MétaCan
Menu
Retour à la cohorte
Enregistrement W4285202529 · doi:10.31893/jabb.22021

Circus Animal Welfare: analysis through a five-domain approach

2022· article· en· W4285202529 sur OpenAlexaff
Daniel Mota‐Rojas, Marcelo Daniel Ghezzi, Adriana Domínguez-Oliva, Leonardo Thielo de La Vega, Luciano Boscato-Funes, Fabiola Torres-Bernal, Patricia Mora‐Medina

Notice bibliographique

RevueJournal of Animal Behaviour and Biometeorology · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiens123 Certification (Canada)
Organismes subventionnairesnon disponible
Mots-clésAnimal welfareWelfareAffect (linguistics)Perspective (graphical)Mental healthPsychologyMental stateQuality (philosophy)SociologyApplied psychologyPolitical sciencePsychiatryComputer scienceCommunicationLawEcologyBiologyEpistemology

Résumé

récupéré en direct d'OpenAlex

This study aims to review the current available literature regarding circus animals from the perspective of the five domains proposed for evaluating animal welfare to identify the critical points in the use of these animals and understand how circus spectacles affect their mental state and health. Exhibiting animals in circuses continues to be a popular practice today in some countries such as Germany, Spain, or Australia. However, animals’ biological needs are not always prioritized due to the inadequate diets, reduced housing spaces, deficient social interaction, and handling that predisposes them to develop stereotypies and alter mental states due to chronic stress. Animal circuses are considered a controversial practice that can decrease the welfare of animals. Understanding the possible negative consequences on animal welfare (mental state and physical health) could contribute to planning strategies to improve the quality of life of wildlife animals exhibited in circuses worldwide.

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)0,008
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,009
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0080,005
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,017
Tête enseignante GPT0,260
Écart entre enseignants0,243 · 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'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

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal Behaviour and BiometeorologyMême sujetUrban Green Space and HealthTravaux en français237 207