MétaCan
Menu
Retour à la cohorte
Enregistrement W2398837077 · doi:10.1177/026119291204000605

Factors Affecting People's Acceptance of the Use of Zebrafish and Mice in Research

2012· article· en· W2398837077 sur OpenAlexaff
Elisabeth Ormandy, Catherine A. Schuppli, Daniel M. Weary

Notice bibliographique

RevueAlternatives to Laboratory Animals · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueAnimal and Plant Science Education
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésZebrafishMutagenesisPreferenceAnimal testingPerceptionAnimal welfarePsychologyMutationAnimal modelExperimental researchGeneticsBiologyGeneNeuroscience

Résumé

récupéré en direct d'OpenAlex

The species of laboratory animal used is known to influence people's willingness to support animal-based research. An online experiment was used to test people's willingness to accept the use of zebrafish or mice, two of the most commonly used species, in research involving either induced mutation (specifically, ethyl-N-nitrosourea [ENU] mutagenesis) or genetic modification, with and without regulatory oversight. Participants who were willing to support research on zebrafish (31.9%) were also willing to support the same research on mice. The participants expressed low levels of support for research involving ENU mutagenesis of zebrafish in both unregulated (30.7%) and regulated (38.5%) research programmes. A reason for the rejection of ENU mutagenesis was the perception that the procedure is painful. Some participants expressed a preference for the use of genetically-modified (GM) animal models over ENU mutagenesis, based on the belief that the former involves less pain and improves both the accuracy and efficiency of the animal models. Better informing the public about scientific practice, and scientists about public attitudes, may help reduce the disconnect between scientific practice and societal values.

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)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,258
Tête enseignante GPT0,435
Écart entre enseignants0,178 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlternatives to Laboratory AnimalsMême sujetAnimal and Plant Science EducationTravaux en français237 207