MétaCan
Menu
Retour à la cohorte
Enregistrement W4283013621 · doi:10.18438/eblip30016

Enhancing Users’ Perceived Significance of Academic Library with MOOC Services

2022· article· en· W4283013621 sur OpenAlexvenueno aff
Flora Charles Lazarus, Rajneesh Suryasen

Notice bibliographique

RevueEvidence Based Library and Information Practice · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExtant taxonWorld Wide WebService (business)Academic libraryComputer scienceThe InternetPerceptionHigher educationKnowledge managementPsychologyLibrary scienceBusinessMarketingPolitical science

Résumé

récupéré en direct d'OpenAlex

Objective – Academic libraries have been impacted by the tremendous changes taking place in higher education due to the arrival of the internet and web-based technologies. Several articles have shown the decline in library usage and user need for electronic resources. The entry of MOOCs into higher education has repurposed the library’s roles and services. This research aims to explore the possible MOOC services of academic libraries and their effect on the user perception towards the significance of academic libraries. Methods – The academic library’s MOOC services are derived from the extensive literature review and subsequently a research model based on extant literature has been developed to evaluate user behaviour. The research model is evaluated using confirmatory factor analysis methods. Results – The academic library’s services for MOOCs have been categorized as, (a) user support services, (b) information services, and (c) infrastructure services. The study shows that each of these service categories have a positive impact on the library usage intention of the users. This in turn has a positive effect on the library’s perceived significance. Conclusion – The library services for MOOC users defined in this research and the findings are useful for librarians to develop new service strategies to stay relevant for the user.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,726
Score d'incertitude au seuil0,787

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,224
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,245
Écart entre enseignants0,236 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence Based Library and Information PracticeMême sujetOnline Learning and AnalyticsTravaux en français237 207