MétaCan
Menu
Retour à la cohorte
Enregistrement W2524433179 · doi:10.18438/b8z03k

Developing a Measure of Library Goodness

2016· article· en· W2524433179 sur OpenAlexvenueno aff
Gregory A. Crawford

Notice bibliographique

RevueEvidence Based Library and Information Practice · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Information Literacy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComparabilityComputer scienceGoodness of fitMeasure (data warehouse)DocumentationQuality (philosophy)Process (computing)Operations researchLibrary scienceManagement scienceData miningMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

A Review of: Orr, R. H. (1973). Measuring the goodness of library services: A general framework for considering quantitative measures. Journal of Documentation, 29(3), 315-332. Abstract Objective – To discuss the theoretical design of a measure of library quality and value that could be used across functional areas of a library in order to justify and maximize the allocation of resources. Design – This theoretical article provides background on how to conceptualize and develop a quantitative measure of library goodness. Setting – The process delineated is applicable to any library, whether public, academic, or special. Subjects – The intended audience is library management, both at the director and the department head levels. Methods – The author provided examples and questions in the development of appropriate variables. Main Results – The author presented a discussion of potential variables. These variables include library capability and utilization. Conclusion – The article concluded with a discussion of the major desiderata for an effective measure of library goodness: appropriateness, informativeness, validity, reproducibility, comparability, and practicality.

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)0,040
score de la tête « metaresearch » (Gemma)0,106
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,960
Score d'incertitude au seuil0,211

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0400,106
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0270,020
Études des sciences et des technologies0,0030,010
Communication savante0,0170,022
Science ouverte0,0020,007
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,291
Écart entre enseignants0,262 · 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.

Devis d'étudeThéorique ou conceptuel
DomaineÉvaluation
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence Based Library and Information PracticeMême sujetLibrary Science and Information LiteracyTravaux en français237 207