Name: Definire il ruolo del linguaggio nella categorizzazione degli oggetti degli infanti con paradigmi di Eye-tracking (Video) | JoVE Journal
Uploaded: 2019-02-08T15:00:00.000+00:00
Duration: 7 min 31 s
Description: Scopri il paradigma familiarizzazione-test per studiare la categorizzazione visiva nei lattanti tramite eye-tracking. Questo metodo rivela come i bambini formano categorie di oggetti e quali condizioni supportano l'apprendimento.

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 ricerca segnalata qui è stata sostenuta dal National Institute of Child Health e lo sviluppo umano del National Institutes of Health, sotto numero premio R01HD083310 e un National Science Foundation Graduate Research Fellowship sotto concedere no. DGE‐1324585. Il contenuto è di esclusiva responsabilità degli autori e non rappresentano necessariamente il punto di vista ufficiale del National Institutes of Health o della National Science Foundation.

Tutti i metodi descritti qui sono stati approvati dalla Northwestern University Institutional Review Board.
1. stimoli creazione
Nota: Gli stimoli visivi (Vedi Figura 1) utilizzati nel disegno rappresentativo sotto riportati sono stati originariamente sviluppati in anrdrea e Waxman (2016)18 e sono disponibili per il download su https://osf.io/n6uy8/.
<ol><li>Per creare una nuova categoria di continua, prima di progettare un paio di nuove immagini digitali. Successivamente, di morph insieme, la coppia di immagini utilizzando il software (Vedi, ad esempio, la Tabella materiali) per formare un continuum di esemplari tra le due immagini originali. Creare almeno due categorie in questo modo, in modo che uno può servire come la categoria deve essere appreso mentre l'altro fornisce il exemplar di categoria romanzo per la versione di valutazione di test.</li>
	<li>Selezionare gli esemplari di familiarizzazione intervalli equidistanti da lungo continuum di ogni categoria acquisita (ad esempio, gli esemplari di 0%, 20%, 40%, 60%, 80% e 100%). Selezionare un numero adeguato di esemplari (ad es., sei). Commisurato alla difficoltà della categoria e l'età dei partecipanti.</li>
	<li>Per creare gli esemplari per la fase di test, selezionare i punti medi di continuum della categoria familiare e continuum della categoria romanzo (cioè, l'esemplare di 50%). Quindi il colore del romanzo esemplare a quello dell'esemplare familiare utilizzando un programma di manipolazione di immagine (Vedi, ad esempio, la tabella materiali).</li>
	<li>Stimoli uditivi record prodotti da un madrelingua inglese femmina in una cabina insonorizzata. Se possibile, utilizzare l'altoparlante stesso per entrambi frasi d'etichettatura (vale a dire, "Guardate i modi") e non-etichettatura frasi (cioè, "Guarda quella!").<ol>
<li>Istruire l'altoparlante per produrre tutte le espressioni nel discorso diretto di infante o bambino.</li>
		<li>Selezionare le espressioni che sono approssimativamente della stessa lunghezza attraverso condizioni, probabilmente circa 1.500 ms per ogni frase.</li>
	</ol>
</li>
</ol>2. l'apparecchio
<ol><li>Utilizzare appropriati eye-tracker. Per raccogliere dati di eye tracking adeguati per una misura di familiarizzazione-prova, sarà sufficiente il più ampiamente disponibile eye-tracker: gli oggetti occupano grandi porzioni dello schermo, e l'analisi dei dati indaga prestazioni sopra una finestra lunga, piuttosto che movimenti oculari individuali, rapidamente che si verificano ad esempio saccadi.</li>
	<li>Poiché questo compito richiede infanti di eye tracking, assicurarsi che il sistema sia conforme ai requisiti diversi.<ol>
<li>In primo luogo, utilizzare eye-tracker con una modalità di rilevamento remoto, che non richiede gli infanti posizionare le loro teste su un resto di mento. Assicurarsi che il eye-tracker può tollerare relativamente grandi movimenti della testa o aggiustamenti.</li>
		<li>In secondo luogo, è possibile utilizzare un relativamente grande schermo per visualizzare le immagini agli infanti, (per es., 57 x 45 cm).</li>
		<li>In terzo luogo, è possibile utilizzare un montaggio braccio estensibile per l'eye-tracking per facilitare la raccolta dei dati consentendo al ricercatore di regolare l'altezza del eye-tracker ad ogni infante.</li>
		<li>In quarto luogo, rendere l'attrezzatura di eye tracking unobtrusive, concentrando attenzione degli infanti esclusivamente sullo schermo del display. Per esempio, alcuni sistemi integrano l'apparecchiatura di eye tracking con il monitor o montare l'apparecchiatura direttamente sotto il monitor.</li>
	</ol>
</li>
