The behavioral profile of a detection dog is tuned for the dog’s role and their environment
Notice bibliographique
Résumé
Detection roles such as search and rescue, wildlife management and detection of various substances are essential for emergency response, security and monitoring services. To increase their effectiveness, dogs performing these tasks are subject to intense training and selection. However, it is unclear how their behavior in general and for particular traits may be specifically tuned for their role. A total of 1,117 detection dogs assessed over 15 behavioral factors from the WDC-BARQ were included in this descriptive study. Effectiveness on scent detection and behavior performance rated by their handlers on a scale from 1 to 10 is also included. Detection roles such as contraband, medical, and pest detection show behavioral profiles that diverge from the average working dog, often with elevated scores in traits considered less desirable, like Dog Directed Fear and Touch Sensitivity. Breed-specific patterns reveal that Labrador Retrievers and German Shepherds generally align with average profiles, though Labradors show favorable traits for endangered species detection despite low handler ratings. Belgian Malinois display a mix of desirable and undesirable traits, particularly in dual training roles, while German Shorthaired Pointers excel in explosives and narcotics detection but are less suited for tracking tasks. These findings suggest that dog behavior is tuned by role and environment, underscoring the need for context-based interpretation where profile patterns may better predict success than individual traits. Discrepancies between handler assessments and standardized measures highlight the need for performance metrics to refine selection.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».