Language level predicts perceptual categorization of complex reversible events in children
Notice bibliographique
Résumé
Language plays a well-documented role in perceptual object categorization, but little is known about its role in the categorization of complex events. We explored this here with a perspective from age or developmentally appropriate language capacities in neurotypical children between the ages of two and four years (N = 21), and from delayed language development in a clinical group of children (N = 20), whose verbal mental ages (VMA) often fell far below their chronological ages (CAs). All participants watched two demonstrations of a series of transitive events (e.g. tiger jumps over a girl ). The toy agents were then moved out of sight, and participants had to act out the same event type, based on a different tiger and girl that were selected among two distractors. We aimed to determine how mastery of this task relates to CA in the neurotypical group, and whether task performance in the clinical group was predicted by VMA and a standardized measure of grammatical comprehension. Results from a series of logistic mixed-effect regression models showed that neurotypical children start to perform correctly on this task with a chance of around 50% during their third year of CA but reach ceiling performance only during their fourth. A similar pattern emerged for VMA in the clinical group, despite a wide range of CAs and diagnoses. In addition, grammatical comprehension predicted performance. These patterns suggest that language competence plays a role in the perceptual categorization and encoding of complex reversible events.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».