Investigating the efficacy of embedment: experiments in information literacy integration
Notice bibliographique
Résumé
Purpose This paper seeks to present the findings of a series of experiments in embedding a librarian at a variety of levels into the undergraduate classroom. This study aimed to determine whether different levels of librarian embedment correlated with improvement in undergraduate students' information literacy (IL) skills. Design/methodology/approach Students from five undergraduate History courses and two undergraduate Women's Studies courses participated in the study. A librarian was embedded in each of the courses, at a variety of levels across courses. All student assignments were graded using a standardized rubric. Students' IL skills were assessed using the research component of the rubric, which measured their ability to locate, retrieve, evaluate, and incorporate sources into their assignments. Students' research and overall scores on their initial problem‐based learning (PBL) assignments and written assignments were compared to their final assignment scores in order to assess improvement over the course of the term. Findings There was significant improvement in students' scores when a librarian was conspicuously and obviously embedded in the academic classroom. Students' scores showed little improvement when the librarian was embedded but not explicitly identified as a specialist in information literacy, and when the researchers attempted to embed information literacy seamlessly in the classroom. Research limitations/implications The research was conducted only in courses in the Humanities. Practical implications This study suggests that students' IL skills improve most when IL is identified in the classroom as a specialized subject taught by a highly trained specialist. The methodology used may be useful for others studying the impact of IL instruction. Originality/value Although embedding has been studied and reported on in the literature in a variety of contexts, the study of different levels of embedding, quantified using the same rubric is unique.
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 | 0,006 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».