Building Scorecards in Academic Research Libraries: Performance Measurement and Organizational Issues
Notice bibliographique
Résumé
Objective – This paper describes the experiences of four prominent North American research libraries as they implemented Balanced Scorecards as part of a one-year initiative facilitated by the Association of Research Libraries (ARL). The Balanced Scorecard is a widely accepted organizational performance model that ties strategy to performance in four areas: finance, learning and growth, customers, and internal processes. Methods – Four universities participated in the initiative: Johns Hopkins University, McMaster University, the University of Virginia, and the University of Washington. Each university sent a small group of librarians to develop their Scorecard initiatives and identified a lead member. The four teams met with a consultant and the ARL lead twice for face-to-face training in using the Scorecard. Participants came together during monthly phone calls to review progress and discuss next steps. Additional face-to-face meetings were held throughout the year in conjunction with major library conferences. Results – The process of developing the Scorecards included the following steps: defining a purpose statement, identifying strategic objectives, creating a strategy map, identifying measures, selecting appropriate measures, and setting targets. Many commonalities were evident in the four libraries’ slates of strategic objectives. There were also many commonalities among measures, although the number chosen by each institution varied significantly, from 26 to 48. Conclusion – The yearlong ARL initiative met its initial objectives. The four local implementations are still a work in progress, but the leads are fully trained and infrastructure is in place. Data is being collected, and the leadership teams are starting to see their first deliverables from the process. The high level of commonality between measures proposed at the four sites suggests that a standardized slate of measures is viable.
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 | 0,135 | 0,132 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,014 |
| Études des sciences et des technologies | 0,008 | 0,008 |
| Communication savante | 0,027 | 0,011 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».