MétaCan
Menu
Retour à la cohorte
Enregistrement W4281293583 · doi:10.1002/dev.22272

Observed shyness leads to more automatic imitation in early childhood

2022· article· en· W4281293583 sur OpenAlexafffund
Taigan L. MacGowan, James Mirabelli, Sukhvinder S. Obhi, Louis A. Schmidt

Notice bibliographique

RevueDevelopmental Psychobiology · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueAction Observation and Synchronization
Établissements canadiensMcMaster University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésShynessImitationPsychologyDevelopmental psychologyCognitive psychologySocial psychologyAnxietyPsychiatry

Résumé

récupéré en direct d'OpenAlex

The authors investigated children's automatic imitation in the context of observed shyness by adapting the widely used automatic imitation task (AIT). AIT performance in 6-year-old children (N = 38; 22 female; 71% White) and young adults (17-22 years; N = 122; 99 female; 32% White) was first examined as a proof of concept and to assess age-related differences in responses to the task (Experiment 1). Although error rate measures of automatic imitation were comparable between children and adults, children displayed less reaction time interference than adults. Children's shyness coded from direct behavioral observations was then examined in relation to AIT scores (Experiment 2). Observed shyness at 5 years old predicted higher automatic imitation one year later. We discuss the latter findings in the context of an adaptive strategy. We argue that shy children may possess a heightened sensitivity to others' motor cues and therefore are more likely to implicitly imitate social partners' actions. This tendency may serve as a strategy to signal appeasement and affiliation, allowing for shy children to blend in and feel less inhibited in a social environment.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,048
Tête enseignante GPT0,309
Écart entre enseignants0,261 · 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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDevelopmental PsychobiologyMême sujetAction Observation and SynchronizationTravaux en français237 207