An Exploration of Journals Requested by Health Sciences Libraries Through DOCLINE Interlibrary Loan During the Early COVID-19 Pandemic
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
COVID-19 challenged information exchange globally, including interlibrary loan (ILL). This project explored DOCLINE ILL borrowing data from 15 academic, hospital, and association health sciences libraries before and during the pandemic to understand gaps in ILL coverage. We reviewed aggregate filled and unfilled borrowing data from March to August in 2019 and 2020. We compared these time periods to each other and to system-wide fill rates. We normalized journal titles, added journal price and language, calculated descriptive statistics and odds ratios, and conducted 2-proportion z-tests of differences. In our sample of 14,891 requests, the odds of requests being unfilled were 2.7 times higher in 2020 than in 2019. While the proportion of non-English language content requested did not change, a significantly higher proportion went unfilled in 2020. The rate of unfilled requests for older items also rose significantly between 2019 and 2020. Our findings support the conclusion that the COVID-19 pandemic significantly influenced ILL article request fulfillment in health sciences libraries. Libraries should consider collection development strategies to increase the accessibility of articles held only in print, and those with specialized print collections may want to prioritize digitization of older materials. Future research on the availability, utility, and expense of the materials more likely to remain unfilled should inform publisher backfile prioritization as well as consortial and individual library collection development practices.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,001 | 0,043 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle