Health sciences librarians’ engagement in open science: a scoping review
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
OBJECTIVES: To identify the engagement of health sciences librarians (HSLs) in open science (OS) through the delivery of library services, support, and programs for researchers. METHODS: We performed a scoping review guided by Arksey and O'Malley's framework and Joanna Briggs' Manual for Scoping Reviews. Our search methods consisted of searching five bibliographic databases (MEDLINE, Embase, CINAHL, LISTA, and Web of Science Core Collection), reference harvesting, and targeted website and journal searching. To determine study eligibility, we applied predetermined inclusion and exclusion criteria and reached consensus when there was disagreement. We extracted data in duplicate and performed qualitative analysis to map key themes. RESULTS: We included fifty-four studies. Research methods included descriptive or narrative approaches (76%); surveys, questionnaires, and interviews (15%); or mixed methods (9%). We labeled studies with one or more of FOSTER's six OS themes: open access (54%), open data (43%), open science (24%), open education (6%), open source (6%), and citizen science (6%). Key drivers in OS were scientific integrity and transparency, openness as a guiding principle in research, and funder mandates making research publicly accessible. CONCLUSIONS: HSLs play key roles in advancing OS worldwide. Formal studies are needed to assess the impact of HSLs' engagement in OS. HSLs should promote adoption of OS within their research communities and develop strategic plans aligned with institutional partners. HSLs can promote OS by adopting more rigorous and transparent research practices of their own. Future research should examine HSLs' engagement in OS through social justice and equity perspectives.
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 | 0,064 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,010 | 0,059 |
| Science ouverte | 0,031 | 0,018 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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