This article introduces Unsub Extender, a free tool to help libraries analyze their Unsub data export files. Unsub is a collection development dashboard that gathers and forecasts journal-level usage metrics to provide academic libraries with deeper measurements than traditional cost-per-use. Unsub gives libraries richer and more nuanced data to analyze their subscriptions, but it does not include a way to easily visualize the complex and interrelated data points it provides. Unsub Extender (https://unsubextender.lib.iastate.edu) is a free Python-based web application that takes an Unsub export file and automates the creation of interactive plots and visualizations. The tool loads with example data to explore, and users upload their specific Unsub file to quickly populate the pre-made plots with actual data. Graphs are interactive, live-updating, and support zoom, click-and-drag, and hover. Filters are specified through sliders to model scenarios and focus on areas of interest. A drop-down menu allows users to change a journal's decision status, and graphs update automatically. After evaluating journals, users can export the modified dataset to save their decisions. Unsub Extender proposes best practice in analyzing the increasingly common Unsub export file. It simplifies the analysis, eliminates duplication of effort, and enables libraries worldwide to make better, more data-driven decisions.


翻译:此篇文章引入了 Unsub 扩展器, 这是一个帮助图书馆分析其 Usub 数据导出文档的免费工具 。 Uunsub 是一个收集开发仪表板, 收集并预报日记级使用量的度量, 以便向学术图书馆提供比传统成本每用更深的测量数据。 Uunsub 提供更丰富、更细化的数据, 分析其订阅量, 但并不包含一个方便地视觉化它所提供的复杂和相互关联的数据点的方法 。 Uunsub 扩展器( https://unsubextender.lib. iastate.edu) 是一个免费 Python 的网络应用程序, 它使用 Unsuble Export 菜单, 并自动将创建互动图和可视化的图解创建。 工具中包含用于探索的示例数据, 用户上传其特定的非子文件文件, 以快速地用实际数据来显示预设的图。 图表是互动的, 启用和支持缩放版图, 能够更精确地将数据复制到 。

0
下载
关闭预览

相关内容

Automator是苹果公司为他们的Mac OS X系统开发的一款软件。 只要通过点击拖拽鼠标等操作就可以将一系列动作组合成一个工作流,从而帮助你自动的(可重复的)完成一些复杂的工作。Automator还能横跨很多不同种类的程序,包括:查找器、Safari网络浏览器、iCal、地址簿或者其他的一些程序。它还能和一些第三方的程序一起工作,如微软的Office、Adobe公司的Photoshop或者Pixelmator等。
【经典书】C语言傻瓜式入门(第二版),411页pdf
专知会员服务
51+阅读 · 2020年8月16日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
Python计算导论,560页pdf,Introduction to Computing Using Python
专知会员服务
73+阅读 · 2020年5月5日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
已删除
将门创投
4+阅读 · 2020年6月12日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Python Matplotlib 绘图使用指南 (附代码)
AI研习社
7+阅读 · 2018年5月21日
Python机器学习教程资料/代码
机器学习研究会
8+阅读 · 2018年2月22日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
【推荐】TensorFlow手把手CNN实践指南
机器学习研究会
5+阅读 · 2017年8月17日
Arxiv
0+阅读 · 2021年10月18日
Arxiv
0+阅读 · 2021年10月15日
Arxiv
11+阅读 · 2018年1月11日
Arxiv
6+阅读 · 2016年1月15日
VIP会员
相关VIP内容
【经典书】C语言傻瓜式入门(第二版),411页pdf
专知会员服务
51+阅读 · 2020年8月16日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
Python计算导论,560页pdf,Introduction to Computing Using Python
专知会员服务
73+阅读 · 2020年5月5日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
已删除
将门创投
4+阅读 · 2020年6月12日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Python Matplotlib 绘图使用指南 (附代码)
AI研习社
7+阅读 · 2018年5月21日
Python机器学习教程资料/代码
机器学习研究会
8+阅读 · 2018年2月22日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
【推荐】TensorFlow手把手CNN实践指南
机器学习研究会
5+阅读 · 2017年8月17日
Top
微信扫码咨询专知VIP会员