A Study on Analyzing Demands for Professional Librarians in Domestic and Foreign Countries
Notice bibliographique
Résumé
본 연구에서는 국내외 전문사서에 대한 수요조사 분석을 수행함으로써 전문사서의 유형을 개발하고자 하며, 이러한 전문사서들이 갖추어야 할 최소한의 자격요건을 제시하고자 한다. 이를 위해 미국, 영국, 캐나다의 사서 구인사이트 조사 분석을 통한 수요조사와, 국내 현장사서들을 대상으로 전문사서에 대한 수요조사를 실시하여, 전문사서 유형을 제안하고자 한다. IFLA 및 ALA에서 정의하는 전문사서의 자격요건을 조사하고 실제 구인기관에서 전문사서에 대하여 요구하는 자격요건을 조사하였다. 연구결과, 국내외 수요분석을 통하여 전문사서 유형을 주제별(7종), 기능별(12종), 대상별(2종)로 추출하였으며, 전문사서의 자격요건을 다음과 같이 제안하였다: (1) "학부 혹은 석사과정에서 문헌정보학을 전공한 석사학위 소지자로서 도서관 관련 6년 이상의 경력 중 2년 이상의 해당분야 경력자," (2) "2급 정사서로서 총 9년 이상의 도서관업무 담당 경력 중 2년 이상의 해당분야 경력자로서 해당 교육과정 이수자." This study aims to deane prototypes of professional librarians as well as their job requirements by analyzing international demands for librarianship. Demands analysis starts with examining librarian job posting websites in the US, UK and Canada, followed by inquiring incumbent librarians in Korea. As for the job requirements. the study parallels definitions by IFLA and ALA with job announcements by hiring institutions. As a result, we identified 21 professional librarian prototypes by subject(7), task(12) and object(2), and defined the job requirements as 1) MLS or equivalent school knowledge with undergraduate degree of library science, and/or at least six years of relevant business experience, or 2) at least nine-rear experience as a second-level full-time librarian with two-rear experience and/or professional training in the job relevant field.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».