Beyond embedded: Blended roles for information professionals in the 21st century knowledge economy
Notice bibliographique
Résumé
Twenty-first century librarians work with diverse populations with a variety of needs. Information users take multiple roles and institutional affiliations, collaborating across disciplines and domains of expertise. Librarians at the Gerstein Science Information Centre (Gerstein) of the University of Toronto Libraries (UTL) in Ontario, Canada have embraced the challenge of providing services that not only expand across traditional boundaries of public, academic and corporate information services, but also reach beyond a local user base. They meet this challenge by taking on embedded and blended roles as market intelligence information specialists at the MaRS Discovery District (MaRS), an innovation centre that works closely with the University of Toronto community. Working as a cohesive team, information specialists and industry analysts at MaRS serve clients that have diverse information needs, which span multiple industry sectors: information, communications and entertainment; life sciences; clean-tech and advanced manufacturing & materials; and social innovation. In the absence of a physical library, the market intelligence team leverages proprietary electronic subscriptions and publicly available information to deliver quality information services in a unique and sustainable way. This chapter will provide a case study that examines the growth of the operation from a single information specialist to a larger team over time, explains the current structure of the team, and explores the complementary strengths and skill sets of the various team members.
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 | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,014 | 0,025 |
| Communication savante | 0,036 | 0,035 |
| Science ouverte | 0,002 | 0,031 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».