PENGELOLAAN DATA PENELITIAN DI PERPUSTAKAAN: TANTANGAN DAN PERSIAPANNYA BAGI PUSTAKAWAN
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
Research data management will become a new service trend for libraries and new jobs for librarians. Libraries and librarians need to prepare their organizational resources to support the library-data services. Various challenges and efforts need to be prepared from an early age so that research data management in the library can be carried out properly. This study discusses the management of research data in libraries, the challenges and efforts of librarians in managing institutional research data. The research objectives are to determine: (1) library institutions that have carried out research data management and services; (2) challenges and efforts of librarians in managing institutional research data. This research uses a qualitative approach. The research data comes from literature studies, especially scientific journal articles (national and international). Data analysis was carried out descriptively with the stages, are planning, conducting, and reporting. Based on this method, the results of the study indicate that: (1) research data management has been carried out in various libraries in Indonesia, and in its application it can adopt the concept of data libraries at the University of Toronto Map and Digital Library (UTMDL) Canada; (2) In managing institutional research data, librarians will face various problems and challenges, both in terms of policy implementation and increasing competence in research data management.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,008 |
| Science ouverte | 0,020 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,003 |
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