Exploring the legitimacy of industry-led farm animal welfare governance using examples of Canadian and United States dairy standards
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
The governance of farm animal welfare is led, in certain countries and sectors, by industry organisations. The aim of this study was to analyse the legitimacy of industry-led farm animal welfare governance focusing on two examples: the Code of Practice for the Care and Handling of Dairy Cattle and the Animal Care module of the proAction programme in Canada, and the Animal Care module of the Farmers Assuring Responsible Management (FARM) programme in the United States (US). Both are dairy cattle welfare governance programmes led by industry actors who create the standards and audit farms for compliance. We described the normative legitimacy of these systems, based on an input, throughput, and output framework, by performing a document analysis on publicly available information from these organisations' websites and found that the legitimacy of both systems was enhanced by their commitment to science, the presence of accountability systems to enforce standards, and wide participation by dairy farms. The Canadian system featured more balanced representation, and their standard development process uses a consensus-based model, which bolsters legitimacy compared to the US system. However, the US system was more transparent regarding audit outcomes than the Canadian system. Both systems face challenges to their legitimacy due to heavy industry representation and limited transparency as to how public feedback is addressed in the standards. These Canadian and US dairy industry standards illustrate strengths and weakness of industry-led farm animal welfare governance.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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