MétaCan
Menu
Retour à la cohorte
Enregistrement W7154614564 · doi:10.48448/d1wj-nf88

Examining the Robustness of Neural Correlates of Infants’ Sociomoral Evaluations

2025· other· W7154614564 sur OpenAlexaff
Cognitive Science Society 2025, Lauren L. Emberson, J. Kiley Hamlin, Zohreh Soleimani, Enda Tan

Notice bibliographique

RevueUnderline Science Inc. · 2025
Typeother
Langue
Domaine
Thématique
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésProsocial behaviorGeneralizability theoryNeural correlates of consciousnessPerceptionSocial cognitionAttributionEmpathy

Résumé

récupéré en direct d'OpenAlex

Research has shown that infants prefer prosocial characters over antisocial ones, suggesting that sociomoral evaluation is early-emerging. However, some have argued that infants’ preferential responses stem from low-level perceptual processes rather than true social understanding. Using electroencephalography (EEG), past work has suggested that motivational and social, but not attentional, processes are implicated in infants’ responses to prosocial versus antisocial acts and individuals, however, the majority of past work utilized a single type of prosocial/antisocial interactions: helping a character to climb a hill. To test the generalizability of past neural findings from the hill paradigm, here we examined infants' responses in a distinct helping/hindering scenario in which a character tries but fails to open a box and is alternatively helped or hindered. Largely replicating past work, infants showed greater activity in social (indexed by the P400) but not attentional (indexed by the Nc) ERP components when seeing hinderers versus helpers, consistent with claims that infants’ responses to prosocial and antisocial agents are social. No evidence of differential approach/avoidance motivation during prosocial/antisocial events was found. These findings support the role of social processes in infants’ sociomoral evaluations.

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)0,009
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,271
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,010
Études des sciences et des technologies0,0010,022
Communication savante0,0000,001
Science ouverte0,0050,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,067
Tête enseignante GPT0,350
Écart entre enseignants0,283 · 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.

Devis d'étudeSimulation ou modélisation
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUnderline Science Inc.Travaux en français237 207