MétaCan
Menu
Retour à la cohorte
Enregistrement W2112377897 · doi:10.3389/fpsyg.2014.00283

Do cavies talk? The effect of anthropomorphic picture books on children's knowledge about animals

2014· article· en· W2112377897 sur OpenAlexaff
Patricia A. Ganea, Caitlin F. Canfield, Kadria Simons-Ghafari, Tommy Chou

Notice bibliographique

RevueFrontiers in Psychology · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueAnimal and Plant Science Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPsychologyReading (process)Affect (linguistics)ClothingPicture booksDevelopmental psychologyCognitive psychologyCommunicationVisual artsLinguisticsArtHistory

Résumé

récupéré en direct d'OpenAlex

Many books for young children present animals in fantastical and unrealistic ways, such as wearing clothes, talking and engaging in human-like activities. This research examined whether anthropomorphism in children's books affects children's learning and conceptions of animals, by specifically assessing the impact of depictions (a bird wearing clothes and reading a book) and language (bird described as talking and as having human intentions). In Study 1, 3-, 4-, and 5-year-old children saw picture books featuring realistic drawings of a novel animal. Half of the children also heard factual, realistic language, while the other half heard anthropomorphized language. In Study 2, we replicated the first study using anthropomorphic illustrations of real animals. The results show that the language used to describe animals in books has an effect on children's tendency to attribute human-like traits to animals, and that anthropomorphic storybooks affect younger children's learning of novel facts about animals. These results indicate that anthropomorphized animals in books may not only lead to less learning but also influence children's conceptual knowledge of animals.

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)0,024
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 enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,024
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,013
Tête enseignante GPT0,326
Écart entre enseignants0,313 · 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

Citations168
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetAnimal and Plant Science EducationTravaux en français237 207