Leveraging apps for research and learning: a survey of Canadian academic libraries
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to assess the response of Canadian academic libraries to the rapid proliferation of mobile application (apps), many of which are useful for research, teaching, and learning. Design/methodology/approach – A survey was conducted to identify existing initiatives that address the use of mobile apps to facilitate research, teaching, and learning at the libraries of the 97 member institutions of the Association of Universities and Colleges of Canada (AUCC). Based on this survey, this paper describes how apps are promoted, curated, organized, and described by today’s academic libraries. A review of the literature places this survey in its broader context. Findings – In total, 37 per cent of AUCC member libraries include links to mobile apps in their web site. Larger, research-intensive universities, tend to leverage apps more frequently than smaller institutions. Examples of how academic libraries are promoting apps provide insight into how academic librarians are responding to the proliferation of mobile technology. Practical implications – The results of this survey highlight trends with regard to this emerging service opportunity, help to establish current best practices in the response of academic libraries to the emergence of mobile apps, and identify areas for potential future development. Originality/value – This is the first study of its kind to explore and describe how third-party apps are used and promoted within an academic library context.
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 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,008 | 0,020 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».