MétaCan
Menu
Retour à la cohorte
Enregistrement W2120452741 · doi:10.1037/a0029472

Developmental change in the acuity of approximate number and area representations.

2012· article· en· W2120452741 sur OpenAlexfundno aff
Darko Odic, Melissa E. Libertus, Lisa Feigenson, Justin Halberda

Notice bibliographique

RevueDevelopmental Psychology · 2012
Typearticle
Langueen
DomaineMathematics
ThématiqueCognitive and developmental aspects of mathematical skills
Établissements canadiensnon disponible
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Child Health and Human DevelopmentNatural Sciences and Engineering Research Council of Canada
Mots-clésPsychologyDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

From very early in life, humans can approximate the number and surface area of objects in a scene. The ability to discriminate between 2 approximate quantities, whether number or area, critically depends on the ratio between the quantities, with the most difficult ratio that a participant can reliably discriminate known as the Weber fraction. While developmental improvements in the Weber fraction have been demonstrated for number, the developmental trajectory of improvement in area discrimination remains unknown. Here we investigated whether the development of area discrimination parallels that of number discrimination. We tested forty 3- to 6-year-old children and adults in both a number and an area discrimination task in which participants selected the greater of 2 quantities across a range of ratios. We used formal psychophysical models to derive, for each participant and each age group, the Weber fraction for both number and area discrimination. We found that, like number acuity, area acuity steadily improves during childhood. However, we also found area acuity to be consistently higher than number acuity, suggesting a potential difference in the underlying mechanisms that encode and/or represent approximate area and approximate number. We discuss these findings in the context of quantity processing and its development.

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)0,007
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 seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0020,000

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 Opus0,145
Tête enseignante GPT0,406
Écart entre enseignants0,261 · 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

Citations186
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDevelopmental PsychologyMême sujetCognitive and developmental aspects of mathematical skillsTravaux en français237 207