Relation entre le figement et l'inhibition comportementale chez le jeune enfant
Bibliographic record
Abstract
Cette étude porte sur le figement et sa relation avec l’inhibition comportementale, ainsi que sa capacité de prédiction de l’adaptabilité de l’enfant. De plus, l’étude vise à documenter la contribution génétique au figement chez le jeune enfant à l’aide de la méthode de jumeaux. Le projet s’inscrit dans l’Étude longitudinale des Jumeaux Nouveau-nés du Québec (ÉJNQ). Cinq cent six jumeaux de 19.6 mois ont été observés dans une situation de nouveauté dans laquelle l’inhibition comportementale et le figement ont été observés et codifiés. Le trait d’adaptabilité de l’enfant, une dimension du tempérament difficile, a été évalué par la mère auprès de 1130 enfants. Les résultats montrent que le figement et les comportements d’évitement sont modérément associés. Le figement n’a pas de contribution unique à la prédiction de l’adaptabilité au-delà de l’inhibition comportementale. Enfin, l’hypothèse stipulant que la génétique ait une contribution au figement est confirmée. Ces résultats indiquent que le figement et l’inhibition comportementale partagent des caractéristiques communes. Cette étude ouvre la voie à une meilleure compréhension des sources génétiques du figement chez l’humain.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".