Cataloguers May Tend to Have Learning Styles Different from Other Library Job Responsibilities
Notice bibliographique
Résumé
Objective – To determine whether relationships exist between academic librarians’ learning styles and their professional work responsibilities. Design – Self-selecting survey. Setting – Email listservs. Subjects – 1579 academic librarians. Methods – The authors used the Index of Learning Styles questionnaire, based on the Felder-Silverman Learning Styles model consisting of eight dimensions on four scales: Active/Reflective, Sensing/Intuitive, Visual/Verbal, and Sequential/Global. The multiple choice survey was distributed online to 23 email listservs for academic librarians in 2011, and to 14 additional listservs in 2013 targeting technical services librarians. 1579 responses were received in total, which were analyzed using ANOVA with a Tukey-Kramer post-hoc mean separation, and descriptively using observed frequencies. Main Results – In examining the relationship between positions and learning styles, the study revealed there to be five statistically significant p-values when the data were analyzed. Catalogers (n=145) were found to be more reflective learners compared to Administrative (n=321) and Instruction librarians (n=228) at the p = 0.009 level. Administrative, Instruction, and “Other” librarians were found to be more intuitive learners than Catalogers, who are more likely to be sensing learners, at the p = 0.0004 level. Digital librarians (n=40) are more likely to be visual learners and Catalogers more likely to be sequential learners when compared to several other librarian categories, at the p = 0.020 and p = 0.001 levels respectively. Conclusions – The authors concluded that there were some statistically significant differences between librarians’ learning styles scores according to job responsibilities. Catalogers were found to have different learning styles than other types of librarians for three out of four scales. Based on these findings, the authors indicate that further research into how librarians’ work responsibilities impact learning styles is justified.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».