Moving from In Person to Online: Effects on Staffing in a Large Academic Library System
Notice bibliographique
Résumé
The University of Manitoba (U of M) is a research-intensive medical and doctoral-level university and a member of the U15 Group of Canadian Research Universities, which includes fifteen of Canada’s top research universities. In support of the U of M’s strategic priorities, distributed campuses, and over 100 programs, the University of Manitoba Libraries (UML) comprises eleven libraries that are distributed over two campuses within the city of Winnipeg. While most of the libraries’ general operations, physical collections, and staff are located at the Fort Garry campus, the Health Sciences library is housed at the downtown medical campus. In 2015–2016, the UML reported a staffing compliment of 180 librarians and support staff. Organizational changes were instituted in June 2016 that affected many areas within the libraries, and they were felt acutely in public services where support staff positions were reduced. Traffic, circulation, and reference trends at the UML closely mirrored those reported widely within academic libraries: services and resources are increasingly moving toward online environments, and after several years of consistent decreases in face-to-face informational and circulation transactions, frontline service staff in academic libraries are being reduced and redeployed. A sweeping reorganization of the UML’s public services staffing model was instituted in an effort to be responsive to these trends. In addition to the layoff of support staff across multiple units that left managers struggling at times to keep libraries adequately staffed and open, remaining service desk staff were expected to refocus their priorities. Support staff, who for so long were evaluated on and lauded for their commitment to public service suddenly felt devalued and questioned their future in academic libraries. At the same time, librarians who were endeavouring to support new faculty services and library-based initiatives were left clamouring for support from library assistants who were now in short supply.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,011 | 0,004 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».