Evaluation du bien-être animal d'un troupeau de vaches allaitantes de race Maraîchine, au sein de l'unité expérimentale INRAE de Saint Laurent de la Prée
Notice bibliographique
Résumé
The aims of the internship were (1) processing and analysing results of Welfare Quality diagnostic carried out at Saint-Laurent de la Prée unit on January 2020, (2) making links between results and breeding system and (3) analysing the QBA repeatability (Qualitative Behaviour Assessment) trough 4 observers. These aims were achieved through 3 literature reviews, simulations on Welfare Quality ® website and astatistical reviewon R. Results show farm’s welfare level as “Enhanced” according to the 4 welfare categories distinguished Welfare Quality diagnostic. Principles scores are all good (the 4 are between 64 and 77) and steady (all are “enhanced”), which means that all aspects of welfare are considered in the farm. Only two criterion score poorly: absence ofprolonged hunger (54,8) and comfort around resting (51,4). Morphologies variability may due to Maraîchines hardy breedand comfort around resting may be influenced by quality and frequency of mulching, and running of drinking trough. Protocol boundaries areprecisely to rely on dairy cows and not to considerdiversity of beef cattle situations and breed. QBA analysis showed a difference in the observers’perception of animals’behaviour and its consequences on welfare. Proposals for upgrading and following-up animal welfare have been set out.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».