Lo sviluppo e la ricerca che si occupa di Precision Livestock Farming (PLF) è in piena espansione, in parte a causa delle aspettative e delle affermazioni riguardanti i benefici del PLF per il benessere animale. Tuttavia, queste affermazioni rimangono in gran parte non dimostrate, poiché solo poche tecnologie di PLF incentrate sul benessere animale sono state commercializzate e adottate nella pratica. Uno studio realizzato Frontiers in Veterinary Science, pubblicato il 27 maggio 2022, ha elencato 12 potenziali minacce per il benessere animale, raggruppate in quattro categorie: danno diretto, danno indiretto attraverso l’utente finale, attraverso modifiche alla stabulazione e alla gestione e mediante stagnazione o degrado dell’etica.

INDICE

  1. Minaccia 1: Guasti tecnici all’interno del sistema PLF
  2. Minaccia 2: Effetti del sistema PLF sugli animali
  3. Minaccia 3: Scarsa validazione esterna del sistema PLF
  4. Minaccia 4: Focus su aspetti quantificabili piuttosto che su aspetti significativi
  1. Minaccia 5: Eccessiva o insufficiente fiducia nel PLF
  2. Minaccia 6: L’utente finale trascorre meno tempo (di qualità) con gli animali
  3. Minaccia 7: Profilo e competenze dell’utente finale
  1. Minaccia 8: Sistemi di stabulazione e di gestione adattati al PLF invece che agli animali
  2. Minaccia 9: Promozione dei sistemi intensivi
  1. Minaccia 10: Aumento dello specismo
  2. Minaccia 11: Aumento della strumentalizzazione degli animali
  3. Minaccia 12:Promozione del consumo e dello sfruttamento degli animali

Il PLF può danneggiare direttamente gli animali a causa di (1) guasti tecnici, (2) effetti dannosi dell’esposizione, dell’adeguamento o dell’usura delle componenti accessorie, (3) previsioni e decisioni inaccurate dovute a una scarsa validazione esterna e (4) mancanza di utilizzo dei principali e più significativi indicatori per il benessere animale. Il PLF può avere effetti indiretti sul benessere degli animali se l’allevatore (o la persona che si occupa del bestiame) (5) diventa poco o eccessivamente dipendente dalla tecnologia PLF, (6) trascorre meno tempo (di qualità) con gli animali e (7) perde la capacità di allevare orientandosi verso gli animali. Il PLF può anche compromettere gli interessi degli animali andando a creare modificazioni in modo che l’allevamento e la gestione vengano (8) adattati per ottimizzare le performance del PLF o (9) diventino più industrializzati. Infine, il PLF può influenzare lo status morale degli animali d’allevamento all’interno della società portando a (10) un aumento dello specismo, (11) ad un’ulteriore strumentalizzazione degli animali e (12) ad un aumento del consumo e dello sfruttamento degli animali. Per le minacce dirette vengono suggerite possibilità di prevenzione e rimedi. Poiché la direzione e l’entità delle minacce indirette sono più difficili da prevedere o prevenire, sono anche più difficili da fronteggiare. Al fine di massimizzare il potenziale del PLF per migliorare il benessere degli animali, le potenziali minacce e le eventuali opportunità dovrebbero essere riconosciute, monitorate ed affrontate.

Parole chiave: benessere animale, automazione, agricoltura digitale, etica, internet of things, sensori, smart farming, tecnologia

INTRODUZIONE

La rivoluzione digitale del settore agro-zootecnico sta creando rapidi cambiamenti in tutte le tipologie di allevamento. In zootecnia, il termine “Precision Livestock Farming” (PLF) è già ben consolidato. Il PLF viene definito come la gestione della produzione zootecnica utilizzando i principi e le tecnologie dell’ingegneria di processo (1). I sistemi PLF di solito comprendono sensori che possono essere apposti o impiantati sugli animali (ad esempio, accelerometri, bolo ruminale RFID con sensore di pH) o collocati nella stalla (ad esempio, telecamere, microfoni, registratori di temperatura). Tali sensori forniscono grandi quantità di dati sugli animali o sull’ambiente in cui essi vivono. Questi dati vengono comunemente archiviati su un server (remoto). L’intelligenza artificiale viene sempre di più utilizzata per elaborare e analizzare i dati dei sensori, ad esempio applicando algoritmi che istruiscono una macchina a compiere un’azione (come modificare la velocità di ventilazione o consentire ad una vacca di entrare nel robot di mungitura) o per informare gli esseri umani, solitamente gli allevatori, sulla condizione e sullo stato degli animali e su eventuali situazioni che potrebbero richiedere un’azione (ad esempio, inseminazione artificiale di una vacca in calore, trattamento di un animale con una patologia fisica). I punti di forza e le opportunità del PLF per migliorare la sostenibilità dell’allevamento e il benessere degli animali vengono lodati negli interventi accademici e nelle domande di sovvenzione per la ricerca e gli sviluppi industriali innovativi. Le affermazioni relative al potenziale del PLF per migliorare il benessere animale fanno riferimento, ad esempio, all’individuazione precoce e più accurata delle problematiche di benessere in tempo reale, al monitoraggio obiettivo e continuo degli indicatori di benessere, agli adattamenti automatizzati e intelligenti dell’ambiente che circonda gli animali in base al monitoraggio delle loro condizioni e del comportamento e alla capacità di concentrarsi sui singoli animali anche all’interno di gruppi numerosi (2–4). Sono state fatte molte ricerche sperimentali e prove di concetto sull’applicazione del PLF per migliorare il benessere degli animali (5, 6), ma pochi di questi sistemi sono stati commercializzati e ancora meno godono di una diffusa adozione nella pratica. Questa osservazione è corroborata da Abeni et al. (2019) (7), che hanno segnalato che negli allevamenti italiani i sistemi automatizzati per il monitoraggio dei problemi di locomozione sono molto rari (0.2%) rispetto ai sistemi per la rilevazione automatizzata dell’estro (48.6%), per la registrazione automatizzata del latte (39.4%) o addirittura ai sistemi di mungitura automatizzata (3.4%). Analogamente, Caja et al. (2016) (8) hanno affermato che sono stati messi in commercio almeno 11 sistemi basati su accelerometri per il rilevamento dell’estro nelle vacche rispetto a soli due sensori per il rilevamento della zoppia. Di conseguenza le prove scientifiche che il PLF stia avendo un impatto diffuso e positivo sul benessere degli animali negli allevamenti commerciali sono, al netto delle conoscenze degli autori, ancora scarse. Oltre alla novità dei sistemi di PLF incentrati sul benessere degli animali, potrebbero esserci altre ragioni per la scarsa diffusione di questi sistemi a livello commerciale. Gli allevatori tendono ad avere una definizione piuttosto ristretta di benessere animale, legata principalmente alla salute e alle performance degli animali (9, 10). Ciò può riflettere un interesse limitato per gli altri aspetti che caratterizzano il benessere animale e che potrebbero essere monitorati o migliorati dai sistemi PLF. Inoltre, gli allevatori generalmente affermano che lo status di benessere dei loro animali è già adeguato (11, 12). Infine, gli allevatori potrebbero temere che, consentendo un maggiore monitoraggio degli indicatori di benessere animale, potrebbero anche esporre loro stessi e le loro operazioni a maggiori controlli e ispezioni. Esempi dei primi sistemi di PLF che sono stati messi in commercio e che oggi vengono sempre più adottati dall’industria includono: sistemi di mungitura automatizzati e contapassi per il rilevamento dell’estro nelle vacche (13, 14), stazioni di alimentazione elettroniche per scrofe (15) e sistemi di pesatura automatizzati per i polli (16). È importante notare che l’obiettivo principale di questi sistemi non è il miglioramento del benessere degli animali, ma piuttosto il miglioramento dell’efficienza produttiva e della qualità della vita degli allevatori. Questo obiettivo da solo non è sufficiente per garantire la diffusione commerciale, ovviamente. Devono essere soddisfatti molti requisiti di sistema (ad esempio, per quanto riguarda il ritorno sull’investimento o la facilità di utilizzo) e anche il sistema PLF deve essere all’altezza delle aspettative. In effetti, i sistemi di PLF che vengono sempre più diffusamente adottati dagli allevatori forniscono anche la prova che non solo affermano di migliorare le performance produttive o la qualità della vita degli allevatori ma che sono effettivamente in grado di farlo. Ad esempio, è stato riportato che la precisione dei sensori commerciali per il rilevamento dell’estro è uguale o superiore all’osservazione visiva (17). Gli allevamenti da latte con sistemi di mungitura rotativi e con tecnologie automatizzate hanno dimostrato di avere un’efficienza del lavoro superiore del 43% e un’efficienza di mungitura superiore del 14% (18). È stato segnalato che i sistemi di mungitura automatizzata riducono il tempo di lavoro, aumentano la flessibilità del lavoro e migliorano la qualità della vita degli allevatori (19-24). Di contro, se il PLF sia realmente all’altezza delle magniloquenti aspettative sul benessere animale nell’industria del bestiame rimane un grande punto interrogativo. Ad oggi, tuttavia, le affermazioni di un effetto benefico sul benessere degli animali nella pratica rimangono da motivare con prove concrete. Indipendentemente dal fatto che tali affermazioni ottimistiche potranno essere confermate in futuro, lo scopo di questo documento è semplicemente quello di fornire una visione alternativa concentrandosi sui potenziali punti deboli del PLF per quanto riguarda il benessere animale e sulle possibili minacce che potrebbe rappresentare. Una minaccia riguarda la possibilità che accada qualcosa di indesiderato, soprattutto se non si segue un’azione particolare. Quindi le prove e la probabilità che queste minacce diventino realtà possono differire considerevolmente e, secondo alcuni, aumentare la consapevolezza potrebbe essere il primo passo di una strategia di mitigazione. Riconoscendo e affrontando queste potenziali minacce, controbilanciamo convinzioni talvolta superficiali ed eccessivamente ottimistiche sull’effetto benefico delle nuove tecnologie di PLF per migliorare il benessere degli animali in condizioni pratiche e reali. Senza pretendere di essere esaustivi, ci siamo proposti di elencare le potenziali minacce del PLF al benessere animale, nonché di dare una categorizzazione logica con l’obiettivo di facilitarne il riconoscimento e la pianificazione di strategie di mitigazione. Abbiamo identificato 12 principali minacce del PLF per il benessere animale, raggruppate in quattro categorie: (1) effetti negativi diretti sugli animali (Minacce 1–4); (2) effetti indiretti mediante l’impatto del PLF sull’utente finale (di solito l’allevatore o il soggetto predisposto alla cura del bestiame; Minacce 5–7); (3) la potenziale trasformazione dell’allevamento animale (Minacce 8–9); e (4) la minaccia allo status morale degli animali d’allevamento all’interno della società (Minacce 10–12). Ogni minaccia viene descritta e vengono discusse le probabili cause e le possibili soluzioni. Le minacce sono approssimativamente ordinate in base alle facilità o alle difficoltà previste per risolverle.

 

  EFFETTI NEGATIVI DIRETTI SUGLI ANIMALI

Minaccia 1: Guasti tecnici all’interno del sistema PLF

I sistemi PLF possono essere soggetti a guasti tecnici o a malfunzionamenti dovuti a interruzioni di corrente, bug del software, guasti del computer o di altri dispositivi, guasti nella trasmissione del segnale, perdite di tag e così via. I dispositivi sono spesso vulnerabile agli ambienti ostili dell’azienda, pensiamo alle elevate concentrazioni di polvere o di ammoniaca e alla presenza di animali non bersaglio (ad esempio insetti, ragni, roditori) che possono danneggiare i materiali o ostruire i sensori. Una minaccia estrema, ma non irrilevante per il benessere animale, è il rischio che un malfunzionamento tecnico possa causare un incendio nella stalla. Forse è più probabile la mancanza di un adeguato piano di riserva in caso di malfunzionamento tecnico, soprattutto negli allevamenti che dipendono fortemente dalla tecnologia PLF per la cura e la gestione degli animali, come ad esempio i grandi allevamenti altamente automatizzati e con scarso personale. Per gli allevatori, il guasto tecnologico può essere molto frustrante e stressante, poiché spesso non sono in grado di risolvere il problema da soli e quindi diventano dipendenti dall’aiuto di uno specialista esterno. La minaccia di guasti tecnici è stata affrontata in precedenza, poiché Andrade e Anneberg (2014) (25) hanno persino identificato il guasto tecnico come un fattore di rischio che può portare a trascurare gli animali negli allevamenti di suini e bovini danesi. Questa minaccia ha soluzioni ovvie e potenzialmente fattibili. In primo luogo, garantire una costruzione robusta delle tecnologie PLF prima di commercializzarle. Si potrebbe prendere in considerazione anche la certificazione delle tecnologie PLF prima dell’immissione sul mercato, come richiesto per le tecnologie utilizzate in campo umano (vedi il Fascicolo Sanitario Elettronico utilizzato per la telematica dei pazienti anziani, disabili e malati cronici), l’utilizzo di applicazioni intelligenti per il monitoraggio sanitario personalizzato e il monitoraggio della salute della struttura (26–28). In secondo luogo, integrare i sistemi PLF con allarmi capaci di segnalare il malfunzionamento della tecnologia dovuto, ad esempio, alla mancanza di alimentazione o di connessione a internet. Terzo, accertarsi che gli allevatori abbiano piani di riserva. Gli allevatori e gli addetti agli animali dovrebbero essere incoraggiati a prepararsi alle eventuali emergenze, ad esempio acquistando un generatore di elettricità di emergenza e acquistando sistemi PLF solo da società affidabili che offrono un’assistenza clienti immediata ed efficace 24 ore su 24, 7 giorni su 7.

Minaccia 2: Effetti del sistema PLF sugli animali

Il sistema PLF può avere un effetto negativo diretto sul comportamento, sulla salute o sul livello di comfort degli animali. Gli animali possono trovare stressante imparare ad utilizzare o adattarsi ai sistemi PLF come i sistemi di mungitura o di alimentazione automatici, e se non lo imparano rapidamente potrebbero soffrire la fame o addirittura essere rimossi dalla mandria. I sistemi di alimentazione elettronici possono anche diventare una fonte di competizione che può evocare aggressività all’interno del gruppo, generando anche paura e scadimento delle condizioni fisiche tra gli animali che si trovano in basso nella gerarchia sociale (29-31). Alcune tecnologie possono anche giocare un ruolo nella trasmissione di agenti patogeni. Ad esempio, i sistemi di mungitura automatici sono stati associati ad una maggiore trasmissione di agenti patogeni con conseguente aumento del numero di cellule somatiche del latte di massa (32). Inoltre, i sistemi di mungitura automatizzati alterano la naturale tendenza delle vacche a sincronizzare le attività e promuovono i sistemi di stabulazione a pascolo zero. I sensori impiantati o attaccati sugli animali (indipendentemente dal fatto che utilizzino un dispositivo indossabile o meno) possono venire persi, attirare l’attenzione e promuovere molestie indesiderate da parte delle compagne di stalla o causare direttamente fastidio e lesioni. Ad esempio, un dispositivo indossabile per il fissaggio di un’etichetta a banda ultra-larga per tracciare le posizioni dei polli è stato riprogettato a causa dei cambiamenti comportamentali a breve termine (33) e dalle lesioni a lungo termine (34) che causava. Sebbene un nuovo design abbia risolto questi problemi, nel tempo è emerso un nuovo problema: l’involucro indossabile e l’etichetta avevano attirato una significativa colonizzazione di acari rossi. I polli richiedevano quindi frequenti trattamenti con deterrenti contro gli acari (comunicazione personale Michael Plante-Ajah 2021). Ovviamente, anche i marchi auricolari possono causare danni alle orecchie degli animali (35). Poco sappiamo degli effetti sul benessere dell’esposizione ripetuta o a lungo termine a componenti del PLF come rumore, radiazioni o tensione vagante. Non sorprende che tali studi siano condotti raramente prima dell’introduzione sul mercato (e dopo) poiché tendono a essere costosi: spesso richiedono il monitoraggio longitudinale di segnali impercettibili da un numero adeguato di animali e di mandrie. Il disagio provato dagli animali potrebbe non essere evidente per gli esseri umani a causa delle differenze nelle capacità sensoriali. Inoltre, tali studi potrebbero produrre esiti sfavorevoli che ritarderebbero o interromperebbero il percorso di commercializzazione. Un recente studio di Van Shaik et al. (36) evidenzia tuttavia la necessità di tali studi. Nei Paesi Bassi sono stati segnalati numerosi casi di comportamento di raggruppamento dannoso inspiegabile nelle mandrie da latte dove gli animali evitavano una parte della stalla. Ciò ha comportato un aumento della posizione in piedi e una riduzione del tempo trascorso sdraiate a terra, a bere e a mangiare, cosa che a sua volta ha aumentato il rischio di zoppia. Uno studio caso-controllo ha rivelato diversi fattori di rischio, molti dei quali erano caratteristici degli allevamenti ad alta tecnologia: l’utilizzo di sistemi di mungitura automatici, lo studio della tensione vagante con l’applicazione di misure di mitigazione e la recente data di costruzione. Le soluzioni a questo tipo di minacce includono (1) l’utilizzo di un numero minimo di sensori multifunzione, (2) il privilegiare sensori e sistemi PLF che siano minimamente invasivi o scomodi, (3) design progettati sulla base chi li indossa, con dimensioni e peso minimi e con poca produzione di rumore e radiazioni e (4) un’adeguata verifica longitudinale delle conseguenze del sistema PLF sul comportamento e sul benessere degli animali in una varietà di condizioni commercialmente rilevanti.

Minaccia 3:Scarsa validazione esterna del sistema PLF

Gli algoritmi del sistema PLF possono funzionare male in condizioni di vita reale, risultando eventualmente in allarmi inaffidabili, con falsi positivi e falsi negativi, o in un monitoraggio impreciso. Quando le azioni e le decisioni di gestione sono guidate da informazioni false o incomplete, possono verificarsi disagi o danni a carico degli animali. Di conseguenza, il soggetto che si occupa degli animali può provare frustrazione, che può influenzare indirettamente la relazione uomo-animale e quindi le performance e il benessere degli animali stessi (37, 38). Le possibili cause della scarsa accuratezza degli algoritmi sono molteplici e diverse. Gli algoritmi vengono in genere sviluppati utilizzando training data. Se tali dati sono scarsi, è probabile che anche gli algoritmi funzionino male. Questo viene indicato come “garbage in, garbage out”. Ad esempio, un algoritmo funzionerà male se è sviluppato sulla base di gold standard che sono imperfetti (ad esempio, i training data hanno scarsa validità o affidabilità e quindi includono animali il cui comportamento o la cui condizione sono stati etichettati in modo errato). L’adattamento eccessivo (overfitting) dei dati è un problema ben noto nelle applicazioni di intelligenza artificiale in cui il modello ha un’elevata precisione con i training data (elevata validità interna), ma funziona male in una nuova situazione (scarsa validità esterna). Quando il set di training data è diverso e meno variabile rispetto alle condizioni in cui verrà utilizzato il sistema, la validazione esterna del sistema è chiaramente inadeguata. Un noto esempio di “adattamento eccessivo” è il compito di uno studente di creare un algoritmo di intelligenza artificiale in grado di differenziare le immagini di un lupo dalle immagini di un husky. L’algoritmo risultante ha mostrato un’elevata precisione con i training data, ma le apparenze ingannavano: il sistema aveva imparato a classificare le immagini con la neve come lupo e le immagini senza neve come husky perché quasi tutte le immagini di un lupo erano state scattate nella neve, mentre le foto degli husky raramente avevano la neve sullo sfondo (39). Questo esempio ci fa capire come i sistemi di intelligenza artificiale non comprendano effettivamente il compito da svolgere: sono sistemi a scatola nera che non forniscono informazioni sulle caratteristiche utilizzate per eseguire il compito. Un ulteriore fattore di complicazione sono le diverse tipologie di varianza all’interno dei sistemi di produzione animale. Ad esempio, sono state sviluppate diverse tecnologie PLF commerciali per la valutazione del benessere dei bovini da latte, ma la maggior parte di esse è stata validata solo su vacche adulte e non su vitelli e manze (40). I sistemi PLF vengono comunemente considerati obiettivi, in contrasto con gli osservatori umani che eseguono valutazioni o danno punteggi che possono essere soggetti a bias consapevoli o inconsapevoli del valutatore. Se nei training data sono presenti bias umani, l’IA può riprodurre e rafforzare questi bias dando loro l’apparenza di obiettività. Un famoso esempio di tale “bias algoritmico” è lo strumento di reclutamento AI di Amazon che abbinava i candidati al lavoro con i posti vacanti. La formazione dell’IA si basava sui curricula presentati, sul fatto che i candidati fossero stati assunti e non e sul fatto che fossero stati giudicati con un buon rendimento nel loro lavoro. Ad un esame più attento, questi training data sembravano mostrare un bias nei confronti delle donne. La maggior parte dei curriculum proveniva da uomini e i candidati maschi erano favoriti rispetto alle donne. Questo bias di genere è stato riprodotto fedelmente nello strumento di reclutamento dell’IA (che è stato successivamente scartato (39)). Il problema della scarsa validazione può essere affrontato (1) definendo linee guida di qualità per una corretta validazione e test delle performance dei sistemi PLF; (2) addestrando e testando i sistemi PLF all’interno dell’intera gamma di condizioni in cui possono essere utilizzati prima dell’introduzione sul mercato o almeno segnalando in modo trasparente le condizioni in cui è stato e non è stato convalidato; e (3) creando regolamenti o contratti che ritengano responsabile il produttore nel caso in cui l’utente finale subisca danni o perdite a causa di una scarsa performance del sistema PLF in seguito ad una validazione inadeguata. Queste raccomandazioni sono in conflitto con la pressione economica sui fornitori di tecnologia per l’introduzione rapida di innovazioni tecnologiche ad un prezzo competitivo. In pratica, solo il 5% dei dispositivi per l’uomo sembrerebbe essere stato formalmente validato scientificamente (41). Sono disponibili prove di validazione esterna solo per il 14% dei sistemi PLF venduti al dettaglio per la valutazione del benessere delle vacche da latte (40) e solamente il 23% delle pubblicazioni relative al PLF nei suini sono state adeguatamente validate (42).

Minaccia 4: Focus su aspetti quantificabili piuttosto che su aspetti significativistrong>

Ciò che può essere misurato dai sistemi PLF non è necessariamente ciò che è più significativo da valutare per il benessere degli animali. Le misure di PLF disponibili potrebbero non essere l’insieme più importante, valido, sensibile o complementare di indicatori per valutare il benessere degli animali o per identificare quali animali abbiano bisogno di maggiore attenzione da parte dell’allevatore. Sebbene la ricerca e lo sviluppo in forte espansione del PLF spesso si focalizzino maggiormente sul miglioramento del benessere degli animali invece che sull’aumento della produzione (6, 40, 43–51), non molte innovazioni passano dalla fase di ricerca e sviluppo a quella di commercializzazione, per non parlare dell’adozione da parte degli allevatori. Di contro, i sistemi PLF che vengono immessi sul mercato e adottati dagli allevatori sono quelli che si concentrano sull’efficienza produttiva e sulla qualità di vita degli allevatori. Le attuali strategie di valutazione del benessere animale si basano comunemente su brevi visite alle aziende durante le quali vengono valutati i problemi di salute e gli indicatori basati sulle risorse, mentre le osservazioni comportamentali sono limitate a brevi finestre temporali. Sebbene il PLF abbia un grande potenziale per integrare e migliorare tali protocolli, la percentuale di sistemi PLF incentrati sul benessere animale che avanza dalla fase di ricerca e sviluppo a quella di attuazione da parte del settore zootecnico è molto limitata (43) oltre che parziale. Anche le attuali valutazioni del benessere degli animali d’allevamento risentono di un’attenzione unilaterale diretta verso le problematiche di tipo fisico o comportamentale, piuttosto che verso indicatori o parametri positivi dello stato emotivo degli animali. L’utilizzo del PLF può amplificare questo pregiudizio. I parametri relativi al benessere animale che ricercatori e sviluppatori considerano rilevanti potrebbero non corrispondere a ciò che i produttori ritengono possa essere commercializzato in modo redditizio né a ciò che gli utenti finali percepiscono come un buon rapporto qualità-prezzo e che quindi effettivamente acquisterebbero. Anche se aumenterebbe la propensione degli allevatori ad acquistare sistemi PLF incentrati sul benessere degli animali, è probabile che si tratti di parametri relativamente facili da monitorare, parametri che documentano i problemi più comuni e il modo in cui solitamente si manifestano, e che l’allevatore ritiene importanti per il benessere animale (purché non siano né intrinseci al sistema produttivo né molto difficili da risolvere). Problemi insoliti relativi al benessere animale (o che si manifestano in modo non comune) a causa di condizioni ambientali specifiche o di idiosincrasie individuali, possono quindi passare inosservati poiché i sistemi PLF non li riconosceranno come problemi veri e propri. Le convinzioni degli allevatori giocano un ruolo importante nell’adozione della tecnologia (52). Ciò spiega, ad esempio, la maggiore adozione di tecnologie che si concentrano sulle problematiche di benessere animale rispetto alle tecnologie che si concentrano su parametri di benessere positivo (53). Gli algoritmi possono anche essere addestrati a considerare lo stato discreto come buono e possono quindi segnalare tutte le deviazioni dalla media come potenzialmente allarmanti, anche quando lo stato discreto potrebbe non essere ottimale per il benessere degli animali. Come accennato in precedenza, gli allevatori tendono già ad avere una visione del benessere animale piuttosto ristretta, incentrata sulla salute e sulla produzione (10). La commercializzazione di sistemi PLF graditi agli allevatori potrebbe esacerbare questo spostamento dell’attenzione dai parametri motivati dalla necessità di valutare lo stato emotivo e le sensazioni degli animali verso indicatori più misurabili e quantificabili, come quelli relativi alla salute fisica e alle espressioni comportamentali selezionate. Un cambiamento simile nel modo in cui il benessere animale viene misurato (e quindi definito), può avere effetti di vasta portata forse anche controproducenti sul benessere degli animali d’allevamento. In effetti, una tale definizione di benessere animale basata sulla salute favorisce sistemi di stabulazione più restrittivi (intensivi) che dipendono fortemente da input umani, dal controllo e dalla supervisione al fine di salvaguardare l’integrità fisica degli animali stessi, invece che i sistemi di stabulazione meno restrittivi ma più naturali (estensivi) che offrono agli animali maggiori stimoli psicologici e un certo autocontrollo (54). I modi per fronteggiare questa minaccia sono (1) valutare criticamente la natura e la completezza dei dati sul benessere degli animali che un sistema PLF sta raccogliendo ed elaborando; (2) condurre analisi di sensibilità e, se necessario, utilizzare un disclaimer per gli aspetti relativi al benessere degli animali che non possono essere documentati dai dati disponibili o promuovere gli sforzi per colmare tali lacune (che probabilmente riguarderanno gli indicatori dello stato emotivo degli animali); (3) astenersi dall’affermare che il PLF può valutare il benessere generale degli animali o identificare tutti gli animali che soffrono di problemi di benessere; e (4) integrare i dati del PLF con valutazioni manuali del benessere degli animali condotte da un essere umano esperto. Per fronteggiare la minaccia relativa al fatto che l’espressione di problematiche di benessere straordinarie potrebbe passare inosservata ai sistemi PLF, potrebbero essere inclusi più indicatori generici o indicatori cosiddetti “iceberg” del benessere animale (55, 56). Ulteriori modi per rilevare le anomalie potrebbero consistere nel valutare i soggetti che si discostano dalla media della mandria e nel valutare i cambiamenti all’interno dei singoli animali nel tempo.

