在八月份开始新的库工作之前，我有一个模糊的计划来“学习一些Python”。
它变得有点复杂。
我的想法是学习一些Python编码技能，以自动化我在开放数据和数据新闻学领域的工作。
有很多现成的工具可用于各种类型的Web数据收集，但是我发现自己想以某种不完全适合即用型解决方案的方式对某些数据过程进行自动化处理。 我要抓取的网站格式过于不一致。 或者，我想对多个不同结果集的数据进行标准化，而无需花费3个月的时间。 或者，我需要一个对于预先构建的解决方案来说有点太大（或者太小或太……某物）的数据集。 （尽管运行Chrome的适用于Google Sheets的Twitter存档器在“ covfefe”和其他单数关键字时代是一个旅行。）
我可以自己学习，对吧？ 也许还学到了很多东西，所以我可以在秋季的数据素养研讨会上教一些研究本科生？ 在图书馆的在线世界工作了一段时间后，我有了一点编程经验。 但是自从我开始学习全新事物已经过去了一段时间。 但是我可以做到。 对？ 我用GitHub帐户和最好的工具武装自己。
原来我不知道该如何真正上手。 我试图找到通往“ Python的宇宙是什么”与“我需要并且实际上可以做的东西”相交的小地方的方法。
因此，我从一些有用的学科特定教程开始，例如this和this 。 以及：
值得信赖的O’Reilly手册。
我的教师顾问提供的教学大纲 ，其中包含一些出色的工具。
Lynda.com （通过我的公共图书馆帐户）提供了大量在线课程。
而且Q和A网站数量很多。
但是我一直只是在一条道路或另一条道路上开始……然后意识到我进入杂草的步伐超出了我的需要（或以为是）。 我需要知道这一点-但不是那样。 我需要上下文。 在下载三个软件并花了一个小时介绍入门教程之前，我想知道它的结局。
我需要一些元知识来帮助我阐明我的特定问题，以便我可以更有效地分类资源。 但是我一开始不知道该怎么做。
与大多数情况一样，我的研究需求在与他人的对话中表现得最为明显。 本质上是经典参考面试。
当我看到Scholarly Kitchen就牛津大学出版社关于21世纪学术推荐概念的白皮书发表看法时，这让我感到非常高兴。 这篇题为“ 导航研究：用户如何理解，发现和利用参考资源”的论文指出，资源发现的这一元水平在整个学术发展过程中至关重要-不仅对年轻学者或本科生而言。 尽管图书馆中形式化的“参考”资源可能几乎消失了，但他们发现大量数据表明学习者仍需要这种指导。
…为研究领域及其奖学金提供指导的资源，在入门材料和日益专业化的研究出版物之间架起桥梁，并为跨学科领域的工作提供支持，从而继续吸引着用户。
学生，教师和图书馆员都重申了情境化指导的必要性。 几乎每个受访者都想要它，并且希望它是动态的并且随时可用。 快速且易于访问是关键。
“但是如果他们必须去8个不同的站点来寻找他们想要的背景文章，我不相信那是他们要去做的事情” – 一位馆员在p。上引述。 16。
至于我-我很有耐心（固执），会一直戳和学习这个东西。 我还将继续寻找所需的动态和上下文相关的Python源。 大概。
但是，并非每个人都那样工作-或应该这样做。 我将继续思考我们的图书馆员在21世纪分布式工作环境中如何做参考工作。 我们都是跨学科的，但我们仍然需要专业知识。
我们如何跨平台，模式和专业化满足需求？ 以及它如何及时到达？ 我还不知道，但是我很高兴我们都在问这些问题。
我是否真的需要一个GitHub帐户？
