MétaCan
Menu
Retour à la cohorte
Enregistrement W4232163482 · doi:10.31234/osf.io/qmgdp

Getting Help for Others: An Examination of Indirect Helping in Young Children

2018· preprint· en· W4232163482 sur OpenAlexafffund
Tara A. Karasewich, Valerie A. Kuhlmeier, Jonathan S. Beier, Kristen A. Dunfield

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensQueen's University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaQueen's University
Mots-clésProsocial behaviorPsychologyCognitionAgency (philosophy)Action (physics)Task (project management)Helping behaviorDevelopmental psychologySocial psychologyEvent (particle physics)Sense of agencySocial cognition

Résumé

récupéré en direct d'OpenAlex

When young children recruit others to help a person in need, media reports often treat it as a remarkable event. Yet it is unclear how commonly children perform this type of prosocial behavior and what forms of social understanding, cognitive abilities, and motivational factors promote or discourage it. In this study, 48 3- to 4-year-old children could choose between two actors to retrieve an out-of-reach object for a third person; during this event, one actor was physically unable to provide help. Nearly all of children’s responses appropriately incorporated the actors’ action capacities, indicating that rational prosocial reasoning – the cognitive basis for effective indirect helping – is common at this young age. However, only half of children actually directed an actor to help, suggesting that additional motivational factors constrained their prosocial actions. A behavioral measure of social inhibition and within-task scaffolding that increased children’s personal involvement were both strongly associated with children’s initiation of indirect helping behavior. These results highlight social inhibition and recognizing one’s own potential agency as key motivational challenges that children must overcome to recruit help for others.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,245
Score d'incertitude au seuil0,845

Scores Codex et Gemma par catégorie

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

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 Opus0,031
Tête enseignante GPT0,314
Écart entre enseignants0,283 · 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 tête enseignante, 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

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetChild and Animal Learning DevelopmentTravaux en français237 207