MétaCan
Menu
← Retour à la cohorte
Enregistrement W6931634199 · doi:10.5683/sp3/t4los3

Behavioral responses to artificial insemination and the effect of positive reinforcement training

2024· dataset· en· W6931634199 sur OpenAlexaff

Notice bibliographique

RevueBorealis · 2024
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésArtificial inseminationReinforcementPosition (finance)InseminationTraining (meteorology)

Résumé

récupéré en direct d'OpenAlex

Dairy cattle experience a variety of stressors associated with routine farm practices, including injections, pen movements, regrouping, and artificial insemination (AI). The first objective of this study was to assess the use of ear position and movement parameters in heifers before, during, and after their first exposure to the AI procedure. The second objective was to test whether heifers exposed to positive reinforcement training (PRT) displayed different ear positions and movement parameters during these 3 events. We tested 14 heifers (13 ± 0.7 mo old); 9 were trained using PRT (as part of another study) and 5 had no experience with PRT. Ear positions were recorded using 6 defined categories, and the frequency of each position was compared across periods relative to AI and between treatments. Ear axial and ear forward positions were more frequent before and after AI events than during AI (4.61 ± 0.93 vs. 0.33 ± 0.12 times/event, and 3.17 ± 0.61 vs. 0.42 ± 0.42 times/event, respectively). Another ear position, backward pinned, was observed less frequently before and after events than during AI (0.09 ± 0.06 vs. 3.58 ± 1.05 times/event). We found no effect of PRT on any ear position measured, and no effect of period relative to AI on any of the 4 movements assessed (leaning froward, backward, and steps taken with front legs and back legs). We conclude that heifers subjected to AI for the first time express distinct ear positions and suggest these are associated with negative emotional states. Further work is required to validate these responses and to determine the extent that they can be used to assess affective responses to this and other procedures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,313
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBorealis→Même sujetMarine and fisheries research→Travaux en français237 207→