A two-way street: building the recruitment narrative in LIS programs
Notice bibliographique
Résumé
Purpose This paper aims to explore the attractiveness of Library and Information Science (LIS) careers to students and alumni and examine their decision-making process and perceptions of the field with an eye on discerning the best ways to build and develop the recruitment narrative. Design/methodology/approach The authors reached out to 57 LIS graduate programs in Canada and the USA accredited by the American Library Association through a Web-based survey; the questions presented a combination of multiple-choice, short-answer and open-ended questions and generated a wealth of quantitative and qualitative data. Findings The online survey has disclosed that students may not have an in-depth understanding of current trends, the diversity of LIS professions and the wider applications of their education. A significant disconnect exists in how the goals of LIS education are seen by certain groups of practitioners, students and faculty members. Originality/value Creating a program narrative for the purposes of recruitment and retention, departments should not only capitalize on the reach of the internet and the experiences of successful practitioners. They should also ensure that faculty know their students’ personal backgrounds, that students empathize with demands of contemporary academia and that a promotional message connects pragmatic educational goals to broader social applications. By exposing and embracing the complexity of LIS education and practice, the paper chooses a discursive path to start a conversation among major stakeholders.
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 | 0,101 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,034 | 0,018 |
| Communication savante | 0,022 | 0,023 |
| Science ouverte | 0,003 | 0,025 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».