Young children’s use of probabilistic reliability and base-rates in decision-making
Notice bibliographique
Résumé
Children are skilled reasoners who readily use causal, reliability, and base-rate (i.e., prior probability) information in their decisions. Though these abilities are typically studied in isolation, children often must consider multiple pieces of information to make an informed decision. Four experiments (N = 320) explored the development of children's ability to use reliability and base-rate information when making decisions about draw outcomes. Experiment 1 examined the age at which children can first compare and choose between probabilistically reliable machines. Three- and 4-year-old children saw machines that were probabilistically reliable at obtaining objects while sampling from uniform distributions (i.e., all target or non-target objects). Although 4-year-old children correctly used reliability in their decisions, 3-year-olds did not. In Experiment 2a, 4- to 6-year-olds were presented with the same probabilistically reliable machines, although they sampled from a mixture of target and non-target items. Here, children tended to choose the machine with the better proportion of targets, regardless of reliability. This was replicated in Experiment 2b. In Experiment 3, children were presented with one perfectly reliable machine and one probabilistically unreliable machine. Here, children continued to mostly choose the machine with the better proportion of targets. These results raise questions about base-rate overuse early in development and highlight the need for additional work on children's ability to use multiple pieces of information in decision-making.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».