MétaCan
Menu
Retour à la cohorte
Enregistrement W2128723818 · doi:10.1111/j.1467-8624.2010.01572.x

Two-Year-Olds Use the Generic/Nongeneric Distinction to Guide Their Inferences About Novel Kinds

2011· article· en· W2128723818 sur OpenAlexafffund
Susan A. Graham, Samantha L. Nayer, Susan A. Gelman

Notice bibliographique

RevueChild Development · 2011
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensUniversity of Calgary
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNational Institute of Child Health and Human DevelopmentCanadian Institutes of Health ResearchNational Institutes of HealthFondation pour la Recherche MédicaleNatural Sciences and Engineering Research Council of CanadaEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentCanada Research Chairs
Mots-clésPsychologyCognitive psychologyChild developmentDevelopmental psychologyCognitive science

Résumé

récupéré en direct d'OpenAlex

These studies investigated two hundred and forty-four 24- and 30-month-olds' sensitivity to generic versus nongeneric language when acquiring knowledge about novel kinds. Toddlers were administered an inductive inference task, during which they heard a generic noun phrase (e.g., "Blicks drink milk") or a nongeneric noun phrase (e.g., "This blick drinks milk") paired with an action (e.g., drinking) modeled on an object. They were then provided with the model and a nonmodel exemplar and asked to imitate the action. After hearing nongeneric phrases, 30-month-olds, but not 24-month-olds, imitated more often with the model than with the nonmodel exemplar. In contrast, after hearing generic phrases, 30-month-olds imitated equally often with both exemplars. These results suggest that 30-month-olds use the generic/nongeneric distinction to guide their inferences about novel kinds.

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)0,003
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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)0,0010,001

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 Opus0,069
Tête enseignante GPT0,280
Écart entre enseignants0,211 · 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

Citations62
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChild DevelopmentMême sujetChild and Animal Learning DevelopmentTravaux en français237 207