MétaCan
Menu
Retour à la cohorte
Enregistrement W2477789471 · doi:10.1037/dev0000183

Generics license 30-month-olds’ inferences about the atypical properties of novel kinds.

2016· article· en· W2477789471 sur OpenAlexafffund
Susan A. Graham, Susan A. Gelman, Jessica Clarke

Notice bibliographique

RevueDevelopmental Psychology · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensUniversity of CalgaryUniversity of Alberta
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 CanadaCanada Research ChairsCanada Foundation for Innovation
Mots-clésPsychologyDevelopmental psychologyLicenseCognitive psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

We examined whether the distinction between generic and nongeneric language provides toddlers with a rapid and efficient means to learn about kinds. In Experiment 1, we examined 30-month-olds' willingness to extend atypical properties to members of an unfamiliar category when the properties were introduced in 1 of 3 ways: (a) using a generic noun phrase ("Blicks drink ketchup"); (b) using a nongeneric noun phrase ("These blicks drink ketchup"); and (c) using an attentional phrase ("Look at this"). Hearing a generic noun phrase boosted toddlers' extension of properties to both the model exemplars and to novel members of the same category, relative to when a property had been introduced with a nongeneric noun phrase or an attentional phrase. In Experiment 2, properties were introduced with a generic noun phrase, and toddlers extended novel properties to members of the same-category, but not to an out-of-category object. Taken together, these findings demonstrate that generics highlight the stability of a feature and foster generalization of the property to novel within-category exemplars. (PsycINFO Database Record

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,553
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,080
Tête enseignante GPT0,318
Écart entre enseignants0,237 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations26
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDevelopmental PsychologyMême sujetChild and Animal Learning DevelopmentTravaux en français237 207