MétaCan
Menu
Retour à la cohorte
Enregistrement W2302222014

Integrating human resource management (hrm) into library and information science curriculum of bangladesh

2010· article· en· W2302222014 sur OpenAlexaboutno aff
Nafiz Zaman Shuva

Notice bibliographique

RevueGyankosh- The Journal of Library and Information Management · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Information Literacy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumHuman resource managementBachelorContext (archaeology)Human resourcesLibrary scienceKnowledge managementPerformance appraisalEngineeringManagementPolitical scienceSociologyPedagogyComputer scienceGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The present study describes that human resources management can be integrated into the exiting LIS curriculum of Bangladesh actually in any LIS curriculum around the world. The core purpose of the study is to present the existing HRM course of LIS programs at the master level in Bangladesh with a view to integrate HRM in the existing curriculum. The study reviews the literature related to LIS education and curriculum in Bangladesh. A comprehensive study was conducted on the existing HRM curriculum concentration of LIS departments in Bangladesh. An attempt has made to find the HRM course content and concentration of some leading LIS schools/departments in USA, UK and Canada. The study found that personnel management is discussed at the Bachelor and Master level of LIS program in Bangladesh but very briefly. Analysing the Human Resources Management course of DILL it is found that during the curriculum development concentration and importance should be given to integrate course content like organizational context of HRM, strategic HRM, change management, recruitment, job analysis, satisfaction, time management, performance appraisal and HRM in the context of digital libraries.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,230
Écart entre enseignants0,226 · 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGyankosh- The Journal of Library and Information ManagementMême sujetLibrary Science and Information LiteracyTravaux en français237 207