MétaCan
Menu
Retour à la cohorte
Enregistrement W4229082730 · doi:10.3168/jds.2021-21657

Effects of concentrate allowance and individual dairy cow personality traits on behavior and production of dairy cows milked in a free-traffic automated milking system

2022· article· en· W4229082730 sur OpenAlexafffund
A.J. Schwanke, K.M. Dancy, Heather W. Neave, G.B. Penner, Renée Bergeron, T.J. DeVries

Notice bibliographique

RevueJournal of Dairy Science · 2022
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal Behavior and Welfare Studies
Établissements canadiensUniversity of SaskatchewanUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Agri-Food Innovation AllianceCanada First Research Excellence FundUniversity of Guelph
Mots-clésMilkingAutomatic milkingAnimal scienceDry matterAllowance (engineering)Dairy cattleLactationBiologyIce calvingOperations managementEngineeringPregnancy

Résumé

récupéré en direct d'OpenAlex

The primary objective of this study was to determine whether the level of concentrate allowance in an automated milking system (AMS) affects the feed intake, eating behavior, milking activity, and performance of lactating dairy cows. The secondary objective of this study was to describe how the response to concentrate allocation, specifically in feeding and milking behavior, varies with cow personality traits. Fifteen Holstein cows were used in a crossover design with two 28-d periods, each including 14 d of adaptation and 14 d of data collection. The cows were housed in a freestall pen with free-traffic access to the AMS. Treatments consisted of a basal partial mixed ration (PMR) common to both treatment groups, with a concentrate allowance (on dry matter basis) of (1) 3.0 kg/d in the AMS (L-AMS) or (2) 6.0 kg/d in the AMS (H-AMS). Between the 2 treatment periods, each cow was assessed for personality traits using a combined arena test consisting of exposure to a novel environment, novel object, and novel human. Principal component analysis of behaviors observed during the novel environment and object tests revealed 3 factors (interpreted as active, social, and alert-curious) that together explained 76% of the variance, whereas principal component analysis of the novel human test revealed 2 factors (interpreted as active-vocal and fearful of novel humans) that together explained 77% of the variance. When on the H-AMS treatment, PMR dry matter intake (DMI) was less (24.5 vs. 26.0 kg/d) and AMS concentrate delivery was greater (5.9 vs. 3.1 kg/d), as per design. Consequently, total DMI was greater on the H-AMS treatment (30.4 vs. 29.1 kg/d). When on the H-AMS treatment, cows who were more alert-curious consumed more PMR, whereas cows who were more fearful of the novel human were less likely to receive the maximum amount of AMS concentrate available, limiting their total DMI and increasing the day-to-day variability of that intake. Although this was a preliminary study, these data suggest an association between dairy cow personality traits and how cows respond to increased AMS concentrate allowance.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,774
Score d'incertitude au seuil0,642

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,037
Tête enseignante GPT0,303
Écart entre enseignants0,266 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations31
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetAnimal Behavior and Welfare StudiesTravaux en français237 207