La mise en oeuvre interculturelle de LibQUAL+MC : le cas du français
Bibliographic record
Abstract
Cet article présente une analyse contextuelle des problèmes interculturels et linguistiques de traduction reliés à la version française du questionnaire LibQUAL+MC, tel qu’utilisé dans des bibliothèques canadiennes à l’automne 2003. On répond par l’affirmative à la question de recherche qui consiste à déterminer si le processus de traduction française a produit des résultats équivalents aux versions anglaises du questionnaire. Les dimensions de l’outil LibQUAL+MC utilisées pour mesurer la qualité des services sont validées par une analyse factorielle et une analyse de fidélité des données recueillies par la participation de l’Université Laval et de l’Université d’Ottawa. Un questionnaire comportant trois dimensions ressort de ce processus, c’est-à-dire les dimensions de bibliothèque en tant que lieu, de soutien du personnel et de contrôle informationnel. Le processus de validation assure que les versions du questionnaire sont culturellement pertinentes dans la langue cible et équivalentes à l’original sur le plan conceptuel, et ce processus garantit l’équivalence interculturelle de la version française. L’importance d’un cycle itératif continu d’analyse contextuelle est également apparu comme une composante importante qui fournit l’assurance que LibQUAL+MC peut être appliqué avec succès à l’intérieur d’environnements différents.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.024 | 0.043 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.008 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".