Educators' Perspectives on Animal Welfare and Ethics in the Australian and New Zealand Veterinary Curricula
Notice bibliographique
Résumé
The current study was designed to explore the importance that veterinary science educators in Australian and New Zealand universities assign to animal welfare and ethics (AWE) topics as Day One/Initial Competences for new graduates. An online questionnaire was deployed in parallel with an equivalent study of veterinary science students at these educators' schools. Responses were received from 142 educators (51% females n=72 and 49% males n=70), representing an overall participation rate of 25%. Questions were clustered according to seven areas of veterinary employment: general practice, production animals, companion animals, wild animals, aquatic animals, animals kept for scientific purposes, and animals used in sport and recreation. The most highly rated topics for each of these clusters were: professional ethics in general practice, euthanasia in companion animals, strategies to address painful husbandry procedures in production animals, veterinarians' duties to wild animals in animals in the wild, aquatic animal health and welfare issues in aquatic animals; competence in the 3Rs (replacement, refinement and reduction) in animals kept for scientific purposes, and responsibilities of ownership in sport and recreation. Female educators rated many of the topics as significantly more important than did their male counterparts. Educators teaching one or more ethics-related subjects were less likely to rate neutering and euthanasia as important as those not teaching these subjects. The educators' focus on practical issues clashes with a perceived need for veterinarians to actively embrace animal ethics. Overall, the perspectives of these educators should be carefully considered as they are likely to influence student attitudes.
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 | 0,002 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».