STRATEGI PEMANFAATAAN LAYANAN REPOSITORY UNTUK MENINGKATKAN MINAT BERKUNJUNG KE PERPUSTAKAAN
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Penelitian ini mengkaji strategi pemanfaatan layanan repository sebagai upaya untuk meningkatkan minat berkunjung ke perpustakaan perguruan tinggi. Repository telah menjadi elemen penting dalam pengelolaan informasi dan pengetahuan di era digital. Tujuan utama penelitian ini adalah untuk mengidentifikasi strategi efektif yang dapat diterapkan oleh perpustakaan perguruan tinggi untuk memanfaatkan layanan repository guna mendorong minat mahasiswa dan dosen untuk berkunjung ke perpustakaan secara langsung. Metode penelitian ini menggunakan pendekatan kualitatif dengan studi kasus dengan teknik pengumpulan data melalui obeservasi di perpustakaan perguruan tinggi yang telah berhasil mengimplementasikan layanan repository dengan baik. Analisis data dilakukan dengan menggunakan mengidentifikasi tema dan pola strategi yang digunakan. Hasil penelitian ini menunjukkan bahwa strategi pemanfaatan layanan repository yang efektif melibatkan integrasi antara layanan repository dengan layanan perpustakaan lainnya, seperti lokakarya, pelatihan, dan promosi. Selain itu, penyediaan konten yang relevan dan berkualitas di dalam repository juga berperan dalam meningkatkan minat pengguna untuk mengakses dan memanfaatkannya. Strategi promosi yang kreatif dan berfokus pada manfaat pengguna menjadi faktor kunci dalam meningkatkan kesadaran dan minat berkunjung ke perpustakaan. Penelitian ini memberikan kontribusi bagi pengelola perpustakaan perguruan tinggi dalam mengembangkan strategi pemanfaatan repository yang efektif untuk meningkatkan minat berkunjung.
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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,006 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle