MétaCan
Menu
Retour à la cohorte
Enregistrement W4386480683 · doi:10.31234/osf.io/dujth

The icing on the cake. Or is it frosting? The influence of group membership on children's lexical choices

2023· preprint· en· W4386480683 sur OpenAlexaffabout
Thomas St. Pierre, Jida Jaffan, Craig G. Chambers, Elizabeth A. Johnson

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueChild and Animal Learning Development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMirroringPsychologyConstruct (python library)Social psychologyNegotiationGroup (periodic table)LinguisticsCognitive psychologyDevelopmental psychologyComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

Using language to construct/negotiate identity and signal affiliation with others is a highly complex skill, and little is known about how this ability develops. Children clearly mirror lexical patterns in their local environment (e.g., Canadian children using zed instead of zee), but do children flexibly adapt their lexical choices on the fly in response to the word choices of different peer groups? To address this question, we examined the effect of group membership on 7- to 9-year-old children’s labeling of objects in a trivia-type game, exploring whether children were more likely to use a particular label if members of their “team” also used that label. In a pre-registered, online study, children (N = 72) were assigned to a team (red or green) and were asked during experimental trials to answer questions—which had multiple possible answers (e.g., blackboard or chalkboard)— after hearing two teammates and two opponents (all pre-recorded) respond to the same question. Results showed that children were significantly more likely to produce labels less commonly used by the community (i.e., dispreferred labels) when their teammates had produced dispreferred labels. Crucially, this effect was tied to group membership, and could not be explained by children simply mirroring the labels used by all children in the game. We discuss the implications of this study for understanding how children use language to construct their identities and position themselves in relation to others.

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)0,002
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,346
Écart entre enseignants0,259 · 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetChild and Animal Learning DevelopmentTravaux en français237 207