MétaCan
Menu
Retour à la cohorte
Enregistrement W2564465064 · doi:10.18438/b8v33p

Identifying and Classifying User Typologies Within a United Kingdom Hospital Library Setting: A Case Study

2016· article· en· W2564465064 sur OpenAlexvenueno aff
Lynn Easton, Trish Durnan, Lorraine McLeod

Notice bibliographique

RevueEvidence Based Library and Information Practice · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTypologyService (business)Computer scienceAgile software developmentLibrary classificationWorld Wide WebSociologyBusiness

Résumé

récupéré en direct d'OpenAlex

Objective – To identify available health library user typology classifications and, if none were suitable, to create our own classification system. This is to inform effective future library user engagement and service development due to changes in working styles, information sources and technology. Methods – No relevant existing user typology classification systems were identified; therefore, we were required to create our own typology classification system. The team used mixed methods research, which included literature analysis, mass observation, visualization tools, and anthropological research. In this case study, we mapped data across eleven library sites within NHS Greater Glasgow and Clyde Library Network, a United Kingdom (U.K.) hospital library service. Results – The findings from each of the NHS Greater Glasgow and Clyde Library Network’s eleven library sites resulted in six user typology categories: e-Ninjas, Social Scholars, Peace Seekers, Classic Clickers, Page Turners and Knowledge Tappers. Each physical library site has different profiles for each user typology. The predominant typology across the whole service is the e-Ninjas (28%) with typology characteristics of being technically shrewd, IT literate and agile – using the library space as a touch down base for learning and working. Conclusions – We identified six distinct user types who utilize hospital library services with distinct attributes based on different combinations of library activity and medium of information exchange. The typologies are used to identify the proportional share and specific requirements, within the library, of each user type to provide tailored services and resources to meet their different needs.

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)0,008
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,081
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,018
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0080,004
Communication savante0,0050,004
Science ouverte0,0020,007
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,084
Tête enseignante GPT0,421
Écart entre enseignants0,337 · 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'étudeQualitatif
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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence Based Library and Information PracticeMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207