Keeping an Eye on Looking Measures: Towards More Robust Developmental Methods
Notice bibliographique
Résumé
A persistent challenge in experimental developmental psychology is determining which of many possible outcome measures best captures underlying behaviors and processes. In the looking-while-listening paradigm for studying early word comprehension, researchers have developed more than 12 distinct outcome measures, but have limited empirical basis for choosing between them. Using archival data from 15 datasets (N = 602 children, 12-60 months), we evaluated these measures' psychometric properties. We found that: (1) proportion looking, reaction time, and proportion of trials switching from distractor to target, demonstrated the strongest validity, robustness (experimental effect size), and reliability; and (2) the paradigm captures two distinct cognitive processes-detecting mismatches and confirming matches-with distractor-initial trials showing stronger developmental sensitivity. This work provides both specific recommendations for word comprehension research and a reproducible framework for evaluating measurement approaches in experimental developmental science. SUMMARY: A challenge in experimental developmental psychology is the proliferation of outcome measures for the same construct, without psychometric information to adjudicate between measures. We investigated the validity, robustness (effect size), and reliability of 12 distinct outcome measures for the looking-while-listening task, across 15 datasets collected from 602 infants. Proportion looking, reaction time, and proportion of trials switching from distractor to target were the most psychometrically sound outcome measures. Distractor-initial trials showed greater developmental sensitivity than target-initial trials. Through these two trial types, looking-while-listening captures two distinct cognitive processes: detecting mismatches and confirming matches.
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 | 0,346 | 0,625 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,008 | 0,012 |
| Science ouverte | 0,007 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».