Learning Nouns and Verbs using Cross-situational Statistics
Notice bibliographique
Résumé
Cross-situational learning is the process of associating words and referents across multiple individually ambiguous contexts. Our experiment uses eye-tracking technology to investigate the effects of word order on the cross-situational learning of nouns and verbs in 2.5 year old children. Participants watch a video in which novel objects and actions are presented simultaneously with novel words, and are tested on their understanding of these words following a five-minute break. The organization of the words is varied across three conditions by modifying the order of the object-referring word (noun) and action-referring word (verb): phrases are presented in noun-verb, verb-noun, or flexible word orders. Our research question investigates whether experience influences learning. As the standard word order in English is noun-verb, we hypothesize that if experience influences learning, participants will learn better in the noun-verb condition. We are also interested in whether nouns and verbs are learned equally well, and whether any differences in learning are related to the word order. Furthermore, children were presented with trials consisting of two familiar nouns and two familiar verbs. Eye tracking data from these trials were compared to test trial data to assess eye movement signatures of noun and verb recognition. Preliminary analyses provide stronger evidence of learning in the noun-verb condition than other word orders. We also see that the speed with which children oriented to the target on noun trials differ from verb trials. We further suggest that the study will contribute to our understanding of language learning and a more reliable interpretation of eye-tracking measures in research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».