MétaCan
Menu
Retour à la cohorte
Enregistrement W2089003725 · doi:10.1080/01930826.2012.746875

The Disaster Information Specialist: An Emerging Role for Health Librarians

2012· article· en· W2089003725 sur OpenAlexaff
Robin Featherstone

Notice bibliographique

RevueJournal of Library Administration · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésOutreachWork (physics)Public relationsMedical libraryService (business)BusinessDisaster planningLibrary scienceEmergency managementPolitical scienceMedicinePoison controlSuicide preventionMedical emergencyEngineeringComputer scienceMarketing

Résumé

récupéré en direct d'OpenAlex

This article describes the emergence of disaster information (DI) specialists, with particular focus on their presence in health libraries. Although literature on the subject of disasters and libraries is dominated by accounts of librarians preserving collections and ensuring continuity of library operations following a flood, fire, or other disaster event, the work of DI specialists extends beyond these traditional roles. DI specialists conduct outreach in the community, providing information services to emergency managers and other disaster workers. This article recounts a history of disaster information service in which public librarians served communities during disaster recovery periods, and health librarians became involved in organizational disaster planning activities. DI products from the National Library of Medicine are introduced in addition to federal funding opportunities for DI outreach projects. The development of the Medical Library Association's Disaster Information Specialization Program is presented, and the article shares recommendations for library administrators to encourage DI training for librarians and support the development of outreach services to disaster workers.

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)0,018
score de la tête « metaresearch » (Gemma)0,016
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,016
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0170,010
Communication savante0,0250,016
Science ouverte0,0030,014
Intégrité de la recherche0,0080,007
Charge utile insuffisante (le modèle a refusé de juger)0,0300,005

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 Opus0,057
Tête enseignante GPT0,417
Écart entre enseignants0,359 · 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

Citations21
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Library AdministrationMême sujetDisaster Response and ManagementTravaux en français237 207