MétaCan
Menu
Retour à la cohorte
Enregistrement W2015173536 · doi:10.3138/jvme.0113-001r1

Incorporation of a Stand-Alone Elective Course in Animal Law Within Animal and Veterinary Science Curricula

2014· article· en· W2015173536 sur OpenAlexvenueno aff
Alexandra L. Whittaker

Notice bibliographique

RevueJournal of Veterinary Medical Education · 2014
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal testing and alternatives
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumAnimal welfareCrueltyMultidisciplinary approachSubject matterEngineering ethicsVeterinary medicineVariety (cybernetics)Subject (documents)Medical educationPolitical scienceSociologyPedagogyMedicineLawEngineeringComputer scienceBiologyLibrary science

Résumé

récupéré en direct d'OpenAlex

Animal law is a burgeoning area of interest within the legal profession, but to date it seems to have received little attention as a discrete discipline area for animal and veterinary scientists. Given the increased focus on animal welfare both within curricula and among the public, it would be remiss of educators not to consider this allied subject, especially since it provides those tools necessary for implementing welfare standards and reducing cruelty. Recommended subject matter, teaching modality, and methods of assessment have been outlined in this article. Such a course should take a multidisciplinary approach and highlight contentious areas of animal law and trends within the wider societal framework of human-animal interactions. From a pedagogical standpoint, a variety of teaching methods and assessment techniques should be included. A problem-based learning approach to encourage the assimilation of facts and promote higher-order learning is favored. The purpose of this article is to provide some guidance on the structure of such a course based on the author's experience in teaching animal law to veterinary and animal science undergraduates in Australia.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,879
Score d'incertitude au seuil0,600

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,119
Tête enseignante GPT0,447
Écart entre enseignants0,328 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations7
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Medical EducationMême sujetAnimal testing and alternativesTravaux en français237 207