MétaCan
Menu
Retour à la cohorte
Enregistrement W2782016767 · doi:10.1371/journal.pone.0190185

Very young infants learn abstract rules in the visual modality

2018· article· en· W2782016767 sur OpenAlexfundno aff
Brock Ferguson, Steven Franconeri, Sandra R. Waxman

Notice bibliographique

RevuePLoS ONE · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensnon disponible
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentSocial Sciences and Humanities Research Council of CanadaNational Institutes of HealthNational Science Foundation
Mots-clésModality (human–computer interaction)ModalitiesPerceptionCognitionVisual perceptionStimulus modalityComputer scienceCognitive psychologySpace (punctuation)Auditory perceptionConcept learningTask (project management)PsychologyArtificial intelligenceNeuroscience

Résumé

récupéré en direct d'OpenAlex

Abstracting the structure or 'rules' underlying observed patterns is central to mature cognition, yet research with infants suggests this far-reaching capacity is initially restricted to certain stimuli. Infants successfully abstract rules from auditory sequences (e.g., language), but fail when the same rules are presented as visual sequences (e.g., shapes). We propose that this apparent gap between rule learning in the auditory and visual modalities reflects the distinct requirements of the perceptual systems that interface with cognition: The auditory system efficiently extracts patterns from sequences structured in time, but the visual system best extracts patterns from sequences structured in space. Here, we provide the first evidence for this proposal with adults in an abstract rule learning task. We then reveal strong developmental continuity: infants as young as 3 months of age also successfully learn abstract rules in the visual modality when sequences are structured in space. This provides the earliest evidence to date of abstract rule learning in any modality.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,999

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)0,0020,003

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 Opus0,057
Tête enseignante GPT0,308
Écart entre enseignants0,251 · 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

Citations27
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetChild and Animal Learning DevelopmentTravaux en français237 207