Summary
여기는 유아 분류의 직접 테스트를 제공 하 고 초기 카테고리 학습에서 언어의 역할을 정의 하는 데 도움이 팸 테스트 패러다임에 대 한 프로토콜 선물이.
Abstract
유아 카테고리 학습 평가 유아 인식의 중요 한 측면 하지만 도전 이다. 팸-테스트 패러다임을 채용 하 여 우리 straightforwardly 찾고 그들의 행동에만 의존 하는 동안 새로운 카테고리를 학습에 유아의 성공을 측정 합니다. 또한, 패러다임 직접 다양 한 연령대 유아 분류에 다른 청각 신호의 영향을 측정할 수 있습니다. 예를 들어, 우리가 어떻게 2 세 배우는 환경 라벨링의 다양 한 범주 평가: 모든 호텔이 분류 했다 또는 처음 두 개의 호텔이 표시 했다, 하지만 그들은 때 분류 하는 데 실패 하는 경우 2-올해-옜 날 우리의 작업에 범주 성공적으로 배운 아무 호텔이 표시 했다 또는 마지막 두 표본만 표시 했다. 확인 하려면 같은 작업에서 유아의 성공, 연구원 모두는 전반적인 기본 설정 세분화 된 시간-코스 데이터를 제공 하는 눈-추적기를 사용 하 여 각 조건 및 테스트 단계에 걸쳐 보는 유아의 패턴에 유아에 의해 표시를 확인할 수 있습니다. . 따라서, 우리는 언어, 또는 어떤 청각 신호, 유아의 개체 카테고리의 역할을 식별 하는 데 강력한 패러다임 제시 학습.
Introduction
분류는 인간 인식의 기본 빌딩 블록: 유아의 분류 능력 초기에 일찍 등장 하 고 나 이와 함께 점점 더 정교한 되. 1 , 2 , 3 연구는 또한 밝혔다 유아 분류에서 언어에 대 한 강력한 역할: 3 개월, 유아 배울 카테고리 성공적으로 카테고리 정보화는 언어와 결합 하는 경우. 4 , 5 , 6 또한, 첫 해의 끝, 여 유아 숙련 하는 분류에 수 명사 레이블의 역할. 일관 된 레이블 구문으로 카테고리 정보화 페어링 유아 카테고리 중 고유한 레이블을 각 표본에 대 한 제공을 기준으로 학습을 용이 하 게 ("이것은 한 vep!") ("이것은 vep," "이것은 dax," 등) 또는 비 라벨 문구 ("봐이."). 7 , 8 , 9
그러나 유아의 일상 경험에, 대부분 개체 발생의 가능성이 유지 됩니다 레이블 없는. 아무 교사 유아 훨씬 적은 제공 하는 모든 개체 (예: "에스키모," "개", "애완 동물", "동물")에 적용 되는 레이블을 보고 모든 개체 레이블을 수 있는. 이 역설을 선물: 어떻게 우리가 레이블 유아 분류에 유아의 일상 생활에서 그들의 상대적인 부족의 힘을 조정할 수 있습니다?
이 질문에 대답, 우리는 어떻게 유아 배울 다른 학습 환경, 레이블 및 레이블 없는 정보화의 혼합물 받을 때 등의 다양 한 범주를 평가 하기 위해 프로토콜을 개발 했다. 특히, 우리가 받는 학습의 시작 부분에도 몇 개 호텔이 분류를 촉진할 수 있다 제안-후속에서 배울 수 유아의 능력을 강화 하 여 뿐만 아니라 정보화를 레이블 없음. 레이블이 없는 정보화의 많은 수에서 학습을 위한 기초 반 감독된 학습 (SSL)의 가족을 산란 기계 학습 분야에서 널리 구현 되었습니다로 레이블이 지정 된 표본 수가 적은 사용 하 여이 전략 알고리즘10,,1112. 물론, 학습 전략 구현 동일 하지 않은 학습자의 다른 종류: 기계 학습에서 알고리즘 일반적으로에 노출 되는 많은 더 많은 표본, 각 표본에 대 한 명시적 추측 하 고 여러 카테고리를 배울 동시에. 그럼에도 불구 하 고, 기계와 유아 학습자 수 있습니다 성공적으로 배울 스파스 라벨 환경에서 새로운 카테고리를 분류, 레이블이 없는 정보화 통합에서 혜택을.
