MétaCan
Menu
Retour à la cohorte
Enregistrement W3094199851 · doi:10.1002/pra2.254

Librarian perspectives on the role of virtual reality in public libraries

2020· article· en· W3094199851 sur OpenAlexaff
Kung Jin Lee, W.E. King, Negin Dahya, Jin Ha Lee

Notice bibliographique

RevueProceedings of the Association for Information Science and Technology · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensToronto Rehabilitation InstituteUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInteractivityVirtual realityPerceptionPromotion (chess)Social mediaSet (abstract data type)Public relationsComputer scienceSociologyMultimediaWorld Wide WebPsychologyPolitical scienceHuman–computer interactionPolitics

Résumé

récupéré en direct d'OpenAlex

Abstract This paper explores librarians’ perception of virtual reality as well as opportunities and challenges associated with implementing VR in public libraries. We interviewed 36 librarians who developed and offered VR programs as part of the research project, before and after the programming. The findings show how VR may be used in the public library as a learning tool and technology that encourages social interactions. Librarians discuss how the unique qualities of VR such as immersion and interactivity of VR makes it different from other digital media and present a different set of potential challenges when offered in the library. Librarians observed that while VR has a lot of potential as a technology for learning and social engagement, the success also largely depends on the VR content as well as the librarian's strategy for recruitment and promotion. In addition, we found that librarians had different understandings of what constitutes learning as well as how marginalized communities might benefit from this technology. The librarians we interviewed faced many challenges, however, our analysis of their experiences offers insight into designing successful VR programming in public libraries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,458
Score d'incertitude au seuil0,626

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,004
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,233
Écart entre enseignants0,213 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Association for Information Science and TechnologyMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207