Doing More with a DM: A Survey on Library Social Media Engagement
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 – This study sought to determine the role social media plays in shaping library services and spaces, and how queries are received, responded to, and tracked differently by different types of libraries. Methods – In April and May of 2021, researchers conducted a nine-question survey (Appendix A) targeted to social media managers across various types of libraries in the United States, soliciting a mix of quantitative and qualitative results on prevalence of social media interactions, perceived changes to services and spaces as a result of those interactions, and how social media messaging fits within the library’s question reporting or tracking workflow. The researchers then extracted a set of thematic codes from the qualitative data to perform further statistical analysis. Results – The survey received 805 responses in total, with response rates varying from question to question. Of these, 362reported receiving a question or suggestion via social media at least once per month, with 247 reporting a frequency of less than once per month. Respondents expressed a wide range of changes to their library services or spaces as a result, including themes of clarification, marketing, reach, restriction, collections, access, service, policy, and collaboration. Responses were garnered from all types of libraries, with public and academic libraries representing the majority. Conclusion – While there remains a disparity in how different types of libraries utilize social media for soliciting questions and suggestions on library services and spaces, those libraries that participate in the social media conversation are using it as a resource to learn more from their patrons and communities and ultimately are better situated to serve their population.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,339 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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