Summary
Hier presenteren we een protocol voor vertrouwd-test paradigma's die bieden een directe test van zuigeling categorisatie en helpen de rol van taal in het vroegtijdig leren van de categorie definiëren.
Abstract
Beoordeling van de baby categorie leren is een uitdagende maar essentieel aspect van het bestuderen van de zuigeling cognitie. Door gebruik te maken van een vertrouwd-test paradigma, meten we rechtlijnig zuigelingen succes in het leren van een nieuwe categorie terwijl zich het baseren alleen op hun uitziende gedrag. Bovendien kan het paradigma direct meten van de impact van verschillende auditieve signalen op de zuigeling categorisatieschema in een heel scala van leeftijden. Bijvoorbeeld, we beoordeeld hoe 2-jarigen leren Categorieën in een verscheidenheid van omgevingen labeling: in onze taak 2-jarigen met succes geleerd categorieën wanneer alle exemplaren waren gelabeld of de eerste twee exemplaren waren gelabeld, maar zij slaagden er niet om te categoriseren wanneer geen exemplaren waren gelabeld, of alleen de laatste twee exemplaren waren gelabeld. Om te bepalen van zuigelingen succes in dergelijke taken, kunnen onderzoekers onderzoeken zowel de algemene voorkeur weergegeven voor zuigelingen in elke voorwaarde en zuigelingen patroon in de loop van de testfase te bekijken met behulp van een oog-tracker fijnmazig tijdsverloop gegevens te verstrekken . Dus presenteren we een krachtige paradigma voor het identificeren van de rol van taal, of geen auditief signaal, in zuigelingen objectcategorie leren.
Introduction
Categorisatieschema is een fundamentele bouwsteen van menselijke cognitie: zuigelingen categoriseren capaciteiten ontstaan vroeg in de kinderschoenen en worden steeds geavanceerder met de leeftijd. 1 , 2 , 3 onderzoek is ook gebleken voor een krachtige rol voor taal in de zuigeling categorisering: vanaf 3 maanden oud, peuters leren Categorieën succesvoller wanneer categorie exemplaren worden gecombineerd met taal. 4 , 5 , 6 bovendien tegen het einde van het eerste jaar, baby's zijn afgestemd op de rol van graaf zelfstandig naamwoord etiketten in de categorisering. Koppeling categorie exemplaren met een consistente labeling zin ("Dit is een vep!") vergemakkelijkt de categorie van de zuigelingen leren ten opzichte van beide een duidelijk label voorzien elke exemplar ("Dit is een vep," "Dit is een dax," enz.) of een niet-labeling zin ("kijken dit."). 7 , 8 , 9
In zuigelingen alledaagse ervaringen, echter zullen het merendeel van de objecten die ze tegenkomen waarschijnlijk blijven labelloze. Geen verzorger kan bestempelen elk object die een kind ziet veel minder bieden de etiketten die aan elk object (bijvoorbeeld "malamute," "hond," ",""gezelschapsdieren") van toepassing. Dit leidt echter tot een paradox: hoe kunnen wij de kracht van de etiketten in de zuigeling categorisering met hun relatieve schaarste in zuigelingen dagelijks leven verenigen?
Deze vraag te beantwoorden, ontwikkelden we een protocol om te beoordelen hoe baby's leren Categorieën in een verscheidenheid van verschillende leeromgevingen, met inbegrip van wanneer zij een mengsel van gelabelde en labelloze exemplaren ontvangt. In het bijzonder stellen wij voor dat het zelfs een paar gelabelde exemplaren aan het begin van leren ontvangen categorisering kan vergemakkelijken — door het verbeteren van de zuigelingen leervermogen van latere, ongelabelde exemplaren ook. Deze strategie van het gebruik van een klein aantal exemplaren van de gelabelde als een basis voor het leren van een groter aantal labelloze exemplaren grote schaal heeft gelegd op het gebied van machinaal leren, paaien een familie van semi-begeleid leren (SSL) algoritmen10,11,12. Natuurlijk, het leren strategieën ten uitvoer gelegd zijn niet identiek over verschillende soorten leerlingen: machinaal leren, algoritmen meestal worden blootgesteld aan veel meer exemplaren, expliciete gissingen over elke exemplar maken en leren van meerdere categorieën tegelijkertijd. Echter kunnen zowel de machine en de zuigeling lerenden profiteren van de succesvolle integratie van zowel de gelabelde als de labelloze exemplaren om te leren van nieuwe categorieën in sparse labeling omgevingen.