우리의 디자인은 수많은 새로운 카테고리에 대 한 단어를 습득 하는 과정에서 2 세 어린이 반 감독된 학습의이 종류의 가능 여부에 초점을 맞추고. 우리가 사용 하는 표준 유아 분류 측정: 팸 테스트 작업. 이 패러다임에서는 2 세 팸 단계 소설 카테고리에서 정보화의 일련에 노출 되었다. 각 표본 (즉, 한 라벨 또는 비 라벨 문구) 조건에 따라 다른 청각 자극과 결합 했다. 다음, 테스트, 모든 2-올해-옜 날 침묵에 두 개의 새 개체 보았다: 지금-익숙한 카테고리와 소설 범주에서 개체.
2 세는 성공적으로 팸 단계 카테고리를 형성, 그들은 테스트에서 두 개의 표본 간의 구별 해야 합니다. 중요 한 것은, 때문에 중 하나에 대 한 체계적인 선호 소설 또는 익숙한 테스트 이미지 그들을 구별 하는 능력을 반영, 친밀 및 참신 성공적인 분류의 증거로 해석 됩니다. 지정된 된 작업에이 기본 설정의 본질 이다 친숙 환경 덜 효율적인 자극 4,13, 를 처리와 관련 된 자극 물질에 대 한 유아의 처리 효율의 기능 note 14 , 15 , 16 , 17. 직접 개체 분류와 어떻게이 성공 팸 중에 정보화는 정보에 따라 다릅니다에서 유아의 성공 평가를 가능 하 게 침묵에 테스트 단계를 제시. 따라서,이 패러다임 언어 환경 영향 범주 학습의 방법을 다른 종류의 강력한 테스트를 제공합니다. 라벨 반 감독 및 완전히 감독 환경에서 카테고리 학습 향상, 다음 2-올해-옜 날 이러한 조건에서 다른 환경에서 유아 보다 강력한 테스트 환경 설정을 표시 합니다.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
여기에 설명 된 모든 메서드는 노스웨스턴 대학 기관 검토 위원회에 의해 승인 되었습니다.
1. 자극 생성
참고: 시각적 자극 ( 그림 1참조) 대표 디자인에 사용 되는 원래 개발 되었다 Havy 및 왁 스 먼 (2016)18 아래 보고 하 고 https://osf.io/n6uy8/에서 다운로드할 수 있습니다.
- 새로운 연속 범주를 만들려면 먼저 소설 디지털 이미지의 쌍을 디자인 합니다. 다음, morph 이미지의 쌍 함께,를 사용 하 여 소프트웨어 (참조, 예를 들어, 테이블의 재료) 두 원본 이미지 간의 정보화의 연속체를 형성. 하나 다른 테스트 재판에 대 한 소설 카테고리 견본을 제공 하는 동안 배울 수 카테고리 역할을 할 수 있도록 이런 방식으로 두 개 이상의 범주를 만듭니다.
- 배운된 각 카테고리의 연속체 (예를 들어, 0%, 20%, 40%, 60%, 80%, 및 100% 표본)에 걸쳐 팸 표본에서 균등 하 게 간격으로 선택 합니다. (예: 6) 정보화의 적절 한 번호를 선택 합니다. 알맞은 카테고리의 어려움 및 참가자의 나이.
- 테스트 단계에 대 한는 정보화를 만들려면, 익숙한 카테고리의 연속체와 소설 카테고리의 연속체 (즉, 50% 표본)의 중간점을 선택 합니다. 다음 (참조, 예를 들어, 테이블의 자료)는 이미지 처리 프로그램을 사용 하 여 친숙 한 모범의 소설 표본의 색상을 일치 합니다.
- 방음 부스에서 여성 네이티브 영어 스피커에 의해 생산 기록 청각 자극. 가능 하면 같은 스피커를 사용 하 여 두 라벨 문구에 대 한 (즉, "보고는 modi")와 비 라벨 문구 (즉, "저것 봐!").
- 유아 또는 어린이 감독 연설에서 모든 발언을 생산 하기 위해 스피커를 지시 합니다.
- 대략 같은 길이 조건, 가능성이 전체 어구 당 약 1500 ms 발언을 선택 합니다.
2입니다. 기구
- 적절 한 눈-추적을 사용 합니다. 가장 널리 눈 추적자 충분 팸 테스트 측정을 위한 적절 한 눈-추적 데이터를 수집 하려면: 화면의 큰 부분을 차지 하는 개체 및 데이터 분석 긴 창 성능 조사 보다는 saccades 등 개별, 급속 하 게 발생 하는 눈 운동.
- 이 작업에는 눈 추적 유아 필요 합니다, 때문에 시스템이 몇 가지 요구 사항을 따르도록 확인 합니다.
- 첫째, 눈-추적기를 사용 하 여 원격 추적 모드, 유아 턱 나머지에 그들의 머리를 요구 하지 않는. 눈 추적자 비교적 큰 머리 움직임 또는 재정리를 견딜 수 있는지 확인 합니다.
- 둘째, 유아, (예를 들어, 57 x 45 cm)에 이미지를 표시 하는 비교적 큰 화면을 사용 합니다.
- 셋째, 눈-추적에 대 한 확장 가능한 팔 마운트를 사용 하 여 연구원의 각 유아 눈 추적기의 높이 조정 함으로써 데이터 수집을 촉진 하기 위하여.
- 눈-추적 장비를 확인 넷째, 겸손 하 고, 디스플레이 화면에 전적으로 유아의 주의 집중 합니다. 예를 들어, 일부 시스템 디스플레이 모니터와 눈-추적 장비를 통합 하거나 모니터 바로 아래 장비를 탑재 합니다.
- 참고가이 작업 또한 유아의 찾고 행동의 높은-품질 비디오 데이터 직접 코딩까지 완료 될 수 있습니다. 손 코딩 기술을 사용 하 여 좀 더 세분화 된 시간 코스 분석에 대 한 몇 가지 도전 포즈 수 있습니다, 직접 코딩 된 데이터 완전히 찾고 분석 집계에 대 한 충분 한 있습니다.
3. 작업 디자인
- 눈 추적자 관련된 소프트웨어 (참조, 예를 들어, 테이블의 자료), 4 개의 다른 조건을 만듭니다: 완전히 감독, 자율, 반 감독, 그리고 반전 반 감독. 이러한 조건은 분리, 각 유아만 한 상태를 볼 수 있도록 확인 하십시오.
- 학습 증거물 제약의 적어도 두 개의 의사 난수 순서를 생성 하는 연속체의 같은 측면에서 두 개 이상의 표본 (0-40% 또는 60-100%) 연속적으로 표시 될 수 있습니다.
- 각 조건에 대 한 적절 한 시각적 자극으로 팸 동영상 쌍 청각 자극을 만듭니다.
- 비디오 편집 소프트웨어 (참조, 예를 들어, 테이블의 자료) 시각 및 청각 자극을 결합 한다. 동일한 배경에서 모든 이미지를 제시. 적절 한 범위, 500 ms와 시각적 자극의 발병 후 1, 500 밀리초 사이 청각 자극의 개시를 설정 합니다. 이 짧은 딜레이 사용 하 여 유아의 처리 부하 19을 완화.
- 예를 들어, 완전히 감독 조건에 표시 문구와 함께 각 팸 표본 쌍.
- 실험실된 조건에서 비 라벨 문구와 함께 각 팸 표본 쌍.
- 에 반 감독된 조건, 쌍 비 라벨 문구와 다른 문구를 라벨로 각 순서에만 처음 두 표본입니다.
- 반대로 반 감독된 조건에 대 한 라벨와 함께 마지막 두 표본 쌍 비 라벨 문구 ( 그림 1참조)와 함께 첫 번째 4 하지만 문구.
- 눈-추적 소프트웨어, 팸 동영상 의사 무작위 순서에 의해 결정 된 순서에 이러한 동영상을 업로드할.
- 짧은 업로드 (10 s이) 주의-잡을 애니메이션 팸 후 화면 중앙에 표시: 이렇게 하면 테스트 단계 시작 때 대부분 유아는 스크린의 센터를 찾고 있습니다.
- 마지막으로, 각 학습 범주, 두 개의 테스트 실험, 디자인에 대 한 두 표본 특징 각 측면-의해-측면 표시. 두 테스트 시험에 대 한 확인, 다른 소설 카테고리의 중간점을 나타냅니다 동안 하나의 표본 지금 익숙한 카테고리의 중간점을 나타내는 것입니다.
- 동영상 전체 반전 시험 테스트에 소설 표본의 왼쪽/오른쪽 위치 있도록 시련을 맞출.
- 업로드이 테스트 후 팸 주의 getter 후 위치 눈 추적자 소프트웨어 시험. 그래서 각 유아는 보고 소설 왼쪽 또는 오른쪽-소설 테스트 재판의 동등한 기회 이러한 시련 프레 젠 테이이 션을 맞출.
- 테스트 확인 시험 최근 최소 5 s, 최대 20 s 처음 멀리 충분 한 찾고 축적 찾고 아이 들을 위해서.
[장소 그림 1 여기]
4. 연구 절차
- 유아 도착 하기 전에 눈-추적기를 설정 합니다.
- 조건 및 주문 유아를 임의로 할당 합니다.
- 눈-추적 소프트웨어 열고 할당된 조건/주문 쌍을 선택 합니다.
- 지금이 녹음에 대 한 참가자 수를 입력 합니다.
- 동의 과정을 수행한 후 눈-추적을 유아 및 간병인을 가져. 방 벽에 어떤 산만 한 장식 없이 적당히 켜져 있는지 확인 합니다.
- 눈-추적 사용 중인 모델에 대 한 적절 한 거리에 눈-추적 앞의 자를 배치 합니다. 이 자에 간병인의 무릎에 유아 간병인 좌석. 유아 간병인의 무릎에 앉아 하고자 하지 않습니다, 그들은 수에 앉아 그들의 자신, 또는 그들이 자동차 좌석에 앉을 수 있습니다.
- 유아 간병인의 무릎에 앉아 경우 간병인 편견 어떤 방법으로 유아의 행동으로 하지만 유아 간병인의 무릎에 중심을 유지 하려고 하지 지시 합니다. 그들은 자극을 볼 수 있도록 착용 기 아웃 선글라스와 보호자를 제공 합니다.
- 눈-추적 화면; 보고 유아에 게 매력적인 이미지 또는 그들의 관심을 끌기 위해 비디오 표시는 것이 좋습니다. 유아의 눈 교정 창 내 화면을 배치 합니다.
- 눈-추적의 보정 절차를 수행 합니다. 만약에 가능 하다 면, 5-포인트 보정을 사용 하 여 하지만 덜 포괄적인 교정 될 충분 한 가능성이 있습니다. 유아는 종종 더 나은 반응 때 보정 이미지 청각 반주와 함께 애니메이션입니다.
- 유아 교정을 통과 하면 다음 실험을 시작 합니다. 그렇지 않은 경우에 재조정 성공 때까지. 보정 될 수 없는 모든 유아는 제외 됩니다.
- 여러 실험은 연속적으로, 실행 또는 단일 실험 매우 긴 경우 각 구역 후 다시 보정 고려 합니다.
5. 데이터 분석
- 이 분석을 수행 하기 위해 데이터 분석 소프트웨어를 사용 하 여 (예를 들어, 테이블의 자료를 참조).
- 화면 왼쪽과 오른쪽에 표본 위치 주위 (AOIs)의 영역을 만듭니다.
- 친 하 게 재판에 대 한 사용 시간 유아를 평가 하기 위해 적절 한 아오이 각 재판에 표시 하는 모범을 찾고 보냈다. 정보화의 대다수를 찾고 지속적인 표시 되지 않는 모든 유아를 제외 (예: 유아 4 그 시험의 적어도 25%에 대 한 가능한 6 팸 정보화의 참석 필요).
- 테스트 시험에 대 한 유아의 첫 번째 5만 포함 누적 된 보고의 s. 12 개월, 3에서 젊은 유아에 대 한 축적 된 보고의 10 초 같은 긴 창을 사용 하 여 고려 하십시오. 테스트 보고 지속적인 유아 쇼 부족을 제외 하 고는 것이 좋습니다 (예를 들어, 미만 2.5 축적 보는 s) 또는 누가 정보화의 둘 다 보고 실패.
- 이제 만들 각 유아의 테스트에 대 한 선호 점수 시험 모두 정보화 하고자 하는 시간의 총 금액 하 여 새로운 견본을 찾고 보낸 시간의 금액을 나누어. 이러한 비율을 분석, 변환 그들 먼저와 경험적 로짓 또는 선형 모델 분석에 적합 있도록 호 신 제곱근.
- 테스트에서 유아의 찾고 행동의 시간 과정 분석, 대 한 (예를 들어, 10 및 100 ms), 사이 작은 방식으로 데이터를 분리 하 고 각 유아에 대 한 각 빈 내에서 기본 점수를 계산 합니다.
- 테스트 재판 내내 보는 유아의 패턴 조건에 따라 다릅니다 여부를 테스트 하는 시간-코스 데이터의 분석을 수행 합니다. 참고 여러 형태의 분석, 여기에 설명 된 대로 클러스터 기반 순열 분석20를 포함 하 여이 질문에 대답 수 있습니다 그리고 성장 곡선 모델링. 21
- 순열 클러스터 기반 분석에 대 한 원하는 알파 수준에 해당 하는 t-값 임계값을 선택 합니다 (권장을.01에서 알파 범위. 20; 참고가 알파 값 전체 테스트 알파 수준, 단지 수준에 필요한 대표 하지 않는다 개별 시간-저장소 임계값을 초과). 선택한 t-임계값;를 능가 하는 모든 연속 시간 빈에 대 한 t-통계 요약 이러한 누적 t-통계 데이터에서 사이 분기의 크기를 나타냅니다.
- 이러한 분기는 우연히 예상 보다 큰 경우를 확인 하려면 무작위로 단행 상태 레이블 적어도 1000 시뮬레이션을 수행 합니다. 이 기회 기반 배포에 대 한 unshuffled 데이터의 차이점을 평가 합니다.
참고: 그것은이 비교 분석, 거짓 양성 속도 결정 하는 기회-기반 배포에 대 한 원래 차이 보다는 시간-쓰레기통에 t-테스트 실시 했다 또는 t-값 임계값 수에 대 한 선택 그 초기 t-테스트 합니다. 그 결과,이 분석 직접 미리 지정 된 시간-쓰레기통 (예를 들어, 실시 테스트 모든 500 밀리초)에 걸쳐 여러 t-테스트에서 결과 보고 하는 보수적인 대안을 제공 합니다.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
위의 프로토콜을 사용 하 여, 우리는 두 개의 실험22달렸다. 분석은 eyetrackingR 패키지23, 실시 하 고 데이터와 코드 https://github.com/sandylat/ssl-in-infancy에서 구할 수 있습니다. 첫 번째 실험에서 우리는 완벽 하 게 감독된 조건 대조 (n = 24, M나이 = 26.8 모), 정보화, 실험실 조건 표시만 갖춘 (n = 24, M나이 = 26.9 모)만 갖춘 레이블이 없는 증거물.
완전 자율된 환경 대 감독
완전히 감독에 유아 (M = 13.86 s, SD = 3.00) 및 실험실 (M 14.94 = s, SD = 1.91) 조건 팸, t(46) 동안에 그들의 주의 정보화를 차이가 보였다 1.48, p = = .14, d .43 =.
테스트, 2-올해-옜 날 완전히 감독 상태에서 (M .59, SD = =.15) 소설 카테고리 표본, t(23)에 대 한 중요 한 기본 설정 표시 3.05, p =.006, d = =.62, 그들은 성공적으로 형성을 나타내는 카테고리입니다. 에 대비, 실험실된 조건에서 2 살짜리 (M =.49, SD =.18) 테스트, t(23)에서 개체 사이 대략 동등 하 게 보였다.39, p =.70, d = =.08. 성능 이러한 조건, t(46) 사이 크게 달랐다 2.27, p =.028, d = =.66 ( 그림 2참조). 보는 시간 코스의 마지막으로, 클러스터 기반 순열 분석 패턴 테스트에서 밝혀 두 조건 p 사이 중요 한 분기 =.038 3450 ms 3,850 석사 ( 그림 3참조).