EFFETTI INDIRETTI DELL’IMPATTO DEL PLF SUGLI UTENTI FINALI

Minaccia 5: Eccessiva o insufficiente fiducia nel PLF

Il PLF può anche rappresentare una minaccia indiretta per il benessere degli animali d’allevamento, colpendo le persone che interagiscono con essi: l’allevatore o l’addetto alla cura degli animali. Il benessere degli animali può risentirne se l’utente finale mostra una fiducia cieca (eccessiva fiducia) o una fiducia insufficiente (scarsa fiducia) nei confronti del sistema PLF. Gli utenti finali raramente capiscono come funziona il sistema PLF e quali siano i suoi limiti, mentre l’ingegnere di PLF lo ha sviluppato da una prospettiva principalmente tecnica che spesso trascura gli effetti esterni. Questa mancata corrispondenza può impedire all’utente finale di utilizzare la macchina come previsto. I pochi studi in cui è stata analizzata questa minaccia suggeriscono una scarsa fiducia degli allevatori nei confronti dei sistemi di PLF. Ad esempio, Hogeveen et al. (57) hanno riportato che solo il 21% degli allarmi di malattia (segnalate quando le tag indicavano una riduzione di oltre il 30% dell’attività, dell’assunzione di alimento o del tempo trascorso sdraiate a terra) hanno fatto si che gli allevatori da latte si attivassero con successo per controllare visivamente la vacca. Hanno scoperto che gli allevatori avevano maggiori probabilità di percepire un allarme come vero (e di conseguenza effettuare un controllo visivo dell’animale) se il numero di allarmi giornalieri era gestibile (<20 avvisi/giorno) per le vacche nel periodo di transizione (noto per essere un periodo ad alto rischio) e quando gli allarmi arrivavano durante la settimana lavorativa invece che nel fine settimana. Il sovraccarico di informazioni e la percezione di una scarsa precisione o di una scarsa utilità degli avvisi PLF sembravano ridurre la probabilità che gli allevatori agissero in base ad essi. Potrebbe verificarsi anche un’eccessiva fiducia nei confronti del sistema PLF, sebbene esistano poche prove di ciò. Un possibile esempio, sebbene non correlato alla valutazione del benessere degli animali, è un report nel quale il 15% degli allevatori di bovine da latte partecipanti si affidava esclusivamente ai sensori di rilevamento dell’estro quando doveva decidere il momento di inseminare (58). Non è auspicabile né una mancanza di fiducia né un’eccessiva fiducia verso il sistema PLF. Una mancanza di fiducia comporterà probabilmente frustrazione negli utenti finali, che in questo caso traggono scarso valore aggiunto dal sistema che si presume stiano utilizzando e nel quale potrebbero anche aver investito. Ciò a sua volta può influire negativamente sulla relazione uomo-animale e implica che il potenziale valore aggiunto del sistema PLF non venga sfruttato. Nel caso della fiducia cieca, gli utenti finali potrebbero non essere più vigili verso quei segnali che indicano la presenza di problematiche di benessere animale e potrebbero persino sentirsi meno responsabili per il loro benessere. La minaccia è legata al fatto che viene erroneamente dato seguito agli allarmi di falsi positivi, mentre i falsi negativi passano inosservati. Questa minaccia può essere affrontata (1) assicurando che il sistema PLF funzioni correttamente in condizioni commerciali, fornisca informazioni utili all’utente finale e sia di facile utilizzo; e (2) formando e aiutando gli utenti finali a fare un uso corretto del sistema.

Minaccia 6:L’utente finale trascorre meno tempo (di qualità) con gli animali

Questa minaccia riguarda la quantità di tempo che gli allevatori trascorrono con i loro animali, la natura e la qualità delle interazioni uomo-animale. I sistemi di PLF attualmente adottati spesso si concentrano sulla diminuzione del lavoro. Quando i sistemi PLF riducono con successo il carico di lavoro dell’allevatore, l’effetto sugli animali dipende da come viene impiegato il tempo libero extra. In caso di forte pressione economica, tale tempo libero potrebbe essere utilizzato principalmente per ridurre il costo complessivo del lavoro appaltando un minor numero di ore di lavoro o per espandere le attività di allevamento (ad esempio, aumentando la dimensione della mandria senza aumentare il numero di lavoratori). In teoria, il tempo libero extra potrebbe essere utilizzato dall’allevatore per trascorrere più tempo con i suoi animali, per osservarli, controllarli o interagire con loro e per fornire più cure a chi ne ha bisogno. In pratica, però, è più probabile che la ricerca incessante di ridurre i costi di produzione e di rimanere economicamente competitivi richieda un aumento delle dimensioni della mandria senza però aumentare il numero di lavoratori, o per ripagare l’investimento nel PLF o per un’altra attività economica. In tal caso, la presenza del sistema PLF si tradurrà in una diminuzione del tempo trascorso insieme tra uomo e i singoli animali nell’allevamento, con il risultato che gli animali potrebbero diventare meno abituati alle persone e con una diminuzione dell’attenzione da parte dell’individuo verso i singoli animali. Sono già state espresse preoccupazioni in merito alla misura in cui il PLF potrebbe ridefinire l’atteggiamento e il concetto di cura degli allevatori nei confronti degli animali (51, 59). Oltre a influenzare negativamente il tempo di contatto trascorso per animale, può essere influenzata anche la natura delle interazioni uomo-animale (51). Le tipologie di interazioni che possono essere rilevate dai sistemi PLF sono spesso neutre o positive, come l’alimentazione, la mungitura o l’osservazione degli animali. Le tipologie di interazioni più difficili da automatizzare e che quindi devono essere svolte dall’allevatore, tendono ad essere le interazioni più negative come le mutilazioni, le vaccinazioni o lo spostamento degli animali. Ciò può avere un impatto negativo sulla relazione uomo-animale, portando ad un aumento del quantitativo di paura e di stress provati dagli animali durante la manipolazione. Ciò potrebbe trasformarsi in una spirale negativa dove la soddisfazione sul lavoro dell’allevatore si riduce e potrebbe, a sua volta, peggiorare ulteriormente il modo in cui l’allevatore interagisce con i suoi animali. Una diminuzione del tempo speso per animale può anche ridurre la conoscenza dell’allevatore dei soggetti della mandria, delle loro personalità e peculiarità, e quindi della capacità dell’allevatore stesso di rilevare problemi e anomalie. Il sistema PLF andrà ad avvisare principalmente l’allevatore della presenza di animali (problematici) che richiedono un’attenzione più immediata. Gli altri animali possono diventare piuttosto invisibili, con identità e personalità non riconosciute e, forse involontariamente, venire visti più come un “gruppo esterno” e quindi meno degni di preoccupazione, dignità e trattamento rispettoso (60). Questo concetto fa riferimento alla nota ipotesi del contatto, che afferma che la quantità di interazione e cura per gli esseri viventi influenza positivamente la nostra preoccupazione e il nostro atteggiamento nei loro confronti (61). Vari studi supportano questa ipotesi. Weatherill (62) e Ascione (63) hanno documentato che le interazioni personali con gli animali forniscono la migliore opportunità di legame e di risposta empatica. Morris et al. (64) hanno dimostrato che le persone che non hanno mai tenuto animali riconoscono agli animali una minore capacità di provare emozioni. TomaŽič (65) ha concluso che i bambini che raccontano autonomamente l’esperienza diretta con gli anfibi riferiscono meno paura e disgusto nei loro confronti. Randler et al. (66) hanno concluso che il (rispettoso) contatto fisico durante le esercitazioni scolastiche riduce il disgusto e la paura dell’insetto del legno, della lumaca e del topo nei bambini. Una forte evidenza del grande impatto dell’esperienza diretta e dell’interazione con i singoli animali è stata fornita anche da un esperimento di (67). Hanno dimostrato che una pratica di 2 ore di addestramento con un clic che coinvolge molte interazioni personali e il contatto con i singoli polli ha avuto un profondo impatto sull’opinione degli studenti di scienze animali e veterinarie riguardo all’intelligenza, alla personalità e alla capacità di apprendere e provare emozioni dei polli stessi. Analogamente, il livello di attaccamento o di distaccamento degli allevatori verso i loro animali sembra essere influenzato dalla frequenza, dall’intensità e dall’intimità delle loro interazioni con gli animali (68). Naturalmente, il significato di questa minaccia varia tra le specie animali d’allevamento e a seconda della quantità di contatto tra addetti e singoli animali, che in genere è molto inferiore, ad esempio, per i polli da carne rispetto ai bovini da latte. Pertanto, se i sistemi di PLF garantiscono più tempo libero, è consigliabile comunque che l’allevatore trascorra parte di questo tempo con i singoli animali e preferibilmente in modo positivo. Forse il PLF, abbassando il consumo di tempo in una serie di attività può potenziare la quantità e la qualità dell’attenzione dell’allevatore verso gli animali, creando possibilità per un contatto emotivo più stretto tra gli addetti e almeno alcuni animali (come, ad esempio, quelli che hanno maggiore bisogno di cure) e tale contatto può ridurre anche l’oggettivazione degli altri animali di cui si occupa. L’influenza del PLF, l’intensificazione della produzione animale, la quantità e la tipologia di lavoro sull’atteggiamento e sul comportamento degli allevatori nei confronti degli animali meritano ulteriori indagini. Creare un ambiente dove ci si prende cura, si ha una certa attenzione e rispetto per gli animali può essere più importante di quanto comunemente riconosciuto nell’allevamento. Infine, è necessario sviluppare e applicare tecniche di PLF che si concentrino sulla valutazione del rapporto uomo-animale.

Minaccia 7: Profilo e competenze dell’utente finale

Questa minaccia riguarda un cambiamento a lungo termine nel profilo e nelle competenze degli individui che si occupano degli animali. Fare affidamento sul PLF per rilevare problemi di benessere animale o animali che necessitano di maggiore attenzione può ridurre le capacità e gli sforzi degli addetti nel rilevare tali problemi. Ciò potrebbe essere esacerbato da uno spostamento del profilo del personale dell’allevamento verso un profilo più incentrato sulla tecnologia. Resta da vedere se tale cambiamento sarà accompagnato da una diminuzione dell’attenzione verso gli animali, poiché la predisposizione verso l’animale sembra essere un tratto di personalità piuttosto stabile che non può essere facilmente modificato (69, 70). La minaccia è che se gli addetti diventano meno qualificati nelle attività di cura degli animali e meno predisposti verso di essi, il rischio di atteggiamenti e comportamenti inappropriati nei confronti degli animali potrebbe aumentare. Tali aspetti rappresenterebbero un rischio maggiore rispetto al non notare i problemi di benessere animale quando i sistemi PLF si guastano. Non esistono soluzioni facili per evitare che ciò accada. La raccomandazione principale è garantire che sia le competenze tecnologiche che la predisposizione verso gli animali vengano affrontate durante la formazione degli allevatori e incluse come criteri di reclutamento. Criteri di selezione eccessivamente rigorosi, che richiedono sia competenze tecnologiche che predisposizione alla cura degli animali, ridurranno ulteriormente la già limitata offerta di braccianti agricoli qualificati (71-73). Di contro, una diminuzione delle attività ripetitive e fisicamente intense, che possono essere svolte da sistemi automatizzati, unitamente all’opportunità di interazioni positive con gli animali potranno ravvivare l’interesse nei confronti del lavoro rurale.

