Collections Data, Tools, and Strategy: Applying R, Tableau, and Excel to Print Assessment
Notice bibliographique
Résumé
As is the case at most academic libraries, collection assessment has become an essential component of collection management and development work. Although much of the assessment focus has disproportionately fallen on e-resources, print collections remain fruitful areas for evaluation and review. At Emory, print collections, including a complex approval plan, continue to be a significant component of our overarching collection strategy (in volume and expenditure). However, shifting priorities for library space and the growth of interdisciplinary programs and centers within the University are placing a higher demand on subject librarians for communication and coordinated decision-making regarding print acquisitions. As a result, we are currently preparing for a comprehensive print collection review, of which the approval plan is an integral component. This assessment will inform a more coherent print strategy, which effectively and efficiently meets research and teaching requirements as well as administrative needs. Using data cleaning and visualization tools, such as R, Excel, and Tableau, we have enriched our local usage data with detailed Gobi approval data (e.g., series, publisher, subject, etc.) and profile parameters. Merging these data types and enriching local use data will allow us to analyze the print collection in a more nuanced fashion and ask questions that do not require the LC classification framework. This analysis considers the development of additional tools and approaches that facilitate subject specialist communication with collection management and overall collaborative decision-making, especially in cross disciplinary areas.
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 | 0,120 | 0,339 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,016 | 0,021 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,017 | 0,010 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,017 |
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 ».