Digital Health and Professional Identity in Australian Health Libraries: Evidence from the 2018 Australian Health Information Workforce Census
Notice bibliographique
Résumé
Abstract Objective – This research aimed to examine the characteristics of the current health library professional workforce in Australia. The study also sought to explore the areas of health library competency domains and job functions that may reflect progress toward a specialized digital health information capability. Methods – Health librarians’ responses to the May 2018 Australian Health Information Workforce Census were analysed and compared with results obtained in earlier census counts. The health librarian characteristics were also compared with other health information occupations included in the Census. Results – There were 238 usable health librarian responses. These indicate that the health librarian workforce continues to be a comparatively mature population, with substantial experience, increasing involvement in data- and technology-intensive functions, high levels of professional association membership, and participation in continuing education activities. Notably there are emerging role titles and job functions which point to a greater digital health focus in the changing work realm. Conclusion – The health librarian workforce has adapted its skills, in line with the increased digital emphasis in health information work. However, as with other health information occupational groups, it is possible that health system planners and funders are not aware of librarians’ current functions and skills. This mature workforce may undergo significant attrition and consequent loss of expertise in the next decade. Continued advocacy and strategic planning around these factors with workforce, healthcare quality, and educational organizations will be required.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,502 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».