Development of a Moral Judgment Measure for Veterinary Education
Notice bibliographique
Résumé
Veterinarians increasingly face animal ethics issues, conflicts, and dilemmas, both in practice and in policy, such as the tension between clients' and animals' interests. Little has been done to measure the capacity of veterinarians to make ethical judgments to prevent and address these issues or to identify the effectiveness of strategies to build this capacity. The objectives of this study were, first, to develop a test to identify the capacity of veterinarians to make ethical decisions in relation to animal ethics issues and, second, to assess students' perceptions of the usefulness of three methods for the development of ethical decision making. The Veterinary Defining Issues Test (VetDIT) was piloted with 88 first-year veterinary students at an Australian university. The veterinary students were at a variety of reasoning stages in their use of the Personal Interest (PI), Maintaining Norms (MN), and Universal Principles (UP) reasoning methods in relation to both human ethics and animal ethics issues and operated at a higher level of reasoning for animal than human ethics. Thirty-eight students assessed three methods for developing ethical decision-making skills and identified these as being helpful in clarifying their positions, clarifying others' positions, increasing awareness of the complexity of making ethical decisions, using ethical frameworks and principles, and improving moral reasoning skills, with two methods identified as most helpful. These methods and the VetDIT have the potential to be used as tools for development and assessment of moral judgment in veterinary education to address animal ethics issues.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».