' शिशुओं वस्तु वर्गीकरण में नेत्र ट्रैकिंग मानदंड के साथ भाषा की भूमिका को परिभाषित

Behavior

Your institution must subscribe to JoVE's Behavior section to access this content.

Fill out the form below to receive a free trial or learn more about access:

Welcome!

Enter your email below to get your free 10 minute trial to JoVE!





We use/store this info to ensure you have proper access and that your account is secure. We may use this info to send you notifications about your account, your institutional access, and/or other related products. To learn more about our GDPR policies click here.

If you want more info regarding data storage, please contact gdpr@jove.com.

 

Summary

यहां हम परिचय के लिए एक प्रोटोकॉल वर्तमान परीक्षण मानदंड है जो शिशु वर्गीकरण का एक सीधा परीक्षण प्रदान करने और मदद के लिए जल्दी वर्ग सीखने में भाषा की भूमिका को परिभाषित ।

Cite this Article

Copy Citation | Download Citations

LaTourrette, A., Waxman, S. R. Defining the Role Of Language in Infants' Object Categorization with Eye-tracking Paradigms. J. Vis. Exp. (144), e59291, doi:10.3791/59291 (2019).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

शिशु श्रेणी सीखने का आकलन शिशु अनुभूति का अध्ययन करने का एक चुनौतीपूर्ण लेकिन महत्वपूर्ण पहलू है. एक परिचय-परीक्षण प्रतिमान काम करके, हम सीधे एक उपंयास श्रेणी सीखने में ' शिशुओं की सफलता को मापने, जबकि केवल उनके लग व्यवहार पर भरोसा । इसके अलावा, प्रतिमान सीधे उंर की एक सीमा पार शिशु वर्गीकरण पर अलग श्रवण संकेत के प्रभाव को मापने कर सकते हैं । उदाहरण के लिए, हमने आकलन किया कि कैसे 2 साल के बच्चों को लेबलिंग वातावरण की एक किस्म में श्रेणियां सीखते हैं: हमारे काम में, 2 साल के बच्चों को सफलतापूर्वक श्रेणियों जब सभी अनुकरणों लेबल या पहले दो अनुकरणीय थे लेबल थे सीखा है, लेकिन वे वर्गीकृत करने में विफल रहा जब कोई अनुकरण लेबल नहीं थे या केवल अंतिम दो अनुकरण लेबल थे । ऐसे कार्यों में शिशुओं की सफलता का निर्धारण करने के लिए, शोधकर्ताओं ने परीक्षण चरण के पाठ्यक्रम पर देख के प्रत्येक दशा और शिशुओं के पैटर्न में शिशुओं द्वारा प्रदर्शित दोनों समग्र वरीयता की जांच कर सकते हैं, एक आंख पर नजर रखने के लिए ठीक दानेदार समय पाठ्यक्रम डेटा प्रदान करने के लिए उपयोग . इस प्रकार, हम भाषा की भूमिका की पहचान के लिए एक शक्तिशाली प्रतिमान वर्तमान, या किसी भी श्रवण संकेत, शिशुओं ' वस्तु श्रेणी में सीखने ।

Introduction

वर्गीकरण मानव अनुभूति का एक बुनियादी इमारत ब्लॉक है: शिशुओं वर्गीकरण क्षमताओं शैशव में जल्दी उभरने और उंर के साथ तेजी से परिष्कृत हो । 1 , 2 , 3 अनुसंधान भी शिशु वर्गीकरण में भाषा के लिए एक शक्तिशाली भूमिका से पता चला है: उंर के 3 महीने से, शिशुओं श्रेणियों और अधिक सफलतापूर्वक जब वर्ग अनुकरणीय भाषा के साथ युग्मित कर रहे है सीखते हैं । 4 , 5 , 6 इसके अलावा, प्रथम वर्ष के अंत तक, शिशुओं को वर्गीकरण में गणना प्रज्ञा लेबल की भूमिका के लिए अभ्यस्त हैं । युग्मन श्रेणी एक सुसंगत लेबलिंग वाक्यांश के साथ अनुकरणीय ("यह एक vep है!") या तो प्रत्येक अनुकरण के लिए एक विशिष्ट लेबल प्रदान करने के सापेक्ष शिशुओं की श्रेणी सीखने की सुविधा ("यह एक vep है," "यह एक dax है," आदि) या एक गैर-लेबलिंग वाक्यांश ("इस पर देखें."). 7 , 8 , 9

' शिशुओं के रोजमर्रा के अनुभवों में, तथापि, वे मुठभेड़ की संभावना unlabel रहेगा वस्तुओं के विशाल बहुमत । कोई देखभाल करनेवाला हर वस्तु लेबल सकता है एक शिशु बहुत कम लेबल जो हर वस्तु (जैसे, "malamute," "कुत्ते," "पालतू," "जानवर") के लिए लागू प्रदान देखता है । यह एक विरोधाभास प्रस्तुत करता है: हम शिशुओं के दैनिक जीवन में उनके रिश्तेदार कमी के साथ शिशु वर्गीकरण में लेबल की शक्ति कैसे सामंजस्य कर सकते हैं?

