MétaCan
Menu
Retour à la cohorte
Enregistrement W3041956655 · doi:10.1111/infa.12354

14‐month‐olds exploit verbs’ syntactic contexts to build expectations about novel words

2020· article· en· W3041956655 sur OpenAlexaff
Mireille Babineau, Rushen Shi, Anne Christophe

Notice bibliographique

RevueInfancy · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesH2020 Marie Skłodowska-Curie ActionsAgence Nationale de la RechercheFondation FyssenH2020 European Research CouncilHorizon 2020 Framework ProgrammeFondation de France
Mots-clésPronounNounDeterminerLinguisticsPsychologyContext (archaeology)Grammatical categoryFunction (biology)SyntaxProper nounPersonal pronounComputer scienceArtificial intelligenceHistoryPhilosophy

Résumé

récupéré en direct d'OpenAlex

During their second year of life, infants develop a rudimentary understanding of grammatical categories based on their knowledge and use of frequent function words. The current study inquired whether, at only 14 months of age, infants can track co-occurrence patterns between function words and content words (e.g., determiners can precede nouns, and pronouns can precede verbs), and use these previously encountered syntactic contexts to build expectations about which function words can co-occur with novel words. Using a habituation paradigm, French-learning 14-month-olds were presented with utterances containing two novel words preceded by function words (either two determiners in the Novel Nouns condition or two pronouns in the Novel Verbs conditions). We found that at test, infants looked longer during trials in which the novel words occurred in an unexpected syntactic context (following a pronoun for infants in the Novel Nouns condition and following a determiner for infants in the pooled analysis of the three Novel Verbs conditions). Hence, our results confirm previous findings on infants' sensitivity to noun contexts and most importantly demonstrate that their sensitivity to the co-occurrence of verbs with pronouns begins much earlier than previously understood.

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)0,002
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,001
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 Opus0,024
Tête enseignante GPT0,311
Écart entre enseignants0,287 · 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

Citations24
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInfancyMême sujetLanguage Development and DisordersTravaux en français237 207