MétaCan
Menu
Retour à la cohorte

Mieux connaître le comportement du porc pour une bonne relation avec les humains en élevage

2020· article· fr· W3170795724 sur OpenAlexaff
Céline Tallet, Valérie Courboulay, Nicolas Devillers, Marie-Christine Meunier-Salaün, Armelle Prunier, Avelyne S. Villain

Notice bibliographique

RevueINRAE Productions Animales · 2020
Typearticle
Languefr
DomaineVeterinary
ThématiqueAnimal Behavior and Welfare Studies
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

La relation entre les porcs et les humains est au centre de l’élevage et est un des piliers du bien-être animal. L’humain, par son comportement et ses choix de pratiques, de conditions de logement et de gestion du troupeau va influencer l’état mental de ses animaux. Cette synthèse propose un bilan des travaux sur la relation humain-animal en élevage porcin. Les pratiques et les modes d’élevage ont un impact sur la relation à l’humain. Certaines pratiques sont source de douleur et de peur pour les porcelets, et provoquent des réactions ultérieures de peur vis-à-vis des humains, même inconnus. Inversement, des pratiques ayant pour but de développer une relation de proximité diminuent la peur des humains et favorisent une relation de confiance. En effet, les interactions humaines modifient le comportement des porcs. La présence humaine suffit à habituer un porcelet aux humains, même quelques minutes par jour. Parler aux animaux est primordial, y compris in utero. Les porcelets apprécient les contacts tactiles doux, caresses ou grattages. L’humain, ainsi associé à des interactions positives, prend une valeur positive, ce qui permet d’instaurer un climat de confiance et peut susciter des émotions positives favorables au bien-être animal. Créer une bonne relation en élevage est donc essentiel. Ceci sera bénéfique non seulement au bien-être des porcs, mais aussi à la sécurité et la satisfaction au travail des éleveurs. Cela nécessite de mieux connaître le comportement des porcs pour davantage le prendre en compte. Le conseil et la formation aux éleveurs doivent intégrer ces connaissances.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge 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 enseignants0,298
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,096
Tête enseignante GPT0,317
Écart entre enseignants0,221 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINRAE Productions AnimalesMême sujetAnimal Behavior and Welfare StudiesTravaux en français237 207