MétaCan
Menu
Retour à la cohorte
Enregistrement W2750858713 · doi:10.33186/1027-3689-2017-5-49-62

High-Yield, Low-Risk Deselection in an Academic Library

2017· article· en· W2750858713 sur OpenAlexaff
Meredith Giffin

Notice bibliographique

RevueScientific and Technical Libraries · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueLibrary Collection Development and Digital Resources
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésMicroformComputer scienceLibrary scienceWorld Wide WebGovernment (linguistics)Operations researchBusinessOperations managementDatabaseEngineering managementEngineering

Résumé

récupéré en direct d'OpenAlex

In conjunction with a multi-year renovation of Concordia University's main library, a comprehensive collections reconfiguration project was launched. The new library floor plans provided for increased study space and a reduced footprint for stacks. Significant deselection of physical format materials such as circulating books, reference works, government publications, and microforms was therefore necessary in order to achieve the necessary space reduction and still maintain room for growth. Although different weeding strategies were developed for specific collections and disciplines, the key factors considered were usage, currency and duplication. By focusing on reducing duplication - multiple copies, superseded editions, replication across different formats - and using data extracted from the library system, it has been possible to remove a large volume of items with minimal decision making required from subject librarians. Virtually all weeded materials have been sent to a non-profit reseller or recycled, in keeping with the university's commitment to environmental sustainability. This approach has resulted in the removal of over 60,000 duplicate copies from the monograph collection alone. At the same time access has been retained to most unique content within the collection, allaying faculty concerns about library deselection. In less than two years the original goals of space reduction for print and microform holdings have been exceeded.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0060,001
Communication savante0,0040,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,008

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 GPT0,229
Écart entre enseignants0,209 · 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'étudeSans objet
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific and Technical LibrariesMême sujetLibrary Collection Development and Digital ResourcesTravaux en français237 207