Exploring the Social Reinforcing Value of Brushing in Equine-Assisted Services: A Comparative Study with Food Reinforcement
Notice bibliographique
Résumé
Abstract Brushing is one of the most common human-horse interactions in Equine-Assisted Services (EAS). Previous research has shown both positive and negative effects of brushing on horses’ behavior and physiological states. One of the primary reasons horses are included in services such as mental and behavioral healthcare is to provide human clients with positive relational experiences; however, more empirical research is needed to determine if horses also receive socially derived benefits from their interactions with human clients. Therefore, we set out to determine whether brushing can function as a social reinforcer for horses utilized in EAS in comparison to food reinforcement. Six EAS horses from a university-based Premier Accredited Professional Association of Therapeutic Horsemanship, International center in the Southwestern Region of the United States participated in a single-subject reversal ABCABC design experiment, in which stimuli (A: Brushing, B: Food, and C: Control [Extinction]) were provided contingent on an arbitrary behavior (nose touch to the experimenter’s closed fist). All horses exhibited maximal or near-maximal responding in the food condition, but low responding in the brushing and control conditions. Data indicated that brushing was not an effective reinforcer for horses compared to food, and this could suggest brushing is a low-value reinforcer. Alternatively, it is possible to access to food at relatively short intervals in time during the experiment may have impacted the reinforcing value of brushing. Human-animal interaction proponents are increasingly calling attention to the need to ensure that equine-inclusive healthcare services address horse welfare, including the promotion of positive welfare experiences. Results from this study support the need for more research on identifying optimal interactions that can promote mutual benefits to both humans and horses participating in EAS.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».