MétaCan
Menu
Retour à la cohorte
Enregistrement W2122616458 · doi:10.1111/j.1467-7687.2011.01105.x

Refining the understanding of inhibitory processes: how response prepotency is created and overcome

2011· article· en· W2122616458 sur OpenAlexaff
Andrew Simpson, Kevin J. Riggs, Sarah R. Beck, Sarah L. Gorniak, Yvette Wu, David Abbott, Adele Diamond

Notice bibliographique

RevueDevelopmental Science · 2011
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensBC Children's HospitalUniversity of British Columbia
Organismes subventionnairesNational Institute on Drug Abuse
Mots-clésPsychologyStimulus (psychology)Stroop effectCognitive psychologyStimulus–response modelResponse inhibitionEveryday lifeSet (abstract data type)Developmental psychologyCognitionComputer scienceNeuroscience

Résumé

récupéré en direct d'OpenAlex

Understanding (a) how responses become prepotent provides insights into when inhibition is needed in everyday life. Understanding (b) how response prepotency is overcome provides insights for helping children develop strategies for overcoming such tendencies. Concerning (a), on tasks such as the day-night Stroop-like task, is the difficulty with inhibiting saying the name of the stimulus due to the name being semantically related to the correct response or to its being a valid response on the task (i.e. a member of the response set) though incorrect for this stimulus? Experiment 1 (with 40 4-year-olds) suggests that prepotency is caused by membership in the response set and not semantic relation. Concerning (b), Diamond, Kirkham and Amso (2002) found that 4-year-olds could succeed on the day-night task if the experimenter sang a ditty after showing the stimulus card, before the child was to respond. They concluded that it was because delaying children's responses gave them time to compute the correct answer. However, Experiment 2 (with 90 3-year-olds) suggests that such a delay helps because it gives the incorrect, prepotent response time to passively dissipate, not because of active computation during the delay.

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)0,006
score de la tête « metaresearch » (Gemma)0,016
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: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,019
Communication savante0,0080,020
Science ouverte0,0040,003
Intégrité de la recherche0,0030,008
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,102
Tête enseignante GPT0,280
Écart entre enseignants0,179 · 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

Citations91
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDevelopmental ScienceMême sujetChild and Animal Learning DevelopmentTravaux en français237 207