MétaCan
Menu
Retour à la cohorte
Enregistrement W3171364486 · doi:10.3389/fpsyg.2021.564479

Toddlers Using Tablets: They Engage, Play, and Learn

2021· article· en· W3171364486 sur OpenAlexafffund
Mary L. Courage, Lynn M. Frizzell, Colin S. Walsh, Megan Smith

Notice bibliographique

RevueFrontiers in Psychology · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPsychologyTouchscreenTask (project management)Motor skillGestureDevelopmental psychologyCognitive psychologyHuman–computer interactionComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Although very young children have unprecedented access to touchscreen devices, there is limited research on how successfully they operate these devices for play and learning. For infants and toddlers, whose cognitive, fine motor, and executive functions are immature, several basic questions are significant: (1) Can they operate a tablet purposefully to achieve a goal? (2) Can they acquire operating skills and learn new information from commercially available apps? (3) Do individual differences in executive functioning predict success in using and learning from the apps? Accordingly, 31 2-year-olds ( M = 30.82 month, SD = 2.70; 18 female) were compared with 29 3-year-olds ( M = 40.92 month, SD = 4.82; 13 female) using two commercially available apps with different task and skill requirements: (1) a shape matching app performed across 3 days, and (2) a storybook app with performance compared to that on a matched paper storybook. Children also completed (3) the Minnesota Executive Functioning Scale. An adult provided minimal scaffolding throughout. The results showed: (1) toddlers could provide simple goal-directed touch gestures and the manual interactions needed to operate the tablet (2) after controlling for prior experience with shape matching, toddlers’ increased success and efficiency, made fewer errors, decreased completion times, and required less scaffolding across trials, (3) they recognized more story content from the e-book and were less distracted than from the paper book, (4) executive functioning contributed unique variance to the outcome measures on both apps, and (5) 3-year-olds outperformed 2-year-olds on all measures. The results are discussed in terms of the potential of interactive devices to support toddlers’ learning.

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)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,036
Tête enseignante GPT0,334
Écart entre enseignants0,297 · 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

Citations32
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetChild Development and Digital TechnologyTravaux en français237 207