MétaCan
Menu
Retour à la cohorte
Enregistrement W3114058053 · doi:10.5703/1288284317152

Begin at the Beginning: Revamping Collection Development Workflows

2020· article· en· W3114058053 sur OpenAlexaff
Elyssa M. Gould, Jennifer Mezick

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueLibrary Collection Development and Digital Resources
Établissements canadiensPurdue Pharma (Canada)
Organismes subventionnairesnon disponible
Mots-clésWorkflowCollection developmentComputer sciencePoint (geometry)World Wide WebSubject (documents)Liberian dollarKnowledge managementBusinessDatabaseFinance

Résumé

récupéré en direct d'OpenAlex

“Begin at the beginning,” the King said, very gravely, “and go on till you come to the end: then stop.” This paper describes how two librarians newer to the University of Tennessee Libraries refreshed collection development workflows at the Libraries after a reorganization. This reorganization distributed tasks across departments in a different manner due to the new departmental configurations. In this new matrix environment, more communication was required to achieve desired outcomes, but more buy-in was also needed from constituents such as the subject librarians. This paper describes how a new Collections Committee was formed to make decisions on high-dollar resources; what information was added to the traditional request form to facilitate the committee’s decisions; what information was asked of vendors at the point of trial or initial interest; and how this fed into a new collection development policy. By revamping the workflows to ask for more information up front, the presenters were able to help the new Collections Committee obtain all the information needed for decision-making at the point of decision. The authors share insights into how organizational changes can be used as an opportunity to instigate workflow changes that help libraries acquire resources more nimbly and flexibly.

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)0,095
score de la tête « metaresearch » (Gemma)0,147
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,502

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0950,147
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0060,005
Études des sciences et des technologies0,0200,012
Communication savante0,0280,023
Science ouverte0,0090,020
Intégrité de la recherche0,0040,011
Charge utile insuffisante (le modèle a refusé de juger)0,0100,007

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 Opus0,034
Tête enseignante GPT0,205
Écart entre enseignants0,171 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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'admission1
Résumé présentoui

Explorer davantage

Même sujetLibrary Collection Development and Digital ResourcesTravaux en français237 207