Capturing digital developments through qualitative inquiry
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to describe a model of digital library (DL) work that surfaced through the ARL Profiles 2010 and resonates current work underway by the large-scale DL projects like DPLA, SHARE, Hathitrust, Academic Preservation Trust, and Digital Preservation Network. Design/methodology/approach – In total, 86 ARL members submitted institutional profiles that were analyzed using Atlas.ti and surfaced major themes that comprise the mission of research libraries including serving the public good, expanding their presence globally, setting standards for access and quality, needing to explore best practices, and being visible at the national and international levels. Findings – The analysis of the narratives identified three key areas for DL developments: first, digitized special collections, second, acquiring digital content, and third, developing digital services (Figure 1). Specific examples and context are provided in the paper. Research limitations/implications – The qualitative data collected from these profiles demonstrate that libraries are transforming their services to leverage digital technologies and meet the changing needs of their users. The approach was open ended and allowed libraries to celebrate their strengths and unique context. Some of the disadvantages of this approach include the amount of work both on behalf of the participating libraries as well as on behalf of the analysts and the difficulty of comparing libraries with one another. Originality/value – This was the first time ARL attempted to describe research libraries using narrative descriptions. The approach complements the traditional ARL Statistics and offers a viable alternative in a future environment that is dominated by radical change. This qualitative approach deployed here is critical for describing DL developments as current large-scale digitization projects have extended the directions that were surfacing in these profiles and have major implications for the future of digital content and research. Future research in this area is strongly encouraged.
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 | 0,058 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,011 | 0,021 |
| Communication savante | 0,015 | 0,013 |
| Science ouverte | 0,003 | 0,014 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».