MétaCan
Menu
Retour à la cohorte
Enregistrement W2590953650 · doi:10.1111/infa.12178

To Cue or Not to Cue: Toddlers’ Use of Beacons and Associative Cues in Object‐displacement Tasks

2017· article· en· W2590953650 sur OpenAlexaff
Diane Marie J. Mangalindan, Mark A. Schmuckler

Notice bibliographique

RevueInfancy · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPsychologyObject (grammar)Associative propertyBeaconLandmarkAssociative learningCommunicationTask (project management)Cognitive psychologyComputer visionComputer scienceArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

Two experiments examined 24- and 30-month-olds' use of different forms of landmark information in an object-displacement task involving a car rolling down a ramp whose trajectory was occluded by a screen containing doors. A pompom attached to the car, visible through a transparent window running across the screen, served as a cue for the car's location and functioned either as a beacon cue, directly guiding search to a given location, or an associative cue, indirectly marking target location. Interestingly, one way in which the cue information was modified from a beacon to an associative cue was in terms of the structure of the search apparatus, and not necessarily the cue information itself. Consistent with previous literature, 24-month-olds' search was significantly influenced by the shift from beacon to associative cue information, whereas 30-month-olds, although affected by the shift from one to the other, were less affected by this variation. These findings suggest that the cue drives attention to specific locations in space, with search behavior being more accurate when the cue directly marks the hiding location (i.e., beacon) than when the cue indirectly marks it (i.e., associative cue).

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)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,062
Tête enseignante GPT0,379
Écart entre enseignants0,317 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInfancyMême sujetChild and Animal Learning DevelopmentTravaux en français237 207