MétaCan
Menu
Retour à la cohorte
Enregistrement W2899412640 · doi:10.1108/rsr-07-2018-0060

Let’s chat: the art of virtual reference instruction

2018· article· en· W2899412640 sur OpenAlexaffabout
Sandy Hervieux, Nikki Tummon

Notice bibliographique

RevueReference Services Review · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Information Literacy
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésInformation literacyLibrary instructionComputer scienceOriginalityDigital referencePromotion (chess)World Wide WebLiteracyLibrary scienceMathematics educationPsychologyPedagogyService (business)Political science

Résumé

récupéré en direct d'OpenAlex

Purpose This study aims to evaluate the instances of information literacy instruction within the virtual reference system of a Canadian university library. Design/methodology/approach Coding and analysis of a sample of chat transcripts over the course of one academic year have been used. Findings The analysis indicated that over 50 per cent of virtual reference interactions do not lend themselves to information literacy instruction. An average of 23.6 per cent of interactions included information literacy instruction and the preferred methods of instruction were modelling and resource sharing. Originality/value While previous studies have focused on information literacy instruction provided in a virtual reference setting, this study aims to identify not only instances of information literacy but also to better understand the nature of chat queries by codifying instances of a transactional nature. The results could lead to improved best practices for chat reference, enhanced staff training and varied promotion and delivery of not just virtual reference services but of other library services as well. A portion of this research project, including partial results for the Fall semester, was presented at the LILAC Conference in Liverpool in April 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 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)0,011
score de la tête « metaresearch » (Gemma)0,030
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 enseignants0,060
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0040,011
Communication savante0,0080,006
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,035
Tête enseignante GPT0,325
Écart entre enseignants0,290 · 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

Citations20
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReference Services ReviewMême sujetLibrary Science and Information LiteracyTravaux en français237 207