	<li>Si noti che questa attività può essere completata anche dalla mano di codifica di dati di alta qualità video di comportamento osservante infants'. Mentre le tecniche di codifica manuale possono presentare alcune sfide per utilizzando le analisi di tempo-corso granularità più fine, codificato manualmente dati sono interamente sufficienti per l'aggregazione alla ricerca di analisi.</li>
</ol>3. Ufficio Design
<ol><li>Nel software associato di eye-tracking (Vedi, ad esempio, Tabella materiali), creare quattro diverse condizioni: completamente supervisionato, Unsupervised, semi-supervisionato e invertito semi-supervisionato. Assicurare che queste condizioni sono separate, in modo che ogni bambino vedrà solo una condizione.</li>
	<li>Generare almeno due ordini di pseudo-casuali degli esemplari di apprendimento, con il vincolo che non più di due esemplari dallo stesso lato del continuum (0-40% o 60-100%) può essere mostrato consecutivamente.</li>
	<li>Creare video di familiarizzazione che stimoli uditivi la coppia con gli stimoli visivi come appropriato per ogni condizione.<ol>
<li>Combinare gli stimoli visivi ed uditivi in software di video editing (Vedi, ad esempio, la Tabella materiali). Presentare tutte le immagini sullo stesso sfondo. Impostare l'inizio dello stimolo uditivo su una gamma adeguata, tra 500 ms e 1.500 ms dopo l'inizio dello stimolo visivo. Usare questo breve ritardo per facilitare elaborazione carico 19 neonati.</li>
		<li>Per esempio, nella condizione completamente supervisionato, coppia ogni esemplare di familiarizzazione con una frase d'etichettatura.</li>
		<li>Nella circostanza non supervisionata, coppia ogni esemplare di familiarizzazione con una frase-di etichettatura.</li>
		<li>In condizione di semi-supervisionata, coppia solo i primi due esemplari in ogni ordine con etichettatura frasi ma il resto con frasi-di etichettatura.</li>
		<li>Per la condizione di semi-supervisionato Reversed, coppia il finali due esemplari con etichettatura frasi ma i primi quattro con frasi non-etichettatura (Vedi Figura 1).</li>
		<li>Caricare questi video nel software eye-tracking, ordinare i video di familiarizzazione, come determinato dall'ordine pseudo-randomizzati.</li>
	</ol>
</li>
	<li>Caricare un breve (10 s o meno) che attirano l'attenzione animazione visualizzata al centro dello schermo dopo familiarizzazione: questo farà sì che molti neonati stanno cercando al centro dello schermo quando inizia la fase di test.</li>
	<li>Infine, per ogni categoria di apprendimento, design due test, prove, ognuna dotata di due esemplari visualizzato side-by-side. Garantire che per entrambe le prove a test, un exemplar rappresenterà il punto medio della categoria ormai familiare, mentre l'altro rappresenta il punto centrale della categoria romanzo.<ol>
<li>Controbilanciare le prove affinché il posizionamento a sinistra/destra del romanzo esemplare nel test di prova è invertito attraverso video.</li>
		<li>Caricare questi test prove del software di eye-tracking, posizionandoli dopo il post-familiarizzazione attenzione-getter. Controbilanciare la presentazione di queste prove così ogni bambino ha la stessa probabilità di vedere una versione di valutazione di test romanzo-sinistra o destra-romanzo.</li>
		<li>Garantire tale test prove durare almeno 5 s e fino a 20 s, affinché i bambini inizialmente distoglie lo sguardo per accumulare sufficiente alla ricerca.</li>
	</ol>
</li>
</ol>[Inserire qui la Figura 1 ]
4. procedura di studio
<ol><li>Prima che il bambino arriva, impostare il eye-tracker.<ol>
<li>Assegnare casualmente il neonato a una condizione e un ordine.</li>
		<li>Aprire il software eye-tracker e selezionare la coppia di condizione/ordine assegnato.</li>
		<li>Ora immettere il numero del partecipante per questa registrazione.</li>
	</ol>
</li>
	<li>Dopo aver eseguito il processo di consenso, portare il bambino e il caregiver per la camera di eye tracking. Assicurarsi che la stanza è illuminata moderatamente senza alcuna distrazione decorazioni sulle pareti.</li>
	<li>Posto una sedia davanti il eye-tracker ad una distanza appropriata per il modello di eye-tracker viene utilizzato. Seduta del caregiver in questa sedia e il bambino sulle ginocchia del genitore. Se il bambino non vuole sedersi in giro di caregiver, essi possono sedere loro, o essi possono sedere in un seggiolino per auto.</li>
	<li>Se il bambino è seduto sulle ginocchia del genitore, istruire il caregiver non per influenzare il comportamento degli infanti in alcun modo, ma per cercare di tenere il bambino centrato sulle ginocchia del genitore. Fornire gli operatori sanitari con un paio di occhiali oscurati indossare così non vedono gli stimoli.</li>
