ASAS-NANP SYMPOSIUM: Review of systems thinking concepts and their potential value in animal science research
Notice bibliographique
Résumé
Worldwide, our collective research and policy institutions, including the American Society of Animal Science (ASAS), are calling for more systems-based research and analysis of society's most pressing and complex problems. However, the use of systems analysis within animal science remains limited and researchers may not have the tools to answer this call. This review thus introduces important concepts in systems thinking methodology, such as policy resistance, feedback processes, and dynamic complexity. An overall rationale for systems thinking and analysis is presented, along with examples of the application of these concepts in current animal science research. In order to contrast systems approaches to more frequently employed event-oriented research frameworks, both frameworks are then applied to the ASAS' identified "Grand Challenge" problem of antimicrobial resistance (AMR) in order to compare these two kinds of analyses. Systems thinking stresses the importance of underlying system structures that lead to persistent problem behaviors vs a focus on unidirectional cause-and-effect relationships. A potential systems framework for animal production decisions to use antimicrobials is shown that more explicitly accounts for AMR in a way that can lead to different animal production decisions than the event-oriented framework. Acknowledging and accounting for fundamental system structures that can explain persistent AMR will lead to different potential solutions to this problem than would be suggested from more linear approaches. The challenges and benefits of incorporating systems methods into animal science research are then discussed.
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 | 0,014 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,007 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».