MétaCan
Menu
Retour à la cohorte
Enregistrement W2495833422 · doi:10.1093/acprof:oso/9780195170009.003.0021

East and West: A Role for Culture in the Acquisition of Nouns and Verbs

2006· book-chapter· en· W2495833422 sur OpenAlexaff
Tracy Lavin, D. Geoffrey Hall, Sandra R. Waxman

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNounFocus (optics)LinguisticsPsychologyWord (group theory)Class (philosophy)Computer scienceArtificial intelligencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstract This chapter presents a multifactor view of word learning, opting for a social explanation based in cultural factors. Using a modification of Gillette and Gleitman's human simulation paradigm, researchers asked adult subjects (Western students, Japanese students, and second-generation Japanese students) to guess the words an American mother was saying to her child in the play scenes. They did not specify the form class of the word to be supplied. The general prediction was that Japanese students would focus on actions more than nouns and vice versa for the Western students. They found that all three groups identified more nouns than verbs but that this effect was more pronounced with the Western students. However, there were no differences in the number of correct matches for nouns between the three groups or for the accuracy of the verbs guessed. These results suggest that cultural factors may indeed influence the English-speaking child to learn more nouns than verbs.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,908
Score d'incertitude au seuil0,309

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,244
Écart entre enseignants0,231 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetChild and Animal Learning DevelopmentTravaux en français237 207