Towards a more meaningful involvement of librarians in academic program reviews
Notice bibliographique
Résumé
Purpose Using a descriptive case study approach, this paper aims to validate academic librarians’ perceptions that they are marginalized by faculty during academic program reviews, and recommends ways for the two groups to collaborate more effectively to make program reviews more meaningful. Design/methodology/approach The paper describes a case study at a Canadian university where the six types of documents produced as part of the program review process for ten graduate programs were analyzed using corpus analysis tools and techniques, such as keyword generation and key word in context analysis. For each program, documents were examined to determine the volume and nature of the discussion involving libraries in the self-study, library report annex, site visit itinerary, external reviewers’ report, academic program’s response and final assessment report. Findings The empirical evidence from the corpus analysis validates the findings of previous perception-based studies and confirms that librarians currently have a minor role in program reviews. Best practices and gaps emerged, prompting five recommendations for ways in which academic librarians can play a more meaningful role in the program review process. Practical implications The results suggest that programs are not currently putting their best foot forward during program reviews, but this could be improved by including librarians more fully in the program review process. Originality/value The present study contributes to the existing body of knowledge about the role of academic librarians in the program review process by providing direct and empirical measures to triangulate previous perception-based investigations that rely on surveys and interviews. It summarizes limitations of the current institutional quality assurance process and the benefits to be gained by involving librarians more in the process. It offers recommendations for policymakers and practitioners with regard to potential best practices for facilitating librarian involvement in academic program reviews.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,186 | 0,236 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,028 | 0,020 |
| Communication savante | 0,031 | 0,015 |
| Science ouverte | 0,004 | 0,020 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».