Identifying gaps in consumer health library collections: a retrospective review
Notice bibliographique
Résumé
BACKGROUND: The objective of this study was to determine if search request forms, which are used when a patron's request for information cannot be fulfilled at the time of contact with the library team, can be used to identify gaps in consumer health library collections. CASE PRESENTATION: Search request forms were collected from 2013 to 2020 and analyzed independently by two reviewers. Search request forms were included if they were complete and contained a record of how the request was fulfilled. Descriptive statistics were used to summarize patron characteristics. Search request forms were iteratively coded to identify themes in the data and determine if resources provided to patrons could be found within the library collection. The study team subsequently reviewed search request forms to determine reasons for identified gaps. Two hundred and forty-nine search request forms were analyzed. Six main content themes were identified: 1) understanding the cancer diagnosis, 2) cancer treatments, 3) understanding disease prognosis, 4) support during and after treatment, 5) natural health products and therapeutic effects in oncology, and 6) research literature. The majority of patrons were patients (53%). Over half (60%) of the submitted search request forms reflected collection gaps, and many (16%) contained queries for information about rare cancer diagnoses. The main reason that queries could not be satisfied was that there was limited consumer health information on the requested topics (53%). CONCLUSIONS: Search request forms are a useful resource for assessing gaps in consumer health library collections.
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 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 | 0,012 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».