Prediction of successful training outcomes for drug detection dogs using subjective ratings and behavioral test measures: A case study in Japan customs
Notice bibliographique
Résumé
Drug detection dogs, primarily employed by customs and police forces, play a crucial role in preventing the spread of illegal drugs worldwide. To minimize training costs, accurately predicting which dogs will succeed in scent detection training is essential. Local training organizations seek validated behavioral assessment methods for this purpose, but the wide range of methods used and the lack of scientific verification pose challenges. Previous research on detection dogs in Japan focused on genetics, but behavioral assessment methods for training have been understudied. To bridge the gap, the current study aimed to outline and evaluate the predictive validity of behavioral assessment systems used for drug detection dogs at Japan Customs. We compared the relative effectiveness of two different behavioral assessment methods: subjective ratings by chief trainers and behavioral measures in a novel test situation. For subjective ratings, we used subscales of Training Focus (i.e., interest in play, independence, concentration, activity, and boldness) and Tolerance (i.e., friendliness to humans and tolerance to dogs) to characterize a dog’s personality. For behavioral tests, a simple behavioral test measured a dog’s approach behavior and reactivity to an unfamiliar person. Data from 196 dogs (159 Labrador Retrievers and 37 German Shepherds) showed high inter-rater agreement for both methods. A GLMM model revealed that Training Focus subscale scores significantly predicted training success of candidate dogs. On the other hand, Tolerance scores and behavioral test measures were poor predictors for scent detection work. Dog breed and sex did not significantly influence final training outcomes. Receiver Operating Characteristic (ROC) curves indicated that Training Focus scales' classification performance for training success is comparable to or better than previous reports for assistance and detection dogs. These findings demonstrate the predictive validity of subjective Training Focus ratings, aiding in the selection of drug detection dogs at Japan Customs. While generalizability to other detection dog populations and identification of alternative behavioral predictors remains uncertain, this study provides valuable insights into the predictive accuracy of trainer ratings in a dog behavior assessment system. • Trainer’s ratings of Training Focus strongly predicted the success of detection dogs. • Trainer’s ratings of Tolerance did not predict the success of detection dogs. • Behavioral test measures did not predict the success of drug detection dogs. • Dog breed and sex did not significantly influence final training outcomes.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».