Influence of Discovery Search Tools on Science and Engineering e-books Usage
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Influence of Discovery Search Tools on Science and Engineering e-books Usage Mr. Eugene Barsky, University of British Columbia Eugene Barsky is a Science and Engineering Librarian at the University of British Columbia (UBC). He is interested in engineering information, data management in the physical sciences and has published extensively in the library literature. Sarah Jane Dooley, Dalhousie University Sarah Jane Dooley is Head of Reference & Research Services and Promotions & Liaison Librarian at Dalhousie University’s Sexton Design & Technology Library in Halifax, Nova Scotia, Canada. Mrs. Tara Mawhinney, McGill University Tara Mawhinney is the liaison librarian for Civil Engineering and Applied Mechanics, Mechanical Engineering, and Atmospheric and Oceanic Sciences at McGill University’s Schulich Library of Science and Engineering in Montreal, Quebec. Her research interests include new technologies for collection development in science and engineering librarianship, information literacy and social networking sites for teaching and research. She completed an MLIS from McGill’s School of Information Studies in 2005. Zoey Peterson, University of British Columbia Zoey Peterson is an MLIS candidate and a student librarian at several libraries, including the Science & Engineering Library at the University British Columbia. Mrs. Michelle Spence, University of Toronto Michelle Spence is a Reference & Instruction Librarian at the University of Toronto’s Engineering & Computer Science Library. She holds a H.B.Sc. (2004) and a M.I.St. (2007), both from the University of Toronto. She has held positions in academic and public libraries, as well as a corporate setting.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,005 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle