Laying the Foundations for Law Library Co-operation around the world
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In October 2002 I was lucky enough to spend three stimulating days at the New York University Law School Library participating in the annual Legal Information Transfer Network workshop. The Legal Information Transfer Network (ITN) is funded by a generous grant from The Starr Foundation (established in 1955 by insurance entrepreneur Cornelius Van der Starr) and is headed by the dynamic Director of the NYU Law School Library, Professor Kathie Price. ITN aims to establish a global network of prestigious law libraries which ultimately can offer a 24/7 virtual reference service, both to its own partner libraries in the developed world and to academic legal communities in less developed countries. Previous annual workshops in such cities as Lausanne in Switzerland have given senior librarians from ITN partner libraries the opportunity to meet and make progress on issues such as providing a global virtual reference desk, sharing database access across the libraries, developing interactive legal research guides, and creating imaginative training programmes for local law librarians in China and Southern Africa (http://www.law.nyu.edu/library/itn). Between workshops the exchange of ideas is continued by email discussion. Currently the list of law library partners includes New York University, Washington University in Seattle, Toronto University in Canada, IALS Library in the UK, the Catholic University of Leuven in Belgium, Tilburg University in the Netherlands, Konstanz University in Germany, Cape Town University in South Africa, Melbourne University in Australia, Yerevan State University in Armenia, and Tsinghua University in China.
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,003 | 0,009 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle