Canine Behavioral Assessment and Research Questionnaire (C-BARQ): Validation of the Italian Translation
Notice bibliographique
Résumé
The aim of this study is to develop an Italian translation of the 100-item Canine Behavioral Assessment and Research Questionnaire (C-BARQ) version and to validate its psychometric properties, in order to facilitate systematic, large-scale studies on dog behavior for Italian-speaking dog owners. A total number of 803 responses by dog owners were collected online. Using the Principal Axis Method and Common Factor Analysis with Quartimin oblique rotation (p < 0.05), a factorial structure was found including 13 factors composed of 62 items and explaining 53.5% of the total variance. Eight factors showed high reliability (Cronbach’s alpha > 0.70), namely: stranger-directed aggression/fear, dog-directed fear, owner-directed aggression, separation-related behavior, chasing, dog-directed aggression, attachment/attention seeking, and elimination problems. Three factors were slightly under the threshold and two had only modest reliability (non-social fear, energy level, touch sensitivity, excitability and trainability). A potential explanation for factors with low reliability is that the composing items do not describe behaviors resulting from homogeneous stimuli or situations. Although our factorial structure resembled in most respects that of the most recently published Canadian version, some important exceptions are present regarding dog rivalry, intraspecific aggression, fear/aggression towards strangers, touch sensitivity and chewing inappropriate objects. Such differences may be due to demographic and/or cultural differences between the sampled populations. Overall, the results suggest that a 62-item Italian C-BARQ can be reliably used in studies on dog behavior.
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 ».