EFFETTI INDIRETTI DELLA POTENZIALE TRASFORMAZIONE DELL’ALLEVAMENTO ANIMALE

Minaccia 8:Sistemi di stabulazione e di gestione adattati al PLF invece che agli animali

È particolarmente difficile prevenire o affrontare le minacce al benessere degli animali relative all’impatto del PLF sull’allevamento in generale o sullo status emotivo degli animali d’allevamento all’interno della società. Nessuno può prevedere come esattamente il PLF influenzerà le pratiche di produzione animale o lo status che la società attribuirà agli animali d’allevamento. Tuttavia, alcune tendenze sembrano essere evidenti ed è probabile che sia quasi impossibile contrastarle o prevenirle. Ad esempio, man mano che il PLF diventa più popolare e lo standard di allevamento moderno, sembra inevitabile che i sistemi di stabulazione e di gestione degli animali si adattino sempre di più ai sistemi PLF, probabilmente a discapito del benessere animale. In primo luogo, nei sistemi di produzione comunemente associati a un migliore benessere animale, come i sistemi su piccola scala, estensivi o all’aperto, è già noto che alcune tecnologie di PLF sono meno redditizie, più difficili o addirittura impossibili da adottare a causa della mancanza di connessione internet (wireless), di corrente elettrica, a causa del fatto che l’area da coprire sia troppo estesa o che i costi per animale siano troppo elevati. Inoltre, un ambiente ottimale per le performance del PLF (ad es. migliori caratteristiche di luce per l’accuratezza del PLF basato su telecamere) potrebbe non essere un ambiente ottimale per gli animali. Molti sistemi PLF richiedono che gli animali siano identificati e filtrati nel contesto ambientale in cui vivono. Questo tende ad essere più semplice e preciso se il contesto ambientale di fondo (considerato “rumore”) da filtrare è omogeneo, oltre che chiaramente distinto dagli animali. Questa esigenza probabilmente favorirà quei sistemi di stabulazione sterili e privi di stimoli in cui il benessere degli animali è compromesso. Tali ambienti limiteranno le scelte, la capacità di azione, il controllo, le opportunità di distrazione e gli stimoli che avrebbero gli animali nell’eseguire comportamenti specie-specifici. Questa minaccia può essere attenuata stabilendo dei requisiti di stabulazione incentrati sugli animali che soddisfino i fabbisogni comportamentali specifici della specie e consentano il libero arbitrio degli animali. Le economie di scala potranno anche decidere se alcuni sistemi di PLF, come quelli basati su telecamere o sulla sorveglianza acustica, siano più convenienti nel caso in cui gli animali vengano stabulati in un grande gruppo anziché in molti gruppi diversi. Ciò può essere mitigato incoraggiando lo sviluppo e l’adozione di sistemi PLF specificamente progettati per facilitare la gestione degli animali in sistemi su piccola scala o estensivi (74).

Minaccia 9: Promozione dei sistemi intensivi

Allo stesso modo, il PLF può facilitare un’ulteriore intensificazione perché l’attuale focus del PLF è spesso posto sull’efficienza della produzione, sulla redditività dell’azienda e sul risparmio di manodopera. Questa attenzione è rafforzata dalle economie di scala che impongono che il costo pro capite del PLF sia inferiore nelle grandi aziende zootecniche. Ciò aumenta la probabilità di adozione del PLF in sistemi intensivi su larga scala. Questa relazione è stata corroborata da Cargiui et al. (75) che hanno riscontrato come la dimensione della mandria sia un fattore determinante per l’adozione del PLF. Analogamente, Abeni et al. (76) hanno riscontrato che l’utilizzo della tecnologia automatizzata negli allevamenti da latte era associato alla presenza di una mandria di grandi dimensioni, ad un’elevata produzione di latte e ad un elevato rapporto bovini/lavoratori. Steenveld e Hogeveen (76) hanno anche riportato che il numero di ore di lavoro per vacca a settimana era inferiore negli allevamenti con sistemi di mungitura convenzionali dotati di sensori rispetto agli allevamenti senza sensori. Sebbene il legame tra l’intensificazione (o la dimensione della mandria) e il benessere degli animali sia complesso e influenzato da molti fattori (ad es. capacità manageriali, tasso di crescita della mandria, rapporto tra addetti e animali), quando si trova una correlazione con gli aspetti del benessere animale, questa appare spesso negativa. Ad esempio, è stato riportato che la mortalità (77) e la prevalenza di malattie infettive (78-80) generalmente aumentano con la dimensione della mandria. La crescita della mandria è stata associata anche ad un aumento della mortalità e ad una diminuzione del benessere degli animali (81). Dobbiamo stare attenti affinché il PLF non diventi l’ennesimo progresso verso un’ulteriore efficienza produttiva per la quale gli animali pagano il prezzo. Come riconosciuto da molti anni, c’è un costo da pagare per questa spinta col paraocchi verso prodotti di origine animale sempre più economici, e quel costo viene pagato dagli animali stessi (82). Al fine di attenuare questa minaccia, si potrebbe promuovere l’adozione di sistemi PLF che controbilancino i rischi per il benessere animale associati alla produzione intensiva su larga scala (ad esempio, la difficoltà di tenere traccia delle problematiche di benessere animale di tutti i capi). Un’ulteriore intensificazione potrebbe anche amplificare la disconnessione e l’alienazione tra la produzione zootecnica convenzionale e le richieste da parte dell’opinione pubblica di adottare metodi di produzione più “naturali”. Ciò potrebbe quindi mettere in pericolo la licenza sociale di produrre. Una minaccia più indiretta e sottile riguarda il fatto che l’industrializzazione richiede in genere grandi flussi di capitale che solo gli integrators o le società di vendita al dettaglio possono permettersi. Di conseguenza, gli allevamenti da latte sono sempre più di proprietà di integrators e di società di vendita al dettaglio, che hanno il potere di dettare i prezzi e di stabilire i metodi di produzione. Quando l’allevatore non è più responsabile dell’azienda, potrebbe verificarsi uno “sgretolamento degli atteggiamenti etici e dei comportamenti degli allevatori” (83). I cambiamenti nell’allevamento industriale, le scelte e le società obbligate aumentano la probabilità che gli allevatori prendano in considerazione comportamenti non etici.

EFFETTI INDIRETTI CHE INFLUENZANO LO STATUS MORALE DEGLI ANIMALI NELLA SOCIETÀ

Minaccia 10: Aumento dello specismo

Il PLF non solo può influenzare la mentalità e il comportamento verso gli animali delle persone direttamente coinvolte nel settore zootecnico, ma anche quella della società in generale. Attualmente, possiamo solo speculare sulla natura precisa di queste influenze perché il PLF sta sfondando solo ora e, secondo la conoscenza degli autori, non esistono ancora studi che abbiano indagato tali effetti sociali. Una preoccupazione riguarda il fatto che la diversa adozione del PLF per il benessere animale a seconda delle diverse tipologie di animali d’allevamento possa portare (o ulteriormente esacerbare) differenze nello status morale loro assegnato dal settore zootecnico e dalla società. In effetti, è probabile che la (velocità di) diffusione, le opportunità e le tipologie di sistemi PLF per le diverse specie di animali d’allevamento siano determinate da fattori quali l’economia, la taglia degli animali e la conformazione corporea, o dal sistema di stabulazione anziché dalle priorità in materia di benessere animale (numero e gravità delle problematiche relative al benessere degli animali). Ad esempio, il PLF per il benessere animale sembrerebbe essere introdotto sul mercato e adottato più facilmente dagli allevatori di bovini da latte piuttosto che dai produttori di polli, pesce o conigli: questi soggetti più piccoli rappresentano un valore monetario per animale inferiore (51). Anche la tipologia di sistema PLF per specie differisce notevolmente: l’adozione di sensori da attaccare sui singoli animali sembra molto più fattibile per i bovini da latte rispetto ai polli o addirittura ai maiali (51). Le differenze tra la cura delle diverse specie e le considerazioni morali per i singoli animali possono quindi essere rafforzate da un maggiore utilizzo di sistemi PLF che forniscono dati sul singolo anziché sull’intero gruppo (ad esempio, bovini da latte rispetto al pollame). L’interpretazione dei dati a livello di gruppo e la messa in atto di azioni appropriate in risposta a tali dati può effettivamente essere più impegnativa rispetto ai dati PLF individuali che forniscono informazioni sulle condizioni e sui bisogni specifici dei singoli animali. Alcune decisioni gestionali prese a livello di gruppo possono anche risultare dannose per il benessere di alcuni soggetti i cui bisogni differiscono da quelli degli altri (51). Ci possiamo aspettare che tali differenze tra le specie animali nel grado e nella tipologia di PLF utilizzati per monitorare o migliorare il loro benessere portino a divari ingiusti in termini di status morale, preoccupazione e cura degli animali appartenenti a specie, razze, ceppi (o persino con fasi di vita diverse) e quindi allo specismo.

Minaccia 11: a>Aumento della strumentalizzazione degli animali

Gli effetti di potenziamento reciproco tra PLF e intensificazione della produzione animale (minaccia 9), possono avere conseguenze più ampie sul benessere animale a causa del loro impatto sullo status morale degli animali d’allevamento nella società. La continua intensificazione e industrializzazione dell’allevamento, dove un gran numero di animali viene “nascosto” in grandi allevamenti al chiuso non visibili al pubblico, rende ancora più difficile per il cittadino percepire questi animali come soggetti con personalità e caratteristiche diverse. Ciò facilita l’oggettivazione degli animali d’allevamento, che vengono visti e trattati come merci, non solo dagli allevatori ma anche dai cittadini (59, 84). La strumentalizzazione degli animali diminuisce la preoccupazione per il loro benessere, fornendo la licenza sociale per sfruttarli ancora di più e in maniera estrema al fine di soddisfare gli interessi dell’uomo. Ciò a sua volta faciliterà un’ulteriore intensificazione dei sistemi di produzione nel settore zootecnico, chiudendo il circolo degli effetti di rinforzo positivi (Figura 1). Se questo circolo chiuso di effetti auto-potenzianti non venisse ridimensionato o interrotto, le conseguenze per gli animali d’allevamento potrebbero essere gravi.

 Minaccia 12: Promozione del consumo e dello sfruttamento degli animali

Il PLF può facilitare un’altra variante di circuito chiuso di effetti di rinforzo positivi che potrebbero essere dannosi per il benessere degli animali d’allevamento (Figura 2). Come affermato in precedenza, i sistemi di PLF attualmente adottati nell’industria animale sono spesso incentrati sull’aumento dell’efficienza produttiva, ed è più probabile che tali sistemi vengano adottati da individui per i quali l’efficienza produttiva è di importanza cruciale per la loro competitività (internazionale). Queste influenze che si consolidano a vicenda, portando ad una continua ricerca per incrementare l’efficienza della produzione animale, implicano che i prodotti di derivazione animale diventeranno più accessibili per un numero sempre maggiore di persone in tutto il mondo. Vi sono indicazioni del fatto che il consumo di prodotti di origine animale di per sé diminuisce la preoccupazione per il benessere animale e quindi può ridurre lo status morale degli animali all’interno della società. La prova indiretta di questo legame è fornita da report secondo i quali il consumo di carne è collegato ad atteggiamenti meno positivi verso gli animali (85-87). La prova più diretta di un legame tra il consumo di carne e la minore preoccupazione morale per gli animali è fornita dall’esperimento di (88). Hanno intervistato persone che non sapevano di essere state sottoposte a due trattamenti sperimentali: poco prima di compilare il sondaggio a metà dei partecipanti era stato somministrato uno spuntino a base di carne mentre all’altra metà dei partecipanti uno spuntino a base vegetale. Coloro che avevano mangiato lo spuntino a base di carne hanno assegnato un punteggio significativamente più basso in termini di preoccupazione morale da loro provata per la vacca ed hanno indicato un numero significativamente inferiore di specie animali (da un elenco di 27 specie (per le quali provavano preoccupazione morale. Gli autori hanno interpretato questi risultati come prove di dissonanza cognitiva. Si pensa che mangiare prodotti di origine animale mentre si ha la consapevolezza che questi prodotti derivino da esseri senzienti che vengono sfruttati dall’industria del bestiame contro gli interessi degli animali stessi causi potenzialmente attrito mentale e stress. Modi comuni con cui le persone alleviano questo attrito comprendono il minimizzare la capacità degli animali non umani di provare emozioni rispetto agli esseri umani e l’ingigantire la differenza di status morale che intercorre tra umani e altri animali, la cosiddetta “infra-umanizzazione” degli animali (60).

CONCLUSIONE

La rivoluzione digitale continuerà ad avere un impatto di vasta portata sull’allevamento animale. Non è ancora chiaro però se l’animale sarà la vittima o il beneficiario di tale rivoluzione (89). Molte tecnologie di PLF che si concentrano sul monitoraggio o sul miglioramento del benessere degli animali sono in fase di sviluppo e di ricerca. I potenziali vantaggi e le opportunità fornite da queste tecnologie vengono elogiate, con un generale euforico ottimismo per quanto riguarda i loro effetti futuri sul benessere animale. Ad oggi, tuttavia, solo una piccola parte di queste tecnologie è stata immessa sul mercato e una percentuale ancora minore viene adottata dagli allevatori. La vera svolta dell’adozione del PLF non sta avvenendo per il benessere degli animali, ma maggiormente in quelle aree che riguardano l’efficienza produttiva e la qualità della vita dei lavoratori. Sono stati condotti alcuni studi che mostrano come su questi fronti alcune di queste tecnologie siano all’altezza delle aspettative. Per quanto riguarda le tecnologie di PLF che si concentrano sul benessere animale, tuttavia, non è chiaro se saranno mai ampiamente messe in commercio e se avranno l’effetto benefico sperato per gli animali. L’introduzione del PLF può offrire molte interessanti opportunità ma può comportare anche rischi e pericoli considerevoli per gli animali. Senza pretendere di essere esaustivo, questo documento indica 12 modi secondo i quali le tecnologie PLF possono danneggiare gli animali direttamente o indirettamente: possono influenzare gli animali, gli allevatori, l’allevamento in generale e persino la società nel suo insieme. Quanto più diretta è la minaccia all’animale o all’allevatore, tanto più facili e fattibili saranno i suggerimenti su come prevenire e risolvere queste minacce. L’attuale forma di mercato – un mercato internazionale aperto che privilegia gli interessi economici anche a discapito degli interessi degli animali coinvolti – spesso sta a significare che metodi di produzione meno rispettosi degli animali ottengono un vantaggio competitivo. In pratica, le presenti raccomandazioni utili a fronteggiare le minacce dirette (vale a dire, le tecnologie PLF dovrebbero essere completamente validate esternamente, testate longitudinalmente per gli effetti negativi sugli animali e per il buon funzionamento in un’ampia varietà di condizioni commerciali prima di essere immesse sul mercato e dovrebbe essere fornita un’adeguata assistenza clienti, unitamente a consulenza e formazione) potrebbero gonfiare i costi così tanto che la tecnologia diventerebbe troppo costosa per l’adozione a livello commerciale. Diversamente, i produttori che introducono una tecnologia apparentemente simile quanto prima e senza test così approfonditi potrebbero ottenere un vantaggio competitivo. Le potenziali minacce indirette sono ancora più difficili da evitare o attenuare. Anche se il PLF incentrato sul benessere animale dovesse essere diffusamente adottato, gli allevatori dovrebbero dare la priorità al benessere degli animali tenendo in considerazione anche i comportamenti specie-specifici e gli stati emotivi individuali oltre agli indicatori più comunemente valutati come la salute fisica e le performance. Spetta inoltre agli allevatori dimostrare un adeguato livello di fiducia nei dati generati dal PLF e la volontà, purché accompagnata dalla competenza, di intraprendere azioni correttive. Resta da vedere come il PLF contribuirà ai cambiamenti che si verificheranno nella zootecnia in generale e come ciò possa influenzare gli atteggiamenti degli allevatori, dei consumatori e dei cittadini e la preoccupazione morale verso gli animali. Invece che presumere che il PLF andrà, di per sé, a beneficio del benessere degli animali in conformità con le intenzioni (spesso onorevoli) dei ricercatori e degli sviluppatori del PLF, gli scienziati dovrebbero continuare a valutare i suoi effetti sul benessere animale tramite un monitoraggio scientifico multidisciplinare indipendente a tutti i livelli: singoli animali, allevamenti e società. La realtà dell’allevamento e quella economica possono spingere in un’altra direzione rispetto alle intenzioni originarie.

CONTRIBUTO DEGLI AUTORI

FT, CM e SB hanno contribuito all’ideazione della review. FT ha scritto la prima bozza del manoscritto. CM ha scritto delle sezioni del manoscritto. SB ha disegnato le figure ed ha inserito la lista di riferimenti. Tutti gli autori hanno contribuito alla review del manoscritto ed hanno letto e approvato la versione presentata.

FINANZIAMENTI

ILVO ha pagato i costi di pubblicazione per l’open access.

RINGRAZIAMENTI

Gli autori ringraziano Michael Plante-Ajar e MiriamLevenson per aver esaminato le prime bozze di questo documento. SB è un Post-Doctoral Fellow della FWO-V (Research Foundation Flanders, Belgio). CM è beneficiaria di un productivity grant da CNPq.

RIFERIMENTI

  1. Wathes CM, Kristensen HH, Aerts JM, Berckmans D. Is precision livestock farming an engineer’s daydream or nightmare, an animal’s friend or foe, and a farmer’s panacea or pitfall? Comput Electron Agric. (2008) 64:2–10. doi: 10.1016/j.compag.2008.05.005
  2. Norton T, Chen C, Larsen ML V, Berckmans D. Review: Precision livestock farming: building “digital representations” to bring the animals closer to the farmer. Animal. (2019) 13:3009–17. doi: 10.1017/S175173111 900199X
  3. Schillings J, Bennett R, Rose DC. Exploring the potential of precision livestock farming technologies to help address farm animal welfare. Front Anim Sci. (2021) 2. doi: 10.3389/fanim.2021.639678
  4. Gómez Y, Stygar AH, Boumans IJMM, Bokkers EAM, Pedersen LJ, Niemi JK, et al. A systematic review on validated precision livestock farming technologies for pig production and its potential to assess animal welfare. Front Vet Sci. (2021) 8:660565. doi: 10.3389/fvets.2021.660565
  5. Wurtz K, Camerlink I, D’Eath RB, Fernandez AP, Norton T, Steibel J, et al. Recording behaviour of indoor-housed farm animals automatically usingmachine vision technology: A systematic review. PLoS One. 20191223rd ed. (2019) 14:e0226669. doi: 10.1371/journal.pone.0226669
  6. Rios H V, Waquil PD, de Carvalho PS, Norton T. How Are Information Technologies Addressing Broiler Welfare? A Systematic Review Based on the Welfare Quality (R) Assessment. Sustainability. (2020) 12:1413. doi: 10.3390/su12041413
  7. Abeni F, Petrera F, Galli A. A Survey of Italian Dairy Farmers’ Propensity for Precision Livestock Farming Tools. Animals. (2019) 9:202. doi: 10.3390/ani9050202
  8. Caja G, Castro-Costa A, Knight CH. Engineering to support wellbeing of dairy animals. J Dairy Res. (2016) 83:136–47. doi: 10.1017/S0022029916000261
  9. Tuyttens FAM, Vanhonacker F, Van Poucke E, Verbeke W. Quantitative verification of the correspondence between the Welfare Quality (R) operational definition of farm animal welfare and the opinion of Flemish farmers, citizens and vegetarians. Livest Sci. (2010) 131:108–14. doi: 10.1016/j.livsci.2010.03.008
  10. Vanhonacker F, Verbeke W, Van Poucke E, Tuyttens FAM. Do citizens and farmers interpret the concept of farm animal welfare differently? Livest Sci. (2008) 116:126–36. doi: 10.1016/j.livsci.2007.09.017
  11. Bracke MBM, De Lauwere CC,Wind SMM, Zonerland JJ. Attitudes of Dutch Pig Farmers Towards Tail Biting and Tail Docking. J Agric Environ Ethics. (2013) 26:847–68. doi: 10.1007/s10806-012-9410-2
  12. Bock BB, van Huik MM. Animal welfare: the attitudes and behaviour of European pig farmers. Bourlakis M, editor Br Food J. (2007) 109:931– 44. doi: 10.1108/00070700710835732
  13. BarkemaHW, von KeyserlingkMAG, Kastelic JP, LamTJGM, Luby C, Roy JP, et al. Invited review: Changes in the dairy industry affecting dairy cattle health and welfare. J Dairy Sci. (2015) 98:7426–45. doi: 10.3168/jds.2015-9377
  14. Shepherd M, Turner JA, Small B, Wheeler D. Priorities for science to overcome hurdles thwarting the full promise of the ‘digital agriculture’ revolution. J Sci Food Agric. (2020) 100:5083–92. doi: 10.1002/jsfa.9346
  15. Tuyttens FAM, Vanhonacker F, Langendries K, Aluwe M, Millet S, Bekaert K, et al. Effect of information provisioning on attitude toward surgical castration of male piglets and alternative strategies for avoiding boar taint. Res Vet Sci. (2011) 91:327–32. doi: 10.1016/j.rvsc.2011.01.005
  16. Adebayo A. Weighing scales: a secret weapon in poultry production. Afrimash (2015). Available online at: https://www.afrimash.com/importanceof-weighing-scales-in-poultry-production/
  17. Mayo LM, Silvia WJ, Ray DL, Jones BW, Stone AE, Tsai IC, et al. Automated estrous detection using multiple commercial precision dairy monitoring technologies in synchronized dairy cows. J Dairy Sci. (2019) 102:2645–56. doi: 10.3168/jds.2018-14738
  18. Dela Rue B, Lee JM, Eastwood CR, Macdonald KA, Gregorini P. Short communication: Evaluation of an eating time sensor for use in pasture-based dairy systems. J Dairy Sci. (2020) 103:9488–92. doi: 10.3168/jds.2020-18173
  19. De Koning CJAM. Automatic milking-common practice on dairy farms. In: Proceedings of the First North American Conference on Precision Dairy Management, Toronto, Canada (2010).
  20. Heikkila AM, Vanninen L, Manninen E. Economics of small-scale dairy farms having robotic milking. In: The First North American Conference on Precision Dairy Management, Toronto, Canada. Available from: http://www.precisiondairy.com/proceedings/s3heikkila.pdf
  21. Hansen BG. Robotic milking-farmer experiences and adoption rate in Jæren, Norway. J Rural Stud. (2015) 41:109–17. doi: 10.1016/j.jrurstud.2015.08.004
  22. J. R. The impact of robotic milking quality, cow comfort and labor issues. In: The 2012 National Mastitis Council Annual Meeting. (2012). Available from: http://www.dairylogix.com/Document-0.pdf (accessed on February 25, 2022).
  23. Fleuret M, Marlet A. De la salle de traite au robot. Quels impacts? Terra. (2014) 449:23–9.
  24. Butler D, Holloway L, Bear C. The impact of technological change in dairy farming: robotic milking systems and the changing role of the stockperson. R Agric Soc Engl. (2012) 173:1–6.
  25. Andrade SB, Anneberg I. Farmers under pressure. Analysis of the social conditions of cases of animal neglect. J Agric Environ Ethics. (2014) 27:103–26. doi: 10.1007/s10806-013-9456-9
  26. Vashist SK, Schneider EM, Luong JHT. Commercial smartphone-based devices and smart applications for personalized healthcare monitoring and management. Diagnostics. (2014) 4. doi: 10.3390/diagnostics4030104
  27. Daum W. Guidelines for structural health monitoring BT—handbook of technical diagnostics: fundamentals and application to structures and systems. In: Czichos H, editor. Berlin, Heidelberg: Springer (2013). p. 539–41. doi: 10.1007/978-3-642-25850-3_27
  28. Silva BMC, Rodrigues JJPC, de la Torre Díez I, López-Coronado M, Saleem K. Mobile-health: a review of current state in 2015. J Biomed Inform. (2015) 56:265–72. doi: 10.1016/j.jbi.2015.06.003
  29. Kirchner J, Manteuffel G, Schrader L. Individual calling to the feeding station can reduce agonistic interactions and lesions in group housed sows1. J Anim Sci. (2012) 90:5013–20. doi: 10.2527/jas.2011-4478
  30. Remience V,Wavreille J, Canart B,Meunier-SalaünM-C, Prunier A, Bartiaux- Thill N, et al. Effects of space allowance on the welfare of dry sows kept in dynamic groups and fed with an electronic sow feeder. Appl Anim Behav Sci. (2008) 112:284–96. doi: 10.1016/j.applanim.2007.07.006
  31. Anil L, Anil SS, Deen J, Baidoo SK, Walker RD. Effect of group size and structure on the welfare and performance of pregnant sows in pens with electronic sow feeders. Can J Vet Res. (2006) 70:128–36.
  32. HovinenM, Pyörälä S. Invited review: udder health of dairy cows in automatic milking. J Dairy Sci. (2011) 94:547–62. doi: 10.3168/jds.2010-3556
  33. Stadig LM, Rodenburg TB, Ampe B, Reubens B, Tuyttens FAM. An automated positioning system for monitoring chickens’ location: effects of wearing a backpack on behaviour, leg health and production. Appl Anim Behav Sci. (2018) 198:83–8. doi: 10.1016/j.applanim.2017.09.016
  34. Claes D. Designing an Adjustable Wearable Sensor Housing for Laying Hens Housed in Groups Both Indoors and Outdoors, Ghent University. (2019). Available from: https://lib.ugent.be/catalog/rug01:002786158
  35. Johnston AM, Edwards DS.Welfare implications of identification of cattle by ear tags. Vet Rec. (1996) 138:612–4. doi: 10.1136/vr.138.25.612
  36. van Schaik G, Seinen P, Muskens J, van Erp T, Keurentjes J, Huss A, et al. Possible causes of aberrations in adverse grouping behavior of dairy cows: a field study. J Dairy Sci. (2021) 104:7000–7. doi: 10.3168/jds.2020-19269
  37. Burton RJF, Peoples S, Cooper MH. Building cowshed culture: a cultural perspective on the promotion of stockmanship and animal welfare on dairy farms. J Rural Stud. (2012) 28:174–87. doi: 10.1016/j.jrurstud.2011.12.003
  38. Hemsworth PH. Ethical stockmanship. Aust Vet J. (2007) 85:194– 200. doi: 10.1111/j.1751-0813.2007.00112.x
  39. Dastin J. Amazon Scraps Secret AI Recruiting Tool that Showed Bias Against Women. (2018). Available from: https://www.reuters.com/article/us-amazoncom- jobs-automation-insight-idUSKCN1MK08G (cited March 3, 2022).
  40. Stygar AH, Gomez Y, Berteselli G V, Dalla Costa E, Canali E, Niemi JK, et al. A Systematic Review on Commercially Available and Validated Sensor Technologies for Welfare Assessment of Dairy Cattle. Front Vet Sci. (2021) 8:634338. doi: 10.3389/fvets.2021.634338
  41. Peake JM, Kerr G, Sullivan JP. A critical review of consumer wearables, mobile applications, and equipment for providing biofeedback, monitoring stress, and sleep in physically active populations. Front Physiol. (2018) 9:743. https://pubmed.ncbi.nlm.nih.gov/30002629
  42. Larsen ML V, Wang MQ, Norton T. Information technologies for welfare monitoring in pigs and their relation to welfare quality. Sustainability. (2021) 13:692. doi: 10.3390/su13020692
  43. Neethirajan S, Reimert I, Kemp B.Measuring Farm Animal Emotions-Sensor- Based Approaches. Sensors (Basel). (2021) 21:553. doi: 10.3390/s21020553
  44. Ben Sassi N, Averos X, Estevez I. Technology and poultry welfare. Animals. (2016) 6:62. doi: 10.3390/ani6100062
  45. Jukan A,Masip-Bruin X, Amla N. Smart computing and sensing technologies for animal welfare: a systematic review. Acm Comput Surv. (2017) 50:1–27. doi: 10.1145/3041960
  46. Benjamin M, Yik S. Precision livestock farming in swine welfare: a review for swine practitioners. Animals. (2019) 9:133. doi: 10.3390/ani9040133
  47. Rowe E, DawkinsMS, Gebhardt-Henrich SG. A systematic review of precision livestock farming in the poultry sector: is technology focussed on improving bird welfare? Animals. (2019) 9:614. doi: 10.3390/ani9090614
