Modelling the Movement of Livestock Trade under Uncertain Conditions
Notice bibliographique
Résumé
Livestock movement is an intrinsic part of animal husbandry (i.e., breeding, maintenance, slaughter of livestock), significantly impacting global economies and public health due to its potential for contagious disease spread. This dissertation focuses on two key areas: understanding uncertainties in cattle movement networks and their correlation with epidemic modelling, and introducing a methodology that characterises mobility patterns as flows while considering spatial aspects to realistically capture uncertainties and associated risks. There are an estimated one billion cattle heads in the world used for various products. Delivering these animal goods efficiently leads to stress in the system by increasing the number of animals kept, traded, and their possible contacts. This situation poses significant economic threats due to highly contagious diseases like brucellosis and foot-and-mouth disease, which spread easily through contact. While some countries have precise monitoring through electronic tags (e.g., Australia, Canada), many major producers lack such tracking systems (e.g., Mexico, USA), enabling unregulated cattle trade and introducing uncertainty into official movement data. These uncertainties directly impact epidemic behaviour estimation, leading us to model three common uncertainties in cattle movement networks and evaluate them through simulations in synthetic and real networks from Minas Gerais, Brazil. We introduce a general methodology to complement the benefits of network analyses. Our proposed methodology converts movement networks into vector-field representations, significantly accelerates simulations and enhances understanding of risk areas, trade predictability, and interest points like sinks and sources. While demonstrating its effectiveness in cattle trading, this approach is flexible and can be applied to various areas ( if we model the phenomena as cases of origin-destination (O-D) flows), including human mobility.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».