	<li>Chiedere l'infante a guardare lo schermo di eye-tracking; considerare la visualizzazione di un'immagine o un video per attirare la loro attenzione coinvolgente. Posizionare lo schermo in modo che gli occhi dei neonati sono all'interno della finestra di calibrazione.</li>
	<li>Eseguire la procedura di calibrazione di eye-tracker. Se possibile, utilizzare una calibrazione di cinque-punto, ma meno complete calibrazioni sono anche suscettibili di essere adeguata. I neonati spesso rispondono meglio quando l'immagine di calibrazione è un'animazione con accompagnamento uditiva.</li>
	<li>Se il bambino passa la calibrazione, quindi iniziare l'esperimento. In caso contrario, ricalibrare fino a quando non sono riusciti. Sono esclusi eventuali infanti che non possono essere calibrati.</li>
	<li>Se esperimenti multipli vengono eseguiti consecutivamente, o se un singolo esperimento è abbastanza lungo, considerare ri-taratura dopo ogni sezione.</li>
</ol>5. analisi dei dati
<ol><li>Utilizzare software di analisi dati per eseguire questa analisi (ad es., vedi tabella materiali).</li>
	<li>Creare aree di interesse (AOI) intorno le posizioni di esemplare a sinistra e a destra dello schermo.</li>
	<li>Per le prove di familiarizzazione, uso l'AOI appropriato per valutare gli infanti di tempo trascorso guardando il paradigma visualizzati per ciascuna prova. Escludere qualsiasi infante che non Mostra sostenuta alla ricerca di una maggioranza degli esemplari (ad esempio, richiedono che gli infanti partecipare a 4 un possibile 6 esemplari di familiarizzazione per almeno il 25% di tali sperimentazioni).</li>
	<li>Per la versione di valutazione di test, sono solo degli infanti prima 5 s di ricerca accumulato. Per gli infanti più giovani, da 3 a 12 mesi di età, considerare l'utilizzo di una finestra più lungo ad esempio 10 secondi di ricerca accumulato. Considerare esclusi i bambini che mostrano insufficienti sostenuta guardando la pagina di prova (ad esempio, accumulando meno di 2.5 s di ricerca) o che non riescono a guardare ad entrambi gli esemplari.</li>
	<li>Ora creare un punteggio di preferenza per la prova di ogni bambino prova dividendo la quantità di tempo speso alla ricerca per il romanzo esemplare dalla quantità totale di tempo alla ricerca di due esemplari. Per analizzare queste proporzioni, trasformarli in primo luogo con un logit empirica o la radice quadrata di arco-peccato per renderli idonei per l'analisi con modelli lineari.</li>
	<li>Per un'analisi di tempo-corso di comportamento osservante-bimbi al test, separare i dati in piccoli contenitori (ad esempio, tra 10 e 100 ms) e calcolare un punteggio di preferenza all'interno di ciascuna collocazione per ogni bambino.</li>
	<li>Eseguire un'analisi dei dati corso di tempo, verificare se il modello degli infanti di guardare in tutta la versione di valutazione di test varia da condizione. Nota che le forme multiple di analisi possono rispondere a questa domanda, compreso una permutazione basato su cluster analisi20, come dimostrato qui e modellazione di curva di crescita. 21<ol>
<li>Per un'analisi basata su cluster di permutazioni, selezionare una soglia di valore t, corrispondente al livello desiderato, Alfa (alfa gamma da,01 per raccomandata. 20; si noti che questo valore alfa non rappresentano livello alpha del test globale, semplicemente il livello richiesto per individuale tempo-bidoni superare la soglia). Somma la statistica t per ogni tempo-bin consecutivi che supera la soglia di t selezionata; questi cumulative t-statistiche indicano le dimensioni delle divergenze tra le condizioni nei dati.</li>
		<li>Per determinare se tali divergenze sono maggiori del previsto per caso, è necessario effettuare almeno 1.000 simulazioni con le etichette di condizione mescolate a caso. Valutare le divergenze dei dati unshuffled contro questa distribuzione basata su possibilità. Nota: È questo confronto della divergenza originale contro la distribuzione basata su possibilità che determina il tasso di falsi positivi dell'analisi, piuttosto che il numero di tempo-cestini in cui t-test sono stati condotti o anche la soglia di t-valore selezionato per quelli t-test iniziali. Di conseguenza, questa analisi fornisce un'alternativa conservatrice alla segnalazione direttamente i risultati da t-test multipli attraverso pre-specificati tempo-bidoni (ad es., conducendo test ogni 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>

