MétaCan
Menu
Retour à la cohorte
Enregistrement W3012228850 · doi:10.3390/ani10030502

Humanity’s Best Friend: A Dog-Centric Approach to Addressing Global Challenges

2020· review· en· W3012228850 sur OpenAlexaff
Naomi Sykes, Piers Beirne, Alexandra Horowitz, Ione Jones, Linda Kalof, Elinor K. Karlsson, Tammie King, Howard Litwak, Robbie A. McDonald, Luke John Murphy, Neil Pemberton, Daniel Promislow, Andrew Rowan, Peter W. Stahl, Jamshid J. Tehrani, Eric Tourigny, Clive D. L. Wynne, Eric G. Strauss, Greger Larson

Notice bibliographique

RevueAnimals · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHuman-Animal Interaction Studies
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Institute on AgingArts and Humanities Research CouncilNational Institutes of HealthAnnenberg Foundation
Mots-clésHumanityEnvironmental ethicsDomesticationCanisNatural (archaeology)Space (punctuation)The artsSociologyGeographySocial scienceEcologyPolitical scienceBiologyArchaeology

Résumé

récupéré en direct d'OpenAlex

), dogs have evolved alongside humans over millennia in a relationship that has transformed dogs and the environments in which humans and dogs have co-inhabited. The story of the dog is the story of recent humanity, in all its biological and cultural complexity. By exploring human-dog-environment interactions throughout time and space, it is possible not only to understand vital elements of global history, but also to critically assess our present-day relationship with the natural world, and to begin to mitigate future global challenges. In this paper, co-authored by researchers from across the natural and social sciences, arts and humanities, we argue that a dog-centric approach provides a new model for future academic enquiry and engagement with both the public and the global environmental agenda.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,003
Communication savante0,0040,006
Science ouverte0,0020,003
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,186
Tête enseignante GPT0,444
Écart entre enseignants0,258 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetHuman-Animal Interaction StudiesTravaux en français237 207