MétaCan
Menu
Retour à la cohorte
Enregistrement W2085096272 · doi:10.3168/jds.2009-2361

Technical note: Validation of a system for monitoring rumination in dairy cows

2009· article· en· W2085096272 sur OpenAlexafffund
K. Schirmann, M.A.G. von Keyserlingk, Daniel M. Weary, D. M. Veira, W. Heuwieser

Notice bibliographique

RevueJournal of Dairy Science · 2009
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueEffects of Environmental Stressors on Livestock
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of British Columbia
Organismes subventionnairesFreie Universität BerlinNatural Sciences and Engineering Research Council of CanadaUniversity of British ColumbiaDairy Farmers of Canada
Mots-clésRuminationDairy cattleAnimal scienceFood scienceBiology

Résumé

récupéré en direct d'OpenAlex

Increased rumination in dairy cattle has been associated with increased saliva production and improved rumen health. Most estimates of rumination are based on direct visual observations. Recently, an electronic system was developed that allows for automated monitoring of rumination in cattle. The objective was to validate the data generated by this electronic (Hi-Tag, SCR Engineers Ltd., Netanya, Israel) rumination monitoring system. Assessments of 2 independent observers were highly correlated (r = 0.99, n = 23), indicating that direct human observations were suitable as the reference method. Measures from the Hi-Tag electronic system were validated by comparing values with those from a human observer for fifty-one 2-h observation periods from 27 Holstein cows. Rumination times (35.1 +/- 3.2 min) from the electronic system were highly correlated with those from direct observation (r = 0.93, R(2) = 0.87, n = 51), indicating that the electronic system was an accurate tool for monitoring this behavior in dairy cows.

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)0,013
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,017
Tête enseignante GPT0,266
Écart entre enseignants0,249 · 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'étudeExpérimental (laboratoire)
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

Citations311
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetEffects of Environmental Stressors on LivestockTravaux en français237 207