Back to Normal? Perspectives of Faculty and Teaching Librarians on Information Literacy Instruction After the Lockdowns
Notice bibliographique
Résumé
Objective – While LIS scholars have extensively studied the widespread disruptions to library instruction during the lockdown period of the COVID-19 pandemic, there is a relative dearth of research concerning the longer-term implications for teaching information literacy (IL). This exploratory survey sought to examine how faculty have introduced IL skills to students before, during, and after the COVID-19 lockdowns. After returning to in-person operations in 2021, the authors observed a change in how faculty have engaged with libraries to teach IL to their students. Methods – Utilizing parallel survey instruments, we asked faculty and librarians for their perceptions of current and past practices with scheduling library IL sessions, evaluating student research skills and considering how they acquired those skills. Results – Although responses showed an unsurprising decrease in library instruction requests during the pandemic lockdowns, faculty respondents noted a return to nearly pre-pandemic norms after the resumption of in-person operations. Teaching modality and use of research assignments did not appear to impact faculty IL scheduling behaviors, but differences in faculty and librarian responses highlighted potential disagreements about the impact of COVID-19 on faculty use of library instruction. Additional questioning indicates a disconnect between how faculty perceive student research skills and their reasons for scheduling library instruction, which suggests misperceptions of librarian expertise and differences in understanding how librarians should teach information literacy. Open-ended responses provided additional context to these issues, while identifying potential barriers and opportunities. Conclusion – Overall, our findings indicate that, rather than fundamentally altering faculty approaches to information literacy, the COVID-19 disruptions revealed and exacerbated endemic problems with the prevalent one-shot model of library instruction.
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 | 0,018 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,020 | 0,012 |
| Communication savante | 0,013 | 0,007 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».