MétaCan
Menu
Retour à la cohorte
Enregistrement W2020263318 · doi:10.1207/s15327604jaws0302_3

Can Ambient Sound Reduce Distress in Piglets During Weaning and Restraint?

2000· article· en· W2020263318 sur OpenAlexfundno aff
Sylvie Cloutier, Daniel M. Weary, David Fraser

Notice bibliographique

RevueJournal of Applied Animal Welfare Science · 2000
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal Behavior and Welfare Studies
Établissements canadiensnon disponible
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésWeaningBinaural recordingAudiologyDistressSound (geography)SilencePink noiseAnimal scienceCommunicationBiologyPsychologyAcousticsMedicine

Résumé

récupéré en direct d'OpenAlex

Music or other background sounds are often played in barns as environmental enrichment for animals on farms or to mask sudden disruptive noises. However, previous studies looking at the effects of this practice on nonhuman animal well-being and productivity have found contradictory results. This study monitored the vocal responses of piglets, as indicators of well-being, to evaluate the effect of various sounds played during 2 simulations of stressful farm procedures: (a) the 5 min the animals were held as if for castration and (b) the first 20 hr after weaning. The sound treatments included pink noise, music, vocalizations made by other piglets during actual castrations or the first hours after weaning, and silence (control). The study presented pink noise and music both with and without a binaural beat in the delta-theta frequency range. In both the handling and weaning situations, none of the sound treatments reduced the piglets' call rate below that heard during the control. Piglets vocalized most during playback of pink noise and least during silence and playback of calls from other pigs. These results suggest that playing music or other sounds provides no improvement in conditions for piglets during handling and weaning.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,027
Tête enseignante GPT0,304
Écart entre enseignants0,277 · 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

Citations30
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Animal Welfare ScienceMême sujetAnimal Behavior and Welfare StudiesTravaux en français237 207