इस सवाल का जवाब देने के लिए, हम एक प्रोटोकॉल का आकलन कैसे शिशुओं अलग शिक्षण वातावरण की एक किस्म में श्रेणियाँ जानने के लिए, सहित जब वे लेबल और unlabel्ड अनुकरणीय का एक मिश्रण प्राप्त विकसित । विशेष रूप से, हम प्रस्ताव है कि प्राप्त सीखने की शुरुआत में भी कुछ लेबल अनुकरण वर्गीकरण की सुविधा कर सकते है-शिशुओं ' को बाद में, unlabel्ड के रूप में अच्छी तरह से सीखने की क्षमता बढ़ाने के द्वारा । लेबल किए गए अनुकरणों की एक बड़ी संख्या से सीखने के लिए एक नींव के रूप में लेबल अनुकरणीय की एक छोटी संख्या का उपयोग करने की यह रणनीति व्यापक रूप से मशीन सीखने के क्षेत्र में लागू किया गया है, अर्द्ध पर्यवेक्षणीय अधिगम (SSL) के एक परिवार के अंडे एल्गोरिदम10,11,12. बेशक, सीखने की रणनीतियों लागू शिक्षार्थियों के विभिंन प्रकार भर में समान नहीं हैं: मशीन लर्निंग में, एल्गोरिदम आमतौर पर कई और अधिक अनुकरण करने के लिए संपर्क कर रहे हैं, प्रत्येक अनुकरणीय के बारे में स्पष्ट अनुमान है, और कई श्रेणियों सीखना साथ. फिर भी, दोनों मशीन और शिशु शिक्षार्थियों को सफलतापूर्वक एकीकृत करने से दोनों लेबल और unlabel्ड अनुकरणीय विरल लेबल वातावरण में नई श्रेणियों को जानने के लिए लाभ हो सकता है ।

हमारे डिजाइन कि 2 वर्षीय बच्चों, कई नई श्रेणियों के लिए शब्द प्राप्त करने की प्रक्रिया में, अर्द्ध निगरानी सीखने के इस तरह के सक्षम है पर केंद्रित है । हम एक मानक शिशु वर्गीकरण उपाय: एक परिचय-परीक्षण कार्य को रोजगार । इस प्रतिमान में, 2 साल के बच्चों को एक परिचय चरण के दौरान एक उपंयास श्रेणी से अनुकरणीय की एक श्रृंखला के लिए संपर्क किया गया । प्रत्येक अनुकरण एक अलग श्रवण उत्तेजना के साथ जोड़ा गया था, शर्त पर निर्भर करता है (यानी, या तो एक लेबल या एक गैर लेबलिंग वाक्यांश) । फिर, परीक्षण में, सभी 2 साल के बच्चों के दो नए मौन में प्रस्तुत वस्तुओं: अब से एक वस्तु-परिचित वर्ग और एक उपंयास श्रेणी से देखा ।

यदि 2 साल के बच्चों को सफलतापूर्वक परिचय चरण के दौरान श्रेणी के रूप में, तो वे दो परीक्षण में प्रस्तुत अनुकरण के बीच अंतर करना चाहिए । महत्वपूर्ण बात है, क्योंकि या तो उपंयास या परिचित परीक्षण छवि के लिए एक व्यवस्थित वरीयता एक को उन दोनों के बीच अंतर की क्षमता को दर्शाता है, दोनों परिचित और नवीनता वरीयताओं को सफल वर्गीकरण के सबूत के रूप में व्याख्या कर रहे हैं । ध्यान दें कि किसी दिए गए कार्य पर, इस वरीयता की प्रकृति के एक समारोह है शिशुओं ' प्रेरणा सामग्री के लिए प्रसंस्करण दक्षता, परिचित वरीयताओं के साथ कम कुशल 4प्रसंस्करण के साथ जुड़े प्राथमिकताओं,13, 14 , 15 , 16 , 17. मौन में परीक्षण चरण पेश यह सीधे वस्तु वर्गीकरण में ' शिशुओं की सफलता का आकलन करने के लिए संभव बनाता है और कैसे इस सफलता जानकारी है कि परिचय के दौरान अनुकरणीय साथ के अनुसार बदलता है । इस प्रकार, इस प्रतिमान कैसे भाषाई वातावरण के विभिंन प्रकार के एक संमोहक परीक्षण वर्ग सीखने को प्रभावित प्रदान करता है । यदि लेबलिंग वर्ग दोनों अर्द्ध पर्यवेक्षण और पूरी तरह से निगरानी वातावरण में सीखने को बढ़ाता है, तो 2 साल इन स्थितियों में बच्चों को अंय वातावरण में शिशुओं की तुलना में मजबूत परीक्षण वरीयताओं को दिखाना चाहिए ।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

यहाँ वर्णित सभी विधियों को पश्चिमोत्तर विश्वविद्यालय संस्थागत समीक्षा बोर्ड द्वारा अनुमोदित कर दिया गया है.

1. उत्तेजनाओं का निर्माण

नोट: दृश्य उत्तेजनाओं ( चित्रा 1देखें) प्रतिनिधि डिजाइन में प्रयुक्त नीचे मूल रूप से Havy और Waxman (२०१६)18 में विकसित किया गया है और https://osf.io/n6uy8/पर डाउनलोड के लिए उपलब्ध हैं ।

