Name: Définissant le rôle du langage dans la catégorisation objet nourrissons avec les paradigmes de l’Eye-tracking (Vidéo) | JoVE Journal
Uploaded: 2019-02-08T15:00:00.000+00:00
Duration: 7 min 31 s
Description: Découvrez le paradigme familiarisation-test pour étudier la catégorisation visuelle chez les nourrissons. Cette méthode par eye-tracking révèle comment le langage influence l'apprentissage précoce des catégories d'objets.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

La recherche rapportée ici a été financée par le National Institute of Child Health et développement humain de la National Institutes of Health, sous le numéro R01HD083310 de la sentence et un National Science Foundation recherche bourse d’études supérieures sous subvention no. DGE‐1324585. Le contenu est la seule responsabilité des auteurs et ne représente pas nécessairement l’opinion officielle de la National Institutes of Health ou la National Science Foundation.

Toutes les méthodes décrites ici ont été approuvés par la Northwestern University Institutional Review Board.
1. création de stimuli
NOTE : Les stimuli visuels (voir Figure 1) utilisés dans la conception représentatif signalés ci-dessous ont été développées à Havy et Waxman (2016)18 et sont disponibles en téléchargement sur https://osf.io/n6uy8/.
<ol><li>Pour créer une nouvelle catégorie continue, tout d’abord concevoir une paire de nouvelles images numériques. Ensuite, transformez la paire d’images ensemble, à l’aide de logiciel (voir, par exemple, Table des matières) pour former un continuum de modèles entre les deux images originales. Créer au moins deux catégories de cette façon afin que l’un peut servir de la catégorie à tirer tandis que l’autre fournit le type de même catégorie roman pour l’essai.</li>
	<li>Sélectionnez les modèles de familiarisation à intervalles espacés régulièrement de toutes les étapes de chaque savant de la catégorie (par exemple, les modèles de 0 %, 20 %, 40 %, 60 %, 80 % et 100 %). Sélectionnez un nombre suffisant d’exemplaires (p. ex., six). Selon la difficulté de la catégorie et l’âge des participants.</li>
	<li>Pour créer les modèles pour la phase de test, sélectionnez les milieux du continuum de la catégorie familier et le continuum de la catégorie roman (c'est-à-dire, l’exemplaire de 50 %). Alors correspondre à la couleur de la roman exemplaire à celui de l’exemplar familier à l’aide d’un programme de manipulation d’image (voir, par exemple, Table des matières).</li>
	<li>Stimuli auditifs Records produites par une femelle langue maternelle anglaise dans une cabine insonorisée. Si possible, utilisez le même orateur pour les deux expressions de l’étiquetage (c.-à-d., « regardez le modi ») et les phrases non étiquetage (c'est-à-dire, « regarde ! »).<ol>
<li>Demander à l’orateur de produire toutes les déclarations dans bébé ou enfant-axés sur l’intervention.</li>
		<li>Sélectionnez les déclarations qui sont approximativement la même longueur dans l’ensemble des conditions, probables environ 1 500 ms par expression.</li>
	</ol>
</li>
</ol>2. les appareils
<ol><li>Utiliser un système de suivi oculaire appropriée. Pour collecter les données adéquates de suivi du regard pour qu’une mesure de familiarisation-test, suffira plus largement disponible eye-tracker : les objets occupent de vastes portions de l’écran, et l’analyse des données examine la performance sur une longue fenêtre, plutôt que mouvements des yeux individuels, rapidement naturels tels que les saccades.</li>
	<li>Comme cette tâche nécessite oculométrie nourrissons, veiller à ce que le système est conforme à plusieurs exigences.<ol>
<li>Tout d’abord, utilisez un eye-tracker avec un mode de suivi distant, qui ne nécessite pas de bébés à placer leurs têtes sur un repose-menton. Veiller à ce que l’eye-tracker peut tolérer des mouvements de tête relativement importants ou réorienter si nécessaire.</li>
		<li>En second lieu, utiliser un écran relativement grand pour afficher les images pour les enfants, (p. ex., 57 x 45 cm).</li>
		<li>En troisième lieu, utiliser un support de bras extensible pour l’eye-tracker pour faciliter la collecte de données en permettant au chercheur de régler la hauteur de l’eye-tracker à chaque enfant.</li>
		<li>Quatrièmement, faire de l’équipement de l’oculométrie discrète, concentrant des nourrissons uniquement sur l’écran d’affichage. Par exemple, certains systèmes intègrent l’oculométrie équipement avec le moniteur ou Mont l’équipement directement sous l’écran.</li>
	</ol>
</li>
	<li>Notez que cette tâche peut également être exécutée par codage à la main les données vidéo haute qualité de comportement à la recherche des enfants en bas âge. Bien que les techniques de codage manuel peuvent poser certains défis pour l’utilisation de l’analyse temporelle plus affinées, données codées manuellement sont tout à fait suffisantes pour l’ensemble des analyses de la recherche.</li>
</ol>3. conception de la tâche
<ol><li>Dans le logiciel associé de l’eye-tracker (voir, par exemple, Table des matières), créer des quatre conditions différentes : entièrement supervisé, non supervisé, semi-supervisé et inversé semi-supervisé. S’assurer que ces conditions sont séparées, afin que chaque enfant voit qu’une seule condition.</li>
	<li>Générer des ordres pseudo-aléatoires au moins deux des modèles d’apprentissage, avec la contrainte que pas plus de deux exemplaires du même côté du continuum (0-40 % ou 60-100 %) peut être démontré de façon consécutive.</li>
	<li>Créer des vidéos de familiarisation que les stimuli auditifs de paire avec les stimuli visuels en fonction de chaque condition.<ol>
<li>Combiner les stimuli visuels et auditifs dans vidéo logiciel de montage (voir, par exemple, Table des matières). Présenter toutes les images sur le même fond. Définir l’apparition du stimulus auditif à un éventail approprié, entre ms 500 et 1 500 ms après le début du stimulus visuel. Ce délai court permet de soulager les traitement charge 19 enfants en bas âge.</li>
		<li>Par exemple, dans l’état entièrement supervisée, paire de chaque exemplaire de familiarisation avec une phrase d’étiquetage.</li>
		<li>En l’état sans surveillance, paire de chaque exemplaire de familiarisation avec une expression non-étiquetage.</li>
		<li>À l’état semi-supervisé, paire seulement les deux premiers exemplaires dans chaque commande avec étiquetage des phrases mais le reste avec des phrases non-étiquetage.</li>
		<li>Pour la condition semi-supervisée Reversed, paire finales deux modèles avec étiquetage des phrases mais les quatre premières phrases non étiquetage (voir Figure 1).</li>
		<li>Téléchargez ces vidéos dans le logiciel eye-tracker, commander les vidéos de familiarisation, tel que déterminé par l’ordre de pseudo-randomisés.</li>
	</ol>
</li>
