Assessing animal welfare: different philosophies, different scientific approaches
Notice bibliographique
Résumé
Attempts to improve animal welfare have commonly centered around three broad objectives: (1) to ensure good physical health and functioning of animals, (2) to minimize unpleasant "affective states" (pain, fear, etc.) and to allow animals normal pleasures, and (3) to allow animals to develop and live in ways that are natural for the species. Each of these objectives has given rise to scientific approaches for assessing animal welfare. An emphasis on health and functioning has led to assessment methods based on rates of disease, injury, mortality, and reproductive success. An emphasis on affective states has led to assessment methods based on indicators of pain, fear, distress, frustration and similar experiences. An emphasis on natural living has led to research on the natural behavior of animals and on the strength of animals' motivation to perform different elements of their behavior. All three approaches have yielded practical ways to improve animal welfare, and the three objectives are often correlated. However, under captive conditions, where the evolved adaptations of animals may not match the challenges of their current circumstances, the single-minded pursuit of any one criterion may lead to poor welfare as judged by the others. Furthermore, the three objectives arise from different philosophical views about what constitutes a good life-an area of disagreement that is deeply embedded in Western culture and that is not resolved by scientific research. If efforts to improve animal welfare are to achieve widespread acceptance, they need to strike a balance among the different animal welfare objectives.
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 | 0,085 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,011 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,051 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».