  1. एक नया सतत श्रेणी बनाने के लिए, पहले उपंयास डिजिटल छवियों की एक जोड़ी डिजाइन । अगले, एक साथ छवियों की जोड़ी morph, सॉफ्टवेयर का उपयोग (देखें, उदाहरण के लिए, सामग्री की तालिका) दो मूल छवियों के बीच अनुकरणीय के एक सातत्य के रूप में । इस तरह से कम से दो श्रेणियां बनाएं ताकि एक के रूप में श्रेणी के रूप में सेवा कर सकते है सीखा है जबकि अंय परीक्षण परीक्षण के लिए उपंयास श्रेणी के अनुकरण प्रदान करता है ।
  2. प्रत्येक सीखी गई श्रेणी के सातत्य (उदा., 0%, 20%, ४०%, ६०%, ८०%, और १००% अनुकरणीय) भर से समान स्थान वाले अंतरालों पर परिचय अनुकरणीय का चयन करें । (उदा., छह) अनुकरणीय की एक उपयुक्त संख्या का चयन करें । वर्ग और प्रतिभागियों की आयु की कठिनाई के साथ अनुरूप ।
  3. परीक्षण चरण के लिए अनुकरणीय बनाने के लिए, परिचित श्रेणी के सातत्य और उपन्यास श्रेणी के सातत्य के midpoints का चयन करें (अर्थात, ५०% अनुकरणीय). तो एक छवि हेरफेर कार्यक्रम का उपयोग कर परिचित अनुकरण के लिए है कि उपंयास अनुकरण के रंग मैच (देखें, जैसे, सामग्री की तालिका) ।
  4. रिकॉर्ड श्रवण एक ध्वनि-रहित बूथ में एक महिला देशी अंग्रेजी वक्ता द्वारा उत्पादित उत्तेजनाओं । यदि संभव हो, तो दोनों लेबलिंग वाक्यांश के लिए एक ही वक्ता का उपयोग करें (यानी, "मोदी को देखो") और गैर-लेबलिंग वाक्यांश (यानी, "उस पर देखो!") ।
    1. अध्यक्ष को निर्देश दें कि शिशु-या बाल-निर्देशित भाषण में सभी कथन भेजते का उत्पादन किया जाए ।
    2. चुनें कथन भेजते जो लगभग शर्तों भर में एक ही लंबाई, वाक्यांश प्रति १,५०० ms के आसपास की संभावना है ।

2. उपकरण

  1. एक उपयुक्त नेत्र-ट्रैकर का उपयोग करें । एक परिचय-परीक्षण उपाय के लिए पर्याप्त नज़र ट्रैकिंग डेटा इकट्ठा करने के लिए, सबसे व्यापक रूप से उपलब्ध नेत्र trackers पर्याप्त होगा: वस्तुओं स्क्रीन के बड़े हिस्से पर कब्जा है, और डेटा विश्लेषण के बजाय एक लंबी खिड़की पर प्रदर्शन की जांच, व्यक्ति, तेजी से ऐसी saccades के रूप में आंख आंदोलनों होने वाली ।
  2. क्योंकि यह कार्य नेत्र-ट्रैकिंग शिशुओं की आवश्यकता है, सुनिश्चित करें कि सिस्टम कई आवश्यकताओं के अनुरूप है ।
    1. सबसे पहले, एक दूरस्थ ट्रैकिंग मोड के साथ एक आंख पर नजर रखने का उपयोग करें, जो शिशुओं एक ठोड़ी पर उनके सिर जगह आराम की आवश्यकता नहीं है । नेत्र ट्रैकर अपेक्षाकृत बड़े सिर आंदोलनों या पुनर्समायोजन बर्दाश्त कर सकते हैं कि सुनिश्चित करें.
    2. दूसरा, एक अपेक्षाकृत बड़े स्क्रीन का उपयोग करने के लिए शिशुओं के लिए छवियों को प्रदर्शित, (जैसे, ५७ x ४५ सेमी) ।
    3. तीसरा, एक विस्तारित हाथ आंखों के लिए माउंट का उपयोग करने की अनुमति के लिए शोधकर्ता प्रत्येक शिशु के लिए आंख पर नजर रखने की ऊंचाई को समायोजित करने के द्वारा डेटा संग्रह की सुविधा ।
    4. चौथा, आंख पर नज़र रखने के उपकरण विनीत, शिशुओं ध्यान केंद्रित पूरी तरह से प्रदर्शन स्क्रीन पर कर रही है । उदाहरण के लिए, कुछ प्रणालियों के प्रदर्शन की निगरानी के साथ आंख पर नज़र रखने उपकरणों को एकीकृत या निगरानी के नीचे सीधे उपकरणों माउंट ।
  3. ध्यान दें कि यह कार्य भी हाथ से पूरा किया जा सकता है उच्च गुणवत्ता के वीडियो डेटा कोडिंग शिशुओं ' देख व्यवहार । जबकि हाथ से कोडिंग तकनीक और अधिक पतले दानेदार समय पाठ्यक्रम विश्लेषण का उपयोग करने के लिए कुछ चुनौतियों का सामना कर सकते हैं, हाथ से कोडित डेटा समग्र देख विश्लेषण के लिए पूरी तरह से पर्याप्त हैं ।

