MétaCan
Menu
Retour à la cohorte
Enregistrement W2806430329 · doi:10.5539/ijps.v10n2p91

Relational Language Improves Preschool Children’s Performance of Analogical Reasoning

2018· article· en· W2806430329 sur OpenAlexvenueno aff
Chenguang Du, Yasuo Miyazaki, Michael Cook, Joanna Papadopoulos, Yuan Hao

Notice bibliographique

RevueInternational Journal of Psychological Studies · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyTask (project management)Analogical reasoningObject (grammar)Developmental psychologyCognitive psychologyAnalogyLinguisticsArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

The current study explored how relational language influenced the analogical reasoning among preschool children in China. Children (aged 4.5 and 5.5) in Experiment 1 were asked to complete a cross-mapped task where the object match competed with the relational match. The ANOVA results showed that the performance of both 4.5-year-olds and 4.5-year-olds were significantly improved after they heard Relational Language, F (1, 68) =44.821,p<0.05, η2=0.40. In Experiment 2, different distractors were added to the cross-mapped task and the 5.5-year-olds were replaced by 3.5 year-olds. The results demonstrated that the facilitating effect of Relational Language still existed among the youngest children and the performance of 4.5-year-olds was better than the 3.5-year-olds, F(1, 68)=6.76, p<0.05, η2=0.09. Furthermore, both age groups performed the worst under the distractor condition, indicating that the distractors made analogical reasoning more difficult, especially for the youngest children. Taken together, the current findings suggested that the facilitating effects of relational language in relational reasoning could also be observed in a broader sample.

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)0,001
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 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 enseignants0,088
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0020,000

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 Opus0,044
Tête enseignante GPT0,381
Écart entre enseignants0,337 · 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.

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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Psychological StudiesMême sujetChild and Animal Learning DevelopmentTravaux en français237 207