MétaCan
Menu
Retour à la cohorte
Enregistrement W4360850267 · doi:10.5195/jmla.2022.1418

Engaging health sciences librarians on data ethics: case study on a pilot curriculum

2023· article· en· W4360850267 sur OpenAlexaboutno aff
Nicole Contaxis, Fred LaPolla, Genevieve Milliken

Notice bibliographique

RevueJournal of the Medical Library Association JMLA · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueResearch Data Management Practices
Établissements canadiensnon disponible
Organismes subventionnairesU.S. National Library of MedicineNational Institutes of HealthUniversity of Pittsburgh
Mots-clésCurriculumLibrary scienceMedical educationSociologyEngineering ethicsWorld Wide WebComputer scienceMedicineEngineeringPedagogy

Résumé

récupéré en direct d'OpenAlex

Background: Ethical decision-making regarding data collection, visualization and communication is of growing importance to librarians. Data ethics training opportunities for librarians, however, are uncommon. To fill this gap, librarians at an academic medical center developed a pilot data ethics curriculum for librarians across the US and Canada. Case Presentation: Three data librarians in a health sciences library developed a pilot curriculum to address perceived gaps in librarian training for data ethics. One of the team members had additional academic training in bioethics, which helped to provide an intellectual foundation for this project. The three-module class provided students with an overview of ethical frameworks, skills to apply those frameworks to data issues, and an exploration of data ethics challenges in libraries. Participants from library schools and professional organizations were invited to apply. Twenty-four participants attended the Zoom-based classes and shared feedback through surveys taken after each session and in a focus group after the course's conclusion. Discussion: Responses to the focus group and surveys indicated a high level of student engagement and interest in data ethics. Students also expressed a desire for more time and ways to apply what was learned to their own work. Specifically, participants indicated an interest in dedicating time for networking with other members of their cohort, as well as more extensive discussion of class topics. Several students also suggested creating concrete outputs of their thoughts (e.g., a reflective paper or final project). Finally, student responses expressed a strong interest in mapping ethical frameworks directly to challenges and issues librarians face in the workplace.

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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0090,004
Communication savante0,0040,004
Science ouverte0,0040,009
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,304
Tête enseignante GPT0,458
Écart entre enseignants0,154 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
DomaineMéthodes
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Medical Library Association JMLAMême sujetResearch Data Management PracticesTravaux en français237 207