MétaCan
Menu
Retour à la cohorte
Enregistrement W2970656668 · doi:10.3390/ani9090622

Animal Research, Accountability, Openness and Public Engagement: Report from an International Expert Forum

2019· article· en· W2970656668 sur OpenAlexafffundabout
Elisabeth Ormandy, Daniel M. Weary, Katarina Cvek, M. W. Fisher, Kathrin Herrmann, Pru Hobson‐West, Michael McDonald, William K. Milsom, Margaret Rose, Andrew Rowan, Joanne Zurlo, M.A.G. von Keyserlingk

Notice bibliographique

RevueAnimals · 2019
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal testing and alternatives
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of British ColumbiaWellcome Trust
Mots-clésAccountabilityOpenness to experiencePublic relationsPolitical scienceCorporate governanceTransparency (behavior)StakeholderConfidentialityDiversity (politics)Public administrationBusinessPsychologyLaw

Résumé

récupéré en direct d'OpenAlex

In November 2013, a group of international experts in animal research policy (n = 11) gathered in Vancouver, Canada, to discuss openness and accountability in animal research. The primary objective was to bring together participants from various jurisdictions (United States, Sweden, Australia, New Zealand, Germany, Canada and the United Kingdom) to share practices regarding the governance of animals used in research, testing and education, with emphasis on the governance process followed, the methods of community engagement, and the balance of openness versus confidentiality. During the forum, participants came to a broad consensus on the need for: (a) evidence-based metrics to allow a "virtuous feedback" system for evaluation and quality assurance of animal research, (b) the need for increased public access to information, together with opportunities for stakeholder dialogue about animal research, (c) a greater diversity of views to be represented on decision-making committees to allow for greater balance and (d) a standardized and robust ethical decision-making process that incorporates some sort of societal input. These recommendations encourage aspirations beyond merely imparting information and towards a genuine dialogue that represents a shared agenda surrounding laboratory animal use.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,126
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,425
Tête enseignante GPT0,520
Écart entre enseignants0,095 · 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.

Devis d'étudeObservationnel
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

Citations17
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetAnimal testing and alternativesTravaux en français237 207