Gli autori non hanno nulla a rivelare.

Qui, presentiamo una procedura per valutare il ruolo di etichettatura nella categorizzazione. Presentando 2-anno-olds con un mix realistico di esemplari marcate e non marcate, dimostriamo che i bambini molto piccoli sono in grado di apprendere in ambienti semi-supervisionati, estendendo il lavoro con gli adulti e di bambini più anziani24,25 . Così, questo metodo offre una risoluzione al paradosso posato sopra: anche alcuni esemplari con etichettate possono scinti...

La categorizzazione è un elemento fondamentale della cognizione umana: le abilità di categorizzazione degli infanti emergono presto nell'infanzia e diventano sempre più sofisticate con l'età. 1 , 2 , 3 ricerca ha anche rivelato un ruolo potente per lingua nella categorizzazione infantile: da 3 mesi di età, i bambini imparano categorie più correttamente quando esemplari di categoria sono associati con la lingua. 4 , 5 , 6 inoltre, entro la fine del primo anno, i neonati sono in sintonia con il ruolo di sostantivo conteggio etichette nella categorizzazione. Esemplari di categoria con una frase coerenza d'etichettatura di accoppiamento ("questo è un vep!") facilita la categoria degli infanti di apprendimento rispetto a fornire sia un'etichetta distinta per ogni esemplare ("Questo è un vep," "Questo è un dax," ecc.) o una non-etichettatura una frase ("Guarda questo."). 7 , 8 , 9
Nelle esperienze quotidiane degli infanti, tuttavia, la stragrande maggioranza degli oggetti che incontrano probabilmente rimarrà senza etichetta. Nessun operatore sanitario potrebbe etichettare ogni oggetto che un infante vede molto meno fornire le etichette che si applicano a ogni oggetto (ad es., "malamute," "cane", "animale domestico", "animale"). Ciò presenta un paradosso: come possiamo conciliare il potere delle etichette nella categorizzazione infantile con loro relativa scarsità nella vita quotidiana dei neonati?
Per rispondere a questa domanda, abbiamo sviluppato un protocollo per valutare come i bambini imparano categorie in una varietà di ambienti di apprendimento diversi, tra cui quando ricevono una miscela di esemplari marcate e non marcate. In particolare, proponiamo che ricevendo anche alcuni esemplari con etichettate all'inizio dell'apprendimento può agevolare la categorizzazione — migliorando la capacità degli infanti di imparare dai successivi, senza etichetta esemplari pure. La strategia di utilizzo di un piccolo numero di esemplari identificati come un fondamento per l'apprendimento da un gran numero di esemplari senza etichetta è stato ampiamente implementato nel campo dell'apprendimento automatico, la deposizione delle uova una famiglia di apprendimento semi-supervisionato (SSL) gli algoritmi10,11,12. Naturalmente, le strategie di apprendimento attuate non sono identiche tra diversi tipi di discenti: in apprendimento automatico, algoritmi in genere sono esposti a molti più esemplari, fare ipotesi esplicite su ogni esemplare e imparare di più categorie contemporaneamente. Tuttavia, sia in macchina che in neonato discenti possono beneficiare di esemplari sia marcate e non marcate per imparare nuove categorie in ambienti d'etichettatura sparse di integrare con successo.
Il nostro design si concentra su se bambini di 2 anni, in procinto di acquisire parole per numerose nuove categorie, sono capaci di questo tipo di apprendimento semi-supervisionato. Ci avvaliamo di una misura standard categorizzazione infantile: un'attività di familiarizzazione-prova. In questo paradigma, 2-anno-olds sono stati esposti ad una serie di esemplari da una categoria romanzo durante una fase di familiarizzazione. Ogni esemplare è stato associato con uno stimolo uditivo diverso, a seconda della condizione (cioè, un'etichettatura o una frase-di etichettatura). Poi, alla prova, tutti 2-anno-olds visto due nuovi oggetti presentati in silenzio: un oggetto da categoria ormai familiare e uno da una categoria di romanzo.
Se il 2-year-olds con successo costituiscono la categoria durante la fase di familiarizzazione, quindi si dovrebbe distinguere tra i due esemplari presentati al test. Importante, perché una preferenza sistematica per sia l'immagine di prova romanzo o familiare riflette la capacità di distinguere tra di loro, sia familiarità e novità le preferenze sono interpretate come prova di successo categorizzazione. Si noti che su una determinata attività, la natura di questa preferenza è una funzione dell'efficienza di elaborazione-bimbi per i materiali di stimolo, con preferenze di familiarità associate a stimolo meno efficiente elaborazione 4,13, 14 , 15 , 16 , 17. che presenta la fase di test in silenzio rende possibile valutare direttamente il successo degli infanti nella categorizzazione degli oggetti e come questo successo varia secondo le informazioni che hanno accompagnato gli esemplari nel corso di familiarizzazione. Così, questo paradigma fornisce una prova convincente di come i diversi tipi di ambienti linguistici effetto categoria apprendimento. Se etichettatura migliora l'apprendimento di categoria in ambienti semi-supervisionati e completamente supervisionati, 2-year-olds in queste condizioni dovrebbe mostrare più forte prova preferenze che gli infanti in altri ambienti.

