When you don’t know what you don’t know: How two new collections librarians right-sized a collections budget
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
Due to impending campus-wide downsizing, the Grand Valley State University (GVSU) Libraries projected that a worst-case scenario would result in a 14% cut to the library’s collections budget for fiscal year 2020. In the same year, GVSU Libraries welcomed several new members of its leadership team, including the dean, two associate deans, head of systems, head of collections, business administrator, and a vacancy after the long-time acquisitions manager retired. Budget cuts and staff turnover are tough, but they prompted a much-needed reassessment of roles, culture, and priorities in the library. Different approaches to spending and curating the library’s collections were vital to counteract the budgetary challenges. Cara Cadena, the new head of collections, was charged with building a task force to recommend cancellations and a plan to communicate these changes across campus. Decisions were made based on feedback gathered from teaching faculty, liaison librarians, campus stakeholders, and usage data. Ultimately, the communication plan proved to be the most critical--and challenging--part of the process. In this session, Cara and Marcia will discuss successes, missteps, results, the importance of vendor relationships, and future plans for collection management at GVSU. Attendees will gain insights into leveraging stakeholder buy-in and grasping opportunities amidst constant change (and decreased funding) in order to evolve effectively. They’ll also learn how GVSU Libraries are reimagining the role of the collections team.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,012 | 0,011 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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