MétaCan
Menu
Retour à la cohorte
Enregistrement W1976201425 · doi:10.1080/15250000802329503

How to Build an Intentional Android: Infants' Imitation of a Robot's Goal‐Directed Actions

2008· article· en· W1976201425 sur OpenAlexafffund
Shoji Itakura, Hiraku Ishida, Takayuki Kanda, Yohko Shimada, Hiroshi Ishiguro, Kang Lee

Notice bibliographique

RevueInfancy · 2008
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesJapan Society for the Promotion of ScienceNatural Sciences and Engineering Research Council of CanadaNissan Global Foundation
Mots-clésGazeImitationPsychologyRobotHumanoid robotEye contactHuman–robot interactionHuman–computer interactionObject (grammar)Action (physics)Eye trackingCognitive psychologyCommunicationDevelopmental psychologyArtificial intelligenceComputer scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

This study examined whether young children are able to imitate a robot's goal‐directed actions. Children (24–35 months old) viewed videos showing a robot attempting to manipulate an object (e.g., putting beads inside a cup) but failing to achieve its goal (e.g., beads fell outside the cup). In 1 video, the robot made eye contact with a human before and after it failed the action. In another video, the robot did not make eye contact with the human adult. Only in the former condition did children “imitate” the robot's “intended” but unconsummated actions (e.g., putting beads inside a cup). When the robot did not make eye contact, children performed poorly, at the baseline level. These results suggest that human‐like gaze behaviors, not human‐like morphology, may play an important role in young children's imitation of a nonhuman agent's goal‐directed behaviors.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,312
Écart entre enseignants0,279 · 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

Citations83
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInfancyMême sujetChild and Animal Learning DevelopmentTravaux en français237 207