Employing Evidence: Does it Have a Job in Vocational Libraries?
Notice bibliographique
Résumé
Objective - Evidence based librarianship (EBL) springs from medical and academic origins. As librarians are tertiary educated (only occasionally with supplementary qualifications covering research and statistics) EBL has had an academic focus. The EBL literature has significant content from school and university perspectives, but has had little, if any, vocational content. This paper suggests a possible Evidence Based Librarianship context for vocational libraries. Methods - A multidisciplinary scan of evidence based literature was undertaken, covering medicine and allied health, librarianship, law, science and education. National and international vocational education developments were examined. The concept and use of evidence in vocational libraries was considered. Results - Library practice can generally benefit from generic empirical science methodologies used elsewhere. Different areas, however, may have different concepts of what constitutes evidence and appropriate methodologies. Libraries also need to reflect the evidence used in their host organisations. The Australian vocational librarian has been functioning in an evidence based educational sector: national, transportable, prescriptive, competency based and outcome driven Training Packages. These require a qualitatively different concept of evidence compared to other educational sectors as they reflect pragmatic, economic, employability outcomes. Conclusions - Vocational and other librarians have been doing research but need to be more systematic about design and analysis. Librarians need to develop ‘evidence literacy’ as one of their professional evaluation skills. Libraries will need to utilise evidence relevant to their host organisations to establish and maintain credibility, and in the vocational sector this is set in a competency based framework. Competency based measures are becoming increasingly relevant in school and university (including medical) education.
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 | 0,193 | 0,391 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,013 | 0,040 |
| Communication savante | 0,048 | 0,048 |
| Science ouverte | 0,007 | 0,024 |
| Intégrité de la recherche | 0,021 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,004 |
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 ».