Maturing research data services and the transformation of academic libraries
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 A major development in academic libraries in the last decade has been recognition of the need to support research data management (RDM). The purpose of this paper is to capture how library research data services (RDS) have developed and to assess the impact of this on the nature of academic libraries. Design/methodology/approach Questionnaire responses from libraries in Australia, Canada, Germany, Ireland, the Netherlands, New Zealand, the UK and USA from 2018 are compared to a previous data set from 2014. Findings The evidence supports a picture of the spread of RDS, especially advisory ones. However, future ambitions do not seem to have seen much evolution. There is limited evidence of organisational change and skills shortages remain. Most service development can be explained as the extension of traditional library services to research data. Yet there remains the potential for transformational impacts, when combined with the demands implied by other new services such as around text and data mining, bibliometrics and artificial intelligence. A revised maturity model is presented that summarises typical stages of development of services, structures and skills. Research limitations/implications The research models show how RDS are developing. It also reflects on the extent to which RDM represents a transformation of the role of academic libraries. Practical implications Practitioners working in the RDM arena can benchmark their current practices and future plans against wider patterns. Originality/value The study offers a clear picture of the evolution of research data services internationally and proposes a maturity model to capture typical stages of development. It contributes to the wider discussion of how the nature of academic libraries are changing.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,088 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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