University Community Engagement and the Strategic Planning Process
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
Objectives- To understand how university libraries are engaging with the university community (students, faculty, campus partners, administration) when working through the strategic planning process. 
 
 Methods- Literature review and exploratory open-ended survey to members of CAUL (Council of Australian University Librarians), CARL (Canadian Association of Research Libraries), CONZUL (Council of New Zealand University Librarians), and RLUK (Research Libraries UK) who are most directly involved in the strategic planning process at their library.
 
 Results- Out of a potential 113 participants from 4 countries, 31 people replied to the survey in total (27%). Libraries most often mentioned the use of regularly-scheduled surveys to inform their strategic planning which helps to truncate the process for some respondents, as opposed to conducting user feedback specifically for the strategic plan process. Other quantitative methods include customer intelligence and library-produced data. Qualitative methods include the use of focus groups, interviews, and user experience/design techniques to help inform the strategic plan. The focus of questions to users tended to fall towards user-focused (with or without library lens), library-focused, trends & vision, and feedback on plan.
 
 Conclusions- Combining both quantitative and qualitative methods can help give a fuller picture for librarians working on a strategic plan. Having the university community join the conversation in how the library moves forward is an important but difficult endeavour. Regardless, the university library needs to be adaptive to the rapidly changing environment around it. Having a sense of how other libraries engage with the university community benefits others who are tasked with strategic planning
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 | 0,003 | 0,001 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,553 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle