MétaCan
Menu
Retour à la cohorte
Enregistrement W155991542 · doi:10.12794/metadc271888

Using Progressive Ratio Schedules to Evaluate Edible, Leisure, and Token Reinforcement

2013· dissertation· en· W155991542 sur OpenAlexaff
Danielle M. Russell

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomainePsychology
ThématiqueBehavioral and Psychological Studies
Établissements canadiensGlobal Affairs Canada
Organismes subventionnairesnon disponible
Mots-clésReinforcementSecurity tokenPsychologyComputer scienceSocial psychologyComputer network

Résumé

récupéré en direct d'OpenAlex

The general purpose of the current study was to evaluate the potency of different categories of reinforcers with young children diagnosed with developmental delays. The participants were two boys and one girl who were between the ages of seven and eight. In Phase 1, we evaluated the reinforcing potency of tokens, edible items, and leisure items by using a progressive ratio (PR) schedule. For two participants, we found that tokens resulted in the highest PR break points. For one participant, edibles resulted in the highest break points (tokens were found to have the lowest break points). In Phase 2, we evaluated the effects of presession access on the break points of edibles and tokens. This manipulation served as a preliminary analysis of the extent to which tokens might function as generalized conditioned reinforcers. During Phase 2, presession access altered the break points of edibles, but not tokens. The findings of the current study suggest that PR schedules may be useful as a means to better assess certain dimensions of tasks and how they affect reinforcer effectiveness (e.g., amount of effort the client is willing to exert, the duration at which the client willing to work, how many responses the client will emit, etc.), and to evaluate to what extent tokens actually function as generalized conditioned reinforcers.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,835
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,281
Tête enseignante GPT0,445
Écart entre enseignants0,164 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBehavioral and Psychological StudiesTravaux en français237 207