MétaCan
Menu
Retour à la cohorte
Enregistrement W4416811906 · doi:10.1007/s00799-025-00436-6

Going beyond digital libraries: a literature review of phygital user experience research methods

2025· article· en· W4416811906 sur OpenAlexaff
Jessica Waggoner, Shannon Lucky, Stacey Redick, Amanda Rizki, Jen-chien Yu

Notice bibliographique

RevueInternational Journal on Digital Libraries · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésUser experience designContext (archaeology)User ResearchInclusion (mineral)User interfaceKey (lock)Digital libraryUsability

Résumé

récupéré en direct d'OpenAlex

Abstract This study investigates the emerging concept of “phygital” (physical and digital) user experience (UX) research within the context of public and academic libraries. It addresses two central questions: what considerations UX researchers and practitioners should keep in mind when studying phygital user interactions, and to what extent established UX research methods can be applied in these environments. Through a comprehensive literature review of English-language sources from the past decade across library and information science (LIS), human–computer interaction (HCI), and marketing, the authors examine the applicability of established UX research methods to phygital contexts. The study highlights several key considerations for library UX professionals, including the need to adapt methodologies, incorporate accessibility and inclusion frameworks, and navigate organizational challenges. The findings suggest that while existing UX literature offers valuable guidance, interdisciplinary collaboration drawing from fields such as marketing, HCI, and design justice can further support libraries in developing innovative and inclusive phygital user experiences.

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)0,030
score de la tête « metaresearch » (Gemma)0,073
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,073
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0290,028
Études des sciences et des technologies0,0020,004
Communication savante0,0100,009
Science ouverte0,0020,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,423
Écart entre enseignants0,381 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal on Digital LibrariesMême sujetInnovative Human-Technology InteractionTravaux en français237 207