Ons ontwerp richt zich op of 2-jaar oude kinderen, in het proces van het verwerven van woorden voor talrijke nieuwe categorieën, geschikt voor dit soort semi-begeleid leren zijn. Hanteren wij een standaard baby categorisatie maatregel: de taak van een vertrouwd-testen. In dit paradigma, werden 2-jarigen blootgesteld aan een aantal exemplaren van een nieuwe categorie in een vertrouwd-fase. Elke exemplar was gekoppeld aan een verschillende auditieve prikkel, afhankelijk van de conditie (dat wil zeggen, een label of een niet-labeling zin). Toen, op de proef, alle 2-jarigen zag twee nieuwe objecten aangeboden in stilte: een object in de categorie van de nu bekende en een uit een nieuwe categorie.
Als de 2-jarigen met succes de categorie tijdens de fase van de basisopleiding vormen, dan zij onderscheid moeten maken tussen de twee exemplaren gepresenteerd tijdens de test. Nog belangrijker is, omdat een systematische voorkeur voor hetzij de roman of vertrouwd testafbeelding een vermogen om te onderscheiden tussen hen weerspiegelt, worden zowel de bekendheid en de nieuwheid voorkeuren geïnterpreteerd als bewijs van succesvolle categorisatie. Merk op dat op een bepaalde taak, de aard van deze voorkeur is een functie van zuigelingen verwerking efficiëntie voor de materialen van de stimulus, met vertrouwdheid voorkeuren gekoppeld aan minder efficiënt stimulans verwerking 4,13, 14 , 15 , 16 , 17. presentatie van de testfase in stilte maakt het mogelijk om te beoordelen direct zuigelingen succes in object categorisatie en hoe dit succes varieert volgens de informatie die is meegeleverd bij de exemplaren tijdens vertrouwd. Dit paradigma biedt dus een dwingende test hoe verschillende soorten van taalkundige omgevingen beïnvloeden categorie leren. Als labeling categorie leren in zowel semi-gesuperviseerde en volledig gecontroleerde omgevingen verbetert, dan de 2-jarigen in deze omstandigheden moet sterker test voorkeuren dan baby's in andere omgevingen tonen.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Alle methoden die hier worden beschreven zijn goedgekeurd door de Noordwestelijke Universiteit institutionele Review Board.
1. stimuli creëren
Opmerking: De visuele stimuli (Zie Figuur 1) gebruikt in het representatieve ontwerp gemeld hieronder werden oorspronkelijk ontwikkeld in Havy en Waxman (2016)18 en zijn beschikbaar voor download op https://osf.io/n6uy8/.
- Een nieuwe continu als categorie wilt maken, moet u eerst een paar van nieuwe digitale beelden ontwerpen. Vervolgens morph het paar van beelden samen met behulp van software (zie, b.v., Tabel of Materials) vormen een continuüm van exemplaren tussen de twee originele beelden. Ten minste twee categorieën op deze manier maakt, zodat men als de categorie dienen kan moet worden geleerd terwijl de andere de nieuwe categorie exemplar voorziet in het proces van de test.
- Selecteer de exemplaren van de basisopleiding gelijkmatig verdeelde tussenpozen van over elke geleerde categorie continuüm (bijvoorbeeld de 0%, 20%, 40%, 60%, 80% en 100% exemplaren). Selecteer een passend aantal exemplaren (bijvoorbeeld zes). Evenredig met de moeilijkheid van de categorie en de leeftijd van de deelnemers.
- U maakt de exemplaren voor de testfase de middelpunten van de bekende categorie continuüm en de nieuwe categorie continuüm (dat wil zeggen, de 50%-exemplar) te selecteren. Komt overeen met de kleur van de nieuwe exemplar met die van de bekende exemplar met behulp van een beeldbewerkingsprogramma (zie, b.v., tabel of Materials).
- Record auditieve prikkels geproduceerd door een vrouwelijke native English speaker in een geluiddicht cabine. Indien mogelijk, de zelfde speaker gebruiken voor beide labeling zinnen (dat wil zeggen, "Kijk naar de modi") en niet-labeling zinnen (dat wil zeggen, "kijken!").
- Instrueer de spreker voor de productie van alle uitingen in baby of kind-geleide toespraak.
- Selecteer uitingen die ongeveer dezelfde lengte over voorwaarden, waarschijnlijk ongeveer 1.500 ms per zin zijn.
2. apparatuur
- Gebruik een juiste oog-tracker. Voldoende eye-tracking om gegevens te verzamelen voor een maatregel vertrouwd-test, meest beschikbaar oog-trackers volstaat: de objecten bezetten grote delen van het scherm, en de data-analyse onderzoekt prestaties over een lange venster, eerder dan individuele, snel voorkomende oogbewegingen zoals saccades.
- Omdat deze taak eye-tracking zuigelingen vereist, ervoor zorgen dat het systeem aan verschillende eisen voldoet.
- Gebruik eerst een oog-tracker met een externe tracking-modus, die geen zuigelingen vereist te plaatsen hun hoofden op een kin-rest. Zorg ervoor dat het oog-tracker relatief grote hoofdbewegingen of aanpassingen kan tolereren.
- Ten tweede, gebruiken een relatief groot scherm wilt weergeven van de afbeeldingen aan zuigelingen, (b.v., 57 x 45 cm).
- Ten derde, gebruik maken van een uitschuifbare arm mount voor de oog-tracker om gegevensverzameling doordat de onderzoeker aan het aanpassen van de hoogte van het oog-tracker voor elk kind.
- Ten vierde, maken de eye-tracking apparatuur onopvallend, zuigelingen aandacht uitsluitend op het display verschijnt. Bijvoorbeeld, sommige systemen integreren de eye-tracking apparatuur met de monitor van de vertoning of monteren van de apparatuur rechtstreeks onder de monitor.
- Merk op dat deze taak ook kan worden uitgevoerd door hand-codering kwalitatief hoogwaardige videogegevens van de zuigelingen Zoek gedrag. Terwijl hand-codering technieken sommige uitdagingen kunnen voor het gebruik van de meer fijnmazig tijdsverloop analyses, volstaan hand-gecodeerde gegevens volledig voor de aggregaat op zoek analyses.
3. taak Design
- Maak in de oog-tracker's bijbehorende software (zie, b.v., Tabel of Materials), vier verschillende voorwaarden: volledig onder toezicht, ongecontroleerde, semi-gesuperviseerde en omgekeerde semi-onder toezicht. Zorgen dat deze voorwaarden zijn gescheiden, zodat elk kind slechts één voorwaarde ziet.
- Genereren van ten minste twee pseudo-willekeurige orders van de leren-exemplaren, met de beperking die niet meer dan twee exemplaren van dezelfde kant van het continuüm (0-40% of 60-100%) achter elkaar kan worden aangetoond.
- Maak vertrouwd video's dat paar de auditieve prikkels met de visuele prikkels als geschikt is voor elke voorwaarde.
- Het combineren van de visuele en auditieve prikkels in video-editing software (zie, b.v., Tabel of Materials). Presenteren alle afbeeldingen op dezelfde achtergrond. Het begin van de auditieve stimulus instellen op een geschikte bereik, tussen 500 ms en 1.500 ms na het begin van de visuele stimuli. Gebruik deze korte vertraging te verlichten van zuigelingen verwerking belasting 19.
- Bijvoorbeeld, in het volledig onder toezicht staat, koppel elk exemplar vertrouwd maken met een citaat van de labeling.
- Koppel elke exemplar vertrouwd maken met een niet-labeling zin in de ongecontroleerde voorwaarde.
- In de semi-gecontroleerde toestand, paar alleen de eerste twee exemplaren in elke volgorde met het labelen van zinnen maar de rest met niet-labeling zinnen.
- Voor de Reversed semi-gecontroleerde toestand, paar de laatste twee exemplaren met het labelen van zinnen maar de eerste vier met niet-labeling zinnen (Zie Figuur 1).
- Deze video's uploaden in de oog-tracker software, de basisopleiding video's zoals bepaald door de volgorde van pseudo-gerandomiseerde indelen.
- Uploaden van een korte (10 s of minder) aandacht trekken animatie weergegeven in het midden van het scherm na vertrouwd: dit zal ervoor zorgen dat de meeste kinderen zijn op zoek naar het midden van het scherm wanneer de testfase begint.
- Ten slotte, voor elke categorie van leren, ontwerp twee testen proeven, elk met twee exemplaren weergegeven side-by-side. Zorgen dat één exemplar voor beide proeven van de test, het middelpunt van de nu bekende categorie vertegenwoordigen zal, terwijl anderzijds het middelpunt van de nieuwe categorie vertegenwoordigt.
