MétaCan
Menu
Retour à la cohorte
Enregistrement W2801584660 · doi:10.5931/djim.v14i0.7854

Building for Diversity: How Public Libraries Can Create Great Multilingual Collections

2018· article· en· W2801584660 sur OpenAlexaffvenueabout
Jen Hill

Notice bibliographique

RevueDalhousie Journal of Interdisciplinary Management · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Information Literacy
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésTechnicianProcess (computing)Quality (philosophy)Diversity (politics)MulticulturalismWorld Wide WebPublic relationsService (business)Computer scienceCollection developmentBusinessKnowledge managementLibrary scienceSociologyPolitical scienceMarketing

Résumé

récupéré en direct d'OpenAlex

In a multicultural and multilingual country like Canada, building quality multilingual collections in public libraries is an important part of providing equitable library service to all community members. However, this can pose a challenge especially for smaller library systems or systems where no staff speak major community languages. Having multilingual staff offers a significant advantage, both in terms of making connections with community members and being able to appropriately select and catalogue materials. Because of this, libraries, MLIS and Library Technician programs should encourage applications from diverse candidates. Even without multilingual staff, libraries can be successful in creating appropriate multilingual collections by following a process that includes community consultation, collaborating with other libraries to share information, identifying good vendors, cataloguing and maintaining the collection, marketing it appropriately, and providing staff training. Through this process a library can get to know the needs of its community, build relationships and gain experience creating and maintaining a quality multilingual collection. A multilingual collection and other services like cultural programming can mutually support each other through advertising to participants. Although it can be challenging, successfully engaging and serving a diverse community is rewarding and will be appreciated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,030
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,026
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0240,015
Communication savante0,0300,036
Science ouverte0,0040,042
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0240,007

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,321
Écart entre enseignants0,283 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations13
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueDalhousie Journal of Interdisciplinary ManagementMême sujetLibrary Science and Information LiteracyTravaux en français237 207