Animal research is saving lives, but funding is needed to improvewelfare: Submission to the New South Wales parliamentary inquiry
Notice bibliographique
Résumé
Many kinds of animal research are occurring in New South Wales (NSW), with biomedical research among the most prominent. As behavioural neuroscientists, we study the neural mechanisms of motivation and cognition in rodents, which is important for developing new treatments for a range of psychological disorders, such as substance use disorder, as well as neurodegenerative diseases such as Alzheimer’s. The welfare and wellbeing of the animals we study is of critical importance, not only to ensure the quality of our data but to our sense of morality as compassionate human beings. Biomedical animal research is highly regulated and the pharmacological and biological tools we use pose negligible risks to the public. Meanwhile, our research brings enormous benefits to NSW by building expertise and supporting biotechnology companies. Although research on complex behaviours cannot be replaced by non-animal procedures, we believe that there is much scope for refinement and improvement in animal welfare in NSW. For example, investing in a local breeding facility to produce animals used in NSW research projects would significantly reduce the stress associated with importing animals from interstate or overseas. Additionally, standard animal housing could be improved through targeted and ongoing investment to refit animal facilities and support additional caretaker and veterinary staff to provide higher degrees of welfare.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,028 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,007 |
| Communication savante | 0,011 | 0,005 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,033 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,016 |
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 source (Gemma direct ou Codex distillé), 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 ».