MétaCan
Menu
Retour à la cohorte
Enregistrement W2019797876 · doi:10.1080/02568540809594642

“Let Me Show You a Trick!”: A Toddler's Use of Humor To Explore, Interpret, and Negotiate Her Familial Environment During a <i>Day in the Life</i>

2008· article· en· W2019797876 sur OpenAlexaff
E. Leslie Cameron, Katherine M. Kennedy, Catherine Ann Cameron

Notice bibliographique

RevueJournal of Research in Childhood Education · 2008
Typearticle
Langueen
DomainePsychology
ThématiqueHumor Studies and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPsychologyToddlerPragmaticsDevelopmental psychologyContext (archaeology)CognitionNegotiationCognitive psychologyLinguistics

Résumé

récupéré en direct d'OpenAlex

Children employ different types of humor as they explore, interpret, and negotiate their environments. Whereas an appreciation of verbal incongruity has been a hallmark of older preschooler humor (e.g., McGhee, 1989), more recently, other violations of expectations and clowning also have been identified as ubiquitous during the first two years of life (e.g., Loizou, 2005; Reddy, 2001). We examined the pragmatics of one 30-month-old girl's humor, and determined how it interactively harnessed the cognitive, linguistic, and socio-emotional resources available to her negotiations within her familial context. Using the methodology of a Day in the Life of a toddler in early childhood (Gillen et al., 2006), the child's entire waking day was videotaped, and all interactions were transcribed and analyzed. We identified many instances of humor, and categorized them into four major types: clowning, teasing, jokes and playful language, and physical actions. Humor served both socio-emotional and cognitive-linguistic functions, and we confirmed Reddy's (2001) finding that early humor is interpersonally co-constructed: When humor operates within the child's inter-mental development zone (Mercer, 2000), it serves to inform her or his intra-mental growth; the inter-mental precedes and enables the intra-mental.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,003
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,133
Tête enseignante GPT0,397
Écart entre enseignants0,264 · 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'étudeQualitatif
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

Citations28
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research in Childhood EducationMême sujetHumor Studies and ApplicationsTravaux en français237 207