	<li>Télécharger un court (10 s ou moins) qui attirent l’attention animation affichée au centre de l’écran après familiarisation : cela fera en sorte que la plupart des nourrissons sont tournent vers le centre de l’écran lors de la phase de test commence.</li>
	<li>Enfin, pour chaque catégorie de l’apprentissage, conception deux essai essais, chacune mettant en vedette deux exemplaires affiché by-side. Veiller à ce que les deux essais de test, un seul exemplaire représentera le point médian de la catégorie désormais familière, tandis que l’autre représente le point médian de la catégorie roman.<ol>
<li>Contrebalancer les procès afin que le positionnement gauche/droite de la roman exemplaire dans l’épreuve du procès est inversé à travers des vidéos.</li>
		<li>Télécharger ces test essais du logiciel eye-tracker, positionnant après l’attention après familiarisation-getter. Contrebalancer la présentation de ces essais afin que chaque enfant a une chance égale de voir un essai roman-gauche ou droit-roman.</li>
		<li>Assurer ce essai essais durent au moins 5 s et jusqu'à 20 s, afin que les enfants initialement à la recherche de suite pour accumuler suffisamment à la recherche.</li>
	</ol>
</li>
</ol>[Insérer ici le Figure 1 ]
4. procédure d’étude
<ol><li>Avant l’arrivée de l’enfant, mis en place le système de suivi oculaire.<ol>
<li>Attribuer au hasard le nourrisson à une condition et une ordonnance.</li>
		<li>Ouvrez le logiciel eye-tracker et sélectionnez la paire condition/ordre assigné.</li>
		<li>Maintenant, entrez le nombre de participants pour cet enregistrement.</li>
	</ol>
</li>
	<li>Après avoir effectué le processus de consentement, porter le nourrisson et l’aidant à la salle de l’oculométrie. Assurez-vous que la pièce est modérément éclairée sans aucune source de distraction décorations sur les murs.</li>
	<li>Placez une chaise en face de l’eye-tracker à une distance appropriée pour le modèle de l’eye-tracker utilisé. Siège du soignant dans ce fauteuil et l’enfant sur les genoux du préposé. Si l’enfant ne veut pas s’asseoir sur les genoux de l’aidant, ils peuvent s’asseoir sur leurs propres, ou ils peuvent s’asseoir dans un siège d’auto.</li>
	<li>Si l’enfant est assis sur les genoux du préposé, instruire l’aidant ne pas à influencer le comportement des enfants en bas âge en quelque sorte, mais pour essayer de garder le nourrisson centré sur les genoux du préposé. Fournir des soignants avec une paire de lunettes de soleil noirci à porter afin qu’ils ne peuvent pas voir les stimuli.</li>
	<li>Demandez à l’enfant de regarder l’écran de l’eye-tracker ; envisager d’affichage d’une image ou une vidéo d’attirer leur attention engageante. Positionnez l’écran pour que les yeux des bébés sont dans la fenêtre d’étalonnage.</li>
	<li>Effectuez la procédure d’étalonnage de l’eye-tracker. Utiliser un étalonnage sur cinq points si possible, mais moins complètes étalonnages sont également susceptibles d’être adéquate. Les enfants répondent souvent mieux lorsque l’image de calibration est une animation avec accompagnement auditif.</li>
	<li>Si l’enfant passe d’étalonnage, puis commencer l’expérience. Si ce n’est pas le cas, recalibrer jusqu'à ce qu’elles réussissent. Tout les nourrissons qui ne peuvent pas être étalonnés sont exclus.</li>
	<li>Si plusieurs expériences sont exécutées consécutivement, ou si une seule expérience est assez longue, envisager de re-calibrage après chaque section.</li>
</ol>5. analyse
<ol><li>Utilisez le logiciel d’analyse de données pour effectuer cette analyse (voir, par exemple, Table des matières).</li>
	<li>Créer des zones d’intérêt (zi) autour des positions exemplaire sur les côtés gauche et droit de l’écran.</li>
	<li>Pour les essais de familiarisation, utilisent l’AOI approprié pour évaluer les nourrissons de temps passé à la recherche de l’exemplaire affiché sur chaque essai. Exclure tout nourrisson qui ne montre pas soutenue à la recherche d’une majorité des modèles (par exemple, exigent que les enfants fréquentent à 4 sur une possible 6 exemplaires de familiarisation au moins 25 % de ces essais).</li>
	<li>Pour l’essai, comprennent seulement des nourrissons de 5 premiers s d’accumulés à la recherche. Pour les enfants plus jeunes, de 3 à 12 mois d’âge, envisagez d’utiliser une fenêtre plus longue par exemple 10 secondes de recherche accumulés. Considèrent pas les bébés qui montrent pas suffisamment soutenue en regardant test (p. ex., accumulent moins de 2,5 s de la recherche) ou qui n’ont pas regarder à la fois des modèles.</li>
	<li>Maintenant créez un score de préférence pour le test de chaque enfant du procès en divisant la quantité de temps passé à la recherche pour le roman exemplaire par le montant total de temps à chercher à deux exemplaires. Pour analyser ces proportions, transforment tout d’abord avec un logit empirique ou arc-sin-racine carrée pour les rendre appropriés pour l’analyse des modèles linéaires.</li>
	<li>Pour une analyse temporelle du comportement à la recherche de nourrissons lors du test, séparer les données en petits bacs (par exemple, entre 10 et 100 ms) et de calculer un score de préférence au sein de chaque bac pour chaque enfant.</li>
	<li>Effectuer une analyse des données temps, vérifier si le modèle d’enfants en bas âge de regarder tout au long de l’essai varie selon la condition. Note que plusieurs formes d’analyse peuvent répondre à cette question, y compris une analyse de permutation axée sur le cluster20, comme démontré ici et modélisation de courbe de croissance. 21<ol>
<li>Pour une analyse de permutations axée sur le cluster, sélectionnez un seuil de valeur t, correspondant au niveau alpha désiré (alphas plage de.01 à recommandée. 20 ; remarque que cette valeur alpha ne représente pas alpha, simplement le niveau du test global requis pour temps-des contenants individuels pour dépasser le seuil). Somme de la t-statistique pour chaque fois consécutive-bin qui dépasse le seuil t choisi ; ces t-statistiques cumulatives indiquent la taille des divergences entre les conditions dans les données.</li>
		<li>Pour déterminer si ces divergences sont plus importants que prévu, par hasard, effectuez au moins 1 000 simulations avec les étiquettes de condition mélangées au hasard. Évaluer les divergences de la data unshuffled contre cette distribution axée sur la chance. NOTE : C’est cette comparaison de la divergence originale contre la distribution axée sur le hasard qui détermine le taux de faux positifs de l’analyse, plutôt que le nombre de temps-bacs dans lequel t-tests ont été menés ou même le seuil de valeur t sélectionné pour ces t-tests initiaux. Par conséquent, cette analyse fournit une alternative conservatrice au rapport directement les résultats de plusieurs tests t dans l’ensemble de temps-bacs prédéterminées (par exemple, des tests toutes les 500 ms).</li>
	</ol>
</li>
</ol>

<ol><li>Eimas, P. D., Quinn, P. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Studies+on+the+Formation+of+Perceptually+Based+Basic-Level+Categories+in+Young+Infants%5BTitle%5D)+AND+%22Child+Development%22%5BJournal%5D)">Studies on the Formation of Perceptually Based Basic-Level Categories in Young Infants.</a> Child Development. 65 (3), 903-917 (1994).</li>
<li>Madole, K. L., Oakes, L. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Making+sense+of+infant+categorization%3A+Stable+processes+and+changing+representations%5BTitle%5D)+AND+%22Developmental+Review%22%5BJournal%5D)">Making sense of infant categorization: Stable processes and changing representations.</a> Developmental Review. 19 (2), 263-296 (1999).</li>
<li>Gelman, S. A., Markman, E. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Categories+and+induction+in+young+children%5BTitle%5D)+AND+%22Cognition%22%5BJournal%5D)">Categories and induction in young children.</a> Cognition. 23 (3), 183-209 (1986).</li>
<li>Ferry, A. L., Hespos, S. J., Waxman, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Categorization+in+3-+and+4-month-old+infants%3A+An+advantage+of+words+over+tones%5BTitle%5D)+AND+%22Child+development%22%5BJournal%5D)">Categorization in 3- and 4-month-old infants: An advantage of words over tones.</a> Child development. 81 (2), 472-479 (2010).</li>
<li>Fulkerson, A. L., Waxman, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Words+%28but+not+Tones%29+Facilitate+Object+Categorization%3A+Evidence+From+6-+and+12-Month-Olds%5BTitle%5D)+AND+%22Cognition%22%5BJournal%5D)">Words (but not Tones) Facilitate Object Categorization: Evidence From 6- and 12-Month-Olds.</a> Cognition. 105 (1), 218-228 (2007).</li>
<li>Balaban, M. T., Waxman, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Do+words+facilitate+object+categorization+in+9-month-old+infants%3F%5BTitle%5D)+AND+%22Journal+of+Experimental+Child+Psychology%22%5BJournal%5D)">Do words facilitate object categorization in 9-month-old infants?</a> Journal of Experimental Child Psychology. 64 (1), 3-26 (1997).</li>
<li>Waxman, S. R., Braun, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Consistent+%28but+not+variable%29+names+as+invitations+to+form+object+categories%3A+New+evidence+from+12-month-old+infants%5BTitle%5D)+AND+%22Cognition%22%5BJournal%5D)">Consistent (but not variable) names as invitations to form object categories: New evidence from 12-month-old infants.</a> Cognition. 95 (3), B59-B68 (2005).</li>
<li>Balaban, M. T., Waxman, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+examination+of+the+factors+underlying+the+facilitative+effect+of+word+phrases+on+object+categorization+in+9-month-old+infants%5BTitle%5D)+AND+%22Proceedings+of+the+20th+Boston+University+Conference+on+Language+Development%22%5BJournal%5D)">An examination of the factors underlying the facilitative effect of word phrases on object categorization in 9-month-old infants.</a> Proceedings of the 20th Boston University Conference on Language Development. 1, 483-493 (1996).</li>
<li>Waxman, S. R., Markow, D. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Words+as+invitations+to+form+categories%3A+evidence+from+12-+to+13-month-old+infants%5BTitle%5D)+AND+%22Cognitive+Psychology%22%5BJournal%5D)">Words as invitations to form categories: evidence from 12- to 13-month-old infants.</a> Cognitive Psychology. 29 (3), 257-302 (1995).</li>
<li>Zhu, X. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aZhu%2C+X+%22Semi-supervised+learning+literature+survey%22">Semi-supervised learning literature survey</a>. , (2005).</li>
<li>Chapelle, O., Scholkopf, B., Zien, A. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aChapelle%2C+O+%22Semi-supervised+learning%3A+Adaptive+computation+and+machine+learning%22">Semi-supervised learning: Adaptive computation and machine learning</a>. , MIT Press. Cambridge, Mass., USA. (2006).</li>
<li>Zhu, X., Goldberg, A. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Introduction+to+semi-supervised+learning%5BTitle%5D)+AND+%22Synthesis+lectures+on+artificial+intelligence+and+machine+learning%22%5BJournal%5D)">Introduction to semi-supervised learning.</a> Synthesis lectures on artificial intelligence and machine learning. 3 (1), 1-130 (2009).</li>
<li>Ferry, A. L., Hespos, S. J., Waxman, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Nonhuman+primate+vocalizations+support+categorization+in+very+young+human+infants%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences+of+the+United+States+of+America%22%5BJournal%5D)">Nonhuman primate vocalizations support categorization in very young human infants.</a> Proceedings of the National Academy of Sciences of the United States of America. 110 (38), 15231-15235 (2013).</li>
<li>Hunter, M. A., Ames, E. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+multifactor+model+of+infant+preferences+for+novel+and+familiar+stimuli%5BTitle%5D)+AND+%22Advances+in+infancy+research%22%5BJournal%5D)">A multifactor model of infant preferences for novel and familiar stimuli.</a> Advances in infancy research. , (1988).</li>
<li>Rose, S. A., Feldman, J. F., Jankowski, J. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Infant+visual+recognition+memory%5BTitle%5D)+AND+%22Developmental+Review%22%5BJournal%5D)">Infant visual recognition memory.</a> Developmental Review. 24 (1), 74-100 (2004).</li>
<li>Wetherford, M. J., Cohen, L. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Developmental+changes+in+infant+visual+preferences+for+novelty+and+familiarity%5BTitle%5D)+AND+%22Child+Development%22%5BJournal%5D)">Developmental changes in infant visual preferences for novelty and familiarity.</a> Child Development. , 416-424 (1973).</li>
<li>Perone, S., Spencer, J. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Autonomous+visual+exploration+creates+developmental+change+in+familiarity+and+novelty+seeking+behaviors%5BTitle%5D)+AND+%22Frontiers+in+psychology%22%5BJournal%5D)">Autonomous visual exploration creates developmental change in familiarity and novelty seeking behaviors.</a> Frontiers in psychology. 4, 648(2013).</li>
<li>Havy, M., Waxman, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Naming+influences+9-month-olds%E2%80%99+identification+of+discrete+categories+along+a+perceptual+continuum%5BTitle%5D)+AND+%22Cognition%22%5BJournal%5D)">Naming influences 9-month-olds’ identification of discrete categories along a perceptual continuum.</a> Cognition. 156, 41-51 (2016).</li>
<li>Althaus, N., Plunkett, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Timing+matters%3A+The+impact+of+label+synchrony+on+infant+categorisation%5BTitle%5D)+AND+%22Cognition%22%5BJournal%5D)">Timing matters: The impact of label synchrony on infant categorisation.</a> Cognition. 139, 1-9 (2015).</li>
<li>Maris, E., Oostenveld, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Nonparametric+statistical+testing+of+EEG-+and+MEG-data%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">Nonparametric statistical testing of EEG- and MEG-data.</a> Journal of Neuroscience Methods. 164 (1), 177-190 (2007).</li>
<li>Raudenbush, S. W., Bryk, A. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hierarchical+Linear+Models%3A+Applications+and+Data+Analysis+Methods%5BTitle%5D)+AND+%22SAGE%22%5BJournal%5D)">Hierarchical Linear Models: Applications and Data Analysis Methods.</a> SAGE. , (2002).</li>
<li>LaTourrette, A., Waxman, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+little+labeling+goes+a+long+way%3A+Semi-supervised+learning+in+infancy%5BTitle%5D)+AND+%22Developmental+Science%22%5BJournal%5D)">A little labeling goes a long way: Semi-supervised learning in infancy.</a> Developmental Science. , e12736(2018).</li>
<li>Dink, J., Ferguson, B. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aDink%2C+J+%22eyetrackingR%3A+An+R+library+for+eyetracking+data+analysis%22">eyetrackingR: An R library for eyetracking data analysis</a>. , (2015).</li>
<li>Kalish, C. W., Zhu, X., Rogers, T. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Drift+in+children%27s+categories%3A+When+experienced+distributions+conflict+with+prior+learning%5BTitle%5D)+AND+%22Developmental+Science%22%5BJournal%5D)">Drift in children's categories: When experienced distributions conflict with prior learning.</a> Developmental Science. 18 (6), 940-956 (2015).</li>
<li>Gibson, B. R., Rogers, T. T., Zhu, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Human+semi-supervised+learning%5BTitle%5D)+AND+%22Topics+in+Cognitive+Science%22%5BJournal%5D)">Human semi-supervised learning.</a> Topics in Cognitive Science. 5 (1), 132-172 (2013).</li>
<li>Keates, J., Graham, S. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Category+Markers+or+Attributes+Why+Do+Labels+Guide+Infants%27+Inductive+Inferences%3F%5BTitle%5D)+AND+%22Psychological+Science%22%5BJournal%5D)">Category Markers or Attributes Why Do Labels Guide Infants' Inductive Inferences?</a> Psychological Science. 19 (12), 1287-1293 (2008).</li>
<li>Booth, A. E., Waxman, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+horse+of+a+different+color%3A+Specifying+with+precision+infants%E2%80%99+mappings+of+novel+nouns+and+adjectives%5BTitle%5D)+AND+%22Child+development%22%5BJournal%5D)">A horse of a different color: Specifying with precision infants’ mappings of novel nouns and adjectives.</a> Child development. 80 (1), 15-22 (2009).</li>
<li>Perszyk, D. R., Waxman, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Listening+to+the+calls+of+the+wild%3A+The+role+of+experience+in+linking+language+and+cognition+in+young+infants%5BTitle%5D)+AND+%22Cognition%22%5BJournal%5D)">Listening to the calls of the wild: The role of experience in linking language and cognition in young infants.</a> Cognition. 153, 175-181 (2016).</li>
<li>Althaus, N., Mareschal, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Labels+direct+infants%E2%80%99+attention+to+commonalities+during+novel+category+learning%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Labels direct infants’ attention to commonalities during novel category learning.</a> PLoS ONE. 9 (7), e99670(2014).</li>
<li>Fulkerson, A. L., Haaf, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+influence+of+labels%2C+non-labeling+sounds%2C+and+source+of+auditory+input+on+9-+and+15-month-olds%E2%80%99+object+categorization%5BTitle%5D)+AND+%22Infancy%22%5BJournal%5D)">The influence of labels, non-labeling sounds, and source of auditory input on 9- and 15-month-olds’ object categorization.</a> Infancy. 4 (3), 349-369 (2003).</li>
</ol>

