MétaCan
Menu
Retour à la cohorte
Enregistrement W2056741222 · doi:10.5860/rusq.50n2.141

Who Says There’s a Problem?

2010· article· en· W2056741222 sur OpenAlexaff
Shelley Ferrell

Notice bibliographique

RevueReference & User Services Quarterly · 2010
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésDeviance (statistics)PsychologySociologyComputer scienceEpistemologyNursingMedicinePhilosophy

Résumé

récupéré en direct d'OpenAlex

This article compares the concept of the “problem patron” in the library and information science (LIS) and nursing literatures as the basis for developing a new framework for use in LIS. The trend in the LIS literature has been to identify either the patron or the patron’s behavior as the problem. The nursing literature uses interactionist theories to contextualize the so-called problem within a larger framework that includes, among other things, the nurse, hospital-related norms of behavior, the patient care environment, the philosophy of care, and the patient’s own life experiences. This paper examines theories of stigma, deviance, and labeling, among others, as they have been used in the nursing literature to examine the process and effect of labeling. I argue that the work on labeling found in the nursing literature provides the foundation for a new framework to think about the “problem patron” in LIS. In the proposed framework, I define problem behavior at three different levels: the community, the library, and the individual. Using this framework is helpful for thinking about solutions because it encourages us to respond to the “problem” at the level where the behavior is labeled as deviant. This framework is used to explore solutions offered in the LIS literature for the problems that can be identified at each of these different levels.

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)0,012
score de la tête « metaresearch » (Gemma)0,053
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,053
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0130,025
Communication savante0,0080,013
Science ouverte0,0020,006
Intégrité de la recherche0,0070,011
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,030
Tête enseignante GPT0,370
Écart entre enseignants0,340 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations20
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReference & User Services QuarterlyMême sujetHomelessness and Social IssuesTravaux en français237 207