<table><tbody><tr><td>Final Cut Pro X</td><td>Apple</td><td>N/A Software</td><td>di editing video e composizione</td></tr><tr><td>MorphX</td><td>Norrkross</td><td>N/A</td><td>Software di morphing delle immagini</td></tr><tr><td>PhotoShop</td><td>Adobe</td><td>Adobe N/A</td><td>Software di editing delle immagini</td></tr><tr><td>R</td><td>R Core Team</td><td>N/A</td><td>Software di analisi statistica</td></tr><tr><td>T60XL Eyetracker</td><td>Tobii Pro</td><td>Fuori produzione</td><td>Ampio eyetracker da braccio adatto per lavorare con neonati e bambini</td></tr><tr><td>Tobii Pro Studio</td><td>Tobii Pro</td><td>N/A Software</td><td>per la direzione della visualizzazione dell'eyetracker, raccolta dati</td></tr></tbody></table>

definire il ruolo del linguaggio nella categorizzazione degli oggetti degli infanti con paradigmi di eye-tracking

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

Valutazione di apprendimento infantile categoria è un impegnativo ma aspetto vitale di studiare la cognizione infantile. Impiegando un paradigma di familiarizzazione-prova, semplicemente misuriamo il successo di bimbi nell'apprendimento di una categoria romanzo pur basandosi solo sul loro comportamento osservante. Inoltre, il paradigma può direttamente misurare l'impatto di differenti segnali uditivi sulla categorizzazione infantile attraverso una gamma di età. Per esempio, abbiamo valutato come 2-anno-olds imparare categorie in una varietà di ambienti di etichettatura: nel nostro compito, 2-anno-olds imparato con successo categorie quando tutti gli esemplari sono stati etichettati o dei primi due esemplari sono stati etichettati, ma non sono riusciti a classificare quando Nessun esemplari sono stati etichettati o solo i finali due esemplari sono stati etichettati. Per determinare il successo dei neonati in tutte queste attività, i ricercatori possono esaminare entrambi la preferenza generale visualizzata dei lattanti in ogni condizione e pattern bimbi piccoli di ricerca nel corso della fase di verifica, utilizzando eye-tracker per fornire dati di tempo-corso a grana fine . Così, vi presentiamo un potente paradigma per identificare il ruolo della lingua, o qualsiasi segnale uditivo, nella categoria di bimbi piccoli oggetti di apprendimento.

