开发数据信息素养课程:高校图书馆员指引

《数据信息素养》(Data Information Literacy: Librarians, Data, and the Education of a New Generation of Researchers)一书2015年1月由普渡大学出版社出版,汇编了普渡大学、明尼苏达大学、俄勒冈大学和康奈尔大学为研究生开发数据信息素养课程所用的不同策略与方法。书中包含上述大学的5个实施案例,以及供对开发DIL课程有兴趣的图书馆员用“DIL工具包”或手册。
该书是IMLS项目成果之一,建有网站 DIL (data information literacy) 公开相关信息。查了下,应该是2011年Purdue大学的项目,资助金额249,391美元。

该书第9章“开发数据信息素养课程:大学图书馆员指引”在项目网站上开放获取:
Developing Data Information Literacy Program: A Guide for Academic Librarians
本章以图9“开发信息素养课程的步骤”为纲撰写,课程内容是为研究生开设的“研究数据管理”课程,感觉是针对各学科的、并非适合所有学科的泛泛课程。主要从馆员个人角度考虑具体如何开发DIL课程,基本不涉及馆领导的宏观决策层面。从案例看,5个团队采用5种不同教学形式:小课程、在线课程、一次性讲座、嵌入馆员、系列讲座。当然,开发过程还是一样的。

FIGURE 9.1 Stages of developing a data information literacy program导言
馆员为什么要教DIL技能?
【1】规划
– 如何发现合作者
– 如何推广DIL、提高知晓
– 我们的经验(收集信息:了解需求、环境扫描,了解并与教师合作/研究生合作)
【2】开发课程
– 可用资源
– 开发课程(开发学习成果、计划学习评估)
– 建设课程内容
【3】实施课程
– 选择方法(表9.1 DIL教学方法的优缺点:小课程、在线课程、一次性讲座、嵌入馆员、系列讲座)
– 提供教学(排课、学生反馈、维持双方兴趣】
【4】评估和评价
– 建设性使用评估
– 规划可持续性
– 发现什么有用(并分享成功)(图书馆员工/学科馆员参与,可扩展的交付工具,力争上游)
结论
参考文献

——— 开发课程的方法 ———
“开发课程”过程中,考察学生是否掌握所传授的知识是很重要的部分。看到2个以前不了解的方法,大致上前者可用于设计考题或者考察学习重点,后者可当作随堂测试方式:
开发学习成果:布鲁姆分类法Bloom’s taxonomy – Wikipedia)
“好的学习成果是具体的、可衡量或可观察到的、清晰的、符合活动和评估、以学生为中心而非以讲师为中心的。同时也指定学生表现的准则和水准,以行动动词开始。布鲁姆分类法是出色的行动动词来源,广泛用作分类目的和成果的教育工具。”
计划学习评估:一分钟练习(1-minute paper 或 One-Minute Paper
搜索引擎查询,可知很多大学在采用,比如加拿大爱德华王子大学写作委员会所做简介,比上述链接的说明简洁,其后半部分涉及用于评估:
One-Minute Papers can also be used as a Classroom Assessment Technique at the end of a class. Direct the students to answer two questions: “What was the most important thing that you learned during today’s class?” and “What important question do you still have?” This requires the students to evaluate what they remember and to reflect on how well they understand the material. Their responses can provide you with insights into how they are learning (or misunderstanding) the material.

Wiley白皮书:高校图书馆适应评估文化

Wiley发布有关高校图书馆的白皮书,这是本月看到的第2家发布有关图书馆白皮书的学术出版社。另一家参见:图书馆的作用正在改变(McGraw-Hill教育白皮书)(2017-3-10)

威立白皮书:高校图书馆适应评估文化(Adapting academic libraries to the culture of assessment

本白皮书主要涉及高校图书馆如何帮助提高学生能力,更具体地说,就是信息素养能力(information literacy skills),而答案似乎就是“嵌入式教学”。标题中的“评估”,指对学生学习成就的评估,而非对图书馆本身的评估。

【第一部分】
– 内外力量营造压力气氛——同时也是机遇
– 当前压力:来自雇主的看法
图1:教师对学生研究能力的看法【人文、社科、科学、医学4个学科教师对本科生能力及馆员贡献的看法】
– 当前压力:来自教师的看法
图2:你认为学校图书馆和教师是否需要更好沟通?【统计图,认为需要的教师45%,馆员98%】
– 作用重定义:推广与评估(Outreach and Assessment)
– 协作:借助强大的实力
– 新趋势:参与模型(嵌入式信息技能教学)
– 聚焦成功:嵌入式馆员合作伙伴实践【多媒体教学馆员与英语助教的合作】
– 展示价值:需要证据
– 结论
【第二部分】图书馆员克服针对评估和测度学生成就挑战的7种方法
1、嵌入 Embed
2、调整 Align
3、量化 Quantify
4、借力/施加影响 Leverage
5、协作 Collaborate
6、推广 Promote
7、演进 Evolve

