State of Art Museum Libraries: Evolving Practices Since 2016 and Shaping the Next Decade Together
Notice bibliographique
Résumé
In 2016, ARLIS/NA published the State of Art Museum Libraries 2016 White Paper, which detailed the roles, issues, and challenges faced by art museum libraries in the United States. The report highlighted how art museum libraries serve as vital partners in their institutions' educational missions by providing authoritative, relevant, and timely research services to both museum constituents and the general public. Despite their critical role, these libraries were facing increasing pressures and needed to justify their value. The report examined the constraints faced by these libraries and offered strategies for overcoming them. Now, five years after the onset of the COVID-19 pandemic, an event that has profoundly reshaped practices across the library field, this panel will present new research and case studies that assess the current state of museum libraries in the United States and Canada. In addition to the 2016 report, research was informed by more recent ARLIS/NA reports, including the 2019 Census of Art Information Professionals and the 2022 Report of the ARLIS/NA Presidential Task Force on Art Libraries and COVID-19. Focusing on the theme of "activating community together," the report's authors presented findings from the field level survey completed by 61 museum libraries and will discuss key findings, including the evolving role of libraries within art museums, institutional support for museum libraries, staffing and hiring practices, work-life balance and workplace culture, the state of diversity, equity, and inclusion initiatives, collection development and management, and emerging trends in user experience. They discussed their research methodology to guide attendees interested in conducting similar studies or expanding on this work. Additional panelists will presented case studies highlighting changes within their own institutions over the past decade, linking the survey data to illustrations of the broader state of the field at the individual institution level.
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 | 0,023 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,018 |
| Études des sciences et des technologies | 0,015 | 0,014 |
| Communication savante | 0,041 | 0,024 |
| Science ouverte | 0,004 | 0,020 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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.
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 ».