MétaCan
Menu
Retour à la cohorte
Enregistrement W4410924609 · doi:10.29173/istl2857

Adding Libraries to the Equation: Mathematical Sciences’ Underutilization of Academic Librarians

2025· article· en· W4410924609 sur OpenAlexaboutno aff
Burke Jf, Elizabeth Novosel, Daniel Kipnis, Rasitha R. Jayasekare

Notice bibliographique

RevueIssues in Science and Technology Librarianship · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueMathematics, Computing, and Information Processing
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Mathematical SciencesUniversity of Colorado BoulderButler University
Mots-clésAcademic libraryLibrary scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Academic librarians do not engage with all disciplinary departments equally. Despite equal or even greater efforts, some departments are less responsive to librarian outreach. One such department is mathematics. To understand mathematics departments’ relationships with their academic librarians, three mathematics librarians created a 20-question survey that was disseminated to mathematics faculty, instructors, and instructional staff in the United States and Canada. Of the 188 survey participants, more than a third reported that they never engage with their librarians, approximately half only do so occasionally, and a mere eight percent of participants collaborated with librarians to provide information literacy instruction (IL) to their students. Participant responses revealed that mathematics faculty and instructors find librarian support unnecessary, often do not understand what librarians do or what services they offer and have limited time to include IL in course curricula. Participants also provided information about the resources they use for instruction, the university services and centers they use for their research, and the resources they would like to have in their library.

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)0,022
score de la tête « metaresearch » (Gemma)0,133
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
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 enseignants0,988
Score d'incertitude au seuil0,115

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,133
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,012
Études des sciences et des technologies0,0040,005
Communication savante0,0120,012
Science ouverte0,0020,008
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,045
Tête enseignante GPT0,317
Écart entre enseignants0,272 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIssues in Science and Technology LibrarianshipMême sujetMathematics, Computing, and Information ProcessingTravaux en français237 207