MétaCan
Menu
Retour à la cohorte
Enregistrement W2771522729 · doi:10.3390/ani7120099

Is a “Good Death” at the Time of Animal Slaughter an Essentially Contested Concept?

2017· article· en· W2771522729 sur OpenAlexaff
Qurat ul-Ain, Terry L Whiting

Notice bibliographique

RevueAnimals · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHuman-Animal Interaction Studies
Établissements canadiensAgriculture Food and Rural Development
Organismes subventionnairesnon disponible
Mots-clésMoralityVisionPoliticsEpistemologyNormativeDemocracySociologyOriginal positionVariety (cybernetics)PhrasePolitical philosophyLawPolitical sciencePhilosophyEconomic JusticeLinguistics

Résumé

récupéré en direct d'OpenAlex

The phrase "essentially contested concept" (ECC) entered the academic literature in 1956 in an attempt to better characterize certain contentious concepts of political theory. Commonly identified examples of contested concepts are morality, religion, democracy, science, nature, philosophy, and certain types of creative products such as the novel and art. The structure proposed to identify an ECC has proven useful in a wide variety of deliberative discourse in the social, political, and religious arenas where seemingly intractable but productive debates are found. Where a strongly held moral position is contradicted by law, a portion of the citizenry see the law as illegitimate and do not feel compelled to respect it. This paper will attempt to apply the analytic structure of ECC to the concept of animal wellbeing at the time of slaughter specifically a "good death." The results of this analysis supports an understanding that the current slaughter debate is a disagreement in moral belief and normative moral theory. The parties to the dispute have differing visions of the "good." The method of slaughter is not an essentially contested concept where further discourse is likely to result in a negotiated resolution. The position statements of veterinary organizations are used as an example of current discourse.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,785

Scores Codex et Gemma par catégorie

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

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 Opus0,035
Tête enseignante GPT0,372
Écart entre enseignants0,337 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetHuman-Animal Interaction StudiesTravaux en français237 207