MétaCan
Menu
Retour à la cohorte
Enregistrement W4400290922 · doi:10.1079/hai.2024.0024

For the love of acronyms: An analysis of terminology and acronyms used in AAI research 2013–2023

2024· article· en· W4400290922 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueHuman-Animal Interactions · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTerminologyLinguisticsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstract The involvement of animals to assist or facilitate activities, education, or therapy has become increasingly popular. As we recognize animals’ roles in ameliorating well-being and educational outcomes, researchers and programmers are developing a variety of animal-assisted programs. This diversification has seen the adoption of a plethora of terms and acronyms. Many researchers have pointed out this over-abundance of terms and their inconsistent use, arguing that this creates confusion within the field. The aims of this article were threefold: (1) To identify commonly used terms in animal-assisted intervention (AAI) research; (2) to document their use by frequency; and (3) discuss the benefits and obstacles of the abundance of terms and acronyms in the field. A search of peer-reviewed articles published in English from 2013 to 2023 was conducted across four databases: PsycInfo, Education Source, ERIC, and Scopus to collate articles related to human-animal interactions (HAIs). Records were de-duplicated in Covidence and screened at title/abstract level by two independent reviewers for relevance to AAIs. The resulting articles ( N = 1934) were subsequently coded to track terminology. A total of 1414 distinct terms were identified, the majority of which (77.8%, n = 1100) were used only once between 2013 and 2023. Only 48 terms (3.4%) were used in the literature more than 10 times. Analysis also provided insight into frequently used terms, the most prevalent of which were “animal-assisted therapy” (8.70%, used 376 times), “animal-assisted interventions” (7.45%, used 322 times), and “therapy dog” (5.06%, used 219 times). Trends across 10 years reveal that specific terms have increased (e.g., “animal-assisted intervention”) or decreased (e.g., “hippotherapy”) in popularity but that the average number of terms used per article remains stable. Despite calls from HAI researchers to reduce redundant terms and improve the accuracy and consistency in the language used, there remains a surplus of terms in the field. This holds implications for AAI researchers, programmers, and individuals gaining interest in AAIs.

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.

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)0,001
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 consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,639
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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.

Tête enseignante Opus0,201
Tête enseignante GPT0,530
Écart entre enseignants0,329 · 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