MétaCan
Menu
Retour à la cohorte
Enregistrement W2791739276 · doi:10.1371/journal.pone.0193262

Institutional transparency improves public perception of lab animal technicians and support for animal research

2018· article· en· W2791739276 sur OpenAlexaff
Katelyn E. Mills, Zetta Han, Jesse Robbins, Daniel M. Weary

Notice bibliographique

RevuePLoS ONE · 2018
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal testing and alternatives
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTransparency (behavior)TechnicianPerceptionSecrecyCompetence (human resources)Animal ethicsQualitative researchPsychologyLikert scaleAnimal testingMedical educationApplied psychologyMedicineSocial psychologyComputer scienceEngineeringSociologyPolitical scienceBiologySocial science

Résumé

récupéré en direct d'OpenAlex

The use of animals in research is controversial and often takes place under a veil of secrecy. Lab animal technicians responsible for the care of animals at research institutions are sometimes described as performing 'dirty work' (i.e. professions that are viewed as morally tainted), and may be stigmatized by negative perceptions of their job. This study assessed if transparency affects public perceptions of lab animal technicians and support for animal research. Participants (n = 550) were randomly assigned to one of six scenarios (using a 3x2 design) that described identical research varying only the transparency of the facility (low, high) and the species used (mice, dogs, cows). Participants provided Likert-type and open-ended responses to questions about the personal characteristics (warmth, competence) of a hypothetical lab technician 'Cathy' and their support for the described research. Quantitative analysis showed participants in the low-transparency condition perceived Cathy to be less warm and were less supportive of the research regardless of animal species. Qualitative responses varied greatly, with some participants expressing support for both Cathy and the research. These results suggest that increasing transparency in lab animal institutions could result in a more positive perception of lab animal researchers and the work that they do.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,897
Score d'incertitude au seuil0,379

Scores Codex et Gemma par catégorie

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

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 Opus0,456
Tête enseignante GPT0,434
Écart entre enseignants0,021 · 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

Citations14
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetAnimal testing and alternativesTravaux en français237 207