Emprunteurs de livres à BAnQ : portraits et tendances
Notice bibliographique
Résumé
En comparaison d’autres zones géographiques présentant des pratiques culturelles diverses, le Québec a fait peu de place aux livres numériques (LN) jusqu’à récemment (Labrousse et Lapointe, 2021a). Exception faite de la période correspondant au début de la pandémie de COVID-19, les ventes de LN au Québec sont relativement stables ou diminuent. Toutefois, les services de prêt des bibliothèques se trouvent en première ligne pour constater non seulement l’augmentation de l’offre, mais aussi de la demande, qui les a incités à accélérer le développement des collections immatérielles (Labbé, 2016). Dans ce contexte, Bibliothèque et Archives nationales du Québec (BAnQ) a voulu faire le portrait des emprunteurs de LN au sein de l’institution et le comparer à celui des emprunteurs de livres physiques (LP) et d’emprunteurs hybrides. Les données analysées proviennent de trois sources : BAnQ pour les LP, ainsi que les deux principales plateformes d’emprunts de LN de BAnQ, soit Pretnumerique et OverDrive. Ces données sont de trois types, déterminés selon leur objet : les abonnés, les emprunts et les livres. Les profils des trois types d’emprunteurs (LN, LP et hybrides) sont examinés ce qui permet d’identifier des spécificités propres à chacun. En plus de soulever des enjeux tels la féminisation des emprunts, les résultats permettent de constater que certaines tendances, telles la diminution des emprunts de LP et l’augmentation des emprunts de LN, s’étaient déjà installées avant la pandémie.
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 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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.
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 validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».