Space for Listening: using a library unConference as an alternative method of communication
Notice bibliographique
Résumé
As part of the University of Nevada, Las Vegas (UNLV) “Top Tier” initiative, the University Libraries contributes to the development of campus infrastructure and services to support research data management (RDM) and data preservation. Positioning the Libraries within the UNLV community as both partner and site for this development, we organized a faculty-oriented Research Data Management unConference during UNLV’s Research Week. The unConference attracted researchers and high-level administration from across campus and provided a forum for engagement; it was also a means for the Libraries to learn about researcher needs related to RDM, identifying potential partners, problems, and areas of support. Bridging disciplinary silos, invited speakers from academic and administrative units gave short presentations on different aspects of data management, which were followed by in-depth discussions of participant-selected topics relevant to RDM. The unConference succeeded in creating a space for meaningful interaction, with participants expressing interest in ongoing dialogue around RDM facilitated by the Libraries. Furthermore, the interactions we facilitated and feedback we received helped inform the Libraries’ next steps as we move the RDM conversation forward. This paper outlines the process of organizing and facilitating an unconference, lessons learned regarding outreach and researcher engagement, and potential pitfalls to avoid for library staff seeking to diversify their information-gathering strategies. The substance of this article is based upon poster presentations at RDAP Summit 2018 and the ALA Annual Conference and Exhibition 2018.
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 | 0,037 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,021 | 0,019 |
| Communication savante | 0,029 | 0,030 |
| Science ouverte | 0,006 | 0,035 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,007 |
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 ».