The Buyback Dilemma: How We Developed a Principle-Based, Data-Driven Approach to Unbundling Big Deals
Notice bibliographique
Résumé
University of Saskatchewan is a publicly funded, medium-sized research intensive medical doctoral university in Canada. Like other academic libraries, we have been coping with the rising costs of Big Deal journal packages in the context of shrinking budgets and variable currency fluctuation between the Canadian and American Dollar. When faced with a need to cancel two Big Deal packages in order to balance our budget, we undertook a data-driven, principles-based approach. We discuss the context at University of Saskatchewan, and the principles and steps we used to successfully determine which packages to cancel, and how to determine titles for re-subscription within a limited budget. We discuss how we compiled and used data that addresses scholarly (citation), pedagogical (downloads), and reputational (survey responses) concerns, and share the formula we developed. We also share some lessons learned and recommendations and ideas for future Big Deal assessment.
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 | 0,229 | 0,325 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,010 | 0,013 |
| Études des sciences et des technologies | 0,012 | 0,029 |
| Communication savante | 0,053 | 0,052 |
| Science ouverte | 0,007 | 0,016 |
| Intégrité de la recherche | 0,007 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».