Available, but not accessible? Investigating publishers' e-lending licensing practices.
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
Introduction: We report our mixed-methods investigation of publishers’ licensing practices, which affect the books public libraries can offer for e-lending.\n\nMethod: We created unique datasets recording pricing, availability and licence terms for sampled titles offered by e-book aggregators to public libraries across Australia, New Zealand, Canada, the United States and United Kingdom. A third dataset records dates of availability for recent bestsellers. We conducted follow-up interviews with representatives of 5 e-book aggregators.\n\nAnalysis: We quantitatively analysed availability, licence terms and price across all aggregators in Australia, snapshotting the competitive playing field in a single jurisdiction. We also compared availability and terms for the same titles from one aggregator across five jurisdictions, and measured how long it took for a sample of recent bestsellers to become available for e-lending. We used data from the aggregator interviews to explain the quantitative findings.\n\nResults: Contrary to aggregator expectations, we found considerable intra-jurisdictional price and licence differences. We also found numerous differences across jurisdictions.\n\nConclusions: While availability was better than anticipated, licensing practices make it infeasible for libraries to purchase certain kinds of e-book (particularly older titles). Confidentiality requirements make it difficult for libraries to shop (and aggregators to compete) on price and terms.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,008 | 0,052 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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