Expanding perspectives and understanding relational potential: Are mutually beneficial human-animal relationships compatible with current animal agricultural practices?
Notice bibliographique
Résumé
Animal agriculture employs approximately one-eighth of world's human population and results in the slaughter of over 160 billion animals annually, representing perhaps the most extensive intertwining of human and animal lives on the planet. In principle, close, intersubjective relationships (involving shared attention and mental states) between humans and the animals in agriculture are possible, though these are infrequently studied and are unlikely to be achieved in farming, given systemic constraints (e.g. housing and management). Much scientific research on human-animal relationships within agriculture has focused upon a fairly restricted range of states (e.g. reducing aversive human-animal interactions within standard systems, toward improving productivity and reducing injuries to workers). Considering human-animal relations along a continuum, we review scholarship supporting the rationale for expanding the range of relationships under consideration in animal welfare research, given the impacts these relationships can have on both animals and stockpersons, increasing consumer demand for humane food products, and the goal of providing animals under our care with good lives. Looking toward traditions that encourage taking the perspective of, and learning from non-humans, we provide entry points to approaches that can enable animal welfare research to expand to investigate a broader range of human-animal relationship states. By showing the potential for close mutually beneficial human-animal relationships, this line of research highlights pathways for understanding and improving the welfare of animals used in agriculture.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».