MétaCan
Menu
Retour à la cohorte
Enregistrement W2237347655 · doi:10.1111/cdev.12855

When You're Happy and I Know It: Four-Year-Olds’ Emotional Perspective Taking During Online Language Comprehension

2017· article· en· W2237347655 sur OpenAlexafffund
Melanie Khu, Craig G. Chambers, Susan A. Graham

Notice bibliographique

RevueChild Development · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensUniversity of TorontoUniversity of Calgary
Organismes subventionnairesKillam TrustsSocial Sciences and Humanities Research Council of CanadaCanada Research ChairsCanada Foundation for InnovationUniversity of Calgary
Mots-clésPsychologyPerspective-takingPerspective (graphical)ComprehensionCognitionCognitive psychologyVocabularyEmotional expressionDevelopmental psychologySocial psychologyLinguisticsEmpathy

Résumé

récupéré en direct d'OpenAlex

Using a novel emotional perspective-taking task, this study investigated 4-year-olds' (n = 97) use of a speaker's emotional prosody to make inferences about the speaker's emotional state and, correspondingly, their communicative intent. Eye gaze measures indicated preschoolers used emotional perspective inferences to guide their real-time interpretation of ambiguous statements. However, these sensitivities were less apparent in overt responses, suggesting preschoolers' ability to integrate emotional perspective cues is at an emergent state. Perspective taking during online language processing was positively correlated with receptive vocabulary and an offline measure of emotional perspective taking, but not with cognitive perspective taking, conflict or delay inhibitory control, or working memory. Together, the results underscore how children's emerging communicative competence involves different kinds of perspective inferences with distinct cognitive underpinnings.

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)0,005
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,035
Tête enseignante GPT0,313
Écart entre enseignants0,278 · 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

Citations19
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChild DevelopmentMême sujetChild and Animal Learning DevelopmentTravaux en français237 207