University Students’ Changing Library Needs and Use: A Comparison of 2016 and 2018 Student Surveys
Notice bibliographique
Résumé
Abstract Objective – This study examines differences in university students’ library use and satisfaction (e.g., in-person library visits, online and print resource use, space satisfaction, and library website use) between 2016 and 2018 based on local survey data. It also discusses how these findings provided guidance for future planning and action. Methods – The academic university library developed the surveys for undergraduate and graduate students and distributed them in Spring 2016 and 2018. Both student surveys focused on examining students’ needs relative to library resources and services, although the 2018 student survey also attempted to quantify students’ library visits and their use of library resources. While the surveys were not identical, the four questions that appeared in both surveys (i.e., library visits, resource use, library space satisfaction, and library website use) were recoded, rescaled, and analyzed to measure the differences in both surveys. Results – The survey results reveal that students’ library visits and use of library resources in 2018 were higher than in 2016. In particular, undergraduate students’ use of library resources in 2016 were lower than those in 2018, whereas graduate students’ use of library resources remained similar in both years. Another key finding indicates that the mean score of students’ library quiet study space satisfaction in 2018 was higher than in 2016. However, when compared to the 2016 survey, there was a decrease in students’ ease of library website use in the 2018 survey. Conclusion – Assessing students’ behavior and satisfaction associated with their use of library physical spaces, resources, and services should be conducted on an ongoing basis. Over time, the survey findings can be used as evidence based data to communicate patterns of users’ behavior and satisfaction with various stakeholders, identify areas for improvement or engagement, and demonstrate the library’s impact. Survey results can also inform further strategic and assessment planning.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».