MétaCan
Menu
Retour à la cohorte
Enregistrement W1980853046 · doi:10.1080/14724049.2011.617452

Another legacy for Canada's 2010 Olympic and Paralympic Winter Games: applying an ethical lens to the post-games' sled dog cull

2011· article· en· W1980853046 sur OpenAlexaffabout
David A. Fennell, Valerie Sheppard

Notice bibliographique

RevueJournal of Ecotourism · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDoping in Sports
Établissements canadiensRoyal Roads UniversityBrock University
Organismes subventionnairesnon disponible
Mots-clésLens (geology)GeographyThrough-the-lens meteringPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

In the spring of 2010, approximately two months after the conclusion of the 2010 Olympic and Paralympic Winter Games (Winter Olympics) held in British Columbia, Canada, approximately 100 sled dogs were culled in what the media quickly dubbed a ‘massacre’. A sled dog tour company had overestimated the tourism draw and demand of the Winter Olympics and was consequently ‘over-stocked’ with sled dogs. This paper takes a case study approach to examine the sled dog culling through the ethical lenses of utilitarianism, rights and ecofeminist theory. The application of these three perspectives provides evidence that the behaviour of both the sled dog tour company and the employee who carried out the killings was morally wrong. The implications of this case study are far reaching; the tourism industry can no longer afford to ignore the ethical elements that relate to the industry's use and, frequently, abuse of non-human animals. The recent interest by tourism scholars in the ethical aspects of the industry's use of non-human animals is timely. This under-researched topic of study will benefit from more scholarly interest and study, particularly as it relates to the effectiveness of codes of ethics and conduct, corporate social responsibility programmes, and the practicality and value of incorporating ethical education and training into these various programmes.

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)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,281
Score d'incertitude au seuil0,564

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0270,041
Communication savante0,0130,003
Science ouverte0,0020,005
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,037
Tête enseignante GPT0,304
Écart entre enseignants0,267 · 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'étudeSans objet
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

Citations23
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of EcotourismMême sujetDoping in SportsTravaux en français237 207