3. कार्य डिजाइन

  1. आंख पर नजर रखने वाले सॉफ्टवेयर (देखें, जैसे, सामग्री की तालिका) में, चार विभिन्न स्थितियों बनाएँ: पूरी तरह से पर्यवेक्षण, पर्यवेक्षण, अर्द्ध पर्यवेक्षण, और अर्द्ध पर्यवेक्षण उलट. सुनिश्चित करें कि ये स्थितियां अलग हैं, ताकि प्रत्येक शिशु को केवल एक ही शर्त दिखाई देगी ।
  2. इस बाधा है कि सातत्य (0-40% या 60-100%) के एक ही पक्ष से नहीं एक से अधिक दो अनुकरण लगातार दिखाया जा सकता है के साथ, सीखने की अनुकरणीय के कम से कम दो छद्म यादृच्छिक आदेश उत्पंन करते हैं ।
  3. परिचय वीडियो है कि प्रत्येक शर्त के लिए उपयुक्त के रूप में दृश्य उत्तेजनाओं के साथ श्रवण उत्तेजनाओं जोड़ी बनाएं ।
    1. वीडियो संपादन सॉफ्टवेयर में दृश्य और श्रवण उत्तेजनाओं का मिश्रण ( सामग्री की मेजजैसे, देखें) । एक ही पृष्ठभूमि पर सभी छवियों को पेश. एक उपयुक्त सीमा के लिए श्रवण उत्तेजना की शुरुआत, ५०० एमएस और १,५०० एमएस के बीच दृश्य उत्तेजना की शुरुआत के बाद सेट करें । शिशुओं प्रसंस्करण लोड 19को कम करने के लिए इस छोटे से देरी का प्रयोग करें ।
    2. उदाहरण के लिए, पूरी तरह से पर्यवेक्षण की स्थिति में, एक लेबलिंग वाक्यांश के साथ प्रत्येक परिचय अनुकरण जोड़ी ।
    3. unsupervisित हालत में, एक गैर लेबलिंग वाक्यांश के साथ प्रत्येक परिचय अनुकरण जोड़ी ।
    4. अर्द्ध पर्यवेक्षणीय स्थिति में, लेबलिंग वाक्यांश के साथ प्रत्येक क्रम में केवल पहले दो अनुकरणों को युग्मित करें लेकिन गैर-लेबलिंग वाक्यांशों के साथ शेष.
    5. उलट अर्द्ध पर्यवेक्षण की स्थिति के लिए, लेबल वाक्यांश लेकिन गैर के साथ पहले चार लेबलिंग वाक्यांश के साथ अंतिम दो अनुकरण जोड़ी ( 1 चित्रादेखें) ।
    6. इन वीडियो को नजर-ट्रैकर सॉफ्टवेयर में अपलोड करें, छद्म यादृच्छिक क्रम द्वारा निर्धारित के रूप में परिचय वीडियो आदेश ।
  4. अपलोड एक लघु (10 एस या कम) ध्यान-हथियाने एनीमेशन परिचय के बाद स्क्रीन के केंद्र में प्रदर्शित: यह सुनिश्चित करेंगे कि ज्यादातर शिशुओं स्क्रीन के केंद्र के लिए देख रहे है जब परीक्षण चरण शुरू होता है ।
  5. अंत में, प्रत्येक सीखने की श्रेणी के लिए, डिजाइन दो परीक्षण परीक्षण, प्रत्येक विशेषता दो अनुकरण के साथ-साथ प्रदर्शित । यह सुनिश्चित करें कि दोनों परीक्षण परीक्षणों के लिए, एक अनुकरणीय अब-परिचित श्रेणी के मध्यबिंदु का प्रतिनिधित्व करेगा जबकि दूसरे को उपंयास श्रेणी के मध्यबिंदु का प्रतिनिधित्व करता है ।
    1. परीक्षण Counterbalance ताकि परीक्षा परीक्षण में उपंयास अनुकरण की बाईं/सही स्थिति वीडियो भर में उलट है ।
    2. आंख पर नजर रखने सॉफ्टवेयर के लिए इन परीक्षण परीक्षणों अपलोड करें, उन्हें पद के बाद परिचय ध्यान मनुष्य. Counterbalance इन परीक्षणों ' प्रस्तुति तो प्रत्येक शिशु एक वाम उपंयास या सही उपंयास परीक्षण परीक्षण देखने का एक समान मौका है ।
    3. सुनिश्चित करें कि परीक्षण ट्रायल्स पिछले कम से 5 एस, और 20 एस करने के लिए, क्रम में बच्चों के लिए शुरू में दूर देख पर्याप्त जमा करने के लिए देख रहे हैं ।

[प्लेस चित्रा 1 यहां]

4. अध्ययन प्रक्रिया

  1. शिशु के आने से पहले, नेत्र-ट्रैकर सेट करें ।
    1. बेतरतीब ढंग से एक शर्त और एक आदेश के लिए शिशु को आवंटित ।
    2. आंख ट्रैकर सॉफ्टवेयर खोलें और असाइन की गई शर्त/
    3. अब इस रिकॉर्डिंग के लिए भागीदार संख्या दर्ज करें ।
  2. सहमति प्रक्रिया प्रदर्शन करने के बाद, शिशु और देखभालकर्ता को नेत्र-ट्रैकिंग कक्ष में लाएं । सुनिश्चित करें कि कमरे में मामूली दीवारों पर किसी भी विचलित सजावट के बिना जलाया है ।
  3. आंख के मॉडल के लिए एक उपयुक्त दूरी पर नजर-tracker के सामने एक कुर्सी जगह इस्तेमाल किया जा रहा है । इस कुर्सी में देखभाल करने वाले को बैठिए और शिशु को देखभालकर्ता की गोद में बैठाएं । यदि शिशु को देखभालकर्ता की गोद में बैठने की इच्छा न हो, तो वे अपने पर बैठ सकते हैं, या वे कार की सीट पर बैठ सकते हैं ।
  4. यदि शिशु देखभालकर्ता की गोद में बैठा है, तो देखभाल करने वालों को किसी भी तरह से शिशुओं के व्यवहार को न करने की हिदायत दें लेकिन शिशु को देखभालकर्ता की गोद में केंद्रित रखने की कोशिश करें । ब्लैक आउट धूप का चश्मा की एक जोड़ी के साथ देखभाल करने वालों को पहनने के लिए ताकि वे उत्तेजनाओं को देख नहीं सकते प्रदान करते हैं ।
  5. शिशु को नेत्र-ट्रैकर स्क्रीन पर देखने के लिए कहें; एक आकर्षक छवि या वीडियो प्रदर्शित करने के लिए उनका ध्यान आकर्षित पर विचार करें । स्थिति स्क्रीन इतना है कि शिशुओं की आंखों अंशांकन खिड़की के भीतर हैं ।
  6. नेत्र-ट्रैकर की अंशांकन प्रक्रिया निष्पादित करें । यदि संभव हो तो पांच सूत्रीय अंशांकन का उपयोग करें, लेकिन कम व्यापक अंशांकन भी पर्याप्त होने की संभावना है । शिशुओं अक्सर बेहतर जवाब जब अंशांकन छवि श्रवण संगत के साथ एक एनीमेशन है ।
  7. शिशु अंशांकन गुजरता है, तो फिर प्रयोग शुरू करते हैं । यदि नहीं, तो जब तक वे सफल रहे है recalibrat । कोई भी शिशुओं को जो नपे-तुले नहीं रखा जा सकता ।
  8. यदि एक से अधिक प्रयोग लगातार चलाए जाते हैं, या यदि कोई एक प्रयोग काफी लंबा है, तो प्रत्येक अनुभाग के बाद पुनः जांच करने पर विचार करें ।

