MétaCan
Menu
Retour à la cohorte
Enregistrement W2998753426 · doi:10.3390/ani10010152

Picture Perfect Pups: How Do Attributes of Photographs of Dogs in Online Rescue Profiles Affect Adoption Speed?

2020· article· en· W2998753426 sur OpenAlexaboutno aff
Mizuho Nakamura, Navneet K. Dhand, Bethany Wilson, Melissa Starling, Paul McGreevy

Notice bibliographique

RevueAnimals · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHuman-Animal Interaction Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDirectoryWelfareAnimal welfareGeographyAffect (linguistics)DemographyPromotion (chess)SocioeconomicsCartographyPsychologyBiologyPolitical scienceSociologyCommunicationComputer scienceEcologyLaw

Résumé

récupéré en direct d'OpenAlex

To increase the public's awareness of and exposure to animals needing homes, PetRescue, Australia's largest online directory of animals in need of adoption, lists all currently available animals from rescue and welfare shelters nationwide. The current study examined the photographs in the PetRescue online profiles of the three most common breeds within these data, namely, Staffordshire bull terriers (n = 3988), Labrador retrievers (n = 2246), and Jack Russell terriers (n = 2088), to identify the inferred preferences of potential adopters. By investigating the attributes of these photographs, we were able to identify visual risk factors associated with protracted lengths of stay (LOS). The longest stays were associated with dogs with erect ears and those photographed in a natural environment, i.e., 18.32 days and 19.57 days, respectively. Dogs photographed in a kennel and with mouths closed had the shortest LOS, i.e., 11.54 d and 14.44 d, respectively. Heightened awareness of the roles of photographic attributes in generating interest among potential adopters may increase the speed of adoption by guiding the creation of online profiles and selection of photos to optimise the promotion of dogs at risk of long stays.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,328
Écart entre enseignants0,293 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetHuman-Animal Interaction StudiesTravaux en français237 207