MétaCan
Menu
Retour à la cohorte
Enregistrement W1939689599 · doi:10.1177/0142723704040548

Children’s and Adults’ Understanding of Proper Namable Things

2004· article· en· W1939689599 sur OpenAlexafffund
D. Geoffrey Hall, Barbara C. Veltkamp, William J. Turkel

Notice bibliographique

RevueFirst Language · 2004
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTask (project management)Listing (finance)Set (abstract data type)Proper nounScope (computer science)PsychologyCoherence (philosophical gambling strategy)Computer scienceCognitive psychologyArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

In two studies, we explored 5-year-olds’ and adults’ beliefs about entities that receive reference by proper names. In Study 1 we used two tasks: (1) a listing task in which participants stated what things in the world can and cannot receive proper names, and (2) an explanation task in which they explained why some things merit proper names. Children’s lists of proper namable things were more centred than adults’ on living animate entities and their surrogates (e.g., dolls and stuffed animals). Both children’s and adults’ lists of non-namable things contained a predominance of artefacts. Both age groups offered similar explanations for proper namability, the most common of which pertained to the desire or need to identify objects as individuals (or to distinguish them from other objects). In Study 2 we replicated the main results of the Study 1 listing task, using a modified set of instructions. The findings establish a set of norms about the scope and coherence of children’s and adults’ concept of a proper namable entity, and they place constraints on an account of how children learn proper names (Macnamara, 1982, 1986).

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0020,004
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,011
Tête enseignante GPT0,235
Écart entre enseignants0,224 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations17
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFirst LanguageMême sujetChild and Animal Learning DevelopmentTravaux en français237 207