5. डेटा विश्लेषण

  1. इस विश्लेषण को करने के लिए डेटा विश्लेषण सॉफ़्टवेयर का उपयोग करें (उदा., सामग्री तालिका देखें).
  2. स्क्रीन के बाएं और दाएं ओर अनुकरणीय पदों के आसपास ब्याज (AOIs) के क्षेत्र बनाएं ।
  3. परिचय परीक्षणों के लिए, प्रत्येक परीक्षण पर प्रदर्शित अनुकरण करने के लिए देख बिताया समय शिशुओं का आकलन करने के लिए उपयुक्त AOI का उपयोग करें । किसी भी शिशु जो निरंतर नहीं दिखाता है के बहुमत के लिए देख रहे है (जैसे, की आवश्यकता होती है कि शिशुओं के लिए एक संभव 6 परिचय के 4 में भाग लेने के लिए उन परीक्षणों के ंयूनतम 25% के लिए अनुकरणीय) ।
  4. परीक्षण परीक्षण के लिए, केवल शिशुओं ' पहले जमा देख के 5 एस शामिल हैं । छोटे शिशुओं के लिए, उंर के 3 से 12 महीने के लिए, जमा देख के 10 सेकंड के रूप में एक लंबी खिड़की का उपयोग कर विचार करें । शिशुओं जो दिखाने अपर्याप्त परीक्षण पर देख निरंतर को छोड़कर पर विचार करें (जैसे, देख के २.५ से कम जमा s) या जो करने के लिए अनुकरण दोनों को देखने में विफल ।
  5. अब दोनों अनुकरण करने के लिए देख समय की कुल राशि से उपंयास अनुकरण करने के लिए देख खर्च समय की राशि विभाजित करके प्रत्येक शिशु के परीक्षण परीक्षण के लिए एक वरीयता स्कोर बनाने के लिए । इन अनुपात का विश्लेषण करने के लिए, उन्हें रैखिक मॉडल के साथ विश्लेषण के लिए उपयुक्त बनाने के लिए एक अनुभवजंय logit या चाप पाप वर्ग रूट के साथ पहली बार बदलना.
  6. परीक्षण में शिशुओं की तलाश व्यवहार के एक समय के पाठ्यक्रम के विश्लेषण के लिए, छोटे डिब्बे में अलग डेटा (जैसे, 10 और १०० एमएस के बीच), और प्रत्येक शिशु के लिए प्रत्येक बिन के भीतर एक वरीयता स्कोर की गणना ।
  7. समय-पाठ्यक्रम के आंकड़ों का विश्लेषण करें, परीक्षण परीक्षण के दौरान शिशुओं के पैटर्न की स्थिति से बदलती रहती है या नहीं । ध्यान दें कि विश्लेषण के एकाधिक प्रपत्र इस प्रश्न का उत्तर दे सकते हैं, जिसमें क्लस्टर-आधारित परिवर्तन विश्लेषण20शामिल है, जैसा कि यहां दिखाया गया है, और विकास वक्र मॉडलिंग । 21
    1. एक क्लस्टर-आधारित परिवर्तन विश्लेषण के लिए, एक t-मान थ्रेशोल्ड, इच्छित अल्फ़ा स्तर (अनुशंसित अल्फ़ाज़ श्रेणी .01 से .20 करने के लिए संगत का चयन करें; ध्यान दें कि यह अल्फ़ा मान समग्र परीक्षण के अल्फ़ा स्तर का प्रतिनिधित्व नहीं करता है, केवल इसके लिए आवश्यक स्तर व्यक्तिगत समय-डिब्बे सीमा से अधिक करने के लिए) । t-आंकड़े हर लगातार समय के लिए-बिन कि चुना टी दहलीज से बढ़कर है; इन संचयी t-आँकड़े डेटा में शर्तों के बीच विचलन का आकार इंगित करते हैं ।
    2. इन मतभेदों को मौका द्वारा की अपेक्षा से अधिक कर रहे हैं निर्धारित करने के लिए, बेतरतीब ढंग से फेरबदल शर्त लेबल के साथ कम से १,००० सिमुलेशन प्रदर्शन. इस मौका आधारित वितरण के खिलाफ फेरबदल डेटा के विचलन का मूल्यांकन करें ।
      नोट: यह संभावना आधारित वितरण के विरुद्ध मूल विचलन की यह तुलना है, जो विश्लेषण की झूठी-धनात्मक दर निर्धारित करता है, बल्कि उस समय-डिब्बे की संख्या, जिसमें t-परीक्षण किए गए थे या जिनके लिए भी t-value थ्रेशोल्ड का चयन किया गया है उन प्रारंभिक टी परीक्षण । नतीजतन, यह विश्लेषण सीधे पूर्व-निर्दिष्ट समय-डिब्बे में एकाधिक t-परीक्षणों से परिणामों की रिपोर्ट करने के लिए एक रूढ़िवादी विकल्प प्रदान करता है (उदाहरण के लिए, हर ५०० एमएस परीक्षण का आयोजन) ।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

