MétaCan
Menu
Retour à la cohorte
Enregistrement W3034995498 · doi:10.33137/ijournal.v5i2.34469

Powering digital communities: How Public Libraries Can Foster Digital Inclusion and Digital Literacy in Ontario

2020· article· en· W3034995498 sur OpenAlexvenueaboutno aff
Lauren Panzarella

Notice bibliographique

RevueThe iJournal Student Journal of the Faculty of Information · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Administration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDigitizationDigital literacyLiteracyDigital dividePublic relationsInclusion (mineral)PopulationFace (sociological concept)Digital inclusionResource (disambiguation)BusinessPolitical scienceInternet privacySociologyWorld Wide WebEngineeringComputer scienceInformation and Communications TechnologyThe InternetPedagogySocial scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

In the digital age, many aspects of life increasingly rely on the use of technology. In response to this shift toward digitization, it is important to ensure that the people of Ontario not only have adequate access to digital tools, but also the skills to operate such equipment. However, several segments of Ontario’s population, including seniors, low-income individuals, and those living in rural communities, face greater barriers to meaningful participation in the digital economy because of a lack of exposure to digital tools and digital literacy. Numerous institutions and community organizations in the province, including public libraries, are working to bridge the gap in terms of skills and access. As institutions that connect patrons to technologies and digital literacy programs taught by trained literacy professionals, libraries are a crucial resource for fostering a digitally inclusive environment that prepares Ontarians with the skills required to partake in the digital economy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,489

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0310,007
Communication savante0,0090,007
Science ouverte0,0020,012
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,001

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,279
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe iJournal Student Journal of the Faculty of InformationMême sujetLibrary Science and AdministrationTravaux en français237 207