Bibliotecas universitárias e serviços de apoio à pesquisa: uma revisão sistematizada da literatura
Bibliographic record
Abstract
O artigo apresenta revisão sistematizada da literatura com objetivo de averiguar os serviços de apoio à pesquisa ofertados por bibliotecas universitárias. O levantamento foi realizado no segundo trimestre de 2023 nas bases de dados Library and Information Science Abstracts, Information Science & Technology Abstracts, Library, Information Science & Technology Abstracts, Brapci, Web of Science, Scopus e Dialnet. O levantamento resultou em 55 estudos de caso ou relatos de experiência de serviços de apoio à pesquisa. A maioria eram serviços de métricas e impacto de pesquisa, serviços ligados a dados de pesquisa e serviços de capacitação e formação. Alguns serviços ainda se enquadravam nos modelos tradicionais, incluindo empréstimo e consulta ao acervo. Os serviços de publicação acadêmica também foram citados com frequência, destaque para a referência aos bibliotecários integrados. Os serviços de dados de pesquisa tiveram oferta significativa e diversa, principalmente de natureza consultiva com inclinação para serviços técnicos, como o armazenamento de dados. Além disso, verificou-se alguns serviços de dados mais robustos, embora escassos, como os serviços de computação de dados. Desses estudos relacionados a dados de pesquisa, a maioria era de bibliotecas da Austrália, dos Estados Unidos, do Reino Unido, do Canadá e da Nova Zelândia. Conclui-se que os serviços de apoio à pesquisa ofertados estão ligados às mudanças da forma de fazer ciência, principalmente a nova ciência, que usa dados intensivamente. Constatou-se tendência de crescimento dos estudos, com leve aumento entre 2019 e 2023, tornando o tema dos serviços de apoio à pesquisa emergente em bibliotecas universitárias.
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 | 0.022 | 0.094 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.081 | 0.152 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.027 | 0.024 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.017 | 0.005 |
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".