Creating Cohesive Community Through Shared Reading: A Case Study of One Book Nova Scotia
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
One Book Nova Scotia is described on the program’s website as “a province-wide community reading event for adults.” Formally programmed events have included the book announcement and launch, a series of author readings, and book discussions, both face to face and through Twitter. This paper analyzes the success of the One Book Nova Scotia program in achieving its goals of developing a reading culture and community in the province of Nova Scotia based on the findings of a participant survey, distributed in both 2012 and 2013, and an analysis of the 2013 Twitter discussion. This analysis reveals that participants tended to be well-educated females, aged 50-59, and often employed in libraries, bookselling or publishing, or news media. The goal of developing or participating in a reading community was a compelling motivator for many respondents. Although many respondents indicated their desire to be part of a reading community, Twitter was not proven to be an effective forum for fostering conversation or debate related to One Book Nova Scotia. Building on the analysis, the paper concludes with some recommendations to improve the effectiveness of future programs. These recommendations include the selection of a book with strong regional connections, an expansion of publicity methods, an increase in lead time between the announcement of the book title and the start of programming, and a more strategic use of Twitter as a discussion forum. Although these recommendations arise from the specific analysis of the One Book Nova Scotia reading program, they are general enough to apply to other One Book, One Community programs.
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 | 0,006 | 0,003 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,051 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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