Les auteurs n’ont rien à divulguer.

Nous présentons ici une procédure permettant d’évaluer le rôle de l’étiquetage dans la catégorisation. En présentant 2 ans avec un mélange réaliste des exemplaires étiquetés et sans étiquette, nous démontrons que les très jeunes enfants sont capables d’apprendre dans un environnement semi-supervisé, s’étendant de travail avec les adultes et les enfants plus âgés24,25 . Ainsi, cette méthode offre une résolution au paradoxe posée ci-dessus : si même quelques exempl...

La catégorisation est un bloc de construction fondamental de la cognition humaine : capacités de catégorisation des nourrissons émergent au début dans l’enfance et devenir de plus en plus sophistiquées avec l’âge. 1 , 2 , 3 recherche a également révélé un rôle puissant langage infantile catégorisation : depuis l’âge de 3 mois, les bébés apprennent catégories avec plus de succès lorsqu’exemplaires de catégorie sont jumelés avec le langage. 4 , 5 , 6 par ailleurs, la fin de la première année, les enfants sont attentifs au rôle d’étiquettes count noun dans la catégorisation. Appariement des exemplaires de la catégorie avec une phrase d’étiquetage conforme (« Ceci est un vep ! ») facilite la catégorie d’enfants en bas âge apprenant par rapport à fournir soit une étiquette distincte pour chaque exemplaire (« Il s’agit d’un vep, » « Il s’agit d’un dax, » etc.) ou un marquage non une expression (« Regardez ceci. »). 7 , 8 , 9
Dans les expériences quotidiennes des nourrissons, cependant, la grande majorité des objets qu’ils rencontrent demeurera probablement sans étiquette. Aucun soignant ne pourrait étiqueter chaque objet qu'un enfant voit beaucoup moins fournir les étiquettes qui s’appliquent à chaque objet (par exemple, « malamute, » « chien », « animal de compagnie », « animal »). Cela présente un paradoxe : comment concilier le pouvoir d’étiquettes dans la catégorisation infantile avec leur relative rareté dans la vie quotidienne des nourrissons ?
Pour répondre à cette question, nous avons développé un protocole pour évaluer comment les bébés apprennent catégories dans une variété d’environnements d’apprentissage différents, y compris lorsqu’ils reçoivent un mélange de modèles marquées et non marquées. Plus précisément, nous proposons que reçoit encore quelques exemplaires marqués au début de l’apprentissage peut faciliter la catégorisation — en améliorant la capacité des nourrissons à tirer des enseignements ultérieurs, non exemplaires aussi bien. Cette stratégie consistant à utiliser un petit nombre d’exemplaires étiquetés comme une base pour l’apprentissage d’un plus grand nombre d’exemplaires sans étiquette a été largement appliquée dans le domaine de l’apprentissage machine, frai une famille d' apprentissage semi-supervisé (SSL) algorithmes de11,10,12. Bien sûr, les stratégies d’apprentissage mis en œuvre ne sont pas identiques à travers différents types d’apprenants : en apprentissage machine, algorithmes sont généralement exposés à des exemples plus nombreux, faire des suppositions explicites sur chaque exemplaire et d’apprendre plusieurs catégories en même temps. Néanmoins, les machines et les apprenants infantiles peuvent bénéficier d’intégration réussie des exemplaires étiquetés et sans étiquette pour apprendre de nouvelles catégories dans des environnements étiquetage clairsemées.
Notre conception se concentre sur la question de savoir si des enfants de 2 ans, en train d’acquérir des mots pour de nombreuses nouvelles catégories, sont capables de ce genre d’apprentissage semi-supervisé. Nous employons une mesure standard de catégorisation infantile : une tâche de familiarisation-test. Dans ce paradigme, 2 ans ont été exposés à une série d’exemplaires d’une nouvelle catégorie au cours d’une phase de familiarisation. Chaque exemplaire a été jumelé avec un stimulus auditif différent, selon l’état (c'est-à-dire, un étiquetage ou une phrase non marquage). Puis, à l’essai, tous les 2 ans a vu deux nouveaux objets présentés en silence : un objet de la catégorie désormais familière et un d’une nouvelle catégorie.
Si les enfants de 2 ans avec succès forment la catégorie durant la phase de familiarisation, puis ils établissent une distinction entre les deux modèles présentés lors du test. Ce qui est important, parce qu’une préférence systématique soit pour l’image de test roman ou familiers reflète une aptitude à distinguer entre eux, préférences de familiarité et de nouveauté sont interprétées comme la preuve de la catégorisation réussie. Notez que sur une tâche donnée, la nature de cette préférence est fonction de l’efficacité du traitement des nourrissons pour les matériaux de la stimulation, les préférences de connaissance associées à des stimulus moins efficace traitement 4,13, 14 , 15 , 16 , 17. présentation de la phase de test dans le silence permet d’évaluer directement le succès des enfants en bas âge dans la catégorisation de l’objet et comment ce succès varie selon les informations qui accompagnent les exemplaires lors de familiarisation. Ainsi, ce paradigme fournit un test convaincant comment différents types d’apprentissage de catégorie affectent les environnements linguistiques. Si l’étiquetage favorise l’apprentissage de la catégorie dans les environnements semi-supervisées entièrement supervisées, 2 ans dans ces conditions devrait montrer des préférences de test plus forts que les nourrissons dans d’autres environnements.

<table><tbody><tr><td>Final Cut Pro X</td><td>Apple</td><td>N/A</td><td>Logiciel de montage vidéo, composition</td></tr><tr><td>MorphX</td><td>Norrkross</td><td>N/A</td><td>Logiciel de morphing d’images</td></tr><tr><td>Photoshop</td><td>Adobe</td><td>N/A</td><td>Logiciel de retouche d’images</td></tr><tr><td>R</td><td>R Core Team</td><td>N/A</td><td>Logiciel d’analyse statistique</td></tr><tr><td>T60XL Eyetracker</td><td>Tobii Pro</td><td>Produit arrêté</td><td>Grand eyetracker monté sur le bras, adapté au travail avec des nourrissons et des enfants</td></tr><tr><td>Tobii Pro Studio</td><td>Tobii Pro N</td><td>/A</td><td>Logiciel dirigeant l’affichage de l’eyetracker, collecte de données</td></tr></tbody></table>

définissant le rôle du langage dans la catégorisation objet nourrissons avec les paradigmes de l’eye-tracking

Defining the Role Of Language in Infants' Object Categorization with Eye-tracking Paradigms

Apprentissage de la catégorie infantile est une difficile mais un aspect essentiel d’étudier la cognition infantile. En employant un paradigme de familiarisation-test, nous mesurons carrément succès des enfants en bas âge dans une catégorie roman d’apprentissage tout en s’appuyant uniquement sur leur comportement à la recherche. En outre, le paradigme peut mesurer directement l’impact des différents signaux auditifs sur la catégorisation infantile à travers un éventail d’âges. Par exemple, nous avons évalué la façon dont 2 ans apprennent catégories dans une variété d’environnements d’étiquetage : dans notre tâche, 2 ans avec succès appris catégories lorsque tous les exemplaires ont été étiquetés ou les deux premiers exemplaires ont été marquées, mais ils ont échoué à catégoriser quand aucun exemplaires ont été étiquetés ou seulement deux modèles finales ont été étiquetés. Pour déterminer le succès des enfants en bas âge dans ces tâches, chercheurs peuvent examiner les deux la préférence générale affichée par les enfants dans chaque État et modèle de bébés de la recherche au cours de la phase de test, en utilisant un eye-tracker pour fournir des données de temps à grain fin . Ainsi, nous présentons un paradigme puissant permettant d’identifier le rôle de la langue, ou n’importe quel signal auditif, dans la catégorie d’objet de bébés d’apprentissage.

En utilisant le protocole ci-dessus, nous avons couru deux expériences22. Les analyses ont été effectuées avec le paquet de eyetrackingR 23, et le code et les données sont disponibles à https://github.com/sandylat/ssl-in-infancy. Dans la première expérience, nous avons comparé un état entièrement supervisé (n = 24, Mâge = 26.8 mo), mettant en vedette uniquement étiquetés exemplaires, avec une condition non supervisée (n ...

Nous présentons ici un protocole pour les paradigmes de familiarisation-test qui fournissent un test direct de la catégorisation infantile et aider à définir le rôle du langage dans l’apprentissage de la catégorie.

Définissant le rôle du langage dans la catégorisation objet nourrissons avec les paradigmes de l’Eye-tracking

Assessing infant category learning is a challenging but vital aspect of studying infant cognition. By employing a familiarization-test paradigm, we ...

