Learning to reason about desires: An infant training study
Notice bibliographique
Résumé
A key aspect of theory of mind is the ability to reason\nabout other people's desires. As adults, we know that desires\nand preferences are subjective and specific to the individual.\nHowever, research in cognitive development suggests that a\nsignificant conceptual shift occurs in desire-based reasoning\nbetween 14 and 18 months of age, allowing 18- but not 14-\nmonth-olds to understand that different people can have\ndifferent preferences (Lucas et al., 2014; Ma & Xu 2011;\nRepacholi & Gopnik, 1997). The present research investigates\nthe kind of evidence that is relevant for inducing this shift and\nwhether younger infants can be trained to learn about the\ndiversity of preferences. In Experiment 1, infants younger\nthan 18 months of age were shown demonstrations in which\ntwo experimenters either liked the same objects as each other\n(in one training condition) or different objects (in another\ntraining condition). Following training, all infants were asked\nto share one of two foods with one of the experimenters –\nthey could either share a food that the experimenter showed\ndisgust towards (and the infants themselves liked) or a food\nthat the experimenter showed happiness towards (and the\ninfants themselves did not like). We found that infants who\nobserved two different experimenters liking different objects\nduring training later provided the experimenter with the food\nshe liked, even if it was something they disliked themselves.\nHowever, when infants observed two experimenters liking the\nsame objects, they later incorrectly shared the food that they\nthemselves liked with the experimenter. Experiment 2\ncontrolled for an alternative interpretation of these findings.\nOur results suggest that training allows infants to overturn an\ninitial theory in the domain of Theory of Mind for a more\nadvanced one.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».