Insufficient Understanding of User Benefits Impedes Open Data Initiatives at Museums
Notice bibliographique
Résumé
A Review of: Booth, P., Navarrete, T., & Ogundipe, A. (2022). Museum open data ecosystems: A comparative study. Journal of Documentation 78(4), 761-779. https://doi.org/10.1108/JD-05-2021-0102 Objective – Using Nardi and O’Day’s (1999) definition of ecosystem as “a system of people, practices, values, and technologies in a particular local environment,” to understand how art museums form their policy to interact with and respond to the various open data (OD) ecosystems in which they operate. Design – Multiple case study consisting of interviews and subsequent qualitative analysis, as well as document analysis. Setting – European art museum OD ecosystems. Subjects – Subjects included 7 management staff members at 3 separate mid-size, art-based museums located in Norway, the Netherlands, and Spain; an unspecified number of representatives from a cultural-policy agency in each of those countries; an unspecified number of government, museum, and research documents from within each museum’s OD ecosystem. Methods – The researchers identified 3 museums with OD initiatives and conducted in-depth interviews with relevant staff members at each institution. The researchers also interviewed representatives from relevant national OD policy-related agencies. The researchers coded their data and developed a list of five key OD “ecosystem components,” which they used to analyze the 3 specific museum ecosystems under consideration. Main Results – Open data initiatives at cultural heritage institutions are subject to a number of internal and external pressures. Museums are typically responsive to their environments, and top-down policy requirements appear to be an effective means of advancing open data initiatives. Nevertheless, the value proposition of open data appears to be insufficiently understood by museum staff and other stakeholders. As a result, museums participate in OD initiatives even when the benefit remains undemonstrated and the use of OD—how and by whom—remains unclear. Conclusion – The needs and wants of OD end-users remain ill-defined and poorly understood. As a result, museums expend resources and effort to supply OD, while remaining uncertain about the return on their investment. Attention to users could result in “more robust information flows between ecosystem components.”
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 | 0,100 | 0,204 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,010 | 0,012 |
| Communication savante | 0,027 | 0,040 |
| Science ouverte | 0,004 | 0,018 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».