- Tegenwicht bieden aan de proeven zodat de links/rechts positie van de nieuwe exemplar in de test proces wordt omgekeerd over video's.
- Upload deze proeven op het oog-tracker software, plaats deze na de post vertrouwd aandacht-getter test. Tegenwicht bieden aan deze proeven presentatie zodat elk kind een gelijke kans heeft op het zien van een links-roman of recht-roman test proces.
- Zorgen dat test proeven duren ten minste 5 s, en maximaal 20 s, om kinderen in eerste instantie weg op zoek om te accumuleren voldoende op zoek.
[Plaats Figuur 1 hier]
4. studie Procedure
- Voordat de zuigeling aankomt, instellen van de oog-tracker.
- Willekeurig toewijzen de zuigeling een voorwaarde en een order.
- De oog-tracker software niet openen en selecteer het paar toegewezen voorwaarde/volgorde.
- Nu het nummer deelnemer voor deze opname.
- Na het uitvoeren van het proces van de toestemming, de baby en de verzorger aan de eye-tracking kamer te brengen. Zorgen dat de kamer is matig verlicht zonder eventuele afleidende decoraties op de muren.
- Plaats een stoel voor de oog-tracker op de juiste afstand voor het model voor oog-tracker wordt gebruikt. Plaats de mantelzorger in deze stoel en het kind op schoot van de mantelzorger. Als het kind niet wil zitten in het caregiver's schoot, kunnen zitten ze op hun eigen, of ze kunnen zitten in een autostoel.
- Als het kind op de caregiver's schoot zit, instrueren de verzorger niet om bias van zuigelingen gedrag op enigerlei wijze maar proberen te houden van de zuigeling gecentreerd op de caregiver's schoot. Verzorgers voorzien van een paar blacked-out zonnebrillen te dragen zodat ze niet de prikkels zien.
- Vraag het kind om te kijken naar het scherm van de oog-tracker; overwegen weer te geven van een boeiende afbeelding of video om hun aandacht te trekken. Plaats het scherm zodat zuigelingen ogen binnen het kalibratievenster zijn.
- De oog-tracker kalibratieprocedure uitvoeren. Gebruik indien mogelijk een vijf-punts kalibratie, maar minder uitgebreide kalibraties zijn waarschijnlijk ook toereikend. Baby's reageren vaak beter wanneer de kalibratie-afbeelding is een animatie met auditief begeleidingsverschijnsel.
- Als de zuigeling kalibratie doorstaat, dan beginnen met het experiment. Als dat niet het geval is, kalibreren totdat ze succesvol zijn. Alle zuigelingen die niet kunnen worden gekalibreerd zijn uitgesloten.
- Als meerdere experimenten worden opeenvolgend uitgevoerd, of als een enkele experiment is vrij lang, overwegen na elke sectie opnieuw kalibreren.
5. de gegevensanalyse
- Gebruiken van de software van de analyse van de gegevens voor het uitvoeren van deze analyse (bijvoorbeeld zie tabel van materialen).
- Gebieden van belang (áes) rond de exemplar posities op de linker- en rechterkant van het scherm maken
- Voor vertrouwd proeven, gebruik de juiste AOI te beoordelen van de zuigelingen tijd doorgebracht op zoek naar de exemplar weergegeven voor elk afzonderlijk experiment. Elke zuigeling die toont niet volgehouden op zoek naar een meerderheid van de exemplaren uit te sluiten (bijvoorbeeld vereisen dat zuigelingen tot en met 4 van een mogelijk 6 vertrouwd exemplaren voor ten minste 25% van die proeven wonen).
- Voor de proef van de test, zijn alleen de eerste 5 zuigelingen s van geaccumuleerde kijken. Voor jongere zuigelingen, van 3 tot 12 maanden oud, kunt u overwegen een langere venster bijvoorbeeld 10 seconden van geaccumuleerde kijken. Overwegen met uitzondering van baby's die onvoldoende Toon opgelopen test kijken (bv het accumuleren van minder dan 2,5 s kijken) of die niet te kijken naar zowel van de exemplaren.
- Nu maken de score van een voorkeur voor elke zuigeling test proces door het bedrag van de tijd doorgebracht op zoek naar de nieuwe exemplar door de totale hoeveelheid tijd kijken naar beide exemplaren te delen. Om deze verhoudingen te analyseren, transformeren u ze eerst met een empirische logit of arc-sin-vierkantswortel te maken hen geschikt voor analyse met lineaire modellen.
