Technical note: Using an electronic drinker to monitor competition in dairy cows
Notice bibliographique
Résumé
The objective of this study was to determine whether data from an electronic drinking system that tracks individual animal attendance with ear tag transponders could be used to detect social competition between dairy cows at the drinker. Specifically, we sought to identify the interval between one cow leaving the drinker and another cow taking her place that most accurately identified competitive replacements (when physical contact initiated by one cow causes the other to entirely remove her head from the drinker and the initiator subsequently places her head in the same drinker). The optimal interval to accurately identify replacements at the drinker was determined using a receiver operating characteristic curve and by evaluating the sensitivity (Se), specificity (Sp), and confusion matrix values (true positives, true negatives, false positives, false negatives) of different thresholds identified by 3 metrics: the Youden index, the point closest to (0,1) on the curve, and the point where Se roughly equals Sp. Lactating Holstein dairy cows (n = 20) were monitored for 4 consecutive 24-h periods by video recording and with an electronic drinking system. Two periods were used to identify the optimal interval (the baseline set), and the other 2 periods were used to validate the interval (the validation set). The occurrence of a replacement identified by video was paired with the interval between drinking events of 2 cows at the same electronic drinker to identify the interval that best predicted replacement events. Based on the low prevalence of replacement events compared with nonreplacement events, the interval with the lowest number of false positives was considered optimal. Of the 3 potential metrics, the point on the receiver operating characteristic curve where Se and Sp were roughly equal yielded the fewest false positives. The optimal interval to identify replacements at the drinker was ≤29 s, with 82% Se and 83% Sp in the baseline set. This interval was found to have 85% Se and 89% Sp when applied to the validation set. These results indicate that social competition between dairy cows at the drinker can be accurately measured with an electronic drinking system.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».