Learning about translators from library catalog records: implications for readers’ advisory
Notice bibliographique
Résumé
Purpose – The purpose of this article is to make public librarians aware of the wealth of information about translators that is contained in bibliographic records of their own library catalogs so they could use this information for the benefit of readers’ advisory (RA) work involving translated titles. Design/methodology/approach – The article uses the method of bibliographic data analysis based on 350 selected translated fiction titles (and 2,100 corresponding catalog records) from six large Canadian public libraries. Findings – As the results demonstrate, enhanced bibliographic catalog records deliver a wide spectrum of information about translators, which can be used by public libraries to provide more informed and insightful reading advice and to make more sensible purchasing decisions with regard to translated fiction. Practical implications – The study shows how the most readily available tool – a library catalog with its enhanced bibliographic records – can be utilized by public librarians for improving RA practices. It focuses on the rarely discussed translated fiction, demonstrates a sample methodological approach and makes suggestions for implementing this approach by busy public librarians in real-life situations. Originality/value – No recent studies that have investigated enhanced catalog records have dealt with translated fiction. Moreover, while authors/writers are often in the focus of RA studies, translators are often left behind the scenes, despite their crucial role in bringing international fiction to English-speaking readers.
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 | 0,113 | 0,474 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,016 |
| Études des sciences et des technologies | 0,011 | 0,014 |
| Communication savante | 0,023 | 0,033 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,003 |
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 ».