User-focused, User-led: Space Assessment to Transform a Small Academic Library
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Objective – By collecting and analyzing evidence from three data points, researchers sought to understand how library spaces are used. Researchers have used results for evidence based decision making regarding physical library spaces. Methods – Undergraduate researchers, sociology faculty, and librarians used mixed-methods to triangulate findings. Seating sweeps were used to map patrons’ activities in the library. Student-led focus groups discussed patterns of library use, impressions of facilities, and library features and services. The final step included a campus survey developed from seating sweeps and focus group findings. Results – Seating sweeps showed consistent use of the library's main level Learning Commons and upper level quiet spaces; the library’s multipurpose lower level is under-utilized. Students use the main level of the library for collaborative learning, socializing, reading, and computer use. Students use the upper level for quiet study and group work in study rooms. Focus group findings found library use is task-specific. For example, a student may work with classmates on a project using the main level Learning Commons during the day, and then come back at night to use the quiet floor for test preparation. Survey responses highlighted areas in which the library is deficient. For example, respondents cited crowdedness, noise levels, and temperature concerns. Conclusion – These data offer empirical evidence for library space needs. Some data aligns with previous space studies conducted at this library: access to power outlets, lighting, noise, and an outdated environment. Evidence also supports anecdotal concerns of crowding, graduate students lacking designated study space, and the need for quiet study space away from group study space.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,004 | 0,558 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 découle