Utilizzando il protocollo di cui sopra, abbiamo eseguito due esperimenti22. Analisi sono state condotte con il pacchetto di eyetrackingR 23, e il codice e dati sono disponibili a https://github.com/sandylat/ssl-in-infancy. Nel primo esperimento, abbiamo contrastato una condizione completamente supervisionata (n = 24, Metà = 26,8 mo), con solo etichettati esemplari, con una condizione senza supervisione (n = 24, M</em...

Qui presentiamo un protocollo per test di familiarizzazione paradigmi che forniscono una prova diretta di categorizzazione infantile e contribuire a definire il ruolo della lingua nell'apprendimento precoce di categoria.

Definire il ruolo del linguaggio nella categorizzazione degli oggetti degli infanti con paradigmi di Eye-tracking

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

Questo metodo di test di familiarizzazione rivela come i neonati formano categorie di oggetti visivi e quali tipi di condizioni supportano più potentemente il loro apprendimento. Usando solo i movimenti oculari dei neonati possiamo misurare il modo in cui imparano con successo una categoria. Quindi possiamo confrontare direttamente quell'apprendimento in una vasta gamma di diverse condizioni di apprendimento.Inizia creando gli stimoli visivi per l'esperimento. Per creare una nuova categoria continua, progetta prima una coppia di nuove immagini digitali. Quindi, trasforma insieme la coppia di immagini per formare un continuum di esemplari tra le due immagini originali.Crea almeno due categorie in questo modo, in modo che una possa servire come categoria da imparare, mentre l'altra fornisca la nuova categoria esemplare per la prova di prova. Quindi, seleziona gli esemplari di familiarizzazione a intervalli uniformemente distanziati da ogni continuum delle categorie apprese. Selezionare un numero appropriato di esemplari e commisurato alla difficoltà della categoria e dell'età dei partecipanti.Per creare gli esemplari per la fase di test, selezionare i punti intermedi delle categorie familiari continuum e le nuove categorie continuum. Quindi abbina il colore del romanzo esemplare a quello dell'esemplare familiare usando un programma di manipolazione delle immagini. Sia per le frasi di etichettatura che per le frasi non etichettate utilizzare stimoli uditivi precedentemente registrati prodotti da una madrelingua inglese in una cabina insonorizzazione.Per raccogliere dati adeguati per una misura di test di familiarizzazione, saranno sufficienti gli eye tracker più ampiamente disponibili. Gli oggetti occupano grandi porzioni dello schermo e l'analisi dei dati esamina le prestazioni su una finestra lunga. Utilizzando il software eye tracker, crea quattro diverse condizioni, completamente supervisionate, non supervisionate, semi-supervisionate e invertite semi-supervisionate.Assicurarsi che queste condizioni siano separate, in modo che ogni bambino veda una sola condizione. Successivamente, genera almeno due ordini pseudocasuali degli esemplari di apprendimento con il vincolo che non più di due esemplari dallo stesso lato del continuum possono essere mostrati consecutivamente. Ora usa il software di editing video per creare video di familiarizzazione che associano gli stimoli uditivi creati in precedenza agli stimoli visivi appropriati per ogni condizione.Ad esempio, nella condizione completamente supervisionata abbinare ogni esemplare di familiarizzazione con una frase di etichettatura. Nella condizione non supervisionata, abbina ogni esemplare di familiarizzazione a una frase non etichettante. Nella condizione semi-supervisionata, accoppiare solo i primi due esemplari in ogni ordine con frasi di etichettatura, ma il resto con frasi non etichettanti.Per la condizione semi-supervisionata invertita, abbina gli ultimi due esemplari con frasi di etichettatura, ma i primi quattro con frasi non etichettanti. Carica questi video nel software eye tracker assicurandoti di ordinare i video di familiarizzazione come determinato dall'ordine pseudocasualizzato. Carica anche una breve animazione di cattura dell'attenzione visualizzata al centro dello schermo dopo la familiarizzazione, per assicurarti che la maggior parte dei neonati guardi il centro dello schermo all'inizio della fase di test.Infine, per ogni categoria di apprendimento, progetta due prove di prova ciascuna con due esemplari visualizzati fianco a fianco. Per