Academic Libraries Should Consider Deselection of Some Electronic Books
Notice bibliographique
Résumé
A Review of: Waugh, M., Donlin, M., & Braunstein, S. (2015). Next-generation collection management: A case study of quality control and weeding e-books in an academic library. Collection Management, 40(1), 17-26. http://dx.doi.org/10.1080/01462679.2014.965864 Abstract Objective – To describe and advocate for the development of a procedure to discard electronic books from an academic library collection. Design – Case study. Setting – Academic library in the United States of America. Subjects – 514 electronic books purchased from NetLibrary, a subset of 52,000 NetLibrary titles collected by the investigating library 2001-2007. Methods – The researchers examined a set of 514 electronic books in the health sciences and medical field, specifically for qualities such as currency and content relevance. An anecdotal case with limited validity, the goal was to articulate why a particular set of electronic books failed to meet the investigating library’s collection standards, and to remove these e-books. Main Results – A set of 514 e-books published by ICON Health Publications were found to be mass-produced, and displayed other notable problems, including age over seven years, outdated or irrelevant content, quality issues, and inclusion in an older platform no longer favored for e-books. The ICON Health e-books were removed from the library collection and, with some difficulty, the items were also removed from the vendor platform. The authors recommended an e-book weeding procedure that considers six potential problems: publication date; inclusion of defunct Internet links; mass production; low quality works by the same authors or publishers; e-book packages that appear to feature multiple low quality works; and e-books from early packages, which may have integration problems. Conclusion – Electronic books may take up little physical space but libraries should not ignore them when making deselection decisions because their content may be inappropriate for a library or for the disciplines the library serves. The ICON Health Publications e-book package is an egregious example of low-quality e-book content that the authors discovered and subsequently removed from their collection, offering a set of recommendations based on the experience.
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 | 0,169 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,017 | 0,006 |
| Communication savante | 0,035 | 0,031 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,009 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,053 | 0,042 |
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 ».