Can Teaching Veterinary and Animal-Science Students about Animal Welfare Affect Their Attitude toward Animals and Human-Related Empathy?
Notice bibliographique
Résumé
Attitudes toward animals are important in influencing how animals are treated. Few studies have investigated attitudes toward animals in veterinary or animal-science students, and no studies have compared attitudes to animals before and after a course teaching animal welfare and ethics. In this study, students enrolled in veterinary (first-year) or animal-science (first- and third-year) programs completed a questionnaire on attitudes toward different categories of animals before and after the course. Higher attitude scores suggest a person more concerned about how an animal is treated. Normally distributed data were compared using parametric statistics, and non-normally distributed data were compared using non-parametric tests, with significance p < .05. Attitudes toward pets (45.5-47.6) were higher than those toward pests (34.2-38.4) or profit animals (30.3-32.1). Attitude scores increased from before to after the course in the veterinary cohort on the Pest (36.9 vs. 38.4, respectively, n = 27, p < .05) and Profit (30.3 vs. 32.1, respectively, n = 28, p < .05) subscales, but not in the animal-science cohorts. Attitude scores in all categories were higher for women than for men. Currently having an animal was associated with higher pet scores (46.8 vs. 43.8, ns = 120 and 13, respectively, p < .05), and having an animal as a child was associated with higher profit scores (31.0 vs. 26.6, ns = 129 and 8, respectively, p < .05). Students electing to work with livestock had lower scores on the Pest and Profit subscales, and students wanting to work with wildlife had significantly higher scores on the Pest and Profit subscales. This study demonstrates attitudinal changes after an animal-welfare course, with significant increases in veterinary but not animal-science students.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».