Evaluation of hospital staff’s perceived quality of librarian-mediated literature searching services
Notice bibliographique
Résumé
Objective: The research evaluated the perceived quality of librarian-mediated literature searching services at one of Canada’s largest acute care teaching hospitals for the purpose of continuous quality improvement and investigation of relationships between variables that can impact user satisfaction.Methods: An online survey was constructed using evidence-based methodologies. A systematic sample of staff and physicians requesting literature searches at London Health Sciences Centre were invited to participate in the study over a one-year period. Data analyses included descriptive statistics of closed-ended questions and coding of open-ended questions.Results: A range of staff including clinicians, researchers, educators, leaders, and analysts submitted a total of 137 surveys, representing a response rate of 71%. Staff requested literature searches for the following “primary” purposes: research or publication (34%), teaching or training (20%), informing a policy or standard practice (16%), patient care (15%), and “other” purposes (15%). While the majority of staff (76%) submitted search requests using methods of written communication, including email and search request forms, staff using methods of verbal communication, including face-to-face and telephone conversations, were significantly more likely to be extremely satisfied with the librarian’s interpretation of the search request (p=0.004) and to rate the perceived quality of the search results as excellent (p=0.005). In most cases, librarians followed up with staff to clarify the details of their search requests (72%), and these staff were significantly more likely to be extremely satisfied with the librarian’s interpretation of the search request (p=0.002).Conclusions: Our results demonstrate the limitations of written communication in the context of librarian-mediated literature searching and suggest a multifaceted approach to quality improvement efforts. This article has been approved for the Medical Library Association’s Independent Reading Program.
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 | 0,063 | 0,208 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».