Una revisión del impacto del ruido en perros entre 2018 al 2023
Notice bibliographique
Résumé
Llamado el mejor amigo del hombre, pero no nos damos cuenta el daño que ocasiona lo que nosotros llamamos sonido para ellos es ruido, tienen una sensibilidad en los oídos tan extremas ya que son capaces de percibir con frecuencias más altas, es por ello por lo que el objetivo fue determinar los impactos del ruido en perros. La metodología utilizada para la sistematización de la información fue la declaración PRISMA 2020, para determinar el crecimiento anual de la producción científica se calculó con la herramienta digital Calcuvio y el análisis de datos se realizó con Microsoft Office Excel versión 2016 y VOSviewer versión 1.6.19. La distribución geográfica de las investigaciones por año se centró en el 2018 y 2022, el país pionero con mayor publicación fue Estados Unidos, la producción científica fue de 30.26% (crecimiento bajo), las palabras clave con el mayor número de coocurrencias fueron “stress” y “noise” y “dog” y los impactos más frecuentes del ruido en perros fueron en los cambios del comportamiento y el miedo-ansiedad. Se concluye que para futuras investigaciones se debe buscar medidas preventivas del ruido y evaluar el grado de afección en los perros.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,004 |
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 ».