Collections Data, Tools, and Strategy: Applying R, Tableau, and Excel to Print Assessment
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
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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