ऊपर प्रोटोकॉल का उपयोग करते हुए, हम दो प्रयोग22भाग गया । विश्लेषण eyetrackingR पैकेज23के साथ आयोजित किए गए थे, और डेटा और कोड https://github.com/sandylat/ssl-in-infancy पर उपलब्ध हैं । पहले प्रयोग में, हम एक पूरी तरह से पर्यवेक्षण की स्थिति के विपरीत(n = 24, एमआयु = २६.८ मो), केवल लेबल की विशेषता अनुकरणीय, एक पर्यवेक्षणीय हालत के साथ (n = 24, mआयु = २६.९ मो), केवल विशेषता अनलेबल्ड अनुकरणीय है ।

पूरी तरह से पर्यवेक्षणीय वातावरण बनाम पर्यवेक्षण

पूरी तरह से पर्यवेक्षण में शिशुओं (एम = १३.८६ एस, एसडी = ३.००) और unsupervisित (एम = १४.९४ एस, एसडी = १.९१) शर्तों से परिचित के दौरान उनके ध्यान में कोई अंतर नहीं दिखाया, टी(४६) = १.४८, पी = .14, d =. ४३.

परीक्षण में, 2 साल पूरी तरह से पर्यवेक्षणीय हालत में बच्चों (एम =. ५९, एसडी = .15) उपंयास श्रेणी के लिए एक महत्वपूर्ण वरीयता प्रदर्शित अनुकरणीय, टी(23) = ३.०५, पी = .006, डी =. ६२, यह दर्शाता है कि वे सफलतापूर्वक गठन किया था श्रेणी । इसके विपरीत, 2 वर्षीय पर्यवेक्षणीय हालत में बच्चों (एम =. ४९, एसडी = .18) परीक्षण में वस्तुओं के बीच मोटे तौर पर समान रूप से देखा, टी(23) =. ३९, पी =. ७०, डी =. 08 । प्रदर्शन इन शर्तों के बीच काफी भिंन, t(४६) = २.२७, p = .028, d =. ६६ ( चित्र 2देखें) । अंत में, एक क्लस्टर समय का परिवर्तन विश्लेषण आधारित परीक्षण में देख पैटर्न के पाठ्यक्रम दो शर्तों के बीच एक महत्वपूर्ण फर्क पता चला, p =. ०३८, ३,४५० ms से ३,८५० ms करने के लिए (देखें चित्रा 3) ।

अर्द्ध पर्यवेक्षण बनाम अर्ध की निगरानी वातावरण उलट

अगले, हम जांच की है कि 2 साल के बच्चों के अर्द्ध में श्रेणियां सीख सकते है लेबल और unlabelित अनुकरण एकीकृत द्वारा वातावरण की निगरानी की । हमने भविष्यवाणी की है कि एक अर्द्ध पर्यवेक्षण की हालत (n = 24, एमआयु = २७.३, 12 महिला), में परिचय की शुरुआत में लेबल अनुकरण प्राप्त जहां लेबल अनुकरणीय अनुकरणीय से सीखने के लिए एक नींव प्रदान कर सकते हैं, एक उलट अर्द्ध पर्यवेक्षण हालत में परिचय के अंत में लेबल अनुकरण प्राप्त जबकि श्रेणी सीखने की सुविधा (n = 24, एमआयु = २७.२, 13 महिला) नहीं होता. यही कारण है कि, लेबल प्राप्त करने के लिए पहले 2 साल के बच्चों को unlabeld अनुकरणीय देखने के बाद उन लेबल किए गए अनुकरणों प्राप्त करने से अधिक जानने के लिए दो वर्षीय अनुकरण सक्षम होना चाहिए ।

अर्द्ध में शिशुओं की निगरानी की हालत (n = 24, एम = १३.२३ एस, एसडी = ३.३५) और अर्द्ध पर्यवेक्षण (n = 24, एम = १२.५८ एस, एसडी = २.७८) शर्तों से परिचित के दौरान अनुकरण करने के लिए ध्यान के समान स्तर दिखाया, टी (४६) =. ७३, पृ =. ४७, d = .21.