Cette méthode de test de familiarisation révèle comment les nourrissons forment des catégories d’objets visuels et quels types de conditions soutiennent le plus efficacement leur apprentissage. En utilisant uniquement les mouvements oculaires des nourrissons, nous pouvons mesurer dans quelle mesure ils apprennent avec succès une catégorie. Ensuite, nous pouvons comparer directement cet apprentissage dans un large éventail de conditions d’apprentissage différentes.Commencez par créer les stimuli visuels pour l’expérience. Pour créer une nouvelle catégorie continue, concevez d’abord une paire d’images numériques inédites. Ensuite, transformez la paire d’images ensemble pour former un continuum d’exemples entre les deux images originales.Créez au moins deux catégories de cette façon, de sorte que l’une puisse servir de catégorie à apprendre, tandis que l’autre fournit la nouvelle catégorie exemplaire pour l’essai. Ensuite, sélectionnez les exemples de familiarisation à intervalles uniformément espacés de chaque continuum de catégories apprises. Sélectionnez un nombre approprié d’exemplaires et proportionnellement à la difficulté de la catégorie et de l’âge des participants.Pour créer les exemples pour la phase de test, sélectionnez les points médians du continuum des catégories familières et du continuum des nouvelles catégories. Ensuite, correspondre à la couleur du roman exemplaire à celle de l’exemplaire familier en utilisant un programme de manipulation d’image. Pour les phrases d’étiquetage et de non-étiquetage, utilisez des stimuli auditifs précédemment enregistrés produits par une locutrice d’anglais natif dans une cabine insonorisation.Pour recueillir des données adéquates pour une mesure de test de familiarisation, la plupart des traqueurs oculaires largement disponibles suffiront. Les objets occupent de grandes parties de l’écran et l’analyse des données étudie les performances sur une longue fenêtre. À l’aide du logiciel eye tracker, créez quatre conditions différentes, entièrement supervisées, non supervisées, semi-supervisées et inversées semi-surveillées.Assurez-vous que ces conditions sont séparées, de sorte que chaque nourrisson ne verra qu’une seule condition. Ensuite, générer au moins deux ordres pseudorandom des exemples d’apprentissage avec la contrainte que pas plus de deux exemplaires du même côté du continuum peuvent être montrés consécutivement. Utilisez maintenant un logiciel d’édition vidéo pour créer des vidéos de familiarisation qui associent les stimuli auditifs précédemment créés aux stimuli visuels, le cas échéant pour chaque condition.Par exemple, dans l’état entièrement supervisé paire chaque familiarisation exemplaire avec une phrase d’étiquetage. Dans un état non supervisé, associez chaque exemplaire de familiarisation à une phrase non étiquetée. Dans l’état semi-supervisé, ne jumelez que les deux premiers exemplaires de chaque ordre avec des phrases d’étiquetage, mais le reste avec des phrases non étiquetées.Pour l’état semi-supervisé inversé, jumelez les deux derniers exemplaires avec des phrases d’étiquetage, mais les quatre premières avec des phrases non étiquetées. Téléchargez ces vidéos dans le logiciel eye tracker en étant sûr de commander les vidéos de familiarisation telles que déterminées par l’ordre pseudorandomized. Téléchargez également une courte animation saisissant l’attention affichée au centre de l’écran après familiarisation, pour s’assurer que la plupart des nourrissons regardent le centre de l’écran lorsque la phase de test commence.Enfin, pour chaque catégorie d’apprentissage, concevez deux essais d’essai chacun comportant deux exemplaires affichés côte à côte. Pour les deux, assurez-vous qu’un exemplaire représente le point médian de la catégorie maintenant familière, tandis que l’autre représente le point médian de la catégorie nouvelle. Assurez-vous que les essais de test durent de 5 à 20 secondes pour accumuler suffisamment de recherche, et contrebalancer les essais afin que le positionnement gauche droit du nouvel exemplaire dans l’essai d’essai soit inversé sur les vidéos.Téléchargez les essais de tâches sur le logiciel eye tracker, les positionnant après le post familiarisation attention getter. Contrebalancer la présentation de ces essais, de sorte que chaque enfant en bas âge a une chance égale de voir un roman gauche ou un essai de test nouveau droit. Avant l’arrivée de l’enfant, configurer le traqueur oculaire.Assignez aléatoirement l’enfant à une condition et à une commande, puis ouvrez le logiciel de suivi oculaire, sélectionnez la paire de commande de condition assignée, et entrez le numéro de participant pour l’enregistrement. Après avoir obtenu le consentement pour l’étude, amenez le nourrisson et l’aidant à la salle de suivi des yeux. Assurez-vous que cette pièce est modérément éclairée sans aucune décoration distrayante sur les murs.Placez l’aidant à une distance appropriée pour le modèle de suivi oculaire utilisé. Si l’enfant ne veut pas s’asseoir sur les genoux des soignants, il peut s’asseoir seul ou s’asseoir sur un siège d’auto. Si l’enfant est assis sur les genoux des soignants, demandez à l’aidant de ne pas biaiser le comportement des nourrissons de quelque façon que ce soit, mais d’essayer de garder l’enfant centré sur les genoux des soignants.Ensuite, fournissez à l’aidant une paire de lunettes de soleil noircies à porter, de sorte qu’ils ne peuvent pas voir les stimuli. Maintenant, demandez à l’enfant en bas âge de regarder l’écran de traqueur d’oeil. Envisagez d’afficher une image ou une vidéo attrayante pour attirer leur attention.L’écran doit être positionné, de sorte que les yeux du nourrisson sont à l’intérieur de la fenêtre d’étalonnage. Ensuite, effectuez la procédure d’étalonnage des traqueurs oculaires à l’aide d’un étalonnage en cinq points, si possible. Les nourrissons réagissent souvent mieux lorsque l’image d’étalonnage est animation avec accompagnement auditif.Si l’enfant passe l’étalonnage, puis commencer l’expérience si non, recalibrer jusqu’à ce qu’ils réussissent. Tous les nourrissons qui ne peuvent pas être calibrés devraient être exclus de l’étude. Ce chiffre montre les scores de préférence moyenne entre les conditions.Les nourrissons dans les conditions entièrement surveillées et semi-supervisées, ont montré des préférences de nouveauté significativement au-dessus du hasard. Tandis que les enfants en bas âge dans les conditions semi-surveillées non supervisées et inversées, ont exécuté aux niveaux de chance. Ici, nous voyons les nourrissons à la recherche de modèles pendant les tests.Dans les conditions entièrement surveillées et non supervisées et dans les conditions semi-supervisées et inversées semi-surveillées, les enfants en bas âge modèle de regarder vers les exemples ont divergé entre 3450 et 3850 millisecondes. Les régions ombragées colorées indiquent l’erreur standard de la moyenne. Cette procédure peut être utilisée avec des nourrissons de différents âges et matériaux dont la complexité varie.Par conséquent, chaque nouvelle conception doit refléter la capacité d’apprentissage des nourrissons à cet âge prévu. Nous pouvons continuer à nous demander si et comment la capacité des nourrissons telle qu’elle est mesurée ici est en corrélation avec les étapes ultérieures de la langue ou même prédit l’acquisition par les nourrissons de jalons linguistiques ultérieurs. Comme la taille du vocabulaire ou l’ordre des mots.Cette technique a permis au scientifique du développement d’étudier la cognition et la perception chez les nourrissons dès deux mois. Il continue d’éclairer la façon dont la langue facilite l’apprentissage tout au long de la petite enfance.

