Content Access via Resource Sharing Early in the COVID-19 Pandemic: Findings from Nine Health Science Libraries
Notice bibliographique
Résumé
Abstract Objective COVID-19 challenged information exchanged globally, including interlibrary loan (ILL) procedures and processes. This research focused on resource-sharing networks used by Health Sciences Libraries (HSL) before and during the COVID-19 pandemic to identify changes in ILL and Document Delivery (DD) processes both in lending and borrowing. Methods From nine academic and association HSL who had participated in a prior study of DOCLINE usage, researchers requested institutional-level de-identified data on ILL and DD during the early pandemic period March-August 2020 and the comparison period of March-August 2019. We compared the journal article request data with previously reported findings from DOCLINE aggregated data. Results Regarding the number of requests from the nine institutions, five saw a decrease, while four saw an increase. The average rate of journal borrowing decreased by 67.1% (standard deviation (SD) 31.7%) per library, and lending decreased on average by 44.7% (SD 68.2%) per library. Document delivery, on average, decreased by only 1.9%, though this varied widely (SD 45.5%). For the data on monographs loaned during the pandemic, there was a predominance of single request titles unfilled across 2019 and 2020 (n = 1631; 93.5%). Conclusion The predominance of single request titles unfilled during the pandemic when libraries limited their sharing of physical materials argues for a deeper exploration of controlled digital lending of materials held in print. The findings across this study and its related investigations (Lloyd et al., 2022; Bakker et al., 2023) on the impact of the pandemic on resource sharing can inform and enhance preparedness planning, future resource sharing workflows and messaging, budgeting, evidence-based collection development, and dialog with content copyright holders about digitization priorities.
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 | 0,008 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».