MétaCan
Menu
Retour à la cohorte
Enregistrement W3114242394 · doi:10.33137/cjal-rcbu.v6.34340

“Nice White Meetings”

2020· article· en· W3114242394 sur OpenAlexvenueaboutno aff
Lalitha Nataraj, Holly Hampton, Talitha Matlin, Yvonne Nalani Meulemans

Notice bibliographique

RevueCanadian Journal of Academic Librarianship · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Administration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBureaucracySociologyDiversity (politics)Critical race theoryPolitical sciencePublic relationsPublic administrationGender studiesRace (biology)PoliticsLaw

Résumé

récupéré en direct d'OpenAlex

Although the issues of diversity and representation are often discussed within academic librarianship in Canada and the United States, the field has made little headway in being inclusive of the Black, Indigenous, and People of Color (BIPOC) who work within it. If academic libraries are to become truly authentic and inclusive spaces where BIPOC are central not only to shaping the values of a library but also to determining how those values are accomplished, we must examine the traditional ways in which libraries function. One of these traditions is a reliance on bureaucracy and its associated practices such as structured group work and meetings, which are presumed to be inherently neutral and rational ways of working. Critical examinations of bureaucracy within higher education reveal how its overadoption is absurdly at odds with the social justice–oriented missions of most libraries. Furthermore, not all who are involved in libraries are equally harmed through this overreliance on bureaucracy; this article employs Critical Race Theory to uncover the insidious and specific deleterious impacts bureaucracies can have on BIPOC library workers. The antithesis of a neutral system, bureaucracy instead functions to force assimilation into a system entrenched in whiteness.

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)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,122
Score d'incertitude au seuil0,408

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0160,004
Communication savante0,0070,007
Science ouverte0,0020,008
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,1220,062

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 Opus0,079
Tête enseignante GPT0,286
Écart entre enseignants0,207 · 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'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

Citations11
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Academic LibrarianshipMême sujetLibrary Science and AdministrationTravaux en français237 207