Notice bibliographique
Résumé
CoLIS is a triennial series of international conferences for the exploration and exchange of ideas in the field of Library and Information Science and its related disciplines.The final CoLIS 10 Programme and Book of Abstracts is available online (Merčun & Vilar, 2019), and selected full papers will appear in a special issue of Information Research in late 2019.The capital city of Ljubljana, with its stunning architecture, charming cafélined canal, and delightful spring weather was an ideal location for CoLIS 10; 115 delegates from 19 countries attended.Keynote addresses occurred each morning of the conference and engaged the audience in the simmering frontiers of Library and Information Science.On the first day, Sarah T. Roberts, of the University of California, Los Angeles, presented Behind the screen: the internet's invisible information workers (Merčun & Vilar, 2019, p. 13).She reported on the phenomenon of content moderation in social media firms and its hidden, global, human toll.On the second day of CoLIS, Sabina Leonelli, from the University of Exeter delivered New frontiers in data curation: A view from scientific practice (p.14).In the context of Open Science, Leonelli described the enormous logistical, scientific and ethical challenges that exist in making Big Data accessible -and called for information professionals to be mediators of the process.As the third and final keynote, Ross J. Todd, of Rutgers University shared Safe information lives: Conceptions and practices (p.15).Drawing from his 48-year career in education and library science, Todd reflected upon the cluttered theoretical landscape associated with digital literacy and young people; introduced the concept of digital well-being; and pointed to potential future research methods for understanding youth's experience online.The 54 papers at CoLIS 10 were wide-ranging and stimulating.Scholars targeted the perennial questions of Library and Information Science while also introducing novel views.My own contribution, Turn, turn, turn (Merčun & Vilar, 2019, p. 17), surveyed seven theoretical movements that have swept through our field in the past half-century and included a sing-along.Other delegates tackled chestnuts such as information need (p.34); examined the usefulness (p.33) of information; probed the
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,046 |
| Communication savante | 0,027 | 0,023 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».