Societal views and animal welfare science: understanding why the modified cage may fail and other stories
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The innovations developed by scientists working on animal welfare are often not adopted in practice. In this paper, we argue that one important reason for this failure is that the solutions proposed do not adequately address the societal concerns that motivated the original research. Some solutions also fail because they do not adequately address perceived constraints within the industry. Using examples from our own recent work, we show how research methods from the social sciences can address both of these limitations. For example, those who persist in tail-docking cattle (despite an abundance of evidence showing that the practice has no benefits) often justify their position by citing concern for cow cleanliness. This result informs the nature of new extension efforts directed at farmers that continue to tail dock, suggesting that these efforts will be more effective if they focus on providing producers with methods (of proven efficacy) for keeping cows clean. Work on pain mitigation for dehorning shows that some participants reluctant to provide pain relief believe that the pain from this procedure is short lasting and has little impact on the calf. This result informs the direction of new biological research efforts to understand both the magnitude and duration of any suffering that result from this type of procedure. These, and other examples, illustrate how social science methodologies can document the shared and divergent values of different stakeholders (to ensure that proposed solutions align with mainstream values), beliefs regarding the available evidence (to help target new scientific research that meets the perceived gaps), and barriers in implementing changes (to ease adoption of ideas by addressing these barriers).
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.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle