Conducting Event-Related Potential (ERP) Research With Young Children
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
There has been an unprecedented increase in the number of research studies employing event-related potential (ERP) techniques to examine dynamic and rapidly-occurring neural processes with children during the preschool and early childhood years. Despite this, there has been little discussion of the methodological and procedural differences that exist for studies of young children versus older children and adults. That is, reviewers, editors, and consumers of this work often expect developmental studies to simply apply adult techniques and procedures to younger samples. Procedurally, this creates unrealistic expectations for research paradigms, data collection, and data reduction and analyses. Scientifically, this leads to inappropriate measures and methods that hinder drawing conclusions and advancing theory. Based on ERP work with preschoolers and young children from 10 laboratories across North America, we present a summary of the most common ERP components under study in the area of emotion and cognition in young children along with 13 realistic expectations for data collection and loss, laboratory procedures and paradigms, data processing, ERP averaging, and typical challenges for conducting this type of work. This work is intended to supplement previous guidelines for work with adults and offer insights to aid researchers, reviewers, and editors in the design and evaluation of developmental research using ERPs. Here we make recommendations for researchers who plan to conduct or who are conducting ERP studies in children between ages 2 and 12, focusing on studies of toddlers and preschoolers. Recommendations are based on both data and our cumulative experience and include guidelines for laboratory setup, equipment and recording settings, task design, and data processing.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle