Striking a balance: A proposed benefit assessment matrix for ethical animal research
Notice bibliographique
Résumé
The debate about the continued use of animals in research has intensified in recent years, with few signs that consensus can be achieved in the near future. Animal activist groups and their supporters call for an immediate halt to all animal research. The counterargument from research scientists and many others across various facets of society is that suitable alternatives have not been sufficiently established and validated to enable all animal research to cease without halting scientific progress. We suggest a compromise rooted in the existing regulations and based on the consensus that not all research efforts contribute enough benefit to ethically justify the use of animals in research. More specifically, we describe a Benefit Assessment Matrix that can provide a streamlined and practical guide for both scientists and Animal Ethics Committees or equivalent bodies such as Institutional Animal Care and Use Committees to assess the benefit of proposed research. The organizational premise is that rigorous high-quality research is more likely to produce tangible benefit than poor quality, low rigor research. Implementation of the Benefit Assessment Matrix will enable more rapid phasing out of poor-quality research and support the objective of promoting rigorous high-quality research, meeting expectations of both sides of the debate.
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 | 0,216 | 0,204 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,013 | 0,005 |
| Études des sciences et des technologies | 0,011 | 0,024 |
| Communication savante | 0,032 | 0,024 |
| Science ouverte | 0,008 | 0,018 |
| Intégrité de la recherche | 0,016 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,005 |
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 ».