Notice bibliographique
Résumé
OBJECTIVE: To define and describe the population of Australian veterinarians who work with horses. METHOD: Questionnaires were mailed to 866 veterinarians who had been identified as working with horses, and 87% were completed and returned. Data were entered onto an Excel spreadsheet, and analysed using the SAS System for Windows. RESULTS: About 12% of Australia's veterinarians were doing all the veterinary work with horses, and about 3% worked exclusively (> 90%) with horses, but did more than half (58%) of the horse work. Veterinarians working with horses included more males (80%) than the veterinary population as a whole (approximately 60%). Males had an average age of 47 years, females 35. Almost all (94%) worked in private practice, with 31% being employees, 28% partners and 41% sole owners. Females were more likely to be employees than males. Males reported working 55 hours/week; females 49. More females (44%) than males (16%) had worked less than full-time for more than a year. Males expected to work for another 12 years in full-time equivalents, and females for 16. One quarter (24%) saw only horses, but treated 58% of total horse cases. One-half had < 25% horses, and 29% had < 10% of horses in their caseloads. More of the older (54% of those aged > 60) than younger respondents (27% of those < 40) had grown up on farms with animals. One-quarter (24%) decided to become a veterinarian while in primary school, and females decided at a younger age than males. Overall, younger respondents decided at a younger age than did their older counterparts. A veterinarian contributed to the decision for 21% of these veterinarians. CONCLUSION: In this survey, Australian veterinarians who work with horses were found to be typically male, and advanced in their careers. As these older veterinarians retire, there may not be enough veterinarians who are committed to and competent with horses to take their places.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».