MétaCan
Menu
Retour à la cohorte
Enregistrement W4280530503 · doi:10.3389/fanim.2022.893772

Opportunities for the Progression of Farm Animal Welfare in China

2022· article· en· W4280530503 sur OpenAlexaff
Michelle Sinclair, Hui Pin Lee, Maria Chen, Xiaofei Li, Jiandui Mi, Siyu Chen, J.N. Marchant

Notice bibliographique

RevueFrontiers in Animal Science · 2022
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal Behavior and Welfare Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesOpen Philanthropy Project
Mots-clésAnimal welfareChinaAgricultureLegislationLivestockBusinessWelfareGovernment (linguistics)Product (mathematics)MarketingPolitical scienceEconomic growthEconomicsGeographyLaw

Résumé

récupéré en direct d'OpenAlex

As the world's largest livestock producer, China has made some progress to improve farm animal welfare in recent years. Recognizing the importance of locally led initiatives, this study aimed to engage the knowledge and perspectives of Chinese leaders in order to identify opportunities to further improve farm animal welfare in China. A team of Chinese field researchers engaged 100 senior stakeholders in the agriculture sector (livestock business leaders, agriculture strategists and intellectuals, government representatives, licensed veterinarians, agriculture lawyers, and national animal welfare advocates). Participants completed a Chinese questionnaire hosted on a national platform. The raw data responses were then translated and subjected to qualitative and quantitative analyses from which themes were built and resulting recommendations were made. The findings of this study urge emphasis on the ties between improved animal welfare with food safety, product quality, and profit, and demonstrate the existence of animal welfare opportunities outside of the immediate introduction of specific animal protection legislation. The resulting applications are anticipated to be of strategic use to stakeholders interested in improving farm animal welfare in China.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,003
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,075
Tête enseignante GPT0,346
Écart entre enseignants0,271 · 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'étudeThéorique ou conceptuel
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

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Animal ScienceMême sujetAnimal Behavior and Welfare StudiesTravaux en français237 207