Assessing the Gap Between Intention and Implementation in Seed Lending Libraries
Notice bibliographique
Résumé
A Review of: Cohn, S. B. (2024). Lending seeds, growing justice: Seed lending in public and academic libraries. The Library Quarterly, 94(2), 117–133. https://doi.org/10.1086/729231 Objective – To survey seed lending programs in libraries on their goals and marketing. The research questions focus on the theoretical underpinnings of creating a seed library, the promotion and marketing materials used, and the gaps and connective points between the marketing and the underpinned intent, especially surrounding activism. Design – Literature review and survey. Setting – Academic and public libraries in the Seed Lending Network in the United States and Canada. Subjects – Librarians responsible for seed lending programs identified on each library’s website. Methods – Online survey with a mix of open- and closed-ended questions covering reasons for starting seed lending and workshops and other programming around seeds. Main results – 58 completed surveys were returned, 42 from public libraries and 16 from academic libraries. Some academic libraries who curate seed libraries do so in support of their agricultural degree programs, while others noted campus community gardens. Public libraries responded that their primary purpose was to support community gardeners; some less neutral responses included food deserts and rural libraries concerned about the loss of heirloom and non-GMO seeds. The marketing and programming around these programs primarily focused on gardening and how-to classes, including making paper with food scraps, creating natural dyes, and others. There is a gap between the initial intentions that were less neutral and the programming language that is more neutral and less activist. Conclusion – Some surveyed seed libraries stated goals around food justice, but there is a gap between that intention and the more neutral marketing and programming for their seed libraries. This could be due to preservation in a precarious time for public libraries.
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 | 0,064 | 0,186 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».