MétaCan
Menu
Retour à la cohorte
Enregistrement W1978993187 · doi:10.1080/10888700801925513

Caring During Crisis: Animal Welfare During Pandemics and Natural Disasters

2008· article· en· W1978993187 sur OpenAlexaffabout
Suzanne T. Millman

Notice bibliographique

RevueJournal of Applied Animal Welfare Science · 2008
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHuman-Animal Interaction Studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesWorld Health Organization
Mots-clésAnimal welfareNatural disasterGovernment (linguistics)PandemicPublic relationsPolitical scienceWelfareEconomic growthCoronavirus disease 2019 (COVID-19)MedicineGeographyEcologyLawEconomics

Résumé

récupéré en direct d'OpenAlex

From April 29 to May 1, 2007, the University of Guelph hosted a symposium, Caring During Crisis: Animal Welfare During Pandemics and Natural Disasters, with the objectives (a) of raising awareness about how nonhuman animals and the people who care for them are affected during emergencies and (b) of sharing knowledge about how animal welfare may be addressed during these situations. The symposium attracted 150 participants, representing 71 organizations from across Canada, the United States, the United Kingdom, Australia, Chile, and the Cayman Islands. The audience also brought a range of perspectives to the issues - from individuals representing animal protection and commodity organizations to municipal government officials responsible for community safety and correctional services; many of these individuals had little or no animal experience. To take advantage of this diverse audience and range of interests, the symposium was structured with formal presentations by internationally recognized experts, followed by panel discussions at the end of each session to facilitate contributions by the audience. At the conclusion of the 3 days, it was clear that our emotional, economic, and ecological relationships with animals require thoughtful integration of animal care within formal policy and planning for emergency response.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0080,003
Communication savante0,0020,001
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,282
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Animal Welfare ScienceMême sujetHuman-Animal Interaction StudiesTravaux en français237 207