MétaCan
Menu
Retour à la cohorte
Enregistrement W203237236

Joining intentions in infancy

2015· article· en· W203237236 sur OpenAlexaboutno aff
Vasudevi Reddy

Notice bibliographique

RevueJournal of Consciousness Studies · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyPerceptionVariety (cybernetics)Social psychologyDevelopmental psychologyQuarter (Canadian coin)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In order to understand how infants come to understand others' intentions we need first to study how intentional engagements occur in early development. Engaging with intentions requires that they are, first of all, potentially available to perception and, second, that they are meaningful to the perceiver. I argue that in typical development it is in the infant's responses to others' infant-directed intentional actions that others' intentions first become meaningful. And that it is through the meaningful joining of intentions that understanding continues to develop. I use three common arenas in the first year to illustrate this claim: infants'anticipatory adjustments to being picked up, infants' emerging compliance to others' directives, and infant teasing. Even by the age of two months infants adjust their postures appropriately, gazing at the adult's face as they approach with arms outstretched to pick them up. From the middle of the first year infants come to recognize the meanings of verbal directives and start to comply with them, being drawn further into the cultural worlds of their families. In the last quarter of the first year infants start to playfully tease and foil others' intentions in a variety of ways, actively redirecting the course of intentional engagements. Others' intentions are thus increasingly available to infants, allowing cooperation, challenge, and further elaboration. Joint intentional actions are best understood as the processes through which intention awareness develops rather than just as the products of such awareness.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,004
Communication savante0,0030,003
Science ouverte0,0000,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,088
Tête enseignante GPT0,376
Écart entre enseignants0,288 · 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

Citations48
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Consciousness StudiesMême sujetChild and Animal Learning DevelopmentTravaux en français237 207