Selection of Appropriate Dogs to Be Therapy Dogs Using the C-BARQ
Notice bibliographique
Résumé
In recent years, therapy dogs in medical and assisted living facilities have become popular in Japan, and the demand for such dogs has increased. However, some owners have their dogs take this test, which evaluates the dog's talent, without understanding what is required of the test. The system needs to teach owners in an understandable way whether their dog is suitable to become a therapy dog so that the owners can determine if their dog is ready to be tested. Therefore, we suggest that easy at-home testing is likely to encourage dog owners to apply for their dog to take the aptitude test. If more dogs take the test, more therapy dogs can be born. The purpose of this study was to identify the personality traits of therapy dogs that pass the aptitude test by using the Canine Behavior Assessment and Research Questionnaire (C-BARQ). The C-BARQ was administered to dogs that previously passed the aptitude test for therapy training at the Hokkaido Volunteer Dog Association, assessing their behavioural displays. A factor analysis was conducted for each questionnaire item, and a total of 98 items were analyzed. Data were collected from the results of 110 dogs encompassing 30 dog breeds, with the most common breeds including Labrador Retrievers, Golden Retrievers, and Toy Poodles. Factor analysis revealed that 14 extracted factors should be evaluated. Given these personality traits and the fact that breed and age did not influence aptitude, we believe that a variety of dogs have the potential to become therapy dogs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».