MétaCan
Menu
Retour à la cohorte
Enregistrement W2125092189 · doi:10.1037/0012-1649.43.6.1523

Penetrating the geometric module: Catalyzing children's use of landmarks.

2007· article· en· W2125092189 sur OpenAlexafffund
Alexandra D. Twyman, Alinda Friedman, Marcia L. Spetch

Notice bibliographique

RevueDevelopmental Psychology · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueSpatial Cognition and Navigation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLandmarkEquilateral triangleSalientPsychologySet (abstract data type)Artificial intelligenceRepresentation (politics)CommunicationGroup (periodic table)GeometryPattern recognition (psychology)Computer visionDevelopmental psychologyCognitive psychologyComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

We used a reference memory paradigm to examine whether 4- and 5-year-old children could be trained to use landmark features to relocate targets after disorientation. In Experiment 1, half of the children were pretrained in a small equilateral triangle-shaped room. Each of the three walls was a different color, and the target was always in the middle of the yellow wall. These children and a control group were tested in a small rectangular room with three white walls and one yellow wall; the target was placed in one of the corners. Children with pretraining responded more frequently to the correct corner than to the diagonally congruent corner on their first set of four trials in the rectangular room, whereas the children in the control group used geometric cues exclusively. Three additional groups of children (Experiment 2) showed that the use of landmark features--both salient and subtle--can be learned in as few as four practice trials in a small rectangular room. The data support the view that both geometry and landmark features are adaptively combined in the same representation.

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)0,002
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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,026
Tête enseignante GPT0,267
Écart entre enseignants0,241 · 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

Citations95
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDevelopmental PsychologyMême sujetSpatial Cognition and NavigationTravaux en français237 207