Public perception of temperament in dogs may be influenced by working roles
Notice bibliographique
Résumé
There are multi-factorial influences on people’s perception of the temperament of dogs, including a dog’s perceived role and abilities. Using a 5 point Lickert scale (very friendly – very aggressive), 463 students rated 3 dogs (Labrador, German shepherd and Airedale terrier) pictured alone and with 15 different categories of male and female handler, including assistance dog users, police, pet-owner and rough person. Identical photographs of each dog were used. Overall the Labrador was rated as the friendliest. Dogs alone were rated as less friendly than when with a handler [Labrador (F(14,462)=8.589 P=.000), German shepherd (14,462)=6.513 P=.000), Airedale terrier (F(14,461)=7.587 P=.000)]. The type of handler also influenced the rating. Independent of handler, gender or breed of dog, dogs portrayed as assistance animals were rated as significantly more friendly than when portrayed as a police dog or owned by a rough individual. Conversely police dogs were rated as significantly less friendly. The interesting point is that considerable significant mean differences in rating of handlers appear when adjusted for the (a) effect of the handler on the dog (b) the effect of prior rating of the dog alone on the rating of the dog with a handler and (c) the effect of a handler on rating the dog when controlling for effect of prior rating of the dog alone. Full statistical analysis is available.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».