MétaCan
Menu
Retour à la cohorte
Enregistrement W2007243013 · doi:10.3138/jvme.33.4.479

Veterinary Medical Education for Modern Food Systems: Setting a Vision and Creating a Strategic Plan for Veterinary Medical Education to Meet Its Responsibilities

2006· article· en· W2007243013 sur OpenAlexvenueno aff
Daryl D. Buss, Bennie I. Osburn, Norman Willis, Donal A. Walsh

Notice bibliographique

RevueJournal of Veterinary Medical Education · 2006
Typearticle
Langueen
DomaineHealth Professions
ThématiqueVeterinary Practice and Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVeterinary educationPlan (archaeology)Strategic planningMedical educationVeterinary medicineMedicineBusinessCurriculumPsychologyMarketingPedagogyBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Veterinary medicine had its origins in the supply of food. Nurturing the health of animals that are a source of food has been a central constituent of its professional responsibilities since its ancestral inception. The industrialization of civilizations gave veterinary medicine an expanded focus as supplying food of animal origin moved from being just part of the activities of individual small producers to larger and larger productionunitsthatareoftendistant fromlargepopulationcenters. Three major factors have arisen within the last several decades. Their dynamics now dominate the decisions of veterinary medicine as a whole and of food-systems veterinary medicine in particular: 1. Those now living within the increasingly urbanized communities have lost their connection with their formerly close neighbors who produce their food. 2. Increasing competition and technological advances have stimulated the development of today’s modern, often highly integrated, animal-food industry, with its ever-increasing demands for efficiency and cost-effective production. This has changed the entire set of dynamics between food-supply animal owner, food-supply processor and distributor, food-system veterinarian, and consumer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,306
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,330
Tête enseignante GPT0,535
Écart entre enseignants0,205 · 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 tête enseignante, pas un consensus.

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

Citations22
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Medical EducationMême sujetVeterinary Practice and Education StudiesTravaux en français237 207