Measuring the Value of Library Resources and Student Academic Performance through Relational Datasets
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective – This article describes a project undertaken by the University of Wollongong Library (UWL) to identify whether a correlation exists between usage of library resources and academic performance. Methods – A multidimensional approach to systems design was implemented, requiring collaboration between among the library, university administration, Performance Indicator Project team (PIP), and information technology services. The project centers on the integration and interrogation of a series of discrete datasets containing student performance, attrition, demographic, borrowing, and electronic resources usage data. PIP built a cube for the library that links usage of library resources to student demographic data and academic performance (the “Library Cube”). Other cubes will be linked later. Results – While initial reports are rudimentary and do not yet incorporate data on e-resource usage, results are favourable in demonstrating the value of using the library information resources in coursework. Based on the data generated to date, students who borrow library resources do outperform students who do not. Early trend data shows up to a 12-point difference in grades. Conclusion – The Library Cube signals a new milestone in the UWL’s quality assessment journey. Well-established measures of effectiveness and efficiency will be further complemented by measures of impact and value, allowing the library to step even closer to the goal of having effective and valued partnerships with the university community to realize teaching, learning, research, and internalization goals.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,760 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 découle