MétaCan
Menu
Retour à la cohorte
Enregistrement W4220691823 · doi:10.3390/ani12060678

Applied Animal Ethics in Industrial Food Animal Production: Exploring the Role of the Veterinarian

2022· article· en· W4220691823 sur OpenAlexaff
Elein Hernández, Pol Llonch, Patricia V. Turner

Notice bibliographique

RevueAnimals · 2022
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal Behavior and Welfare Studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésAnimal welfareIndustrialisationSustainabilityProduction (economics)Animal ethicsBusinessFood processingAnimal productionFood securityPopulationAnimal foodPolitical scienceEconomicsMedicineAgricultureEnvironmental healthBiologyLaw

Résumé

récupéré en direct d'OpenAlex

Industrial food animal production practices are efficient for producing large quantities of milk, meat, and eggs for a growing global population, but often result in the need to alter animals to fit a more restricted environment, as well as creating new animal welfare and health problems related to animal confinement in high densities. These practices and methods have become normalized, to the extent that veterinarians and others embedded in these industries rarely question the ethical challenges associated with raising animals in this fashion. Moral 'lock-in' is common with those working in food animal industries, as is the feeling that it is impossible to effect meaningful change. Animal welfare issues associated with the industrialization of food animal production are 'wicked problems' that require a multi- and transdisciplinary approach. We argue that veterinarians, as expert animal health and welfare advocates, should be critical stakeholders and leaders in discussions with producers and the food animal sector, to look for innovative solutions and technology that will address current and future global sustainability and food security needs. Solutions will necessarily be different in different countries and regions, but ethical issues associated with industrial food animal production practices are universal.

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)0,120
score de la tête « metaresearch » (Gemma)0,069
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,120
Score d'incertitude au seuil0,635

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1200,069
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0190,090
Communication savante0,0220,016
Science ouverte0,0040,017
Intégrité de la recherche0,0150,014
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,267
Tête enseignante GPT0,333
Écart entre enseignants0,066 · 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'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

Citations41
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetAnimal Behavior and Welfare StudiesTravaux en français237 207