Technical note: Validation of data loggers for recording lying behavior in dairy goats
Notice bibliographique
Résumé
Changes in standing and lying behavior are frequently used in farm animals as indictors of comfort and health. In dairy goats, these behaviors have primarily been measured using labor-intensive video and live observation methodologies. The aim of this study was to validate accelerometer-based data loggers for use in goats. Two commercial dairy goat farms in Ontario were enrolled; goats were fitted with data loggers on their rear left legs and the pens were equipped with video. Data loggers compared well with video in identifying lying and standing events on both farms (farm 1 and 2, respectively: sensitivity=99.7 and 99.8%, specificity=99.5 and 99.4%, false readings=0.43 and 0.36%). The loggers were also able to record if the goat was lying on her left or right side (farm 1 only: sensitivity=99.9%, specificity=99.3%, false readings=0.38%), but these measures were only accurate if the loggers were attached with sufficient tension to prevent logger rotation. The mature does enrolled on farm 1 spent 14.5±1.0h/d lying down and frequently changed lying side even within a single lying bout (24±5 shifts/d between left and right sides and 16±5 lying bouts/d). The young goats on the second farm averaged just 8.5±3.2h/d in lying time, and spread this time over 8±4 bouts/d. Data loggers accurately measured lying time and lying bouts in mature does and younger goats on both farms, and lying laterality (e.g., left and right lying sides) in mature does on farm 1.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».