Challenges and Issues That Are Faced by the Sri Lankan School Library Staff (2000-2016 period)
Notice bibliographique
Résumé
This study focuses on challenges and issues faced by the Sri Lankan School Library staff recruited under the General Education Project 2 (GEP 2). The study was conducted in order to identify the pros and cons of the GEP 2 Library staff training project. 4000 teacher librarians were recruited to the school libraries under the GEP 2 Project. The National Institute of Library and Information Science (NILIS), University of Colombo, was established under this project. In 2003 NILIS introduced Masters, Post-graduate Diplomas, Diploma and Certificate courses in Library Sciences, in order to train the newly recruited teacher librarians and support staff. This study proposes to reveal the main factors which contributed towards the inadequate number of students for the NILIS courses, which were mainly due to the policies of the government regarding staff training, and the school libraries in Sri Lanka. This study was carried out with the available written documents, communications, and face to face interviews, with the relevant parties. NILIS is struggling to improve the training of school library staff throughout the island in numerous ways, in spite of the red notice by the authorities to close down the Institute. Subsequently due to the best practice of NILIS it was possible to convince the officials of the Ministry of Education regarding the importance of School libraries, and staff training, which resulted in the increase of the number of students from 26 in 2013, to 250 in 2016.
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 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 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,032 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».