Leveraging the Principles of Lean Six Sigma in Creating Value for the User Community
Notice bibliographique
Résumé
This is a case study on how Singapore Management University (SMU) Libraries used an evidence based approach to decision making, based on the principles of Lean Six Sigma.Academic Libraries and the services offered by them have been evolving over the years along with the changing landscape of higher education.By using a data-driven methodology, SMU Libraries, was able to provide a service that was relevant and tailored to the needs of its community. BackgroundProvisioning of personal computers for use is one of the services provided by SMU Libraries to support the learning and research needs of the user community.A total of 48 computers are provided spread over 2 levels of Li Ka Shing Library, one of the two libraries under the umbrella of SMU Libraries.Of these, about 8 are dedicated for access to specialized financial databases with the remaining being used for general purposes.The computers are commonly used by students to access electronic databases or for initiating print jobs.In recent years, the library had seen a sharp increase in the number of laptops owned and operated by its patrons.In addition, the library had also undergone a master planning exercise to better utilize its space.As result of the evolving external environment, the Library decided to study if the current model of providing common PC's was effective in supporting the learning needs of the SMU community.Anecdotal and casual observation gave strength to the opinion that students did not require such PC's anymore, and their needs would be better served by removing the PC's and turning the whole area into a student study space.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».