We’re Ruã Daros, João Costa, Marina von Keyserlingk, Maria Hötzel, Heather Neave and Daniel Weary. We recently published a study in PLOS ONE that found dairy calves experience emotional effects when undergoing routine procedures, such dehorning – AUA!
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
Hi Reddit, Our names are Ruã Daros, João Costa, Marina von Keyserlingk, Maria Hötzel, Heather Neave and Daniel Weary. We are researchers from the University of British Columbia in Canada and the Universidade Federal de Santa Catarina in Brazil. Our research focuses on animal welfare, how to use changes in behaviour to make inferences about the quality of life that animal’s experience. We recently published a study entitled “Separation from the Dam Causes Negative Judgement Bias in Dairy Calves” in PLOS ONE. Young farm animals, including dairy calves, are often separated from the dam far earlier than what occurs under natural conditions. Farms animals are also sometimes subjected to painful procedures like hot-iron dehorning. The aim of this study was to better understand the effects of these routine procedures on the emotions of animals. One way to investigate mood states is to look for evidence of judgement biases. We tested for cognitive biases in calves before and after separation from the cow and dehorning, and found diminished responding to intermediate, ambiguous stimuli (evidence of a pessimistic response) following both physical pain and social loss. This paper illustrates one approach to investigating emotional states in animals, and draws parallels in the emotional experience of physical and social pain. We will be online at 1pm EST (10am PST), and we look forward to hearing your questions about our work! Please also follow us in Twitter @ubcAWP.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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