MétaCan
Menu
Retour à la cohorte
Enregistrement W2803810886 · doi:10.5860/rbm.19.1.41

Touch Tables for Special Collections Libraries: Curators Creating User Experiences

2018· article· en· W2803810886 sur OpenAlexaffabout
Anna Dysert, Sharon Rankin, Darren N. Wagner

Notice bibliographique

RevueRBM A Journal of Rare Books Manuscripts and Cultural Heritage · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDigital and Traditional Archives Management
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésExhibitionTable (database)ProgrammerTable of contentsPoint (geometry)World Wide WebComputer scienceSoftwareSpecial collectionsMultimediaCollection developmentVisual artsLibrary scienceArtDatabase

Résumé

récupéré en direct d'OpenAlex

This article describes the implementation of touch table technology for McGill University Library’s special collections. The touch table was used by the Osler Library of the History of Medicine and the Marvin Duchow Music Library to create audiovisual exhibits to accompany traditional exhibition display cases. Each exhibition curator used a different software platform to create his or her touch table experience. This article explores the introduction of what is now a common technology in museums into the library setting and the attendant challenges, such as the need to create attractive and user-friendly experiences with limited resources and programmer time available. In particular, the article explores the library’s choices of software and hardware, providing lessons learned as well as some preliminary recommendations of best practices. It also analyzes the ways in which the touch table has proven to be an excellent addition to the library’s exhibition spaces, including its ability to unite disparate resources from multiple branch libraries, to act as a new point of librarian-faculty collaboration, and to display nontraditional items from library collections, such as recorded musical performances and archival video footage.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,668
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,042
Tête enseignante GPT0,227
Écart entre enseignants0,185 · 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

Citations4
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRBM A Journal of Rare Books Manuscripts and Cultural HeritageMême sujetDigital and Traditional Archives ManagementTravaux en français237 207