorials, or both were provided by 64% of libraries. More than 300 tutorials in a variety of formats, including Adobe Flash videos, static web pages with little or no animations, webcasts, documents, and presentations were offered by 111 libraries. The tutorials addressed general research topics, databases, concepts and technical skills, among others. Conclusion – While the majority of academic libraries sampled have incorporated information literacy and library instruction into their web presence, it is unclear why nearly one third did not mention these activities. Further study is needed to benchmark how libraries are using the Web for instruction and outreach.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».