MétaCan
Menu
Retour à la cohorte
Enregistrement W2469279126 · doi:10.1016/j.acalib.2016.04.020

Geoskills Among Academic Librarians in Greece, Cyprus and Spain

2016· article· en· W2469279126 sur OpenAlexaboutno aff
Ifigenia Vardakosta, Estefanía Aguilar‐Moreno, Carlos Granell, Sarantos Kapidakis

Notice bibliographique

RevueThe Journal of Academic Librarianship · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeospatial analysisAcademic libraryLibrary sciencePolitical sciencePublic relationsBusinessSociologyComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

Existing literature on Geographic Information (GI) and libraries points out that American and Canadian librarians have long been aware of the intimate relationship between geospatial data and libraries. In Europe, though, there is almost no literature to this regard, and academic libraries that offer GI services are the exception. Despite the fact that European and National institutions are putting lots of efforts forward for making open data freely available to society, and for supporting full programs to generate business out of it, this paper examines why libraries and librarians are not perceived as key players in the (geo) data-driven economy. Starting with a survey addressed to academic librarians (in three European countries: Greece, Cyprus and Spain) about their GI knowledge and skills, the paper attempts to shed some light on the librarians' perception about their role in GI management, and to identify to what extent they are ready for providing GI services to their communities. The ultimate goal of this paper is to serve as a triggering factor to wake up European academic libraries, Librarianship programmers and librarians themselves, to encourage them to look for opportunities in geospatial data management.

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)0,004
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,050
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0060,011
Études des sciences et des technologies0,0050,003
Communication savante0,0060,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,029
Tête enseignante GPT0,278
Écart entre enseignants0,248 · 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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Academic LibrarianshipMême sujetGeographic Information Systems StudiesTravaux en français237 207