MétaCan
Menu
Retour à la cohorte
Enregistrement W4392063611 · doi:10.1017/9781788216258.027

Animals, pandemics and climate change

2023· other· en· W4392063611 sur OpenAlexaboutno aff
Jeff Sebo, Lauren Van Patter

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineEnvironmental Science
ThématiqueCOVID-19 impact on air quality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicClimate changeGeographyCoronavirus disease 2019 (COVID-19)ClimatologyBiologyEcologyGeologyMedicine

Résumé

récupéré en direct d'OpenAlex

In 2020, Covid-19, the Australia bushfires, and other global threats served as vivid reminders that human and nonhuman fates are increasingly linked. Human use of nonhuman animals contributes to pandemics, climate change, and other global threats which, in turn, contribute to biodiversity loss, ecosystem collapse, and nonhuman suffering. This conversation coincided with the publication of Jeff Sebo's book, Saving Animals, Saving Ourselves . The conversation foregrounds the incalculable harms we inflict on non-human animals by causing or allowing countless of them to suffer and die for our own benefit and by driving many species to extinction and many ecosystems to collapse. In so doing, we are also serving to endanger our own future on this planet. JEFF SEBO is Clinical Associate Professor of Environmental Studies, Affiliated Professor of Bioethics, Medical Ethics and Philosophy, and Director of the Animal Studies MA Program at New York University. His research interests include moral philosophy, legal philosophy and philosophy of mind; animal minds, ethics and policy; AI minds, ethics and policy. LAUREN VAN PATTER is the Kim & Stu Lang Professor in Community and Shelter Medicine in the Department of Clinical Studies at the Ontario Veterinary College, University of Guelph. She is an interdisciplinary animal studies scholar whose research focuses most broadly on questions of “living well” in multispecies communities. Lauren Van Patter ( LVP ): There is a widespread feeling that we can do much better than we are currently doing in our relationships with non-human animals. At the same time, however, many of us feel overwhelmed by the complexity involved in thinking about our responsibility to other animals. For example, when thinking about climate change, the situation is not so clear-cut that we can unequivocally say that climate change is bad for other species, while rewilding is good, both at the individual and the species level. How can we get past some of this paralysis around the immense complexity of these issues? Jeff Sebo ( JS ): There are two things that I think are true, but holding both in our heads at the same time is really difficult, because it creates a lot of tension. One is to accept that we have a responsibility to address factory farming, deforestation, the wildlife trade, and so on. We have to significantly regulate or abolish these industries that are causing so much harm to humans, to other animals, and to the climate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,139
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,334
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCOVID-19 impact on air qualityTravaux en français237 207