반 반전된 반 감독된 환경 대 감독
다음, 우리는 2-올해-옛 레이블 및 레이블 없는 증거물을 통합 하 여 반 감독된 환경에서 카테고리를 배울 수 있는지 여부를 검사. 우리는 수신 표시 반 감독에 팸의 처음 표본 상태 예측 (n = 24, M나 두 일 = 12 여성)를 레이블이 없는 증거물에서 학습 레이블이 정보화 기초를 제공 하는 곳, 반면 수신 표시는 반대로에 팸의 끝에 호텔이 반 감독 조건 범주 학습 촉진 (n = 24, M나이 = 27.2, 여성 13) 하지 것 이다. 즉, 레이블이 지정 된 증거물을 받고 처음 사용 해야 2-올해-옜 날 그 레이블이 없는 증거물을 본 후 증거물을 분류 받는 보다 레이블이 없는 증거물에서 자세한 합니다.
유아 반 감독된 상태에서 (n = 24, M 13.23 = s, SD = 3.35)와 반대로 반 감독된 (n = 24, M 12.58 = s, SD = 2.78) 조건 보여주 팸, t 동안에 정보화에 대 한 관심의 (46).73, p = =.47, d .21 =.
그러나 테스트,, 유아 반 감독 상태에서에서 (M .59, SD = =.14 필요한 중요 한 참신 선호, t(23)를 표시 3.11, p =.005, d = 반면.63, = 반대로 반 감독된에 유아 조건 (M =.52, SD =.13) 기회 수준, t(23)에서 수행할.76, p =.45, d =.16 =. 유아의 환경 설정 두 가지 조건, t(46) 사이 소폭 달랐다 1.80, p =.08, d = =.52 ( 그림 2참조). 또한, 우리 또한 실시 테스트, 유아의 찾고 행동의 클러스터 기반 순열 분석 반 감독된 조건 3450ms 및 3850ms, p 사이 반전 SSL 상태 보다 더 강한 참신 선호 보였다 공개 =.047 (참조 그림 3)입니다. 이것은 정확 하 게 같은 기간 동안 완전히 감독 조건 유아 완전히 감독 상태에서 반 감독된 상태에서 범주를 학습에 성공 했다 제안 실험실된 조건에서 갈라 .
그림 1: 샘플 작업 디자인. 팸 단계 이루어져 있다 6 시험, 제시 하는 라벨 또는 라벨 비 어구와 결합 하 여 하나의 범주 회원 각각. 테스트 단계는 동시에 지금 익숙한 카테고리에서 1 개의 표본과 소설 카테고리에서 유아를 선물 한다. 조건을 대표적인 결과 섹션에서 제시 하는 4 가지 조건을 나타냅니다. 이 그림에서 LaTourrette, A., 왁 스 먼, S.R. 수정 되었습니다. 먼 길을는 작은 라벨: 초기에 학습 반 감독. 데 브 스키. e12736 (2018)입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 2: 조건에서 기본 점수를 의미. 완전히 감독 반 감독된 조건에 유아 참신 환경 기회, p <.05 보다 크게 표시 됩니다. 유아 Unsupervised 반전 SSL 조건에 기회 수준에서 수행합니다. 오차 막대는 뜻의 표준 오류를 나타냅니다. 이 그림22에서 수정 되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 3: 테스트 중 패턴은 유아의 보고 (왼쪽)에 완벽 하 게 감독 및 Unsupervised 조건에서, (오른쪽)에 반 감독된 반전된 반 감독된 조건에서 유아의 패턴은 증거물을 찾고의 3,450ms와 3,850ms 사이 갈라. 각 그래프에서 회색 음영 처리 된 막대는이 분기 기간을 나타냅니다. 각 조건 주위 색된 음영된 지역 의미의 표준 오류를 나타냅니다. 이 그림22에서 수정 되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
여기, 우리 분류에서 라벨의 역할을 평가 하기 위한 절차를 제시. 레이블 및 레이블 없는 정보화의 현실적인 믹스와 함께 2 세를 제시 하 여 우리 아주 어린 아이 반 감독된 환경에서 학습 할 수 성인 및 더 오래 된 아이 들24,25 일 확장을 보여줍니다. . 따라서,이 방법은 위에서 행 세 하는 역설을 해상도 제공 합니다: 몇 개 호텔이 카테고리 학습을 촉발 수 있는 경우 레이블 희귀 하 고 강력한 될 수 있습니다.
