Coding Practices for LibQUAL+® Open-Ended Comments
Notice bibliographique
Résumé
Objective – This paper presents the results of a study of libraries’ practices for coding open-ended comments collected through LibQUAL+® surveys and suggests practical steps for facilitating this qualitative analysis. Methods – In the fall of 2009, survey invitations were sent to contacts at 641 institutions that had participated in the LibQUAL+® survey from 2003 to 2009. Of those invited, there were 154 respondents, for an overall response rate of 24.0%. Results – Nearly 87% of the respondents indicated that their library had performed a qualitative analysis of the comments from their most recent LibQUAL+® survey. Of these, over 65% used computer software to organize, code, sort, or analyze their comments, while 33.6% hand-coded their comments on paper. Of the 76 respondents who provided information on software, 73.7% used Excel, 18.4% used Atlas.ti, and 7.9% used NVivo. Most institutions (55.8%) had only 1 person coding the comments; 26.9% had 2 coders, and very few had 3 or more. Of those who performed some type of analysis on their comments, nearly all (91.9%) indicated that they developed keywords and topics from reading through the comments (emergent keywords). Another common approach was to code the comments according to the LibQUAL+® dimensions; 55.0% of respondents used this strategy. Nearly all of the institutions (92.7%) reported using their LibQUAL+® comments internally to improve library operations. Libraries also typically incorporated the comments into local university reports (75.5%) and used the comments in outreach communications to the university community (60.9%). Conclusion – Comments obtained from the LibQUAL+® survey can be useful for strategic planning, understanding users, identifying areas for improvement, and prioritizing needs. A key suggestion raised by respondents to this survey was for practitioners to consider sharing the fruits of their labor more widely, including coding taxonomies and strategies, as well as broader discussion of qualitative analysis methods and practices.
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 | 0,157 | 0,319 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,013 | 0,011 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,005 |
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 ».