Accelerating Animal Replacement: How Universities Can Lead — Results of a One-Day Expert Workshop in Zurich, Switzerland
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.
Notice bibliographique
Résumé
This report is a result of an interdisciplinary workshop held at the Collegium Helveticum in Zurich, Switzerland in February 2024, in which ideas for accelerating NAMs (New Approach Methodologies) in Swiss universities were shared and discussed. Due to regional differences in university organisation and funding structures, not all recommendations will be transferable to all regions worldwide. All participants were qualified to contribute to the discussion, due to their knowledge and experience of the Three Rs, in particular with regard to their implementation. The workshop participants believed that universities, which play a pioneering role in so many other areas, should also exploit their innovative potential in the field of animal-free research. The workshop uncovered four areas that would need to be addressed in order to achieve a significant change in university science culture and do more justice to the Three Rs, namely: language - innovative framing (pro-replacement framing in official university statements); knowledge transfer - communicating innovative findings in teaching (redirecting curriculum); change of values within science faculties; and structured implementation and well-coordinated planning of the transformation (establishment of a 'transition unit'). Specific strategies for implementing these four areas are outlined. In addition, we discuss why the replacement of animal testing should be an essential goal for universities, why this goal has not yet been achieved, and why concerted efforts toward change are required.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle