Welfare, wool, women and where it began
Notice bibliographique
Résumé
Travel Report for Animal Science Award, NZSAP.\n\nI grew up on a sheep station in outback Australia, and later a sheep, beef and goat farm in the south east of South Australia. I studied Agricultural Science as an undergraduate at Adelaide University and did my PhD on the effects of stress hormones on wool at the Waite Institute with Professor Phil Hynd. Phil was the organiser of the joint conference in Adelaide in July 2016, and it was a real homecoming for me to present papers on sheep, back where it began. Although at their conference both societies previously had a whole sessions on wool, there were only two science presentations with wool in the title and neither of those were about wool itself! Times change. Phil Hynd also asked me to chair a session on “Major welfare issues facing the animal industries in Australia” and instructed me “… you will have to make it lively …” and I hope I did not disappoint in this respect. We had a vote at the end of each presentation, and by and large the audience, dominated by scientists, considered that each industry had made good progress on welfare issues. Of particular interest to me was the fact that the six young members in the NZSAP competition, and the first, second, third place and people’s choice winners of the ASAP student presentations were all female. Julie Everett Hincks became the first female recipient of a well-deserved Sir Arthur Ward Award, and the NZSAP committee elected at the AGM was largely feminine. This is a strong sea-change from when I gave my presidential address to NZSAP in 2006. I would sincerely like to thank the New Zealand Society for funding my trip.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,176 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».