Developing a Library Association Membership Survey: Challenges and Promising Themes
Notice bibliographique
Résumé
Objective – Many of us involved in the library and information sector are members of associations that represent the interests of our profession. These associations are often key to enabling us to provide evidence based practice by offering opportunities such as professional development. We invest resources in membership so we must be able to inform those in charge about our needs, expectations, and level of satisfaction. Governing bodies and committees, therefore, need a method to capture these views and plan strategy accordingly. The committee of the Health Sciences Libraries Group (HSLG) of the Library Association of Ireland wanted to enable members to give their views on the group, to understand what aspects of a library association are important to librarians in Ireland, and to learn about the reasons for and against membership. Methods – Surveys are a useful way of obtaining evidence to inform policy and practice. Although relatively quick to produce, their design and dissemination can pose challenges. The HSLG committee developed an online survey questionnaire for members and non-members (anyone eligible to join our library association). We primarily used multiple choice, matrix, and contextual/demographic questions, with skip logic enabling choices of relevance to respondents. Our literature review provided guidance in questionnaire design and suggested four themes that we used to develop options and to analyse results. Results – The survey was made available for two weeks and we received 49 eligible responses. Analysis of results and reflection on the process suggested aspects that we would change in terms of the language used in our questionnaire and dissemination methods. There were also aspects that show good potential, including the four themes that were used to understand what matters to members: expertise (professional development), community (connecting and engaging), profession (sustaining and strengthening), and support (financial and organizational supports). Overall, our survey provided rich data that met our objectives. Conclusion – It is essential that those who are governing any group make evidence based decisions, and a well-planned survey can support this. Our article outlines the elements of our questionnaire and process that didn’t work, and those that show promise. We hope that lessons learned will help anyone planning a survey, particularly associations who wish to ascertain the views of their members and others who are eligible to join. With some proposed modifications, our questionnaire could provide a template for future study in this area.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
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 | 0,245 | 0,308 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,010 | 0,014 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».