परीक्षण में, तथापि, अर्द्ध में शिशुओं की निगरानी की हालत (एम =. ५९, एसडी = .14), एक महत्वपूर्ण नवीनता वरीयता प्रदर्शित, टी(23) = ३.११, पी = .005, डी =. ६३, जबकि उलट अर्द्ध में शिशुओं की निगरानी हालत (एम =. ५२, एसडी = .13) मौका स्तर पर प्रदर्शन किया, टी(23) =. ७६, पी =. ४५, डी = .16. शिशुओं की वरीयताओं को दो शर्तों के बीच मामूली अलग थे, टी(४६) = १.८०, पी = .08, डी =. ५२ ( चित्रा 2देखें) । इसके अलावा, हम भी एक क्लस्टर आयोजित परीक्षण में ' शिशुओं की तलाश व्यवहार का परिवर्तन विश्लेषण आधारित, खुलासा है कि अर्द्ध पर्यवेक्षण हालत 3450ms और 3850ms, पी के बीच उलट SSL हालत से एक मजबूत नवीनता वरीयता दिखाया =. ०४७ (देखें चित्रा 3) । यह बिल्कुल समय की उसी अवधि के दौरान जो पूरी तरह से पर्यवेक्षणीय हालत unsupervisित हालत से हट गया, सुझाव शिशुओं बस अर्द्ध में वर्ग सीखने में सफल रहे थे के रूप में पूरी तरह से पर्यवेक्षण हालत में हालत की निगरानी .

Figure 1
चित्रा 1: नमूना कार्य डिजाइन । परिचय चरण 6 परीक्षणों के होते हैं, प्रत्येक पेश एक श्रेणी के सदस्य या तो एक लेबलिंग या एक गैर लेबलिंग वाक्यांश के साथ बनती । परीक्षा चरण एक साथ एक अनुकरण के साथ शिशुओं को प्रस्तुत करता है अब से परिचित श्रेणी और एक उपंयास श्रेणी से । शर्तें प्रतिनिधि परिणाम अनुभाग में प्रस्तुत चार शर्तों का प्रतिनिधित्व करती हैं । यह आंकड़ा LaTourrette, ए, Waxman, सेवाराम से संशोधित किया गया है एक छोटी लेबलिंग एक लंबा रास्ता जाता है: अर्द्ध शैशव में सीखने की निगरानी की । देव विज्ञान। e12736 (२०१८) । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 2
चित्रा 2: मतलब शर्तों के पार वरीयता स्कोर । पूरी तरह से निगरानी और अर्द्ध पर्यवेक्षण शर्तों में शिशुओं काफी मौका ऊपर नवीनता वरीयताओं को प्रदर्शित, पी < 05 । पर्यवेक्षण और रिवर्स SSL स्थितियों में शिशुओं को मौका स्तर पर प्रदर्शन किया । त्रुटि पट्टियां माध्य की मानक त्रुटियां दर्शाती हैं । यह आंकड़ा22से संशोधित किया गया है । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 3
चित्रा 3: परीक्षण के दौरान शिशु की तलाश पैटर्न । में पूरी तरह से निगरानी और unsupervisित शर्तों (बाएं पर) और अर्द्ध निगरानी में और अर्द्ध पर्यवेक्षण शर्तों (सही में), शिशुओं 3, 450ms और 3, 850ms के बीच भिंन अनुकरण करने के लिए देख के पैटर्न । प्रत्येक ग्राफ़ में धूसर छायांकित बार इस अलग अवधि को नोट करते हैं । प्रत्येक शर्त के चारों ओर रंगीन छायांकित क्षेत्र माध्य की मानक त्रुटि इंगित करते हैं । यह आंकड़ा22से संशोधित किया गया है । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

यहां, हम वर्गीकरण में लेबलिंग की भूमिका का मूल्यांकन करने के लिए एक प्रक्रिया प्रस्तुत करते हैं । लेबल और unlabel्ड अनुकरणीय के एक यथार्थवादी मिश्रण के साथ 2 साल के बच्चों को पेश करके, हम प्रदर्शन है कि बहुत कम बच्चे अर्द्ध निगरानी वातावरण में सीखने में सक्षम हैं, वयस्कों और बड़े बच्चों के साथ काम का विस्तार24,25 . इस प्रकार, इस विधि से ऊपर उत्पंन विरोधाभास के लिए एक संकल्प प्रदान करता है: यदि भी कुछ लेबल अनुकरणीय वर्ग सीखना चिंगारी कर सकते हैं, तो लेबल दोनों दुर्लभ और शक्तिशाली हो सकता है ।

इस प्रतिमान के महत्वपूर्ण पहलुओं उपंयास कृत्रिम उत्तेजनाओं और लघु परीक्षणों, दोनों जिनमें से कार्य उचित रूप से चुनौतीपूर्ण और 2 साल के बच्चों के लिए आकर्षक बनाने के उपयोग में शामिल हैं । इसके अलावा, एक आंख पर नजर रखने का उपयोग, बजाय हाथ से कोडिंग शिशु व्यवहार देख, अमीर और अधिक सटीक डेटा प्रदान करता है प्रतिभागियों की नज़र टकटकी पर; इस समृद्धि और परिशुद्धता क्लस्टर आधारित परिवर्तन विश्लेषण के रूप में समय-पाठ्यक्रम के उपायों के कार्यांवयन में सक्षम बनाता है ।

परिचय-परीक्षण प्रतिमान के केंद्रीय लाभ श्रेणी के अपने सरल मूल्यांकन सीखने और एक निष्क्रिय देख कार्य के रूप में अपनी सादगी हैं । अर्थात, कार्य सीधे श्रेणी सीखने का परीक्षण करता है, बजाय नामकरण व्यवहार या आगमनात्मक निष्कर्ष3,26,27जैसे अधिक जटिल उपायों पर निर्भर है । इसके अलावा, क्योंकि परिचय-परीक्षण कार्य एक व्यापक विकास रेंज भर में प्रशासित किया जा सकता है (जैसे, 3 महीने से 3 साल के लिए), वे एक के लिए विकास की निरंतरता और परिवर्तन की पहचान का अवसर प्रदान करते हैं ।

