MétaCan
Menu
Retour à la cohorte
Enregistrement W2617816648 · doi:10.29173/cais656

Caught in the Act: An Autoethnographic Analysis of the Performance of Information Literacy Instruction

2013· article· fr· W2617816648 sur OpenAlexaffvenue
Sarah Polkinghorne

Notice bibliographique

RevueProceedings of the Annual Conference of CAIS / Actes du congrès annuel de l ACSI · 2013
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueLibrary Science and Administration
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDramaturgyHumanitiesLiteracySociologyLiteracy educationArtPedagogyVisual arts

Résumé

récupéré en direct d'OpenAlex

What factors comprise a librarian’s performance within the act of conducting in-person information literacy instruction? This paper describes an autoethnographic exploration of this question, grounded in Erving Goffman’s dramaturgy and Michael Kirby’s matrix approach to acting and non-acting. The author argues that a more sophisticated performance-oriented understanding of instruction could benefit librarians preparing to teach. This work explores a complex phenomenon that has not yet been described: the performance of information literacy instruction.Quels facteurs relèvent du rôle du bibliothécaire lors de l’enseignement de la maîtrise informationnelle en personne? Cette communication présente une étude exploratoire autoethnographique de la question, ancrée dans la dramaturgie d’Erving Goffman et l’approche matricielle de Michael Kirby au jeu et au non-jeu. L’auteure affirme qu’une compréhension de l’enseignement plus sophistiquée et axée sur le jeu serait bénéfique pour les bibliothécaires qui s’apprêtent à donner leur formation. L’étude explore un phénomène complexe qui n’a pas encore été décrit : la performance lors de l’enseignement de la maîtrise informationnelle.***Practitioner to CAIS/ACSI Award Winner***

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)0,006
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 enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0060,009
Communication savante0,0050,003
Science ouverte0,0010,005
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,019
Tête enseignante GPT0,263
Écart entre enseignants0,244 · 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

Citations6
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Annual Conference of CAIS / Actes du congrès annuel de l ACSIMême sujetLibrary Science and AdministrationTravaux en français237 207