MétaCan
Menu
Retour à la cohorte
Enregistrement W2052087310 · doi:10.3138/jvme.32.4.468

Effective Bibliographic Searching for Animal Alternatives in Veterinary Medical Education: The UC Davis Web Site

2005· article· en· W2052087310 sur OpenAlexvenueno aff
Mary W. Wood, Lynette A. Hart, Hsin‐Yi Weng

Notice bibliographique

RevueJournal of Veterinary Medical Education · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAcademic integrity and plagiarism
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Department of Agriculture
Mots-clésWeb siteVeterinary medicineMedical educationWorld Wide WebMedicineLibrary scienceComputer scienceThe Internet

Résumé

récupéré en direct d'OpenAlex

To prepare students in just four years to enter veterinary practice, veterinary medical educators offer an array of laboratory and clinical experiences coordinated with didactic instruction. Recent curricular changes have reduced the numbers of animals involved in painful or terminal procedures. For each use of animals, veterinary educators are required by the USDA's policies 11 and 12 to complete animal-use protocols that include questions on alternatives to procedures causing more than momentary pain or distress. Veterinary medical educators seeking improved teaching resources and methods or completing animal-use protocols may find it frustrating to locate the relevant information, which is dispersed across many databases. This paper addresses a gap facing veterinary educators by presenting user-friendly searching tools that are targeted toward (a) locating teaching resources and (b) conducting effective bibliographic searches on standard teaching laboratory procedures, as required for animal-use protocols. These tools simplify searching by providing streamlined access to the resources being sought. Facilitating efficient and effective searching by users can improve teaching and simplify compliance with USDA requirements.

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)0,007
score de la tête « metaresearch » (Gemma)0,043
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,121
Score d'incertitude au seuil0,406

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,043
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0280,027
Études des sciences et des technologies0,0020,001
Communication savante0,0050,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,1210,038

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 Opus0,053
Tête enseignante GPT0,442
Écart entre enseignants0,389 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Medical EducationMême sujetAcademic integrity and plagiarismTravaux en français237 207