MétaCan
Menu
Retour à la cohorte
Enregistrement W1964249870 · doi:10.3138/jsp.45-1-001

The Impact of E-Readers and E-Books on the Library of Congress and the US Copyright Office

2013· article· en· W1964249870 sur OpenAlexvenueno aff
Michael Artiles, Christian Beaulieu, Samantha Carey, Madeline Danza, Andrew Gatian, Alexa Gavin, Albert N. Greco, Alexandra Jameson, Adam McWilliams, Kristen Samuelson, Robert M. Wharton

Notice bibliographique

RevueJournal of Scholarly Publishing · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueLibrary Collection Development and Digital Resources
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStaffingSoftware portabilityLibrary of congressPublishingLibrary scienceBusinessAdvertisingManagementComputer sciencePolitical scienceEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Consumer acceptance of e-readers, tablets, and e-books has been covered extensively by the press. These trends have been a significant business opportunity for some authors, publishers, e-reader or tablet manufacturers, or distributors because a new market has emerged and ‘new’ readers have been attracted to the portability and the price of e-readers and e-books. But there is a ‘dark side of the moon.’ E-readers and e-books have emerged as ‘disruptive technologies,’ resulting in a reduction in the number of book outlets and printed books sold in the United States. In this research paper, we investigate the current and potential impact of e-books on the Library of Congress and the US Copyright Office, including the budgets, staffing, and operations of the Library of Congress and the US Copyright Office, and the need to digitize the vast book collection of the Library of Congress. This paper presents a series of recommendations for both the Library of Congress and the US Copyright Office.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,060
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil0,235

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,060
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,014
Études des sciences et des technologies0,0100,007
Communication savante0,0390,018
Science ouverte0,0020,006
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0460,006

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,210
Écart entre enseignants0,195 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Scholarly PublishingMême sujetLibrary Collection Development and Digital ResourcesTravaux en français237 207