Perception of Canine Welfare Concerns among Veterinary Students, Practitioners, and Behavior Specialists in Spain
Notice bibliographique
Résumé
Veterinarians are well placed to supervise and ensure canine welfare. However, the perception of animal welfare among veterinarians may vary depending on the level of training and professional practice, including the specialization in animal behavior and welfare. The aim of this study was to survey the perception of canine welfare among veterinarians, including students, practitioners, and behavior specialists. A scale-based questionnaire including 12 issues affecting canine welfare was adapted from Yeates and Main and distributed to first-year (n=50) and fifth-year veterinary students (n=50), as well as veterinary practitioners (n=260) and specialists in behavioral medicine (n=50). For each issue, respondents were asked to rate how much they perceived each issue to affect canine welfare (on a scale of 0 to 4). A General Linear Model test was used to assess the effect of the studied group on scores. "Physical abuse or cruelty" was the highest-scoring problem in all groups and "breed-related conditions" was the lowest. In general, specialists in behavioral medicine assigned significantly higher scores to most items, particularly "behavioral problems" and "lack of sufficient company." In contrast, fifth-year students assigned significantly lower scores to most items. This study shows that situations clearly affecting canine welfare represent an important concern for veterinarians, both undergraduates and professionals. However, the level of professional experience and specialization might influence the perception of more subtle examples of poor welfare. Raising awareness regarding canine welfare, including concern for breed- or behavior-related problems, should be emphasized within university programs.
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 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 | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».