defining-role-language-infants-object-categorization-with-eye

Research

Recherche

JoVE Journal

Behavior

Comportement

Un moyen fiable à domicile pour évaluer la compréhension de la langue des très jeunes enfants au développement normal, ainsi que ceux qui sont autistes, est décrite. La méthode analyse le regard des yeux des enfants lors de l'affichage côte à côte des images mais entendre un audio qui correspond à une seule image. Les stimuli sont conçus avec des jeunes participants à l'esprit.

Portable intermodal du regard préférentiel (IPL): Compréhension Langue d&#39;instruction dans les Typiquement Développer tout-petits et les jeunes enfants atteints d&#39;autisme

À 3-4 mois, l'écoute de vocalisations des primates humains et non humains stimule la cognition des enfants en bas âge; de 6 mois, exercent vocalisations que l'homme cet avantage cognitif. Nous décrivons une manipulation d'exposition qui révèle le puissant rôle de mise en forme de l'expérience que les nourrissons qui semble indiquer un lien vers la connaissance et qui à la sourde oreille.

L&#39;expérience est instrumentale dans Tuning un lien entre la langue et Cognition: Preuve de 6 à 7 mois-vieux Infants&#39; Catégorisation objet

Le présent article examine une méthodologie de suivi oculaire pour les études sur la compréhension de la langue. Pour obtenir des données fiables, des étapes clés du protocole doivent être respectées. Parmi ceux-ci figurent la mise en place correcte du Traqueur d’oeil (par exemple, assurer la bonne qualité des images oeil et tête) et un étalonnage précis.

Eye Tracking au cours de la compréhension du langage visuel situé : Flexibilité et Limitations en découvrant des effets de contexte visuel

Les nourrissons et les tout-petits Découvre le monde d’une manière fondamentalement différente de leurs parents. Visiocasques caméras fournissent un mécanisme souple pour comprendre l’environnement visuel infantile. Ce protocole prévoit des principes directeurs pour des expériences dans la maison ou au laboratoire pour capturer la vue égocentrique des enfants en bas âge et les nourrissons.

Une vue qui leur est propre : capturer la vue égocentrique des nourrissons et des tout-petits avec caméras Head-Mounted

Nous présentons un protocole afin d’examiner l’utilisation d’indices morphologiques au cours de la compréhension de la phrase en temps réel par les enfants atteints d’autisme.

En utilisant le paradigme de l’univers visuel d’étudier la compréhension de la phrase en langue mandarine enfants atteints d’autisme

Jeunes enfants ne font pas passivement observer le monde, mais plutôt activement Explorer et engager avec leur environnement. Ce protocole prévoit des principes directeurs et des recommandations pratiques pour l’utilisation des trackers visiocasques oeil pour enregistrer des nourrissons et des tout-petits environnements visuels dynamiques et attention visuelle dans le contexte du comportement naturel.

Regard en Action : Head-mounted Eye Tracking d’Attention visuelle dynamique de l’enfant au cours de comportement naturaliste

Les études de suivi des yeux utilisant un paradigme de regard préférentiel peuvent être employées pour étudier la compréhension et l'attention naissantes des enfants en bas âge de leur monde visuel externe.

Explorer la sensibilité des nourrissons au langage visuel à l'aide du suivi des yeux et du paradigme de la recherche préférentielle

L'USIN Réseau Neurobehavioral Scale (NNN) a été développé comme une évaluation pour les nourrissons à risque. Le but de cet article est de décrire la NNN, fournir des exemples vidéo des procédures NNN et discuter des façons dont l'examen a été utilisé.

Évaluation et d&#39;évaluation du risque néonatal haut: L&#39;échelle Neurobehavioral USIN réseau

Les méthodes d’enregistrement du déclenchement sensoriel auditif P50, un marqueur physiologique de l’inhibition cérébrale qui reflète les premiers stades de l’attention, sont décrites.

Déclenchement sensoriel P50 chez les nourrissons

Une méthode est décrite pour quantifier la qualité du traitement de l’information visuelle basée sur des mouvements oculaires réflexifs en réponse à des modalités visuelles spécifiques. Les temps de réaction et les paramètres de sortie de fixation sont utilisés pour caractériser les performances visuelles chez les enfants avec et sans déficience visuelle à partir de 6 mois.

Une méthode pour quantifier visuel Traitement de l&#39;information chez les enfants Utilisation du suivi des yeux

Découvrez le paradigme familiarisation-test pour étudier la catégorisation visuelle chez les nourrissons. Cette méthode par eye-tracking révèle comment le langage influence l'apprentissage précoce des catégories d'objets.

Définissant le rôle du langage dans la catégorisation objet nourrissons avec les paradigmes de l’Eye-tracking

Explorer plus de vidéos