MétaCan
Menu
Retour à la cohorte
Enregistrement W2595291736 · doi:10.1371/journal.pone.0174013

American and German attitudes towards cow-calf separation on dairy farms

2017· article· en· W2595291736 sur OpenAlexafffund
Gesa Busch, Daniel M. Weary, Achim Spiller, M.A.G. von Keyserlingk

Notice bibliographique

RevuePLoS ONE · 2017
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal Behavior and Welfare Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of British Columbia
Mots-clésGermanSeparation (statistics)Dairy cattleAnimal scienceBiologyBiotechnologyVeterinary medicineMedicineGeographyMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Public concerns regarding the quality of life of farm animals are often focused on specific practices such as separating the cow and calf immediately after birth. The available scientific literature provides some evidence in support of this practice (including reduced acute responses to separation when it does occur), as well as evidence of disadvantages (such as increased risk of uterine disease in cows). The aim of this study is to systematically examine public views around this practice. Specifically, this study analyzes the views of American and German citizens to separation of cow and calf at birth using a quantitative segmentation approach. Although the majority of participants opposed early separation, a small proportion of our sample supported the practice. According to participants' preference for early and later separation and their evaluation of different arguments for both practices, three clusters were identified. US participants were more likely to support early separation compared to German participants. The arguments presented for and against both practices caused different reactions in the three clusters, but did not appear to sway the opinions of most participants. The results show considerable opposition to the practice of early separation in large parts of the sample and suggest that the dairy industry should consider approaches to address this concern.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,177
Tête enseignante GPT0,407
Écart entre enseignants0,230 · 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

Citations139
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetAnimal Behavior and Welfare StudiesTravaux en français237 207