ANALISIS PERILAKU PEMUSTAKA DALAM PEMANFAATAN LAYANAN DIGITAL DI DINAS PERPUSTAKAN DAN KEARSIAPAN KOTA BATU
Bibliographic record
Abstract
Layanan digital adalah layanan yang disediakan secara online atau melalui teknologi digital yang dapat memudahkan masyarakat untuk mengakses koleksi perpustakaan tanpa harus datang ke perpustakaan secara fisik. Layanan digital yang disediakan oleh dinas perpustakaan dan kearsipan kota Batu meliputi layanan book request, katalog buku, pendaftaran anggota, ebook, kotak saran, literasi, google maps, serta layanan akses ke database digital. Tujuan dari penelitian untuk mengetahui perilaku pemustaka terhadap pemanfaatan layanan digital dan upaya Dinas Perpustakan dan Kearsiapan Kota Batu dalam meningkatkan kepuasan pemustaka terhadap layanan digital. Penelitian ini menggunakan metode penelitian kualitatif deskriptif. Pengumpulan data terdiri dari observasi dan wawancara mendalam kepada pengguna layanan digital Dinas Perpustakaan dan Kearsipan Kota Batu. Data yang diperoleh kemudian dianalisis menggunakan teknik analisis data interaktif, yaitu reduksi data, penyajian data, dan penarikan kesimpulan. Hasil penelitian menunjukkan bahwa perilaku pemustaka dapat memanfaatkan layanan digital dengan variasi informasi yang tersedia. Dinas Perpustakan dan Kearsiapan Kota Batu berhasil menyediakan beragam materi digital yang sesuai dengan minat dan kebutuhan pengguna. Dengan akses yang mudah melalui platform digital, pengguna dapat dengan cepat menemukan buku, artikel, dan sumber informasi lainnya yang relevan dengan minat dan keperluan pengguna. Dinas Perpustakaan dan Kearsipan Kota Batu berupaya meningkatkan pemanfaatan digital library dengan ters memperbarui koleksi digital, memberikan variasi konten yang menarik dan up-to-date. juga berusaha untuk terus berinovasi dan beradaptasi dengan perkembangan teknologi. Layanan perpustakaan harus mencakup platform digital agar dapat mencapai lebih banyak masyarakat.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.054 | 0.014 |
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".