Assessing Veterinary and Animal Science Students' Moral Judgment Development on Animal Ethics Issues
Notice bibliographique
Résumé
Little has been done to assess veterinarians' moral judgment in relation to animal ethics issues. Following development of the VetDIT, a new moral judgment measure for animal ethics issues, this study aimed to refine and further validate the VetDIT, and to identify effects of teaching interventions on moral judgment and changes in moral judgment over time. VetDIT-V1 was refined into VetDIT-V2, and V3 was developed as a post-intervention test to prevent repetition. To test these versions for comparability, veterinary and animal science students (n=271) were randomly assigned to complete different versions. The VetDIT discriminates between stages of moral judgment, condensed into three schemas: Personal Interest (PI), Maintaining Norms (MN), and Universal Principles (UP). There were no differences in the scores for MN and UP between the versions, and we equated PI scores to account for differences between versions. Veterinary science students (n=130) who completed a three-hour small-group workshop on moral development theory and ethical decision making increased their use of UP in moral reasoning, whereas students (n=271) who received similar information in a 50-minute lecture did not. A longitudinal comparison of matched first- and third-year students (n=39) revealed no moral judgment development toward greater use of UP. The VetDIT is therefore useful for assessing moral judgment of animal and human ethics issues in veterinary and other animal-related professions. Intensive small-group workshops using moral development knowledge and skills, rather than lectures, are conducive to developing veterinary students' moral judgment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,033 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».