MétaCan
Menu
Retour à la cohorte
Enregistrement W4399723573 · doi:10.32920/26052862

An Examination of Children's Selective Social Learning Based on Expertise Cues

2024· preprint· en· W4399723573 sur OpenAlexaff
Alanna Singer

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineComputer Science
ThématiqueEducation and Learning Interventions
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésPsychologySocial learningCognitive psychologySocial cueDevelopmental psychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

At a young age, children develop the ability to make selective social learning decisions, wherein they decide from whom they trust to learn new information. Substantial literature has examined children's selective social learning decisions based on epistemic cues (e.g., knowledgeability) and non-epistemic cues (e.g., perceived benevolence). When these cues are pitted against each other, a shift emerges wherein children aged 6-8 tend to rely on epistemic cues whereas children aged 4-6 prioritize non-epistemic cues. As children encounter experts such as doctors from an early age, it is important to determine how they understand and recognize expertise, an epistemic cue, and the extent to which expertise guides their selective social learning decisions. This research aimed to address these questions. Study 1 (Experiments 1-3) showed that children aged 4-5 were able to recognize expertise when it was indicated by an explicit label and professional attire, and that they could determine relative expertise when a clear contrast was presented (e.g., one informant works in a given field whereas the other has no exposure to that field). These cues subsequently informed their selective social learning decisions. In contrast, they struggled to discern expertise when it was indicated using technical language, and when the degrees of expertise were increasingly nuanced (i.e., contrasting informants that have exposure to a field as a hobby and for work). Children aged 7-8 were able to infer expertise in medicine from technical language and make selective learning decisions accordingly. Study 2 (Experiments 4-5) examined the robustness of children’s preferences to learn from experts, and pitted expertise cues against group membership as indicated by nationality and the minimal group paradigm. Results revealed that 7- to 8-year-olds, but not 4- to 5-year-olds, prioritized expertise cues over shared group membership (i.e., ingroup information) in their selective learning decisions. These results provide novel insights into the developmental changes in children’s conceptions of expertise and how they prioritize different expertise cues to guide their social learning. The implications of this can be seen in children’s susceptibility to misinformation from others if their selective trust decisions are based on cues that are not reliable or valid.

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)0,010
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 enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,022
Tête enseignante GPT0,325
Écart entre enseignants0,303 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEducation and Learning InterventionsTravaux en français237 207