- Afzonderlijke gegevens in kleine bakken (bijvoorbeeld tussen 10 en 100 ms) voor een tijdsverloop analyse van zuigelingen Zoek gedrag op de test, en berekenen van een score van voorkeur binnen elke opslaglocatie voor elk kind.
- Het uitvoeren van een analyse van de gegevens tijdsverloop, testen of zuigelingen patroon van kijken gedurende het hele test proces per aandoening verschilt. Opmerking dat meerdere soorten analyse kunnen antwoord op deze vraag, met inbegrip van een permutatie cluster gebaseerde analyse20, zoals hier gedemonstreerd, en groei curve modellering. 21
- Voor een cluster gebaseerde permutaties analyse, selecteer een drempel van de t-waarde, overeenkomt met het gewenste alfaniveau (aanbevolen alphas variëren van.01 naar. 20; opmerking dat deze alpha-waarde niet tot de totale test alfaniveau komt, alleen het niveau dat is vereist leidt voor Individuele tijd-opslaglocaties te overschrijden van de drempel). Som de t-statistiek voor elke opeenvolgende tijd-bin dat de gekozen t-drempel overtreft; deze cumulatieve t-statistieken geven de grootte van de verschillen tussen de omstandigheden in de gegevens.
- Uitvoeren om te bepalen of deze verschillen groter zijn dan verwacht bij toeval, ten minste 1.000 simulaties met de labels van de voorwaarde willekeurig geschud. Evalueren van de unshuffled gegevens verschillen tegen deze kans gebaseerde distributie.
Opmerking: Het is deze vergelijking van de oorspronkelijke divergentie tegen de kans gebaseerde distributie die het tarief van de vals-positieve van de analyse bepaalt, in plaats van het aantal tijd-opslaglocaties waarin t-tests werden uitgevoerd of zelfs de drempel van de t-waarde geselecteerd voor die eerste t-tests. Dientengevolge, biedt deze analyse een conservatieve alternatief om direct rapportage van de resultaten van meerdere t-tests via vooraf gespecificeerde tijd-opslaglocaties (bijvoorbeeld geleidende proeven elke 500 ms).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Met behulp van het bovengenoemde protocol, liepen we twee experimenten22. Analyses werden uitgevoerd met de eyetrackingR pakket23, en de gegevens en code zijn beschikbaar op https://github.com/sandylat/ssl-in-infancy. Bij het eerste experiment, contrasteerde we een volledig gecontroleerde voorwaarde (n = 24, Mleeftijd = 26.8 Ma), featuring alleen label exemplaren, met een ongecontroleerde voorwaarde (n = 24, Mleeftijd = 26.9 ma), met alleen labelloze exemplaren.
Volledig begeleid vs. ongecontroleerde omgevingen
Zuigelingen in de volledig begeleid (M = 13.86 s, SD = 3,00) en ongecontroleerde (M = 14.94 s, SD = 1,91) voorwaarden toonde geen verschil in hun aandacht op de exemplaren tijdens vertrouwd, t(46) = 1,48, p = .14, d =.43.
At test, 2-jarigen in de volledig onder toezicht staat (M =.59, SD =.15) weergegeven van een grote voorkeur voor de nieuwe categorie exemplar, t(23) = 3,05, p =.006, d =.62, die aangeeft dat zij met succes hadden gevormd de categorie. In contrast, 2-jarigen in de ongecontroleerde voorwaarde (M =.49, SD =.18) keek ongeveer even tussen de objecten op de proef, t(23) =.39, p =.70, d =.08. Prestaties verschilden significant tussen deze voorwaarden, t(46) = 2.27, p =.028, d =.66 (Zie Figuur 2). Tot slot een permutatie cluster gebaseerde analyse van het tijdsverloop van het op zoek patronen op test bleek een significant verschil tussen de twee voorwaarden, p =.038, van 3450 ms 3,850 MS (Zie Figuur 3).
