MétaCan
Menu
Retour à la cohorte
Enregistrement W1966100948 · doi:10.5539/cis.v5n2p98

Investigating Rural Library Usage among Rural Youth in Malaysia: Its Corresponding Determinants and Impacts

2012· article· en· W1966100948 sur OpenAlexvenueno aff
Siti Zobidah Omar, Hayrol Azril Mohamed Shaffril, Jusang Bolong, Jeffrey Lawrence D’Silva

Notice bibliographique

RevueComputer and Information Science · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueICT in Developing Communities
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Putra Malaysia
Mots-clésRural communityInformation and Communications TechnologyComputer scienceRural areaKnowledge managementBusinessWorld Wide WebEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

The demands for information are increasing nowadays, providing adequate sources of information for the community is a crucial agenda as it is an essential part of community development particularly the youth; the future leader of our community. As information and communication technology (ICT) play significant roles as sources of information, similarly, the rural library in Malaysia can play the same roles in offering updated and needed information of the community. The main objective of this paper is to know the potential factors, benefits and problems in using the services provided in the rural library. Discussion of this paper is based on applied documents and literature analysis. Based on the analyses done, a number of potential benefits offered by the rural community have been identified and certainly information offered is the main benefit available. Potential problems faced by the rural community in using the rural library services need to be overcome to ensure the rural community will profits from the benefits offered. Besides, a number of related factors and theories have been further discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,248
Écart entre enseignants0,225 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations7
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputer and Information ScienceMême sujetICT in Developing CommunitiesTravaux en français237 207