Measuring Shyness in Children Online
Notice bibliographique
Résumé
During the pandemic, developmental psychology research labs had to adapt to virtual testing methods. Many labs continue to conduct online studies even as restrictions have been lifted, as these methods extend the geographical range of participating families. However, online testing methods cannot always match in-person procedures. For example, psychologists often measure behaviours that indicate shyness in children during in-person laboratory visits that include contexts such as giving a public speech or interacting with confederates. To adapt this method to a virtual environment, Dr. MacGowan has recently innovated a new procedure for studying shyness within an online, synchronous testing session. Dr. MacGowan's ongoing eProsocial study evaluates children’s behavioral shyness during synchronous sessions on Zoom. This is accomplished by having an experimenter posed as a child confederate named “Sam” log on with a gender-matched profile picture of a child; participants are told that Sam is the next child scheduled for a testing session. The lead experimenter leaves the participant to “chat” with Sam and the disguised researcher uses 7 pre-recorded audio clips of a real child’s voice to facilitate conversations with the participant (e.g., “What grade are you in?”). When the lead experimenter returns, they perform a manipulation check to gauge if the child is suspicious of Sam’s existence by asking “What did you think of Sam?”. A total of 194 sessions have been conducted to date, and only one participant has indicated doubt in the existence of Sam during manipulation checks. These results exhibit initial construct validity. To further examine validity, research assistants will code shyness behaviours, such as latency to respond, and compare this data to caregiver shyness reports. Dr MacGowan’s approach to measuring shyness in an online setting is promising, and other developmental researchers should consider replicating this paradigm in future studies.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».