MétaCan
Menu
Retour à la cohorte
Enregistrement W2765353753 · doi:10.5703/1288284316444

The Librarian’s Survival Guide to the “Big Deal”: Tools for Unbundling

2017· article· en· W2765353753 sur OpenAlexaffabout
Samuel Cassady, Doug Lynch, Leanne Olson, Alie Visser

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Administration
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésUnbundlingLiberian dollarWork (physics)CitationComputer scienceBig dataValue (mathematics)BusinessOperations researchMarketingWorld Wide WebEngineeringFinance

Résumé

récupéré en direct d'OpenAlex

At Western University, like many other schools, journal package “big deals” (large, bundled collections of ejournals from the same publisher, purchased at a discount) have been seen as beneficial to the collection based on high discounts and low cost per use. When the Canadian loonie fell to 67 cents on the U.S. dollar in January 2016, it created unexpected financial challenges for collections management. We now had to consider new ways to find cost savings by canceling or unbundling resources, and big deals became a potential target. In evaluating these packages, we looked beyond cost per use, building on work done by the University of Montreal. This paper summarizes the iterative process Western University developed to evaluate and potentially unbundle less valuable big deals. We outline the additional criteria we considered (overlap, current year use, perceived value by faculty members, citation analysis of where our researchers published, and impact factor) and how we made data-driven decisions for unbundling.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,932
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0070,000
Communication savante0,0040,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,131
Tête enseignante GPT0,382
Écart entre enseignants0,251 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetLibrary Science and AdministrationTravaux en français237 207