PELUANG DAN TANTANGAN PERPUSTAKAAN DIGITAL DI MASA PANDEMI COVID-19: SEBUAH TINJAUAN LITERATUR
Bibliographic record
Abstract
Pada awal tahun 2020, dunia dilanda musibah pandemi Covid-19 yang berdampak luar biasa mengubah dan membatasi pola aktivitas manusia. Mulai dari aktivitas di pusat bisnis, perbelanjaan, wisata, lingkungan pendidikan formal, dan juga termasuk perpustakaan. Adanya wabah ini memaksa perpustakaan untuk melakukan transformasi menuju kepada layanan yang sifatnya tidak bertatapan secara langsung antar individu. Keberadaan perpustakaan digital dapat dilihat sebagai sesuatu yang ideal diterapkan oleh perpustakaan di tengah pandemi. Hal tersebut karena dengan tanpa datang ke gedung perpustakaan, pemustaka dapat mengakses layanan koleksi perpustakaan. Artikel ini membahas mengenai keuntungan atau peluang ketika perpustakaan memanfaatkan perpustakaan digital sebagai alternatif pelayanan informasi kepada pemustaka ditengah pandemi Covid-19. Penelitian ini merupakan penelitian tinjauan literatur dimana data diperoleh melalui sumber-sumber informasi yang memiliki relevansi terhadap topik yang diambil dan juga berupa sumbangan pemikiran konseptual penulis. Hasil penelitian menunjukan bahwa peluang penerapan perpustakaan digital ditengah wabah Covid-19 ini yaitu (1) mempermudah akses informasi, (2) mempercepat proses temu kembali informasi, dan (3) menyelamatkan kandungan informasi koleksi yang dimiliki perpustakaan. Sementara itu untuk tantangan dari penerapan perpustakaan digital yaitu (1) keterbatasan kemampuan pemustaka dalam akses perpustakaan digital, (2) rawan akan tindakan cybercrime, (3) permasalahan hak cipta, dan (4) anggaran.
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 | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.032 | 0.007 |
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".