entrambi, assicurarsi che un esemplare rappresenti il punto medio della categoria ormai familiare, mentre l'altro rappresenti il punto medio della categoria romanzo. Assicurati che le prove di prova durano da 5 a 20 secondi per accumulare un aspetto sufficiente e controbilancia le prove in modo che il posizionamento a destra sinistro del romanzo esemplare nella prova di prova sia invertito nei video.Carica le prove delle attività sul software eye tracker, posizionandole dopo il getter di attenzione post familiarizzazione. Controbilanciare queste prove di presentazione, in modo che ogni bambino abbia le pari possibilità di vedere un romanzo sinistro o un nuovo test di destra. Prima dell'arrivo del bambino, impostare l'eye tracker.Assegnare casualmente il neonato a una condizione e a un ordine, quindi aprire il software eye tracker e selezionare la coppia di ordini di condizioni assegnata e immettere il numero del partecipante per la registrazione. Dopo aver ottenuto il consenso per lo studio, portare il bambino e il caregiver nella sala di tracciamento oculare. Assicurarsi che questa stanza sia moderatamente illuminata senza decorazioni distratti sulle pareti.Seduti l'operatore sanitario a una distanza appropriata per il modello di eye tracker utilizzato. Se il bambino non desidera sedersi in grembo agli operatori sanitari, può sedersi da solo o sedersi su un seggiolino auto. Se il bambino è seduto sul grembo degli operatori sanitari, istruisci il caregiver a non pregiudiziare in alcun modo il comportamento dei neonati, ma a cercare di mantenere il bambino centrato sul grembo degli operatori sanitari.Quindi, fornire al caregiver un paio di occhiali da sole sorti da indossare, in modo che non possano vedere gli stimoli. Ora chiedi al bambino di guardare lo schermo dell'eye tracker. Prendi in considerazione la possibilità di visualizzare un'immagine o un video coinvolgente per attirare la loro attenzione.Lo schermo deve essere posizionato, in modo che gli occhi del bambino si trovano all'interno della finestra di calibrazione. Successivamente, eseguire la procedura di calibrazione degli eye tracker utilizzando una calibrazione a cinque punti, se possibile. I neonati spesso rispondono meglio quando l'immagine di calibrazione è animazione con accompagnamento uditivo.Se il bambino supera la calibrazione, iniziare l'esperimento in caso di esito positivo, ricalibrare fino a quando non hanno esito positivo. Tutti i neonati che non possono essere calibrati dovrebbero essere esclusi dallo studio. Questa figura mostra i punteggi medi delle preferenze tra le condizioni.I neonati in condizioni completamente supervisionate e semi-supervisionate, mostrava preferenze di novità significativamente superiori al caso. Mentre i neonati nelle condizioni semi-supervisionate non supervisionate e invertite, si esibivano a livelli possibili. Qui vediamo i bambini che cercano schemi durante i test.Nelle condizioni completamente supervisionate e non supervisionate e nelle condizioni semi-supervisionate e invertite semi-supervisionate, il modello dei neonati di guardare agli esemplari divergeva tra 3450 e 3850 millisecondi. Le regioni ombreggiate colorate indicano l'errore standard della media. Questa procedura può essere utilizzata con neonati di varie età e materiali che variano in complessità.Di conseguenza, ogni nuovo progetto deve riflettere la capacità di apprendimento dei neonati all'età prevista. Possiamo continuare a chiederci se e come la capacità dei neonati misurata qui, sia correlata o addirittura predice l'acquisizione da parte dei neonati di traguardi linguistici successivi. Come le dimensioni del vocabolario o l'ordine delle parole.Questa tecnica ha permesso allo scienziato dello sviluppo di studiare cognizione e percezione, nei neonati fino a due mesi. Continua ad illuminare i modi in cui la lingua facilita l'apprendimento durante l'infanzia.

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

Research

Ricerca

JoVE Journal

Behavior

Comportamento

Un modo affidabile home-based per valutare la comprensione del linguaggio di bambini con sviluppo tipico molto piccoli, così come quelli con autismo, è descritto. Il metodo analizza sguardo degli occhi dei bambini durante la visualizzazione side-by-side immagini ma sentire un audio che corrisponde a una sola immagine. Gli stimoli sono stati progettati con i giovani partecipanti in mente.

