Resource-Type Descriptions For School Library Resources: Australian and New Zealand school library staff prefer user- friendly classifications to RDA and GMD vocabularies
Notice bibliographique
Résumé
Descriptions of resource type assist students to discover resources. Under AACR2, bibliographic records contained the general material designation as a "first stop" in identifying typeness. Under RDA three controlled vocabularies describe content, media and carrier type. These went some way to address criticisms of GMD, however the language of the RDA terms is criticised as being unintuitive to users, and dispersing the description over three facets presents its own problems. In this context, libraries struggle to decide how to represent typeness to their end-users (Ou & Saxon, 2014). The Schools Catalogue Information Service (SCIS) provides high quality, consistent MARC records to schools internationally, including over 93% of Australian schools. SCIS ceased cataloguing of GMD in 2017 after four years of cataloguing records containing both GMD and RDA values. In 2016, SCIS surveyed 1212 Australian and New Zealand school library staff as a first stage in researching an alternative vocabulary incorporating user-friendly type (UFT) terminology. Results indicate that school library staff preferred UFTs to GMD and RDA terms and, where applicable, preferred terms where resource format is qualified in parentheses.
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 | 0,023 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,014 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,010 | 0,017 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,006 |
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 ».