Unbundling a Big Deal: Comparing Three Data Sources to Come to Decisions
Notice bibliographique
Résumé
Academic libraries in Canada acquire many “big deal” journal packages through a national consortium, the Canadian Research Knowledge Network (CRKN). Recently, negotiations with the American Chemical Society (ACS) broke down and it appeared that member libraries would need to negotiate with ACS individually for the Web Editions bundle of 40+ titles. It soon became clear that the University Library, University of Saskatchewan would likely no longer be able to afford the entire package, and tough decisions would need to be made. Usage data on each title were readily available – but is that enough evidence? Working under the common assumption that the primary users of this package are the Chemistry Department researchers, a citation analysis was conducted on what ACS journals these users recently published in and cited in their articles. The Chemistry Department was kept informed of developments in the ACS/CRKN situation, and expressed interest and concern in the outcome. In an effort to continue to engage chemistry researchers and offer them a voice in the process, a survey of their opinions on each ACS title was also conducted. It was hoped that combining data from these three discrete sources: usage statistics, citation analyses, and user feedback, would enable us to arrive at the most conscientious, evidence-based decisions possible. This presentation will discuss the outcome of this thorough analysis and consider the benefits and challenges of this comprehensive methodology and whether it is practical in every situation.
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 | 0,131 | 0,349 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,032 | 0,067 |
| Études des sciences et des technologies | 0,009 | 0,011 |
| Communication savante | 0,035 | 0,021 |
| Science ouverte | 0,004 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».