Analysis of Question Type Can Help Inform Chat Staffing Decisions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A Review of:
 Meert-Williston, D., & Sandieson, R. (2019). Online Chat Reference: Question Type and the Implication for Staffing in a Large Academic Library. The Reference Librarian, 60(1), 51-61. http://www.tandfonline.com/doi/full/10.1080/02763877.2018.1515688
 Abstract
 Objective – Determine the type of online chat questions to help inform staffing decisions for chat reference service considering their library’s service mandate.
 Design – Content analysis of consortial online chat questions.
 Setting – Large academic library in Canada.
 Subjects – Analysis included 2,734 chat question transcripts.
 Methods – The authors analyzed chat question transcripts from patrons at the institution for the period of time from September 2013 to August 2014. The authors coded transcripts by question type using a coding tool created by the authors. For transcripts that fit more than one question type, the authors chose the most prominent type.
 Main Results – The authors coded the chat questions as follows: service (51%), reference (25%), citation (9%), technology (7%), and miscellaneous (8%). The majority of service questions were informational, followed by account related questions. Most of the reference chat questions were ready reference with only 16% (4% of the total number of chat questions) being in-depth. After removing miscellaneous questions, those that required a high level of expertise (in-depth reference, instructional, copyright, or citation) equaled 19%.
 Conclusion – At this institution, one in five chat questions needed a high level of expertise. Library assistants with sufficient expertise could effectively answer circulation and general reference questions. With training they could triage complex questions.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,287 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle