Notice bibliographique
Résumé
Supposing is good, but finding out is better."-Mark Twain I became a librarian because I love research.Specifically, I love the process of finding things out.It almost doesn't matter what-if I have a sense that the answer is there to be found, I want to dive in and find it, as many of us do.As a reference librarian at heart, it matters to me that the result of a search will be of benefit to some or many people, but still, beyond that, I find the process intrinsically satisfying.I entered librarianship with a background in population studies and public health research.As I gained experience as a librarian, I began to engage professionally in various ways, including doing research.This paper outlines my process in becoming, and embracing my identity as, a librarian-researcher.It also offers possibilities for how all of us who work in libraries can take steps to incorporate this important focus into our work. My Research BackgroundI date the beginning of my research career to the moment that I began a life-changing course at the University of Pennsylvania called "Introduction to Demography."It would probably not be life-changing for anyone else, but it was wholly unexpected for me to be so intrigued by a subject.Demography was,
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,053 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,027 | 0,022 |
| Communication savante | 0,039 | 0,043 |
| Science ouverte | 0,003 | 0,020 |
| Intégrité de la recherche | 0,012 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,011 |
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 source (Gemma direct ou Codex distillé), 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 ».