How developing a point of need training tool for evidence synthesis can improve librarian support for researchers
Notice bibliographique
Résumé
Medical and health sciences librarians who are involved in evidence synthesis projects will know that systematic reviews are intensely rigorous, requiring research teams to devote significant resources to the methodological process. As expert searchers, librarians are often identified as personnel to conduct the database searching portion and/or are approached as experts in the methodology to guide research teams through the lifecycle of the project. This research method has surged in popularity at our campus and demand for librarian participation is unsustainable. As a response to this, the library created self-directed learning objects in the form of roadmap to assist researchers in learning about the knowledge synthesis methodology in an expedient, self-directed manner. This paper will discuss the creation, implementation and feedback around our educational offering: Systematic & Scoping Reviews: Your Roadmap to Conducting an Evidence Synthesis.
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 | 0,445 | 0,717 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,005 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,021 | 0,012 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,026 | 0,053 |
| Science ouverte | 0,008 | 0,022 |
| Intégrité de la recherche | 0,011 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,041 | 0,027 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».