Is it time for libraries to take a closer look at emoji? The data deluge column
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
Purpose The emoji, is it an endearing image to add to your text messages and email, or is it an increasingly important type of electronic data? According to a 2013 article by Jeff Blagdon, the idea of using some sort of symbol in electronic communication has been with us for about two decades. Japanese in origin, the earliest symbols of this type were developed in the era of pagers and old-style cell phones and were commonly called emoticons. Design/methodology/approach As devices developed a greater capacity to display graphical elements these keystroke representations were replaced with Unicode characters which display on our electronic devices, which we now call emoji. This instalment of the data deluge will look at the emoji as a form of data and explore how and why their ubiquity may create new opportunities for libraries. Findings Some readers, as well as the author of this column, may be tempted to scoff at the idea that the emoji is anything more than a form of shorthand for use in electronic communications or cutesy decorations. Originality/value One night she showed up at the class, and the instructor wrote on the board, “Computers in school libraries: A new tool or a flash in the pan?” He went on to warn school librarians to not be dazed by this “new computer phase” which he felt distracted both teachers and students from the real work of teaching and learning. He felt that if there were computers in schools, they only belonged in the mathematics classroom and that, even in that context, they only had limited application.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,007 | 0,006 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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