Both Sides Now: Growth Through Shared Learning in Mentoring Relationships
Notice bibliographique
Résumé
There is a broad recognition of the importance and value of mentoring to the library profession, especially for early career professionals (Freedman, 2009; Irwin, 2021). In Canada many new LIS graduates often work in limited-time contract positions at the beginning of their careers, moving through different roles, different work cultures and environments, and have to navigate strategic positioning to develop a skill set that will ultimately get them permanent roles. Strong mentorship takes time - mentors trade away hours that could be used to pursue their own goals and spend them supporting someone else's, with the ultimate goal of growing the profession and supporting diverse voices and experiences. Mentors often cite strong mentorship they received and how it positively shaped not only their careers, but their professional experiences as a reason for becoming mentors themselves (Bell & Rosowsky, 2021). Over the course of a librarian's career there are many opportunities to both become a mentor, and find opportunities to be mentored. The best mentorship situations have mutual respect, trust, strong communication, shared values, and a desire to mutually learn and grow as mentor and mentee. There is generally little formal guidance on how to be a good mentor, and what does exist is largely developed outside of the library world. This said, the best of mentoring is discipline-agnostic (Havrilla, 2020). This presentation examines ideas and best practices for effective mentoring relationships, rooted in the lived experiences of the presenters with this work.
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 | 0,020 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,014 |
| Communication savante | 0,021 | 0,021 |
| Science ouverte | 0,003 | 0,036 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 ».