Semi-gecontroleerde vs. omgekeerde semi-gecontroleerde omgevingen
Wij onderzocht vervolgens of 2-jarigen categorieën in semi-gecontroleerde omgevingen leren kunnen door het integreren van gelabelde en labelloze exemplaren. Wij voorspeld dat het label ontvangen exemplaren aan het begin van de basisopleiding in een semi-gecontroleerde voorwaarde (n = 24, Mleeftijd = 27,3, vrouwelijke 12), waar de gelabelde exemplaren kunnen zorgen voor een basis voor het leren van de labelloze exemplaren, zou categorie leren te vergemakkelijken, overwegende dat ontvangen label exemplaren aan het eind van de basisopleiding in een Reversed semi-gecontroleerde voorwaarde (n = 24, Mleeftijd = 27.2, 13 vrouwelijke) zou niet. Dat wil zeggen, moet ontvangst van gelabelde exemplaren eerst inschakelen 2-jarigen om meer te leren van de labelloze exemplaren dan ontvangen die het label van exemplaren na het zien van de labelloze exemplaren.
Zuigelingen in de semi-gecontroleerde voorwaarde (n = 24, M = 13.23 s, SD = 3.35) en Reversed semi-gecontroleerde (n = 24, M = 12.58 s, SD = 2,78) voorwaarden toonde vergelijkbare niveaus aandacht aan de exemplaren tijdens vertrouwd, t (46) =.73, p =.47, d =.21.
Op de proef, echter, zuigelingen in de semi-onder toezicht staat (M =.59, SD =.14), weergegeven een belangrijke nieuwigheid voorkeur, t(23) 3.11, p = =.005, d =.63, overwegende dat zuigelingen in de semi-gecontroleerde Reversed voorwaarde (M =.52, SD =.13) uitgevoerd op kans niveaus, t(23) =.76, p =.45, d =.16. Zuigelingen voorkeuren waren marginaal verschillend tussen de twee voorwaarden, t(46) = 1,80, p =.08, d =.52 (Zie Figuur 2). Bovendien, we leidee een permutatie cluster gebaseerde analyse van zuigelingen Zoek gedrag op de test, onthullen dat de semi-gecontroleerde voorwaarde een sterkere nieuwigheid voorkeur dan het omgekeerd SSL voorwaarde tussen 3450ms en 3850ms, p toonde =.047 (Zie Figuur 3). Dit is precies de dezelfde periode gedurende welke de voorwaarde volledig begeleid afweek van de ongecontroleerde voorwaarde, suggereren dat baby's waren net zo succesvol in het leren van de categorie in de semi-onder toezicht staat net als in de voorwaarde volledig begeleid .
Figuur 1: Sample taak ontwerp. De basisopleiding fase bestaat uit 6 proeven, elk één categorie lid gekoppeld aan een label of een niet-labeling zin presenteren. De testfase presenteert gelijktijdig zuigelingen met een voorbeeld uit de nu bekende categorie en één uit een nieuwe categorie. Voorwaarden vertegenwoordigen de vier voorwaarden die in de sectie representatieve resultaten gepresenteerd. Dit cijfer is gewijzigd van LaTourrette, A., Waxman, S.R. Labelen van een beetje gaat een lange weg: semi-begeleid leren in de kinderschoenen. Dev. Sci. e12736 (2018). Klik hier voor een grotere versie van dit cijfer.
Figuur 2: voorkeur scores over voorwaarden betekenen. Zuigelingen in de volledig gecontroleerd en semi-gecontroleerde omstandigheden weergegeven nieuwigheid voorkeuren aanzienlijk boven kans, p <.05. Zuigelingen in de omstandigheden van het Unsupervised en omgekeerd SSL op kans niveaus uitgevoerd. Foutbalken vertegenwoordigen standaardfouten van het gemiddelde. Dit cijfer is gewijzigd van22. Klik hier voor een grotere versie van dit cijfer.
Figuur 3: de zuigeling op zoek patronen tijdens test In de volledig gecontroleerd en Unsupervised werkomstandigheden (links) en in de semi-gesuperviseerde en omgekeerde semi-gecontroleerde omstandigheden (aan de rechterkant) afweek zuigelingen patroon van kijken naar de exemplaren tussen 3,450ms en 3,850ms. De grijze gearceerde balk in elke grafiek geeft deze uiteenlopende periode. De gekleurde schaduw gebieden rond elke voorwaarde geven de standaardfout van het gemiddelde. Dit cijfer is gewijzigd van22. Klik hier voor een grotere versie van dit cijfer.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Hier presenteren we een procedure voor de beoordeling van de rol van labeling in de categorisering. Door de presentatie 2-jarigen met een realistische mix van gelabelde en labelloze exemplaren, aantonen we dat zeer jonge kinderen goed leren in semi-gecontroleerde omgevingen, uitbreiding van werkzaamheden met volwassenen en oudere kinderen24,25 . Dus, deze methode biedt tevens een oplossing voor de paradox die uitgaat boven: als zelfs een paar gelabelde exemplaren kunnen vonk categorie leren, dan etiketten zowel de zeldzame als de krachtige kunnen.
