Automating classification of veterinary biosecurity recommendations using machine learning
Notice bibliographique
Résumé
ProAction® is a mandatory Canadian milk quality assurance program that requires dairy farmers to conduct a biosecurity risk assessment with a veterinarian. Based on this assessment, the veterinarian provides personalized recommendations to improve farm biosecurity, resulting in a large volume of text data. This study aimed to develop a machine learning model capable of automatically classifying these biosecurity recommendations into 12 predefined categories. As the recommendations were written in French or English, all texts were translated into French to ensure consistency in feature extraction and model training. The model was trained on 11,250 manually classified veterinary recommendations from 3825 Québec dairy herds, collected between 2018 and 2021. Three algorithms were tested: Multinomial Naïve Bayes (MNB), Support Vector Machine (SVM), and Random Forest (RF). Performance was evaluated using precision, recall, and F1-score. The SVM achieved the highest performance while maintaining efficient processing time. The trained SVM model was selected to classify new recommendations collected between 2022 and 2024 from herds in Alberta, Ontario and Québec. To evaluate model's performance on this new dataset, a random sample of 250 recommendations was manually classified. The agreement between human classification and model predictions resulted in a Cohen's Kappa of 0.88, suggesting strong agreement. This study highlights the potential of machine learning to classify biosecurity recommendations and support timely, informed decision-making in dairy herd management.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».