Campus entrepreneurs’ research habits and needs: a five-year study
Notice bibliographique
Résumé
Purpose This study surveyed the entrepreneurship community on a large university campus in 2016 and in 2020 to identify and understand its information habits and needs. User needs can inform service design and assessment, as well as inform approaches to reference interactions. Librarians are encouraged to conduct similar surveys to better understand this niche population. Design/methodology/approach Investigators employed repeated cross-sectional design, a longitudinal research approach that draws on samples of non-overlapping or minimally overlapping cases over time. Qualitative and quantitative data were collected using online survey instruments. Data collected included demographic information, venture characteristics, participation in institutional activities such as accelerator programs and credit courses, general startup research behaviors and needs, and details of a specific instance of business or market research as well as interaction with the library and access to training. Triangulation of semantic and episodic was applied to draw reliable conclusions about respondent behavior. Findings In both surveys, over half of respondents were students and 75% of respondents were engaged in startup activity, most at the early stages. While respondent demographics, type and purpose of information sought remained constant between the two surveys, awareness and use of the library rose on several metrics. Coding revealed insights into respondents’ attitudes toward and strategies for secondary business research. Information obtained during the research process had a moderate impact on their ventures. These findings informed the development of library research and instruction services, programs, and collections for entrepreneurs. Originality/value The repeated cross-sectional design of the study is unique and shows trends in the community over time. The mixed-methods approach provides a robust and nuanced portrait of the community. These findings informed the development and assessment of library research and instruction services, programs and collections for entrepreneurs.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».