MétaCan
Menu
Retour à la cohorte
Enregistrement W6920304023 · doi:10.60692/cew3t-e2397

TikTok como ferramenta de inovação em serviços de informação em bibliotecas

2022· article· pt· W6920304023 sur OpenAlexaboutno aff

Notice bibliographique

RevueGreater South Information System · 2022
Typearticle
Languept
DomaineComputer Science
ThématiqueHealthcare during COVID-19 Pandemic
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésField (mathematics)Order (exchange)Digital libraryInstitutionSubject (documents)

Résumé

récupéré en direct d'OpenAlex

O estudo tem como objetivo analisar o posicionamento digital de algumas bibliotecas na rede social TikTok, observando o uso dessa plataforma como estratégia de inovação em serviços na perspectiva das novas tendências de consumo da informação. Trata-se de uma pesquisa descritiva, de abordagem qualitativa, cujo delineamento do estudo foi dividido em duas fases: pesquisa bibliográfica (levantamento de pesquisas e relatos de experiências sobre o tema) e levantamento dos perfis de bibliotecas na rede social que utilizam a plataforma. Foram analisados cinco perfis: Biblioteca Pública Sierra Madre, Biblioteca Pública de Vancouver, Biblioteca Pública de Iowa, Biblioteca Pública de Dover e a Biblioteca Pública de Calgary. O processo de análise da pesquisa sobre o posicionamento digital desses espaços foi realizado a partir de quatro aspectos: marketing, engajamento, interação com os usuários e produção de conteúdo. Observou-se que essas bibliotecas, aliando seu caráter profissional ao potencial de entretenimento da rede social TikTok, desenvolveram uma relação de interação e de engajamento com os seus usuários, o que gerou maior interesse pelos seus serviços de informação e produtos por meio do marketing digital. Tornaram-se, assim, inovadoras em seu posicionamento digital estratégico, acompanhando as novas tendências de consumo da informação pelos usuários.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,674
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,005
Études des sciences et des technologies0,0020,000
Communication savante0,0020,003
Science ouverte0,0030,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

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 Opus0,073
Tête enseignante GPT0,279
Écart entre enseignants0,205 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetHealthcare during COVID-19 PandemicTravaux en français237 207