MétaCan
Menu
Retour à la cohorte
Enregistrement W4387583983 · doi:10.3138/cart-2022-0016

What Do Children Draw When Asked to Draw a Map? Results of a Mental Map Experiment

2023· article· en· W4387583983 sur OpenAlexvenueno aff
Heather Swienton, Alberto Giordano, Ronald R. Hagelman

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueSpatial Cognition and Navigation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental mappingRepresentation (politics)Mental representationMind mapNatural (archaeology)PsychologyCartographyMental imageGeographyCognitive psychologyMathematics educationCognitionArchaeology

Résumé

récupéré en direct d'OpenAlex

When asked to draw a map reflecting on their experience, what do children draw? The authors offer possible answers through the eyes of children aged 6 to 14 who visited the Meadows Center for Water and the Environment on the campus of Texas State University; the 332 maps children were asked to draw after their visit are the focus. Results indicate that according to children, a map can be qualitatively understood as a graphic representation of the child’s experience that includes people and animals, places, and events, and natural and built environments. Children use both mimetic and abstract symbols that vary in shape, are often used repeatedly to create texture or patterns, and can vary in colour that often—but not always—abide by traditional colour denotations. Cartographic scales, legends, or north arrows are rarely used. The abundant use of written labels or descriptive words on their maps suggests that children understand maps as an expressive form that blends symbols and text. In efforts to contribute to the ultimate questioning of what makes a map a map, this study provides a strong empirical case for the what and how of children’s map-making processes concentrating on traditional cartographic conventions and elements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,409
Score d'incertitude au seuil0,600

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,273
Écart entre enseignants0,264 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetSpatial Cognition and NavigationTravaux en français237 207