MétaCan
Menu
Retour à la cohorte
Enregistrement W7028944804

Holy cows and dirty dogs : the influence of culture and religion on animal welfare in India

2013· other· en· W7028944804 sur OpenAlexaboutno aff

Notice bibliographique

RevueEpsilon Archive for Student Projects (University of Southampton) · 2013
Typeother
Langueen
DomaineComputer Science
ThématiqueComputational Physics and Python Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHinduismAnimal welfareWelfareContext (archaeology)Quarter (Canadian coin)Foundation (evidence)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

India is home to every sixth person in the world, some 30 million dogs and a quarter of the total world cattle population. A vast majority of Indians are Hindus, and even though the Hindu religion proclaims love, nurturing and worshipping of animals, sometimes the same religion constitutes an obstacle for animal welfare in practice. This paper investigates the significance of historic and religious symbols to the way animals are perceived in modern Indian society, as well as the different social factors which underlie attitudes to animals. The concept of karma, as well as that of good versus bad deaths, is probably the foundation of the general Hindu reluctance to euthanasia in any form. Although in theory all species are generally regarded as equal in Hinduism, in practice there seems to be a differentiation; for cultural, religious, medical and financial reasons. As will be exemplified with the Indian sacred cow, symbols may shape the law, but their meanings may also change depending on the legal and cultural context in which they are discussed. Some ways forward are offered to improve animal welfare in India, for the sake of the animals themselves, but also for the medical health and social status of India’s people, and for the global environment.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,115

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,004
Communication savante0,0040,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,233
Écart entre enseignants0,225 · 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
GenreAutre

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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEpsilon Archive for Student Projects (University of Southampton)Même sujetComputational Physics and Python ApplicationsTravaux en français237 207