Notice bibliographique
Résumé
With an increasing focus on scholarly communications in academic libraries, librarians are struggling with how best to support faculty with the location, interpretation, and appropriate use of metrics. Very little has been written about the faculty researcher perspective on metrics and, as a result, librarians may have a deep knowledge of the tools but have a more limited understanding of the users’ viewpoint. Seventy-nine senior research faculty who were five or more years post-tenure were interviewed. Faculty from the Humanities, Social Sciences and Sciences were all invited to participate. Each interview consisted of nine questions relating to how the faculty understand and use impact metrics in their academic life. Responses were varied to all of the questions and were tied closely to the disciplinary fields of the research faculty interviewed. A large majority of the interviewed faculty viewed the library as a key resource for getting more information relating to metrics. This research reveals a need to fill a gap between librarians and faculty researchers with examples of disciplinary best practices of metrics use, as well as product information as pertains to impact metrics.
 Les bibliothèques universitaires mettent de plus en plus l’accent sur la communication savante. Ce faisant, les bibliothécaires se demandent comment mieux appuyer le corps professoral en ce qui a trait au repérage, à l’interprétation et à l’utilisation appropriée d’indicateurs bibliométriques. Très peu de recherche portant sur la perspective des chercheurs sur ces mesures existe. En conséquence, les bibliothécaires peuvent avoir une connaissance profonde des outils mais une compréhension plus limitée du point de vue des usagers. Soixante-dix-neuf professeurs ayant obtenu leur permanence depuis au moins cinq ans ont été interviewés. Des chercheurs provenant des facultés des sciences humaines, des sciences sociales et des sciences ont été invités à participer. Chaque entrevue comprenait neuf questions portant sur la compréhension et l’utilisation des mesures d’impact dans leur vie universitaire. Les réponses à toutes les questions étaient variées et en lien avec le champ disciplinaire des chercheurs interviewés. Une majorité importante des interviewés percevait la bibliothèque comme une ressource significative pour obtenir plus de renseignements au sujet des indicateurs. Cette étude révèle un besoin de combler un vide entre les bibliothécaires et les chercheurs avec des exemples des meilleures pratiques pour l’utilisation des indicateurs au sein des disciplines ainsi qu’avec des informations sur les produits utilisés pour obtenir des mesures d’impact.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | MétarechercheBibliométrie Domaine: Évaluation · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Qualitatif | low |
| gpt | Métarecherche Domaine: Évaluation · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Qualitatif | medium |
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 | 0,102 | 0,213 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,039 | 0,030 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,034 | 0,055 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».