MétaCan
Menu
Retour à la cohorte
Enregistrement W4306253380 · doi:10.1002/pra2.635

Researching in Times of Crisis: Toward <scp>Information‐Resilient</scp> Societies

2022· article· en· W4306253380 sur OpenAlexaff
Marie L. Radford, Lynn Silipigni Connaway, Abebe Rorissa, Cansu Ekmekcioglu, Nadia Caidi

Notice bibliographique

RevueProceedings of the Association for Information Science and Technology · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Administration
Établissements canadiensUniversity of Toronto
Organismes subventionnairesAssociation of Research Libraries
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)Social mediaPublic relationsSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakPolitical scienceContent analysisInformation behaviorLibrary scienceSociologyWorld Wide WebComputer scienceSocial scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract This panel features four experts in Library and Information Science (LIS) research who will present findings from major projects conducted during the COVID‐19 pandemic from national and international contexts. These include: a) a mixed‐methods study of virtual reference services in academic libraries during the pandemic's beginning, b) semi‐structured interviews with 29 global library leaders about library models that emerged in response to changes caused by the pandemic, c) a questionnaire survey of information professionals from the Association of Research Libraries (ARL) regarding linked data technologies, and d) a mixed‐methods approach to study newcomers and (mis)information during the pandemic including in depth interviews and content and sentiment analyses of social media platforms. The panelists will describe obstacles and challenges encountered during the pandemic, and efforts to overcame these. They will provide an overview of major findings and share research‐based implications for building and maintaining information‐resilient societies.

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)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,699
Score d'incertitude au seuil0,834

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,008
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,285
Écart entre enseignants0,269 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Association for Information Science and TechnologyMême sujetLibrary Science and AdministrationTravaux en français237 207