MétaCan
Menu
Retour à la cohorte
Enregistrement W2022393613 · doi:10.1108/02641610610669787

Informing interlibrary networking and document supply in the English National Health Service: a comparison of models from five countries and a Caribbean network

2006· article· en· W2022393613 sur OpenAlexaboutno aff
P. A. F. White, Cheryl Twomey

Notice bibliographique

RevueInterlending & Document Supply · 2006
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOriginalityInterlibrary loanService (business)BusinessAutomationComputer scienceLatin AmericansInformation systemWorld Wide WebKnowledge managementMarketingEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Purpose To identify the issues associated with the introduction of desk top document supply to workers in the UK National Health Service (NHS). Design/methodology/approach This paper assesses network models from five countries: Australia, the USA, Italy, Iceland, and Canada, and BIREME, a Latin American and Caribbean network. Factors considered will include library types involved, organizational structure of library systems, length of system implementation, formats of documents involved, and efficiency of the system. Funding and pricing structures, where information is available, are described. Findings Complementary collections are necessary for the widest, most cost‐effective access to information. Access to electronic resources does not alleviate the need for remote document supply. Automation of library systems should improve the user experience, but does not necessarily replace the need for the involvement of library services and staff. Using software that conforms to the ISO ILL protocol and other industry standards such as Z39.50 allows for coordination of and improved efficiency of remote document supply (RDS) processes. Centralization of RDS does not guarantee an efficient service for users. Originality/value Provides insights into current thinking in the NHS for delivering material electronically directly to end users.

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)0,015
score de la tête « metaresearch » (Gemma)0,043
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
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 enseignants0,992
Score d'incertitude au seuil0,462

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,043
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0030,002
Communication savante0,0080,005
Science ouverte0,0020,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,029
Tête enseignante GPT0,371
Écart entre enseignants0,342 · 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.

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

Citations6
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInterlending & Document SupplyMême sujetElectronic Health Records SystemsTravaux en français237 207