MétaCan
Menu
Retour à la cohorte
Enregistrement W4310102440 · doi:10.29173/iasl8553

Expanding the Range of Evidence Use in School Library Practice

2022· article· en· W4310102440 sur OpenAlexvenueno aff
Annie Tam, Ružica Rebrović-Habek, Zvjezdana Dukić

Notice bibliographique

RevueIASL Annual Conference Proceedings · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEducational Assessment and Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSchool libraryVariety (cybernetics)Library scienceSociologyCitizen journalismPsychologyMedical educationPedagogyPolitical scienceMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

The study explores the involvement of school librarians from Croatia and Hong Kong in EBLIP. The main goal of this study is to find out what types of evidence school librarians from Croatia and Hong Kong use in their library practice and how useful they find different evidence types. The research method used in this study is survey and data were collected with an online questionnaire created and delivered with SurveyMonkey. The study reveals that school librarians in Croatia and Hong Kong use a wide variety of evidence sources in support of their library practice. Most often they use evidence from observation, professional interactions and library statistics. School librarians in both regions agree that these three types of evidence are the most useful for their library practice. However, if school librarians wish to demonstrate to stakeholders how school libraries contribute to teaching and learning they need to generate some more objective evidence through formal research. LIS educators and local school library associations may be encouraged to develop educational programs that will enhance school librarians' competences in formal research and involve them in a participatory research community.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,555
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,010
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 savante0,0010,007
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,300
Tête enseignante GPT0,439
Écart entre enseignants0,139 · 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'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIASL Annual Conference ProceedingsMême sujetEducational Assessment and ImprovementTravaux en français237 207