Hong Kong Students Consider Virtual Reference a Vital Service and It Can Aid in Many Stages of Learning
Notice bibliographique
Résumé
A Review of: Tsang, A. L. Y., & Chiu, D. K. W. (2022). Effectiveness of virtual reference services in academic libraries: A qualitative study based on the 5E learning model. The Journal of Academic Librarianship, 48(4), Article 102533. https://doi.org/10.1016/j.acalib.2022.102533 Objective – Understand how virtual reference services (VRS) impact students’ learning using the 5E model (engage, explore, explain, elaborate, evaluate) as a theoretical framework. Design – Exploratory qualitative study. Setting – Major university in Hong Kong. Subjects – There were 10 participants between the ages of 18 and 35, including undergraduate and postgraduate students and one alumnus of the university. Methods – Online synchronous semi-structured interviews of 30 minutes via Zoom. Interview data were transcribed and analyzed thematically according to the 5E learning model. Main Results – WhatsApp was the preferred form of VRS, over Zoom, email, or phone. VRS can facilitate better awareness of library resources and supports resource exploration. WhatsApp VRS is particularly valuable for students who may find other modes intimidating, overly formal, or inaccessible due to time constraints. VRS has grown in importance since the COVID-19 pandemic. Conclusion – VRS provided via instant messaging is a valued service for students, but libraries, library websites, and librarians can all work to improve awareness of the option and possible uses. Future work is needed to understand how demographics may influence patrons’ attitudes and experiences of VRS.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».