MétaCan
Menu
Retour à la cohorte
Enregistrement W2921641797 · doi:10.18438/eblip29500

Exploring the Impact of Individualized Research Consultations Using Pre and Posttesting in an Academic Library: A Mixed Methods Study

2019· article· en· W2921641797 sur OpenAlexaffvenueabout
Lindsey Sikora, Karine Fournier, Jamie Rebner

Notice bibliographique

RevueEvidence Based Library and Information Practice · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésRubricMedical educationPsychologySet (abstract data type)Computer scienceMathematics educationMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Objective – Academic librarians consistently offer individualized help to students and researchers. Few studies have empirically examined the impact of individualized research consultations (IRCs). For many librarians, IRCs are an integral part of their teaching repertoire. However, without any evidence of an IRC’s effectiveness or value, one might ask if it’s worth investing so much time and effort. Our study explored the impact of IRCs on students' search techniques and self-perceived confidence levels. We attempted to answer the following questions: 1) Do IRCs improve students’ information searching techniques, including the proper use of keywords and/or subject headings, the accurate use of Boolean operators, and the appropriate selection of specialized resources/databases? 2) Do IRCs influence students’ confidence level in performing effective search strategies? Methods – Our study used a mixed-methods approach. Our participants were students from the Faculties of Health Sciences and Medicine at the University of Ottawa, completing an undergraduate or graduate degree, and undertaking a research or thesis project. Participants were invited to complete two questionnaires, one before and one after meeting with a librarian. The questionnaires consisted of open-ended and multiple choice questions, which assessed students' search techniques, their self-perceived search techniques proficiency and their confidence level. A rubric was used to score students' open-ended questions, and self-reflective questions were coded and analyzed for content using the software QSR NVivo. Results – Twenty-nine completed pre and posttests were gathered from February to September 2016. After coding the answers using the rubric, two paired-samples t-tests were conducted. The first t-test shows that students’ ability to use appropriate keywords was approaching statistical significance. The second t-test showed a statistically significant increase in students’ ability to use appropriate search strings from the pretest to the posttest. We performed a last paired-samples t-test to measure students’ confidence level before and after the appointment, and a statistically significant increase in confidence level was found. Conclusion – Out of three paired t-tests performed, two showed a statistically significant difference from the pretest to the posttest, with one t-test approaching statistical significance. The analysis of our qualitative results also supports the statement that IRCs have a positive real impact on students’ search techniques and their confidence levels. Future research may explore specific techniques to improve search strategies across various disciplines, tips to improve confidence levels, and exploring the viewpoint of librarians.

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)0,039
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,055
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,002
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,450
Tête enseignante GPT0,614
Écart entre enseignants0,164 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
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
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEvidence Based Library and Information PracticeMême sujetHealth Sciences Research and EducationTravaux en français237 207