Sähkökirjojen lukulaitteiden käyttö
Bibliographic record
Abstract
Tutkimuksen tavoitteena oli selvittää lukulaitteiden käyttöä ja hankintaa Suomen maakuntakirjastoissa ja Seinäjoen kahdessa kirjakaupassa. Työn alussa kerrotaan sähköisestä julkaisemisesta ja lukulaitteiden kehityksestä. \n \nLukulaitteiden käyttöä tutkittiin maakuntakirjastoille lähetettävän sähköposti-kyselyn ja kirjakaupoissa tehdyn haastattelun mukaan. Kysely ja haastattelu toteutettiin kesällä 2009. Kahdestakymmenestä kirjastosta kolmetoista vastasi kyselyyn. Kolmestatoista kirjastosta kahdella oli lukulaite käytössä, kuudella hankinnassa tai harkinnan alla ja viidessä kirjastossa lukulaitetta ei ollut eikä hankintakaan ollut suunnitelmissa. Kummassakaan kirjakaupassa ei lukulaitteita ollut, mutta ehkä tulevaisuudessa. \n \nSähkökirjat ja lukulaitteet eivät toistaiseksi ole vielä päässeet täysin ihmisten tie-toisuuteen. Varsinkaan lukulaitteita ei vielä tunneta ehkä pääosin niiden hinnan ja huonon saatavuuden vuoksi. Suomenkielisiä sisältöjäkään ei vielä löydy niin paljoa, että se houkuttelisi kuluttajaa lukulaitteita hankkimaan, joko lainaamalla kirjastosta tai ostamalla muualta. Kuitenkin jotkut kirjastot Suomessa omistavat jo lukulaitteen ja osa on suunnittelemassa hankintaa. Sähkökirjat ja niiden lukulaitteet ovat osa tulevaisuutta vaikka eivät välttämättä perinteistä paperista kirjaa syrjäytäkään.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.139 | 0.056 |
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".