MétaCan
Menu
Retour à la cohorte
Enregistrement W3019376897 · doi:10.1136/medethics-2020-106127

In the name of science: animal appellations and best practice

2020· article· en· W3019376897 sur OpenAlexaff
Jessica du Toit

Notice bibliographique

RevueJournal of Medical Ethics · 2020
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal testing and alternatives
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMistakeExtant taxonPsychologyAnimal cognitionAnimal welfareEmpathyEpistemologySocial psychologyPolitical scienceCognitionBiologyLaw

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The practice of giving animal research subjects proper names is frowned on by the academic scientific community. While researchers provide a number of reasons for desisting from giving their animal subjects proper names, the most common are that (1) naming leads to anthropomorphising which, in turn, leads to data and results that are unobjective and invalid; and (2) while naming does not necessarily entail some mistake on the researcher's part, some feature of the research enterprise renders the practice impossible or ill-advised. OBJECTIVES: My aim is to assess whether the scientific community's attitude towards naming animal research subjects is justified. That is, I wish to consider whether the practice of naming animal research subjects is good or bad for the purposes of scientific research. METHOD: After reviewing the extant literature, I constructed a list of the main arguments researchers provide for desisting from naming their animal research subjects. I then analysed these arguments, with a view to determining whether they in fact provide good reasons to avoid naming animal research subjects. CONCLUSION: of researchers giving their research animals proper names. This is because the practice usually leads to greater empathy and so to improved animal well-being. This, in turn, leads to better animal science. Thus, the scientific community's attitude towards naming animal research subjects is not justified.

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)0,007
score de la tête « metaresearch » (Gemma)0,046
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,318
Score d'incertitude au seuil0,962

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,046
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,337
Tête enseignante GPT0,524
Écart entre enseignants0,186 · 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'étudeQualitatif
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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical EthicsMême sujetAnimal testing and alternativesTravaux en français237 207