Shaping the Future: A Research Agenda for U.K. Libraries
Notice bibliographique
Résumé
Objective – This study explored current and future trends in librarianship within the U.K. library and information profession, intending to highlight the most critical for future evidence based research. Research outcomes should resonate across the wider sector and be an indicative stepping stone to collaborative research endeavours by members of the profession at a time when funding is tight, and staff availability is in short supply. Methods – A qualitative Delphi consensus method was chosen for the research, adapted from Paul’s (2008) modified Delphi card-sorting model. Contributions from conference programs and 31 individual experts from the U.K. library and information profession contributed to the generation of current themes and trends impacting their library environments. Data were analyzed by the experts in an incremental manner following the adapted methodology, and consensus was achieved through the process. Results – The findings of the research indicated that there were five significant trends and areas of concern which are impacting our libraries at all levels. These naturally include pressing current concerns such as the impact of artificial intelligence (AI), critical librarianship, and censorship/book banning. Library spaces remain a significant issue for the wider sector. Conclusion – The adapted modified Delphi card-sorting method with three distinct sections to the research proved especially valuable in a study where there were many different approaches to librarianship. The use of conference data to seed the initial set of themes has been shown to be unusual and rarely used in this way before. The process of achieving and reaching consensus illustrated the need for the profession as a whole to work more closely together. The outcome of the consensus research should now be taken forward collaboratively by the library profession, with space and training given to staff across all sectors and grades to engage in evidence based research for the benefit of all.
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 | 0,056 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,006 | 0,013 |
| Études des sciences et des technologies | 0,033 | 0,023 |
| Communication savante | 0,056 | 0,074 |
| Science ouverte | 0,006 | 0,035 |
| Intégrité de la recherche | 0,018 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,005 |
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 ».