An exploration of industry expert perception of Canadian equine welfare using a modified Delphi technique
Notice bibliographique
Résumé
The diversity of sectors that comprise the equine industry makes reaching a consensus regarding welfare issues a challenge. To allow for productive discussion, equine professionals (n = 34) chosen to represent the diverse specializations from across Canada were surveyed using the Delphi technique-a survey technique employing multiple, iterative "rounds" to consolidate viewpoints-to gather and consolidate information regarding areas of welfare concern in the Canadian equine industry. Only participants who completed the prior round could participate in subsequent rounds. In the first round, respondents were asked to identify examples of welfare issues. Qualitative analysis was used to sort and group answers based on their similarities. Participants identified 12 welfare issues best addressed at the individual horse level, and an additional 12 welfare issues best addressed at the industry level. In the second (n = 24) and third (n = 14) rounds, welfare issues, solutions, and potential motives were consolidated based on order ranking. Themes of "ignorance" and "lack of knowledge" identified throughout all three rounds were cited as both potential risks to welfare as well as motives leading to poor welfare situations. Responses in this study suggest that in order to improve the welfare of equids in the Canadian industry, equine professionals propose that a greater effort is required to help educate industry members and stakeholders such that, through daily routine care and management, higher standards of welfare can be attained.
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 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».