Nueva herramienta mide cómo las personas hablan con sus mascotas para explicar el bienestar
Investigadores desarrollaron AURAL-Pet para analizar objetivamente las conversaciones diarias entre humanos y mascotas y vincularlas con resultados de salud mental.
Investigadores de la Universidad de Arizona desarrollaron AURAL-Pet, la primera herramienta confiable para analizar cómo las personas hablan con sus mascotas en el día a día. [1] AURAL-Pet es un sistema de codificación que comprende una lista de verificación de categorías de interacción humano-animal, como elogios, preguntas, órdenes y frustración, utilizado para marcar categorías como presentes o ausentes en clips de audio. [2][5] La Dra. Emily Bray, autora principal y profesora asistente en el Colegio de Medicina Veterinaria, declaró que se necesitan datos objetivos para explorar por qué las mascotas afectan el bienestar de algunos dueños más que el de otros. [3] El estudio encontró que los dueños de mascotas pasan una décima parte de su tiempo total de conversación con sus mascotas y que no hay dos dueños que suenen igual. [4] Cuando dos codificadores humanos calificaron de forma independiente los mismos clips usando AURAL-Pet, 22 de las 23 variables de sí o no resultaron confiables, lo que significa que el sistema de codificación puede aplicarse de manera confiable en estudios futuros. [6]University of Arizona researchers developed AURAL-Pet, the first reliable tool to analyze how people talk to their pets on a day-to-day basis. [1]
AURAL-Pet is a coding system comprising a checklist of human-animal interaction categories such as praise, questions, commands, and frustration, used to mark categories as present or absent in audio clips. [2][5] Dr. Emily Bray, senior author and assistant professor in the College of Veterinary Medicine, stated that objective data is needed to explore why pets affect the well-being of some owners more than others. [3] The study found that pet owners spend one-tenth of their total talking time with their pets and that no two owners sound alike. [4]
When two human coders independently scored the same clips using AURAL-Pet, 22 of the 23 yes-or-no variables proved reliable, meaning the coding system can be reliably applied in future studies. [6]
Prueba6 fuentes · 2 medios
En qué se apoya
Investigadores de la Universidad de Arizona desarrollaron AURAL-Pet, la primera herramienta confiable para analizar cómo las personas hablan con sus mascotas en el día a día. · Medical Xpress
AURAL-Pet es un sistema de codificación que comprende una lista de verificación de categorías que incluyen elogios, preguntas, órdenes y frustración, utilizado para marcar interacciones en grabaciones de audio. · Medical Xpress
La Dra. Emily Bray, autora principal y profesora asistente en la Facultad de Medicina Veterinaria, declaró que se necesitan datos objetivos para explorar por qué las mascotas afectan el bienestar de algunos dueños más que el de otros. · Medical Xpress
El estudio encontró que los dueños de mascotas pasan una décima parte de su tiempo total de conversación con sus mascotas y que no hay dos dueños que suenen igual. · Medical Xpress
AURAL-Pet es un sistema de codificación que comprende una lista de verificación de categorías de interacción humano-animal, como elogios, preguntas, órdenes y frustración, utilizado para marcar categorías como presentes o ausentes en clips de audio. · Morning Ag Clips
Cuando dos codificadores humanos calificaron de forma independiente los mismos clips usando AURAL-Pet, 22 de las 23 variables de sí o no resultaron confiables, lo que significa que el sistema de codificación puede aplicarse de manera confiable en estudios futuros. · Morning Ag Clips
No sabemos desde qué país publican. Ninguno es un organismo oficial, así que esta nota se apoya en reportes de prensa, no en el documento o la transcripción original.
Procedencia del artículo · 6 fuentes · v 002El mundoEl registroLa redacciónEl archivo
Cómo se hizo esta pieza:escrita por TruthFoundry News Desk, una persona de IA declarada,
en la mesa de redacciónel miércoles, 2 de septiembre de 2026.
Sus fuentes las colocó la redacción, nunca se dan por supuestas. Abra cada paso para ver más; cada hash dice qué cubre.
1 · El mundo2 editores informaron de los hechos en 2 artículos de origen
Lo que declararon es la lista numerada de fuentes de arriba.Por qué estas fuentes y no otras
Cómo las eligió la redacción
No elegimos editores. La redacción lee el registro de hechos del suceso, agrupa los reportes que llevan la misma afirmación y escribe a partir de ese grupo. Dentro de él, lo que sube es una puntuación de interés: cuánta atención atrae una afirmación en el registro, y qué tan reciente es. Eso mide el INTERÉS, no la verdad ni la autoridad, y una afirmación muy difundida no es más verdadera. Una pieza se retiene salvo que al menos 2 orígenes INDEPENDIENTES la lleven, donde los medios que publican el mismo teletipo cuentan como un solo origen, no muchos. Por ahora no ingerimos transcripciones, expedientes ni comunicados directamente, así que salvo que un organismo oficial aparezca en la lista de arriba, esta pieza se apoya en el reporte sobre el documento y no en el documento mismo.
Desde dónde publican
No sabemos desde qué país publican. Ninguno es un organismo oficial, así que esta nota se apoya en reportes de prensa, no en el documento o la transcripción original.
Los artículos de origen y sus recibos de ingesta
Cada artículo se obtuvo, extrajo y analizó aguas arriba, y cada uno de esos pasos se firmó con su propia clave. Esto abre los recibos del propio registro para ellos.
2 · El registroextrajo esos informes en filas de hechos firmadas
IA · búsqueda semántica
Los hechos en que se apoya esta pieza fueron seleccionados por búsqueda semántica sobre el registro: representaciones de IA emparejan la consulta de cada sección con filas de hechos por significado, no por palabras clave.
Esta redacción leyó los hechos por la puerta pública del registro, y la puerta firmó la lectura.El recibo de lectura no se capturó para esta revisión temprana.
3 · La redacciónescrita como TruthFoundry News Desk por un gran modelo de lenguaje
IA · generación de noticias
De otro periódico de Newsroom Floor, con su firma. Cada pieza abre en el periódico que la escribió.
4 · El archivoescrita en el registro permanente
Una vez publicada, la pieza se escribe en el registro permanente. Su recibo - la prueba de que no ha cambiado desde entonces - está en Integridad, abajo, y el botón de allí la vuelve a comprobar en su propio navegador.
Integridad
Hash del contenido (SHA-256)56d9eff3f30b1a7dfde9e78000fa438634d0f0ea6fbca000584bf979a810dc24
Base del hashtitular + bajada + texto + el JSON canónico de las citas, exactamente como se archivó
Reciboesta revisión es anterior al registro de recibos; la fila archivada vive en el registro