Kritieke aspecten van dit paradigma omvatten het gebruik van de nieuwe kunstmatige stimuli en korte proeven, die beide maken de taak op de juiste manier uitdagende en boeiende voor 2-jarigen. Bovendien, met behulp van een oog-tracker, in plaats van hand-codering baby op zoek gedrag, biedt rijker en meer nauwkeurige gegevens over deelnemers ogen staren; deze rijkdom en precisie kunt de uitvoering van tijdsverloop maatregelen zoals de permutatie cluster gebaseerde analyse.
De centrale voordelen van het paradigma vertrouwd-test zijn haar eenvoudige beoordeling van categorie leren en zijn eenvoud als een passieve uitziende taak. Dat wil zeggen testen de taak direct categorie leren, in plaats van te vertrouwen op meer complexe maatregelen, zoals het benoemen van gedrag of inductieve gevolgtrekkingen3,26,27. Bovendien, omdat vertrouwd-test taken kunnen worden beheerd via een breed scala van ontwikkelingsstoornissen (bijvoorbeeld vanaf 3 maanden tot 3 jaar), bieden ze een kans om te identificeren developmental continuïteit en wijzigen.
Inderdaad, het paradigma van de basisopleiding-test hier gepresenteerd is ontworpen voor 2-jarigen, maar soortgelijke ontwerpen hebben op grote schaal gebruikt met zuigelingen in hun eerste jaar van het leven4,6,7,9, 28. voor deze jongere zuigelingen, natuurlijk, de taak moet worden vereenvoudigd: langere blootstelling aan de basisopleiding exemplaren, meer exemplaren, eenvoudigere categorieën en een langere venster van kijken naar test kan alles verbeteren van de taak gevoeligheid voor jongere zuigelingen . Meer in het algemeen, het paradigma van de basisopleiding-test hier werkzaam gemakkelijk kan worden uitgebreid om te evalueren van het effect van geen auditief signaal op baby cognitie, met inbegrip van stilte, sinus tonen, niet-menselijke primaten stemgebruik en andere niet-linguïstisch geluiden5 ,13,29,30.
Beperkingen van deze taak voortvloeien voornamelijk uit het gebruik van een enkel resultaat variabele: zuigelingen voorkeur op de test. Dit maakt de taak ongeschikt voor vragen over, bijvoorbeeld, hoe elk vertrouwd exemplar zuigelingen verandert categorie leren of de bijzondere kenmerken zuigelingen gebruiken om te leren van de categorie. Tijdsverloop analyses, zoals de permutatie cluster gebaseerde analyse, kunnen aanzienlijk verrijken het inzicht aangeboden door dit paradigma. Echter terwijl deze analyses laten toe te sterker conclusies trekken over wanneer twee voorwaarden in prestaties verschillen, zij ook belangrijke vragen doen rijzen over welke factoren rijdt zuigelingen attentional patronen gedurende de testfase, een veelbelovend gebied voor toekomstige werkzaamheden.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
De auteurs hebben niets te onthullen.
Acknowledgments
Het onderzoek hier gemeld werd gesteund door de National Institute of Child Health en menselijke ontwikkeling van de National Institutes of Health award onder nummer R01HD083310 en een National Science Foundation Graduate Research Fellowship onder verlenen neen. DGE‐1324585. De inhoud is uitsluitend de verantwoordelijkheid van de auteurs en vertegenwoordigt niet noodzakelijk de officiële standpunten van de National Institutes of Health of de National Science Foundation.
Materials
| Name | Company | Catalog Number | Comments |
| Final Cut Pro X | Apple | N/A | Video editing, composition software |
| MorphX | Norrkross | N/A | Image-morphing software |
| PhotoShop | Adobe | N/A | Image-editing software |
| R | R Core Team | N/A | Statistical analysis software |
| T60XL Eyetracker | Tobii Pro | Discontinued | Large, arm-mounted eyetracker suitable for work with infants and children |
| Tobii Pro Studio | Tobii Pro | N/A | Software directing eyetracker display, data collection |
References
- Eimas, P. D., Quinn, P. C. Studies on the Formation of Perceptually Based Basic-Level Categories in Young Infants. Child Development. 65 (3), 903-917 (1994).
