Avaliação da Qualidade e da Produtividade do Serviço de
Notice bibliographique
Résumé
Este relatório aborda, a experiência realizada na Biblioteca da Faculdade de\nCiências e Tecnologia da Universidade Nova de Lisboa (FCT/UNL), sob o tema\nImplementação de Ferramentas para a Monitorização da Qualidade e da Produtividade\ndo Tratamento Documental, em que foram equacionadas soluções para melhorar a\nqualidade da informação do catálogo da biblioteca e considerados os efeitos/mudanças\nque este tipo de atividades pode provocar.\nO estudo desenvolvido, partiu de uma problemática que se prende com a falta de\nqualidade da informação produzida, associada à inexistência de um mecanismo de\nmonitorização da qualidade da informação do catálogo e seguiu uma orientação teórica\nque visou a problematização da qualidade da informação e a procura de evidências para\nmonitorizar e melhorar a qualidade da informação do catálogo. Para a análise da\ninformação recolhida foi aplicada a metodologia Evidence-Based Librarianship (EBL),\numa ferramenta de apoio à gestão e à tomada de decisões, para a resolução de\nproblemas. Graças, a esta abordagem reflexiva das atividades realizadas, foi possível\nrecolher, analisar criticamente e integrar as evidências.\nDestacamos duas metodologias a TIQM e a AIMQ, que podem ser aplicadas\npara avaliar e melhorar a qualidade da informação. Relativamente aos impactos destas\natividades para a qualidade da informação do catálogo, à luz do modelo PESICO,\ndepreendemos da análise do modelo proposto que estas podem ser bastantes benéficas à\nBiblioteca em estudo, pelos ganhos que acarretam.
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 | 0,034 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,014 | 0,019 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,033 | 0,016 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,006 |
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 ».