The Possibilities are Assessable: Using an Evidence Based Framework to Identify Assessment Opportunities in Library Technology Departments
Notice bibliographique
Résumé
Abstract Objective – This study aimed to identify assessment opportunities and stakeholder connections in an emerging technologies department. Such departments are often overlooked by traditional assessment measures because they do not appear to provide direct support for student learning. Methods – The study consisted of a content analysis of departmental records and of weekly activity journals which were completed by staff in the Emerging Technologies and Services department in a U.S. academic library. The findings were supported by interviews with team members to provide richer data. An evidence based framework was used to identify stakeholder interactions where impactful evidence might be gathered to support decision-making and to communicate value. Results – The study identified a lack of available assessable evidence with some types of interaction, outreach activity, and responsibilities of staff being under-reported in departmental documentation. A modified logic model was developed to further identify assessment opportunities and reporting processes. Conclusion – The authors conclude that an evidence based practice research approach offers an engaging and illuminative framework to identify department alignment to strategic initiatives and learning goals. In order to provide a more complete picture of library impact and value, new and robust methods of assessing library technology departments must be developed and employed.
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 | 0,221 | 0,256 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,037 | 0,015 |
| Études des sciences et des technologies | 0,010 | 0,026 |
| Communication savante | 0,034 | 0,040 |
| Science ouverte | 0,007 | 0,026 |
| Intégrité de la recherche | 0,008 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».