Canada: Assessing the Music Score Collection at the University of Toronto
Notice bibliographique
Résumé
The University of Toronto Music Library is the largest music research collection in Canada, with over 350,000 books, music scores, and periodicals, and over 250,000 sound recordings in various formats. Thanks to a healthy acquisitions budget and generous in-kind donations we have exceeded our shelving capacity. Further challenges include open stacks with shelves too close together for users to easily navigate through, poor lighting that makes reading call numbers difficult, and high shelving that the University's Environmental Health and Safety Office determined put materials too close to the sprinkler heads in the ceiling. Changes needed to be made. Tentative plans began for a major renovation of the space in conjunction with the faculty that houses the library; unfortunately, those plans were put on indefinite hold due to geographical constraints, competing University capital project priorities, and (more recently) a new dean of music who needed to focus on accusations of systematic oppression, racism, and coloniality within the faculty's programming and pedagogical practices, in which the library was also implicated. To address these many challenges, the authors of this article began a large-scale project in 2019 to assess space planning and accessibility, update the collections policy, and address issues of equity, diversity, and inclusion within the library's holdings. This article outlines the journey our process took and the key takeaways: a literature review on collection assessment; a summary of our approach to learning about the diversity in our collection; an overview of the collection assessment summit we held in April 2021; designing a user needs survey and interpreting its results, and the next steps in our journey.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».