Retrieving and using visual resources: Challenges and opportunities for research and education
Notice bibliographique
Résumé
Abstract Visual resources are used in a variety of settings for many different purposes. Technological advances facilitate numerous applications of digital images and other visual materials in work and leisure, resulting in increasing availability of and demand for such resources. A major challenge for information professionals is to organize digital visual resources effectively to meet the needs of users with different backgrounds and interests. For example, how do we provide access to the content of such resources and design an information system for the general public as well as subject specialists? A related challenge is the education of visual resource professionals because their roles and responsibilities have expanded in the digital era (Iyer, ). What knowledge and skills should visual resource professionals of the 21st century possess? How do we prepare them to facilitate the retrieval and use of digital visual resources and manage such resources for short‐term and long‐term access? The proposed program is designed to facilitate a dialog among practitioners, educators, and a panel of researchers with experience investigating the retrieval and use of visual resources. To provide a context for the dialog, panelists will use the first half of the program to highlight what they have learned from their research and teaching. These brief presentations will be followed by a discussion between the audience and the panelists. The audience will be encouraged to share their views on the following topics and any additional topics of great interest to them: How do users search for visual resources in the absence of information systems? How do users find their access to visual resources supported or inhibited by the information systems put in place for them? What are the opportunities for practitioners, subject specialists, researchers, and educators to collaborate and provide learning experiences with visual resources for LIS students? What competencies are needed by information professionals in order to build and sustain good visual resource systems? The program will be of interest to information science educators, specialists in digital asset management, and information professionals who work with visual resources (art and special collections librarians, digital librarians, archivists and museum curators).
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 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 | 0,000 |
| 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 | 0,004 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».