MétaCan
Menu
Retour à la cohorte
Enregistrement W4238194496 · doi:10.1145/1734454.1734511

Do children perceive robots as alive?

2010· article· en· W4238194496 sur OpenAlexaffabout
Tanya Beran, Alejandro Ramirez-Serrano

Notice bibliographique

RevueProceeding of the 5th ACM/IEEE international conference on Human-robot interaction - HRI '10 · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueSocial Robot Interaction and HRI
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAnimismRobotSet (abstract data type)PsychologyTask (project management)CognitionSoulDevelopmental psychologyCognitive psychologyComputer scienceArtificial intelligenceSociologyEngineeringEpistemologyAnthropology

Résumé

récupéré en direct d'OpenAlex

Centuries ago, the existence of life was explained by the presence of a soul [1]. Known as animism, this term was re-defined in the 1970s by Piaget as young children's beliefs that inanimate objects are capable of actions and have lifelike qualities. With the development of robots in the 21st century, researchers have yet to examine whether animism is apparent in children's impressions of robots. The purpose of this study was to examine children's perspectives about the cognitive, affective, and behavioral attributes of a robot. Visitors to a science centre located in a major Western Canadian city were invited to participate in an experiment set up at the centre. A total of 198 children ages 5 to 16 years (M = 8.18 years) with an approximate even number of boys and girls participated. Children were interviewed after observing a robot, a small 5 degree of freedom robot arm, perform a block stacking task. Answers to the six questions about the robot were scored according to whether they referenced humanistic qualities. Frequency and content analysis results suggest that a significant proportion of children ascribe cognitive, affective, and behavioral characteristics to robots.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,488
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0900,004

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 Opus0,268
Tête enseignante GPT0,498
Écart entre enseignants0,230 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
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

Citations2
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceeding of the 5th ACM/IEEE international conference on Human-robot interaction - HRI '10Même sujetSocial Robot Interaction and HRITravaux en français237 207