  48. Veissier I, Kling-Eveillard F, Mialon MM, Silberberg M, De Boyer Des Roches A, Terlouw C, et al. Precision Livestock Farming and animal welfare: is the numerical revolution of agriculture able to take into account animals’ and farmers’ needs? Inra Prod Anim. (2019) 32:281–90. doi: 10.20870/productions-animales.2019.32.2.2478
  49. Molina FM, Marin CCP, Moreno LM, Buendia EIA, Marin DCP. Welfare Quality(R)for dairy cows: towards a sensor-based assessment. J Dairy Res. (2020) 87:28–33. doi: 10.1017/S002202992000045X
  50. Buller H, Blokhuis H, Lokhorst K, Silberberg M, Veissier I. Animal welfare management in a digital world. Animals. (2020) 10:1779. doi: 10.3390/ani10101779
  51. Schillings J, Bennett R, Rose DC. Animal welfare and other ethical implications of Precision Livestock Farming technology. CABI Agric Biosci. (2021) 2:17. doi: 10.1186/s43170-021-00037-8
  52. Lima E, Hopkins T, Gurney E, Shortall O, Lovatt F, Davies P, et al. Drivers for precision livestock technology adoption: A study of factors associated with adoption of electronic identification technology by commercial sheep farmers in England and Wales. PLoS ONE. (2018) 13:e0190489. doi: 10.1371/journal.pone.0190489
  53. Vigors B, Lawrence A. What are the positives? Exploring positive welfare indicators in a qualitative interview study with livestock farmers. Animals. (2019) 9:694. doi: 10.3390/ani9090694
  54. Veasey JS. In pursuit of peak animal welfare the need to prioritize the meaningful over the measurable. Zoo Biol. (2017) 36:413–25. doi: 10.1002/zoo.21390
  55. Hernandez RO, Sánchez JA, Romero MH. Iceberg indicators for animal welfare in rural sheep farms using the five domains model approach. Animals. (2020) 10:2273. doi: 10.3390/ani10122273
  56. Heath CAE, Browne WJ, Mullan S, Main DCJ. Navigating the iceberg: reducing the number of parameters within the Welfare QualityR assessment protocol for dairy cows. Animal. (2014) 8:1978–86. doi: 10.1017/S1751731114002018
  57. Hogeveen H, Buma KJ, Jorritsma R. Use and interpretation of mastitis alerts by farmers. In: Precision Livestock Farming 2013 – Papers Presented at the 6th European Conference on Precision Livestock Farming, ECPLF 2013. (2013) p. 313–9. Available online at: https://www.scopus.com/inward/record.uri?eid=2-s2.0-84902460855&partnerID=40&md5=d20431082de7b2ab0b95bd443bd6ba82
  58. Disenhaus C, Allain C, Courties R, Quiniou Y, Bareille NN. Discrepancy between expected and actual benefits of automatic heat detectors in commercial herds. In: 67 Annual Meeting of the European Federation of Animal Science (EAAP). Belfast, United Kingdom (2016). (Book of Abstract of the 67th Annual Meeting of the European Federation of Animal Science, vol. 22). Available online at: https://hal.inrae.fr/hal-02743223
  59. Bos JM, Bovenkerk B, Feindt PH, van Dam YK. The quantified animal: precision livestock farming and the ethical implications of objectification. Food Ethics. (2018) 2:77–92. doi: 10.1007/s41055-018-00029-x
  60. Kasperbauer TJ. Subhuman: The moral psychology of human attitudes to animals. Oup. (2018). doi: 10.1093/oso/9780190695811.001.0001
  61. Allport GW. The Nature of Prejudice / Gordon W. Allport. Garden City, New York: Doubleday (1958). (Doubleday anchor books ) A149.
  62. Weatherill A. Pet at school: Child-animal bond sparks learning and caring. Inter Actions. (1993) 11:7–9.
  63. Ascione FR. Enhancing children’s attitudes about the humane treatment of animals—generalization to human-directed empathy. Anthrozoos. (1992) 5:176–91. doi: 10.2752/089279392787011421
  64. Morris P, Knight S, Lesley S. Belief in animal mind: does familiarity with animals influence beliefs about animal emotions? Soc Anim. (2012) 20:211–24. doi: 10.1163/15685306-12341234
  65. TomaŽiˇc I. Seventh Graders’ direct experience with, and feelings toward, amphibians and some other nonhuman animals. Soc Anim. (2011) 19:225– 47. doi: 10.1163/156853011X578901
  66. Randler C, Hummel E, Prokop P. Practical work at school reduces disgust and fear of unpopular animals. Soc Anim. (2012) 20:61–74. doi: 10.1163/156853012X614369
  67. Hazel SJ, O’Dwyer L, Ryan T. “Chickens Are a Lot Smarter than I Originally Thought”: Changes in student attitudes to chickens following a chicken training class. Anim Open Access J MDPI. (2015) 5:821–37. doi: 10.3390/ani5030386
  68. Bock BB, Miele M, editors. Competing discourses of farm animal welfare and agri-food restructuring Special Issue on Animal Welfare 15., (University of Missouri-Columbia) (2007) (International Journal of Sociology of Agriculture and Food, vol. 15).
  69. Paul ES, Serpell JA. Childhood pet keeping and humane attitudes in young adulthood. AnimWelf. (1993) 2.
  70. Bjerke T, Kaltenborn BP, Ødegårdstuen TS. Animal-related activities and appreciation of animals among children and adolescents. Anthrozoos. (2001) 14:86–94. doi: 10.2752/089279301786999535
  71. Winsten JR, Kerchner CD, Richardson A, Lichau A, Hyman JM. Trends in the Northeast dairy industry: Large-scale modern confinement feeding and management-intensive grazing. J Dairy Sci. (2010) 93:1759–69. doi: 10.3168/jds.2008-1831
  72. von Keyserlingk MAG, Martin NP, Kebreab E, Knowlton KF, Grant RJ, Stephenson M, et al. Invited review: Sustainability of the US dairy industry. J Dairy Sci. (2013) 96:5405–25. doi: 10.3168/ jds.2012-6354
  73. Bewley J, Palmer RW, Jackson-Smith DB. An overview of experiences of wisconsin dairy farmers who modernized their operations. J Dairy Sci. (2001) 84:717–29. doi: 10.3168/jds.S0022-0302(01)74526-2
  74. Herlin A, Brunberg E, Hultgren J, Högberg N, Rydberg A, Skarin A. Animal welfare implications of digital tools for monitoring and management of cattle and sheep on pasture. Animals. (2021) 11:829. doi: 10.3390/ani11030829
  75. Gargiulo JI, Eastwood CR, Garcia SC, Lyons NA. Dairy farmers with larger herd sizes adopt more precision dairy technologies. J Dairy Sci. (2018) 101:5466–73. doi: 10.3168/jds.2017-13324
  76. Steeneveld W, Tauer LW, Hogeveen H, Oude Lansink AGJM. Comparing technical efficiency of farms with an automatic milking system and a conventional milking system. J Dairy Sci. (2012) 95:7391–8. doi: 10.3168/jds.2012-5482
  77. Shahid MQ, Reneau JK, Chester-Jones H, Chebel RC, Endres MI. Cow- and herd-level risk factors for on-farm mortality in Midwest US dairy herds. J Dairy Sci. (2015) 98:4401–13. doi: 10.3168/jds.2014-8513
  78. Anastácio S, Carolino N, Sidi-Boumedine K, da Silva GJ, Q fever dairy herd status determination based on serological and molecular analysis of bulk tank milk. Transbound Emerg Dis. (2016) 63:e293–300. doi: 10.1111/tbed.12275
  79. Doyle LP, Gordon AW, Abernethy DA, Stevens K. Bovine tuberculosis in Northern Ireland: risk factors associated with time from post-outbreak test to subsequent herd breakdown. Prev Vet Med. (2014) 116:47–55. doi: 10.1016/j.prevetmed.2014.06.010
  80. Wolf CA. The economics of dairy production. Vet Clin North Am Food Anim Pract. (2003) 19:271–93. doi: 10.1016/S0749-0720(03)00028-8
  81. Osawe OW, Lapple D, Hanlon A, Boyle L. Exploring farmers’ attitudes and determinants of dairy calf welfare in an expanding dairy sector. J Dairy Sci. (2021) 104:9967–80. doi: 10.3168/jds.2020-19550
  82. Duncan I. Foreword in: measuring and auditing broiler welfare.Wallingford: CABI Publishing (2004). p. xii.
  83. Hendrickson M, James HS. The ethics of constrained choice: how the industrialization of agriculture impacts farming and farmer behavior. J Agric Environ Ethics. (2005) 18:269–91. doi: 10.1007/s10806-005-0631-5
  84. Werkheiser I. Precision Livestock Farming and Farmers’ Duties to Livestock. J Agric Environ Ethics. (2018) 31:181–95. doi: 10.1007/s10806-018-9720-0
  85. Binngießer J, Randler C. Association of the environmental attitudes “Preservation” and “Utilization” with pro-animal attitudes. Int J Environ Sci Educ. (2015) 10:477–92. doi: 10.12973/ijese.2015.255a
  86. Hagelin J, Carlsson H-E, Hau J. An overview of surveys on how people view animal experimentation: some factors that may influence the outcome. Public Underst Sci. (2003) 12:67–81. doi: 10.1177/0963662503012001247
  87. Preylo BD, Arikawa H. Comparison of vegetarians and non-vegetarians on pet attitude and empathy. Anthrozoos. (2008) 21:387–95. doi: 10.2752/175303708 X371654
  88. Loughnan S, Haslam N, Bastian B. The role of meat consumption in the denial of moral status and mind to meat animals. Appetite. (2010) 55:156–9. doi: 10.1016/j.appet.2010.05.043
  89. Dawkins MS. Does smart farming improve or damage animalwelfare? Technology and what animals want. Front Anim Sci. (2021) 2. doi: 10.3389/fanim.2021.736536

Conflitto di interessi: Gli autori dichiarano che la ricerca è stata condotta in assenza di rapporti commerciali o finanziari che potrebbero essere interpretati come un potenziale conflitto di interessi.

Nota dell’editore: tutte le affermazioni espresse in questo articolo sono esclusivamente quelle degli autori e non rappresentano necessariamente quelle delle loro organizzazioni affiliate o quelle dei redattori, della casa editrice e dei revisori. Qualsiasi prodotto che può essere valutato in questo articolo, o qualsiasi affermazione che può essere fatta dal suo produttore, non è garantito o approvato dalla casa editrice.

Copyright © 2022 Tuyttens, Molento e Benaissa. Questo è un articolo open-access distribuito secondo i termini della Creative Commons Attribution License (CC BY). L’utilizzo, la distribuzione o la riproduzione in altri forum sono consentiti, a condizione che siano accreditati gli autori originali e i titolari del copyright e che la pubblicazione originale in questa rivista sia citata, in conformità con la pratica accademica accettata. Non è consentito alcun utilizzo, distribuzione o riproduzione che non rispetti questi termini.