MétaCan
Menu
Retour à la cohorte
Enregistrement W3179037936 · doi:10.21083/partnership.v16i1.6461

Lists of Opportunities: My Experience as a School Librarian During the COVID-19 Pandemic

2021· article· en· W3179037936 sur OpenAlexvenueno aff
Bonnie Morley

Notice bibliographique

RevuePartnership The Canadian Journal of Library and Information Practice and Research · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Methods and Media Use
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFeelingPandemicLonelinessPublic relationsIsolation (microbiology)Context (archaeology)CreativityGovernment (linguistics)Coronavirus disease 2019 (COVID-19)SociologyPsychologyPolitical scienceSocial psychologyMedicineHistory

Résumé

récupéré en direct d'OpenAlex

In this paper I share my experiences, opinions and perspectives of running a school library during the COVID-19 pandemic. I discuss the difficulties and problems I have encountered, but also the opportunities for creativity that have presented themselves. From experiencing government cutbacks to layoffs and school closures, I discuss my feelings and frustrations about COVID-19 and how it prevented me from doing my job. I demonstrate how the pandemic heightened the feeling of isolation and loneliness in a job that can already make one feel disconnected; I highlight the importance and need for human connection. I also examine the new creative opportunities that working during a pandemic has given me, like asynchronous programming, collection development, professional development and a chance to experiment or renovate. This paper is meant to highlight the importance of school libraries and start a discussion of our role before and after the pandemic. Advocacy helps ensure that school libraries remain open. My goal is to give a glimpse of day-to-day library practice in a school library during the pandemic and share ideas and information with the library and information community. My views and opinions are my own, and the context will be different in every school.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,028
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0470,018
Communication savante0,0220,017
Science ouverte0,0040,027
Intégrité de la recherche0,0070,009
Charge utile insuffisante (le modèle a refusé de juger)0,0150,005

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.

Tête enseignante Opus0,240
Tête enseignante GPT0,426
Écart entre enseignants0,186 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePartnership The Canadian Journal of Library and Information Practice and ResearchMême sujetEducational Methods and Media UseTravaux en français237 207