Survey of international academic centers and institutes focused on human-animal bond: Scope and landscape in 2021
Notice bibliographique
Résumé
Routine surveying of academic centers focused on the human-animal bond is critical to understand the trajectory of the field and to create an environment where centers can learn from one another and build collaborations. The purpose of this manuscript was to report the findings of a survey of these human-animal bond centers, to summarize the status of the field, and to identify changes within the field since 2016. Survey questions concentrated on the demographic characteristics, engagement programs, educational opportunities, and research focuses of the centers. Findings suggest that the field continues to grow as one-third of human-animal bond centers are less than 10 years old. The number of centers that participated in this survey increased by 31% compared to the previous survey (O'Haire et al., 2018). Centers have developed a variety of engagement programs, including animal-assisted intervention and companion animal education programs. About half of the centers (48%) offer degree programs and about one quarter of the centers (24%) offer certificate programs. Most centers (95%) focus their research on companion animals with the most studied companion animal being dogs (95%). The most frequent data collection method was surveys (86%). Qualitative analyses, behavior measures, and physiological measures were also common. The most notable changes from the 2016 survey include overall growth of the field (indicated by the establishment of new centers) and a shift in the specialty area of directors, moving from 44% of directors being veterinarians in 2016 survey to 90% having a human-focused specialty in the 2021 survey. Most centers' research focused on animal-assisted interventions which is consistent with the previous survey. As the field of the human-animal bond continues to grow and more centers emerge, ongoing evaluation of offerings is important to track changes, identify needs, and foster success.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».