- Madole, K. L., Oakes, L. M. Making sense of infant categorization: Stable processes and changing representations. Developmental Review. 19 (2), 263-296 (1999).
- Gelman, S. A., Markman, E. M. Categories and induction in young children. Cognition. 23 (3), 183-209 (1986).
- Ferry, A. L., Hespos, S. J., Waxman, S. R. Categorization in 3- and 4-month-old infants: An advantage of words over tones. Child development. 81 (2), 472-479 (2010).
- Fulkerson, A. L., Waxman, S. R. Words (but not Tones) Facilitate Object Categorization: Evidence From 6- and 12-Month-Olds. Cognition. 105 (1), 218-228 (2007).
- Balaban, M. T., Waxman, S. R. Do words facilitate object categorization in 9-month-old infants? Journal of Experimental Child Psychology. 64 (1), 3-26 (1997).
- Waxman, S. R., Braun, I. Consistent (but not variable) names as invitations to form object categories: New evidence from 12-month-old infants. Cognition. 95 (3), B59-B68 (2005).
- Balaban, M. T., Waxman, S. R. An examination of the factors underlying the facilitative effect of word phrases on object categorization in 9-month-old infants. Proceedings of the 20th Boston University Conference on Language Development. 1, 483-493 (1996).
- Waxman, S. R., Markow, D. B. Words as invitations to form categories: evidence from 12- to 13-month-old infants. Cognitive Psychology. 29 (3), 257-302 (1995).
- Zhu, X. Semi-supervised learning literature survey. , (2005).
- Chapelle, O., Scholkopf, B., Zien, A. Semi-supervised learning: Adaptive computation and machine learning. , MIT Press. Cambridge, Mass., USA. (2006).
- Zhu, X., Goldberg, A. B.
- Ferry, A. L., Hespos, S. J., Waxman, S. R. Nonhuman primate vocalizations support categorization in very young human infants. Proceedings of the National Academy of Sciences of the United States of America. 110 (38), 15231-15235 (2013).
- Hunter, M. A., Ames, E. W. A multifactor model of infant preferences for novel and familiar stimuli. Advances in infancy research. , (1988).
- Rose, S. A., Feldman, J. F., Jankowski, J. J.
- Wetherford, M. J., Cohen, L. B. Developmental changes in infant visual preferences for novelty and familiarity. Child Development. , 416-424 (1973).
- Perone, S., Spencer, J. P. Autonomous visual exploration creates developmental change in familiarity and novelty seeking behaviors. Frontiers in psychology. 4, 648 (2013).
- Havy, M., Waxman, S. R. Naming influences 9-month-olds’ identification of discrete categories along a perceptual continuum. Cognition. 156, 41-51 (2016).
- Althaus, N., Plunkett, K. Timing matters: The impact of label synchrony on infant categorisation. Cognition. 139, 1-9 (2015).
- Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG- and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
- Raudenbush, S. W., Bryk, A. S. Hierarchical Linear Models: Applications and Data Analysis Methods. SAGE. , (2002).
- LaTourrette, A., Waxman, S. R. A little labeling goes a long way: Semi-supervised learning in infancy. Developmental Science. , e12736 (2018).
- Dink, J., Ferguson, B. eyetrackingR: An R library for eyetracking data analysis. , (2015).
- Kalish, C. W., Zhu, X., Rogers, T. T. Drift in children's categories: When experienced distributions conflict with prior learning. Developmental Science. 18 (6), 940-956 (2015).
- Gibson, B. R., Rogers, T. T., Zhu, X.
- Keates, J., Graham, S. A. Category Markers or Attributes Why Do Labels Guide Infants' Inductive Inferences? Psychological Science. 19 (12), 1287-1293 (2008).
- Booth, A. E., Waxman, S. R. A horse of a different color: Specifying with precision infants’ mappings of novel nouns and adjectives. Child development. 80 (1), 15-22 (2009).
- Perszyk, D. R., Waxman, S. R. Listening to the calls of the wild: The role of experience in linking language and cognition in young infants. Cognition. 153, 175-181 (2016).
- Althaus, N., Mareschal, D. Labels direct infants’ attention to commonalities during novel category learning. PLoS ONE. 9 (7), e99670 (2014).
- Fulkerson, A. L., Haaf, R. A. The influence of labels, non-labeling sounds, and source of auditory input on 9- and 15-month-olds’ object categorization. Infancy. 4 (3), 349-369 (2003).
