Document supply of grey literature and open access: ten years later
Notice bibliographique
Résumé
Purpose – The paper aims to investigate the impact of the open access movement on the document supply of grey literature. Design/methodology/approach – The paper is based on a comparative survey of five major scientific and technical information centres: The British Library (UK), KM (Canada), INIST-CNRS (France), KISTI (South Korea) and TIB Hannover (Germany). Findings – The five institutions supplied less than 1.8 million supplied items in 2014, i.e. half of the activity in 2004 (−55 per cent). There were 85,000 grey documents, mainly conference proceedings and reports, i.e. 5 per cent of the overall activity, a historically low level compared to 2004 (−72 per cent). At the same time, they continue to expand their open access strategies. Just as in 2004 and 2008, these strategies are specific, and they reflect institutional and national choices rather than global approaches, with two or three common or comparable projects (PubMed Central, national repositories, attribution of DOIs to datasets, dissertations and other objects). In spite of all differences, their development reveals some common features, like budget cuts, legal barriers (copyright), focus on domestic needs and open access policies to foster dissemination and impact of research results. Document supply for corporate customers tends to become a business-to-business service, while the delivery for the public sector relies more, than before, on resource sharing and networking with academic and public libraries. Except perhaps for the TIB Hannover, the declining importance of grey literature points towards their changing role – less intermediation, less acquisition and collection development and more high-value services, more dissemination and preservation capacities designed for the scientific community needs (research excellence, open access, data management, etc.). Originality/value – The paper is a follow-up study of two surveys published in 2006 and 2009.
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 | 0,038 | 0,150 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,016 | 0,034 |
| Études des sciences et des technologies | 0,004 | 0,011 |
| Communication savante | 0,027 | 0,025 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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.
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 ».