Plotting Your Job Hunt: The Use of Visual Timeline for Investigating the Job Search Process
Notice bibliographique
Résumé
Objective – This article discusses the use of a visual timeline activity in qualitative research investigating a process. This was part of a larger project exploring the experience of former library staff and their searches for academic librarian positions. It will also discuss the impact a visual method had in shaping the quality of the data. Methods – In 2023, the author conducted in-depth virtual interviews with 22 former library staff working in U.S.-based academic libraries about their experiences applying for academic librarian positions. A timeline worksheet was incorporated into the interviews, in which participants were asked to chronologically plot out their searches, as well as discuss significance of their selections. Both transcripts and timelines were analyzed using inductive thematic analysis, with the derived codes applied to both. Timelines were analyzed for visual connection to themes. Results – Participants used the timelines as a way to explain steps taken during their job searches, eventually leading to the start of their new jobs. Completing the activity helped participants recall moments from their searches during the interview. They also used the visual format to express the emotions they felt and their sense of passing time. Issues that arose while conducting the activity included some participants’ fears of “doing [the activity] wrong,” as well as limitations of the digital tool used to lead the interviews. Conclusion – Qualitative research in library science can benefit from the use of visual methods like timelines, especially for research on procedural aspects of working in academic librarianship. While practical matters such as extra time and material needs may hamper a researcher’s desire to use them, visual data can supplement oral interview transcripts.
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 | 0,022 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».