Children dynamically update and extend the interface between number words and perceptual magnitudes
Notice bibliographique
Résumé
Abstract As adults, we represent and think about number, space, and time in at least two ways: our intuitive—but imprecise—perceptual representations, and the slowly learned—but precise—number words. With development, these representational formats interface, allowing us to use precise number words to estimate imprecise perceptual experiences. We test two accounts of this developmental milestone. Either slowly learned associations are required for the interface to form, predicting that deviations from typical experiences (e.g., presentation of a novel unit or unpracticed dimension) will disrupt children's ability to map number words to their perceptual experiences or children's understanding of the logical similarity between number words and perceptual representations allows them to flexibly extend this interface to novel experiences (e.g., units and dimensions they have not yet learned how to formally measure). 5–11‐year‐olds completed verbal estimation and perceptual sensitivity tasks across three dimensions: Number, Length, and Area. For verbal estimation, they were given novel units (i.e., a three‐dot unit called one “toma” for Number, a 44 px long line called one “blicket” for Length, a 111 px 2 blob called one “modi” for Area) and asked to estimate how many tomas/blickets/modies they saw when shown a larger set of dots, lines, and blobs. Children could flexibly link number words to novel units across dimensions, demonstrating positive estimation slopes, even for Length and Area, which younger children had limited experience with. This suggests that the logic of structure mapping can be dynamically utilized across perceptual dimensions, even without extensive experience.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».