Wiley白皮书制作比McGraw-Hill的好不少,排版与图表都比较用心。但统计数据比较陈旧(来自2015年美国全国教师调查),总体上观点多于事实。
同样需要填写个人信息才能下载。其中有职称选项,可供翻译时参考:
Library Director, Library Technical, Collection Develoopment/Acquisitions Librarian, Subject Librarian, E-Resources Librarian, Reference Librarian, Library Assistant, University Librarian

via 台湾国际资讯整合联盟协会:学术图书馆之转变以适应评估为导向的文化(2017/03/23)
在不断变化之高等教育生态中,学术图书馆需要与时俱进,不断调整自我来配合教师与学生的需要,以突显其价值。
阅读“学术图书馆之转变以适应评估为导向的文化白皮书”(点此连结),了解高等教育机构所面临的挑战,图书馆如何重新定位,以适应读者的需求;透过图书馆与教师合作,订出具体可衡量的指针,来评估图书馆服务对于学生学习成果之影响力。最后,白皮书推荐了7种方式,让您的图书馆能战胜挑战,迈向成功。

TextExt:DBpedia开放文本抽取挑战赛

TextExt – DBpedia Open Extraction Challenge

DBPedia日前宣布举办持续性的开放文本抽取挑战赛,目的在于解决从维基百科文章文本(而非信息盒)中抽取三元组问题,并进而使相关技术普遍化,以及开发更细粒度的质量测度与准则,帮助判断是否信任这些数据。摘译网站信息如下:

背景
DBPedia和Wikidata目前主要专注于表达维基百科信息盒(infobox)中包含的事实知识。但是,大量信息包含在非结构化的维基百科文章文本中。通过“DBpedia开放文本抽取挑战赛”,我们旨在促进由维基百科文章文本的知识抽取,以显著扩大和深化结构化DBpeida/维基百科数据的数量,并为评估不同抽取工具提供一个基准平台。

使命
维基百科已经成为无处不在的世界知识来源,使人类能够查找定义、快速熟悉新论题、研读新闻事件的背景信息……。DBpedia的总使命是收割维基百科的知识,加以提炼与结构化,然后为IT用户和业界,以自由和开放的方式在网络传播

方法
“DBpedia开放文本抽取挑战赛”与语言技术和其他领域的其他挑战赛有很大不同,它不同一次性的,而是持续增长和扩大的,关注*可持续地*推动现状,超越*系统化*方法的边界。DBPedia协会及本次挑战赛主办者承诺提供必要的基础设施,无限期地推动本挑战赛,同时有可能扩展该挑战赛到维基百科以外。

我们定期提供由9种不同语言的维基百科文章抽取并清洗过的全文文本供下载,并作为机读NIF-RDF格式的Docker。要求挑战赛选手以Docker images容纳其NLP(自然语言处理)及抽取引擎,然后提交给我们。我们将定期运行参赛者工具以抽取:
1、事实、关系、事件、术语、本体为RDF三元组(三元组追踪)
2、有用的NLP注释,如位置标记、依赖关系、共同参照(注释追踪)

【每年举办多次会议】允许在所选会议前2个月前提交。实施技术要求、提供充分描述的参赛者将能出席会议,并加入年度会议录。每次会议,挑战赛委员会将在参赛者中选择一位获胜者,可得1000欧元。

成果
每年12月,我们将发布参赛者提交的文章摘要和会议录。首个会议录计划在2017年12月发布。

对参赛者的要求
三元组Track(知识抽取)
提交的主要目标是N-Triples格式的一个或多个文档,内容为由维基百科文章文本抽取的事实。三元组将按以下准则评介:
– 抽取数据的数量
– 抽取数据的质量(正确性,适用性,一致性和简洁性)
– 抽取类型:除了事实,也希望术语和词典、本体知识(新类型、分类法、格言/原理、定义域/值域)
语言多样性:抽取自多种语言
– 能够在所要求的NIF格式中保持适当的出处

文章指引
附4-10页文章……不要求方法原创,作者只顺专注于简洁、独立描述再现结果的所有必须信息。尽管强烈鼓励所用工具或系统是免费、公开可访问的,但这不是必要条件。