Portable Intermodal preferenziale Looking (IPL): Comprensione Lingua Indagare in sviluppo tipico per i più piccoli e bambini piccoli con autismo

A 3-4 mesi, l'ascolto di vocalizzazioni primati umani e non umani aumenta la cognizione dei neonati; entro 6 mesi, vocalizzazioni solo umani esercitano questo vantaggio cognitivo. Descriviamo una manipolazione di esposizione che rivela il potente ruolo di formazione della esperienza come neonati specificano che suona per collegare la cognizione, e che per sintonizzare fuori.

L&#39;esperienza è strumentale in sintonia un legame tra linguaggio e cognizione: Prove da 6 a 7-month-old categorizzazione oggetto Infants&#39;

Il presente articolo esamina una metodologia di eye tracking per gli studi sulla comprensione del linguaggio. Per ottenere dati affidabili, passaggi chiave del protocollo devono essere seguiti. Tra questi vi sono il corretto set-up dell'inseguitore dell'occhio (per esempio, garantire la buona qualità delle immagini dell'occhio e testa) ed una calibrazione accurata.

Eye Tracking durante la comprensione del linguaggio visivo situato: Flessibilità e limitazioni a scoprire gli effetti di contesto visivo

Infanti e bambini Mostra il mondo in un modo fondamentalmente diverso dai loro genitori. Testa-montata telecamere forniscono un meccanismo trattabile per comprendere l'ambiente visivo infantile. Questo protocollo fornisce principi guida per esperimenti in casa o in laboratorio per catturare la vista egocentrica dei bimbi e dei lattanti.

Una vista dei loro propri: cattura la vista egocentrica di neonati e bambini piccoli con telecamere montate a testa

Vi presentiamo un protocollo per esaminare l'uso delle indicazioni morfologiche durante la comprensione di frase in tempo reale da parte dei bambini con autismo.

Usando il paradigma del mondo visivo per studiare frase comprensione in lingua Mandarina i bambini con autismo

I bambini piccoli non passivamente osservare il mondo, ma piuttosto attivamente esplorare e coinvolgere con il loro ambiente. Questo protocollo fornisce principi guida e consigli pratici per l'utilizzo di inseguitori testa-montata occhio per registrare degli infanti e dei più piccoli ambienti visivi dinamici e l'attenzione visiva nel contesto del comportamento naturale.

Lo sguardo in azione: Head-mounted Eye Tracking dell'attenzione visiva dinamica dei bambini durante il comportamento naturalistico

Gli studi di tracciamento oculare che utilizzano un paradigma dall'aspetto preferenziale possono essere utilizzati per studiare la comprensione emergente dei bambini e l'attenzione al loro mondo visivo esterno.

Esplorare la sensibilità del bambino al linguaggio visivo utilizzando eye tracking e il paradigma dall'aspetto preferenziale

Il NICU Network neurocomportamentali Scale (NNNS) è stato sviluppato come una valutazione per il bambino a rischio. Lo scopo di questo articolo è quello di descrivere il NNNS, fornire esempi video delle procedure NNNS e discutere i modi in cui è stato utilizzato l'esame.

Valutazione e valutazione del neonato ad alto rischio: La scala NICU Network neurocomportamentali

Vengono descritti i metodi per registrare il gating sensoriale uditivo P50, un marcatore fisiologico di inibizione cerebrale che riflette le prime fasi dell'attenzione.

P50 Gating sensoriale nei neonati

Viene descritto un metodo per quantificare la qualità dell'elaborazione delle informazioni visive basata sui movimenti oculari riflessi in risposta a specifiche modalità visive. I tempi di reazione e i parametri di output della fissazione vengono utilizzati per caratterizzare le prestazioni visive nei bambini con e senza disabilità visive a partire dai 6 mesi di età.

Un metodo per quantificare Visual Information Processing in bambini che utilizzano Eye Tracking

Scopri il paradigma familiarizzazione-test per studiare la categorizzazione visiva nei lattanti tramite eye-tracking. Questo metodo rivela come i bambini formano categorie di oggetti e quali condizioni supportano l'apprendimento.

Definire il ruolo del linguaggio nella categorizzazione degli oggetti degli infanti con paradigmi di Eye-tracking

Esplora altri video