Comprehension of Inferences in a Narrative in 3- to 6-Year-Old Children
Notice bibliographique
Résumé
Purpose: This study aimed to describe the development of inferential abilities of children age 3 to 6 years in a narrative using a dialogic reading task on an iPad. Method: Participants were 121 typically developing children, divided into 3 groups according to age range (3-4 years old, 4-5 years old, 5-6 years old). Total score of inferential comprehension, subscores by causal inference type targeting elements of the story grammar, and quality of response were examined across groups. Results: Inferential comprehension emerged early, from 3 to 4 years old, with considerable interindividual variability. Inferential comprehension scores increased significantly in relation to age, leading to developmental steps with regards to the type of causal inferences. The ability to infer the problem of the story, the internal response of a character, and predictions were easier starting at age 4 years. Then, the 5- to 6-year-olds were better able to infer the goal, the attempt to solve the problem, and the resolution. Last, between the ages of 3 and 6 years, children improved in terms of the quality of response they provided. Conclusion: This study addresses important gaps in our knowledge of inferential comprehension in young children and has implications for planning of early education in this realm.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».