Quantifying children's sensorimotor experience: Child body-object interaction ratings for 3,359 English words
Notice bibliographique
Résumé
Body-object interaction (BOI) ratings measure how easily the human body can physically interact with a word's referent. Previous research has found that words higher in BOI tend to be processed more quickly and accurately in tasks such as lexical decision, semantic decision, and syntactic classification, suggesting that sensorimotor information is an important aspect of lexical knowledge. However, limited research has examined the importance of sensorimotor information from a developmental perspective. One barrier to addressing such theoretical questions has been a lack of semantic dimension ratings that take into account child sensorimotor experience. The goal of the current study was to collect Child BOI rating norms. Parents of children aged 5 – 9-years-old were asked to rate words according to how easily an average 6-year-old child can interact with each word’s referent. The relationships of Child and Adult BOI ratings with other lexical semantic dimensions were assessed, as well as the relationships of Child and Adult BOI ratings with age of acquisition. Child BOI ratings were more strongly related to valence and sensory experience ratings than Adult BOI ratings and were a better predictor of three different measures of age of acquisition. The results suggest that child-centric ratings such as those reported here provide a more sensitive measure of children’s experience that can be used to address theoretical questions in embodied cognition from a developmental perspective.
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 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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 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 tête enseignante, 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 ».