Finding Your Place: Assessing Diversity, Equity, and Inclusion in an Academic Library
Notice bibliographique
Résumé
Objective – An exploratory study was conducted to identify the key factors that influence students’ perceptions of a sense of belonging in an academic library, focusing particularly on gaining insight into the perspectives of students from historically marginalized communities. Methods – Participants were administered an online survey comprising 18 multiple-choice, Likert-type, and open-ended questions. The survey was active for three weeks during March and April 2022. Effect sizes were calculated using Pearson point-biserial correlation statistics. Qualitative results were coded using thematic analysis. Results – An analysis of the quantitative data revealed that students who identified as non-binary/queer/gender non-conforming, identified as a person of color, or identified as a person with a disability were less likely to find the library as inclusive. They were also more likely to report incidents of microaggression, bias, or discrimination. An analysis of the qualitative data revealed several key factors influencing perceptions of inclusiveness, including space, collections, displays, art, technology, programming, marketing, staff, and wayfinding. Conclusion – These mixed findings suggest that while the majority of students perceive the library environment as inclusive, further efforts are needed to establish a truly inclusive and safe space for students from historically marginalized communities.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,002 | 0,596 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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; les deux têtes enseignantes 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 ».