MétaCan
Menu
Retour à la cohorte
Enregistrement W2593579039 · doi:10.1515/plc-2016-0018

Young-School-Aged Children’s Use of Direct and Indirect Persuasion: Role of Intentionality Understanding

2016· article· en· W2593579039 sur OpenAlexaff
Anna Kołodziejczyk, Sandra Bosacki

Notice bibliographique

RevuePsychology of Language and Communication · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésPersuasionIntentionalityPsychologyNarrativeCognitionContext (archaeology)Developmental psychologySocial cognitionSocial psychologyTheory of mindCognitive psychologyEpistemology

Résumé

récupéré en direct d'OpenAlex

Abstract Recent research suggests that social cognitive abilities, particularly the theory of mind (ToM), play a role in the development of persuasion in early and middle childhood. This study investigated the relations between children’s intentionality understanding and early persuasive skills, especially the ability to use direct and indirect persuasive strategies in symmetric and asymmetric relational context. Ninety-five 5- to 7-year-olds participated in a narrative task that described persuasive situations with parents and peers and answered questions in intentionality understanding stories. Results showed that participants used indirect strategies less often than direct proposals. To persuade their parents, participants used more direct than indirect persuasive strategies, while this difference was not significant for peer persuasion. Correlation analysis revealed that independent of age and expressive language ability, intentionality understanding significantly predicted participants’ number of persuasive proposals and the use of direct and indirect bilateral persuasive strategies. Implications for theory and practice are discussed.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,046
Tête enseignante GPT0,314
Écart entre enseignants0,268 · 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

Citations26
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychology of Language and CommunicationMême sujetChild and Animal Learning DevelopmentTravaux en français237 207