Digital Twins for Cows and Chickens: From Hype Cycles to Hard Evidence in Precision Livestock Farming
Notice bibliographique
Résumé
Digital twin technology is widely promoted as a transformative step for precision live-stock farming, yet no fully realized, engineering-grade digital twins are deployed in commercial dairy or poultry systems today. Existing platforms are better described as near-digital-twin systems with partial sensing and modelling, digital-twin-inspired prototypes, simulation frameworks or decision-support tools that are often labelled as twins despite lacking continuous synchronization and closed-loop control. This distinction matters because the empirical foundation supporting many claims remains limited. Three critical gaps emerge: lifecycle carbon impacts of digital infrastructures are rarely quantified even as sustainability benefits are frequently asserted; field-validated improvements in feed efficiency, particularly in poultry feed conversion ratio, are scarce and inconsistent; and systematic reporting of failure rates, downtime and technology abandonment is almost absent, leaving uncertainties about long-term reliability. Adoption barriers persist across technical, economic and social dimensions, including rural connectivity limitations, sensor durability challenges, capital and operating costs, and farmer concerns regarding data rights, transparency and trust. Progress for cows and chickens will require rigorous validation in commercial environments, integration of mechanistic and statistical modelling, open and modular architectures and governance structures that support biological, economic and environmental accountability whilst ensuring that system intelligence is worth its material and energy cost.
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 | 0,039 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,045 |
| Communication savante | 0,020 | 0,036 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; 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 ».