Interacciones entre humanos y animales de producción
Bibliographic record
Abstract
La interacción humano-animal en los sistemas de producción implica cualquier contacto entre humanos y animales. Estas interacciones involucran la percepción de estímulos táctiles, visuales, olfativos y auditivos, y pueden clasificarse según su naturaleza como positivas, negativas o neutras. Algunas prácticas de manejo rutinarias en granja suelen ser aversivas y si a esto se le suman malos manejos, el resultado global será negativo, generando en los animales miedo y evitación. Por otra parte, manejos adecuados, habituación y refuerzos positivos pueden facilitar el manejo de los animales, disminuyendo el estrés y reduciendo los riesgos para todos. En este proceso es importante tener en cuenta las actitudes de las personas que manejan los animales, así como la forma como desarrollan el trabajo, lo cual dependerá de la capacidad (habilidades, salud y conocimiento), la oportunidad (condiciones de trabajo, equipo y herramientas disponibles, acciones de los compañeros de trabajo y políticas y reglas organizacionales) y la disposición (motivación, satisfacción y actitud hacia el trabajo y los animales). Para mejorar el comportamiento de las personas hacia los animales no es sólo necesario adquirir conocimientos y habilidades; sino también modificar hábitos fundados por medio del cambio de las actitudes y creencias establecidas en la persona. Así, los programas de formación de los ganaderos, especialmente dirigidos a cambiar actitudes y comportamientos, mejoran sus habilidades de manejo, actitudes y comportamientos y, en consecuencia, disminuyen el miedo de los animales hacia los humanos. Mejorar el manejo de los animales genera beneficios tanto para los animales como para los trabajadores, optimizando el bienestar y la productividad de ambos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".