Matching Made in Heaven: Collections and Metadata Collaboration for Print Preservation
Notice bibliographique
Résumé
Following the trend of repurposing library space to meet modern user needs, Western University is undergoing a planned revitalization and renovation of its largest library on campus. As a result, 500,000 items will need to be shifted to other locations or off-site storage. In this session we will outline the impact of metadata work in shifting this large collection of material to a shared print preservation storage facility, in coordination with Western University’s Keep@Downsview partnership (https://downsviewkeep.org/). Keep@Downsview is a partnership of five universities to preserve the scholarly record in Ontario in a shared, high-density storage and preservation facility. We will demonstrate the importance of collaboration and communication between Collections Librarians and Metadata Librarians to improve identification of materials for shared print preservation. While past Charleston conference presentations have discussed weeding legacy print collections, this session will focus on the importance of metadata matching processes. Speaking from experience at Western University, we will identify the types of tools and skills that we use to facilitate this work (such as MarcEdit, Excel, Python, OpenRefine, Google Sheets, and regular expressions). In highlighting the value of metadata for collections based projects, attendees will walk away with talking points to advocate for quality metadata at their institution and with vendors.
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 | 0,025 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,020 | 0,007 |
| Communication savante | 0,024 | 0,027 |
| Science ouverte | 0,003 | 0,030 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 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 ».