이 패러다임의 중요 한 측면 등의 소설 인공 자극 및 짧은 예 심, 둘 다 적절 하 게 도전적이 고 매력적인 2 세에 대 한 작업을 만들. 보다는 오히려 손 코딩 유아 동작, 찾고 풍부한 제공 하 고 참가자의 눈에 더 정확한 데이터 시선; 또한 눈-추적기를 사용 하 여 이 풍요로 움과 정밀 클러스터 기반 순열 분석 같은 시간 과정 측정의 구현을 수 있습니다.
팸-테스트 패러다임의 중앙 장점은 수동 찾고 작업으로 카테고리와 단순 간단 평가입니다. 즉, 작업은 직접 카테고리 동작이 나 귀납적 추론3,,2627명명 같은 더 복잡 한 조치에 의존 하는 것 보다 학습, 테스트 합니다. (예를 들어, 3 년 3 개월)에서 광범위 한 개발 범위에 걸쳐 팸 테스트 작업을 관리할 수 있습니다, 때문에 또한, 그들은 발달 연속성을 확인 하 고 변경할 수 있는 기회를 제공 합니다.
사실, 여기에 제시 된 팸 테스트 패러다임 2 세를 위해 설계 되었습니다 하지만 비슷한 디자인 널리 사용 된 유아와 생활4,6,,79, 의 그들의 첫 해에 28.이 젊은 유아에 대 한 물론, 작업 해야 합니다 단순화: 팸 정보화, 더 많은 표본, 간단 하 게 범주 및 테스트 보는 더 긴 창에 더 이상 노출 모두 향상 시킬 수 있습니다 작업의 감도 젊은 유아에 대 한 . 더 넓게, 여기 고용 팸 테스트 패러다임 확장 될 수 있습니다 쉽게 침묵, 사인파 톤, nonhuman 영장류 vocalizations, 및 기타 비 언어적 소리5 포함 하 여 유아 인식에 어떤 청각 신호의 효과 평가 하 ,13,,2930.
이 작업의 제한 한 결과 변수의 사용에서 주로 줄기: 테스트에서 유아의 기본 설정. 이것은 작업에 대해, 각 팸 표본 유아를 변경 하는 방법에 예를 들어, 질문에 대 한 부적 절 한 카테고리 학습 또는 특정 기능 유아 카테고리를 사용 하 여. 클러스터 기반 순열 분석 같은 시간 코스 분석,이 패러다임에서 제공 하는 통찰력을 풍요롭게 실질적으로 수 있습니다. 그러나, 이러한 분석 성능에 두 가지 조건을 다 하는 때에 대 한 강한 결론 우리를 사용 하는 동안 그들은 또한 인상 요인 드라이브 테스트 단계에 대 한 유망 지역에 걸쳐 유아의 attentional 패턴에 대 한 중요 한 질문 미래의 작품입니다.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
저자는 공개 없다.
Acknowledgments
여기에서 보고 된 연구 아동 건강의 국가 학회에 의해 지원 되었다 고 보너스 번호 R01HD083310에서 건강의 국가 학회의 인간 개발 및 국가 과학 재단 대학원 연구 장학금에서 no를 부여 합니다. DGE‐1324585입니다. 내용은 전적으로 저자의 책임 이며 반드시 건강의 국가 학회 또는 국립 과학 재단의 공식 의견을 대표 하지 않는다.
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.
Introduction to semi-supervised learning. Synthesis lectures on artificial intelligence and machine learning. 3 (1), 1-130 (2009). - 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.
Infant visual recognition memory. Developmental Review. 24 (1), 74-100 (2004). - 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.
Human semi-supervised learning. Topics in Cognitive Science. 5 (1), 132-172 (2013). - 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).