Demystifying Survey Research: Practical Suggestions for Effective Question Design
Notice bibliographique
Résumé
Objectives: Recent research has yielded several studies helpful for understanding the use of the survey technique in various library environments. Despite this, there has been limited discussion to guide library practitioners preparing survey questions. The aim of this article is to provide practical suggestions for effective questions when designing written surveys. Methods: Advice and important considerations to help guide the process of developing survey questions are drawn from a review of the literature and personal experience. Results: Basic techniques can be incorporated to improve survey questions, such as choosing appropriate question forms and incorporating the use of scales. Attention should be paid to the flow and ordering of the survey questions. Careful wording choices can also help construct clear, simple questions. Conclusions: A well-designed survey questionnaire can be a valuable source of data. By following some basic guidelines when constructing written survey questions, library and information professionals can have useful data collection instruments at their disposal.
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 | 0,600 | 0,721 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,006 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,021 | 0,019 |
| Études des sciences et des technologies | 0,007 | 0,016 |
| Communication savante | 0,016 | 0,029 |
| Science ouverte | 0,008 | 0,013 |
| Intégrité de la recherche | 0,007 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,006 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».