Notice bibliographique
Résumé
Building on the 2019 ACRL/SPARC Forum on Collective Reinvestment in Open Infrastructure, this program will explore how libraries can make different commitments to fund content created by open infrastructures. Library collections increasingly promote and reflect such open content and many have chosen to contribute to funding those products. There is not one formula or roadmap to underwrite the publishing and distribution costs of these open resources. There are many variables and considerations as some open content corresponds to serials and others are books or monographs. Open access content is increasingly found in nearly all subject areas, as scholarly publishing models have evolved. Open access does not come without a price to create, maintain and preserve the outputs. Libraries are reconsidering whether they want to commit so much to purchase materials or subscription-based products, when it is unclear what the anticipated use of any materials will be over time. Planning and opportunities for new and more flexible decisions concerning adjustments to and expenditures of the materials budget are under exploration by libraries. There are many options to invest in creating more content to be released as open access. Such options include contributing financially from the Library collections or materials budget to subsidizing or covering APCs, engaging in a more “library as publisher” model hosting journals, publishing books, creating OERs, and offsetting other expenses that ultimately drive a more intensive open infrastructure. Library leaders and partners will share their ideas about trying different approaches to contribute to more open publishing initiatives and explore whether efforts in deploying current book and serial costs to offset opportunities to build a wider and more open infrastructure is on the horizon. This analysis should incorporate the costs of analytical tools necessary to the use of such content in today’s research. Questions will be solicited ahead of time to reflect audience’s interest in such a rethinking of the library collections budget. Please email Julia Gelfand at with your questions.
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 | 0,007 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,016 |
| Communication savante | 0,032 | 0,035 |
| Science ouverte | 0,002 | 0,026 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,007 |
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 ».