Apps and Mobile Support Services in Canadian Academic Medical Libraries
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
Objective: To examine how Canadian academic medical libraries are supporting mobile apps, what apps are currently being provided by these libraries, and what types of promotion are being used. Methods: A survey of the library websites for the 17 medical schools in Canada was completed. For each library website surveyed, the medical apps listed on the website, any services mentioned through this medium, and any type of app promotion events were noted. When Facebook and Twitter accounts were evident, the tweets were searched and the past two years of Facebook posts scanned for mention of medical apps or mobile services/events. Results: All seventeen academic medical libraries had lists of mobile medical apps with a large range in the number of medical relevant apps (average=31, median= 23). A total of 275 different apps were noted and the apps covered a wide range of subjects. Five of the 14 Facebook accounts scanned had posts about medical apps in the past two years while 11 of the 15 Twitter accounts had tweets about medical apps. Social media was only one of the many promotional methods noted. Outside of the app lists and mobile resources guides, Canadian academic medical libraries are providing workshops, presentations, and drop-in sessions for mobile medical apps. Conclusion: While librarians cannot simply compare mobile services and resources between academic medical libraries without factoring in a number of other circumstances, librarians can learn from mobile resources strategies employed at other libraries, such as using research guides to increase medical app literacy.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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