MétaCan
Menu
Retour à la cohorte
Enregistrement W2301234026 · doi:10.1080/19322909.2015.1118366

The Use of Microblogs and Social Networking Services: A Comparison Between Academic Libraries of the United States and China

2016· article· en· W2301234026 sur OpenAlexaff
Liwen Vaughan, Yijun Gao

Notice bibliographique

RevueJournal of Web Librarianship · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueWeb and Library Services
Établissements canadiensWestern University
Organismes subventionnairesEast China Normal University
Mots-clésMicrobloggingSocial mediaChinaAcademic libraryWorld Wide WebBusinessComputer scienceLibrary sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

In this exploratory study, the researchers examined the use of microblogs and social networking services by academic libraries in the United States and China with data collected from library Web sites, social media accounts, and search engines. The top 100 universities from each country were included in the study, and the use of these two types of social media by the main libraries of the universities was examined over a period of about four months. The findings indicate that the adoption rates of these social media were higher among the U.S. libraries as measured by the number of libraries that had an account in each type of social media studied. However, the number of accounts for the Chinese libraries was increasing faster during the study period. In the area of microblogs, where the data from the two countries were more comparable and in-depth analysis was feasible, the U.S. libraries were found to have started using the social media earlier, but the Chinese libraries attracted more users measured by either the absolute or the relative number of followers of the libraries' microblog accounts. The Chinese microblog user base was also developing at a faster pace during the study period.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil0,200

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,048
Tête enseignante GPT0,238
Écart entre enseignants0,189 · 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'étudeObservationnel
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

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Web LibrarianshipMême sujetWeb and Library ServicesTravaux en français237 207