MétaCan
Menu
Retour à la cohorte
Enregistrement W4408072603 · doi:10.1016/j.acalib.2025.103027

Academic librarian schedules and workspaces

2025· article· en· W4408072603 sur OpenAlexaff
Katherine Hanz, Dawn McKinnon

Notice bibliographique

RevueThe Journal of Academic Librarianship · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueFacilities and Workplace Management
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésWorkspaceComputer scienceMultimediaWorld Wide WebArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Libraries around the world are exploring new models for operating and providing services post-pandemic. Many case studies have been written about individual programs and services, alongside articles about libraries pivoting as a response to COVID-19; however, this study is a large-scale, national study on library work. As academic libraries have been playing with flexible schedules and different types of workspaces, there are major implications for how librarians work and their level of satisfaction with their jobs. This study of English-speaking Canadian academic librarians is the first national overview of how and where librarians across the country are working, and levels of satisfaction with different working situations and conditions. The following research questions were considered: 1. What are librarian work schedules, and are they able to choose their schedules? 2. What kinds of workspaces do they have? 3. What do they like about their workspaces? 4. What do they feel can be improved with their schedules and workspaces? Results show that the majority of academic librarians work in closed offices, and prefer this set up. Most work on campus between 3 and 5 days a week, and choose which days they work from home . This study fills a gap in literature on the current working environment in academic libraries , providing comprehensive findings on how librarians feel about their working conditions and schedules. Results are easily adaptable to other library settings and to other academic units.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,256

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,037
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0070,007
Études des sciences et des technologies0,0030,001
Communication savante0,0070,004
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0770,017

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,304
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueThe Journal of Academic LibrarianshipMême sujetFacilities and Workplace ManagementTravaux en français237 207