दरअसल, परिचय-परीक्षण प्रतिमान यहां प्रस्तुत 2 साल के बच्चों के लिए डिजाइन किया गया था, लेकिन इसी तरह की डिजाइन व्यापक रूप से अपने जीवन के पहले वर्ष में शिशुओं के साथ प्रयोग किया गया है4,6,7,9, 28. इन छोटे शिशुओं के लिए, ज़ाहिर है, कार्य सरलीकृत किया जाना चाहिए: अब परिचय अनुकरण, अधिक अनुकरणीय, सरल श्रेणियों के लिए जोखिम, और परीक्षण को देखने की एक लंबी खिड़की सब छोटे शिशुओं के लिए कार्य की संवेदनशीलता में सुधार हो सकता है . अधिक मोटे तौर पर, परिचय-परीक्षण यहां कार्यरत प्रतिमान आसानी से मौन, साइन-लहर टन, अमानवीय रहनुमा vocalizations सहित शिशु अनुभूति, पर किसी भी श्रवण संकेत के प्रभाव का मूल्यांकन बढ़ाया जा सकता है, और अंय गैर भाषाई लगता है5 ,१३,२९,३०.

इस कार्य की सीमाएं मुख्य रूप से एक एकल परिणाम चर के अपने उपयोग से स्टेम: परीक्षण में ' शिशुओं वरीयता । इस कार्य के बारे में सवालों के लिए अनुपयुक्त बनाता है, उदाहरण के लिए, कैसे एक परिचय अनुकरणीय परिवर्तन शिशुओं ' श्रेणी सीखने या विशेष रूप से सुविधाओं शिशुओं के लिए श्रेणी जानने का उपयोग करें । समय-पाठ्यक्रम विश्लेषण, जैसे क्लस्टर आधारित परिवर्तन विश्लेषण, काफी हद तक इस प्रतिमान द्वारा की पेशकश की अंतर्दृष्टि को समृद्ध कर सकते हैं । हालांकि, जबकि इन विश्लेषण हमें सक्षम के बारे में जब दो शर्तों के प्रदर्शन में अलग मजबूत निष्कर्ष आकर्षित करने के लिए, वे भी क्या कारकों परीक्षण चरण भर में ' शिशुओं ध्यान पैटर्न ड्राइव, के लिए एक होनहार क्षेत्र के बारे में महत्वपूर्ण सवाल उठाने भविष्य का काम ।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों का खुलासा करने के लिए कुछ नहीं है ।

Acknowledgments

इस शोध के राष्ट्रीय बाल स्वास्थ्य और स्वास्थ्य के राष्ट्रीय संस्थानों के मानव विकास संस्थान पुरस्कार संख्या R01HD083310 के तहत और एक राष्ट्रीय विज्ञान फाउंडेशन स्नातक रिसर्च फैलोशिप के तहत अनुदान सं के तहत द्वारा समर्थित किया गया था । डीजीई ‐ 1324585. सामग्री पूरी तरह से लेखकों की जिंमेदारी है और जरूरी नहीं कि स्वास्थ्य के राष्ट्रीय संस्थानों या राष्ट्रीय विज्ञान फाउंडेशन के सरकारी विचारों का प्रतिनिधित्व करते हैं ।

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

DOWNLOAD MATERIALS LIST

References

  1. 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).
  2. Madole, K. L., Oakes, L. M. Making sense of infant categorization: Stable processes and changing representations. Developmental Review. 19, (2), 263-296 (1999).
  3. Gelman, S. A., Markman, E. M. Categories and induction in young children. Cognition. 23, (3), 183-209 (1986).
  4. 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).
  5. 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).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. Zhu, X. Semi-supervised learning literature survey. (2005).
  11. Chapelle, O., Scholkopf, B., Zien, A. Semi-supervised learning: Adaptive computation and machine learning. MIT Press. Cambridge, Mass., USA. (2006).
  12. Zhu, X., Goldberg, A. B. Introduction to semi-supervised learning. Synthesis lectures on artificial intelligence and machine learning. 3, (1), 1-130 (2009).
  13. 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).
  14. Hunter, M. A., Ames, E. W. A multifactor model of infant preferences for novel and familiar stimuli. Advances in infancy research. (1988).
  15. Rose, S. A., Feldman, J. F., Jankowski, J. J. Infant visual recognition memory. Developmental Review. 24, (1), 74-100 (2004).
  16. Wetherford, M. J., Cohen, L. B. Developmental changes in infant visual preferences for novelty and familiarity. Child Development. 416-424 (1973).
  17. Perone, S., Spencer, J. P. Autonomous visual exploration creates developmental change in familiarity and novelty seeking behaviors. Frontiers in psychology. 4, 648 (2013).
  18. Havy, M., Waxman, S. R. Naming influences 9-month-olds’ identification of discrete categories along a perceptual continuum. Cognition. 156, 41-51 (2016).
  19. Althaus, N., Plunkett, K. Timing matters: The impact of label synchrony on infant categorisation. Cognition. 139, 1-9 (2015).
  20. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG- and MEG-data. Journal of Neuroscience Methods. 164, (1), 177-190 (2007).
  21. Raudenbush, S. W., Bryk, A. S. Hierarchical Linear Models: Applications and Data Analysis Methods. SAGE. (2002).
  22. LaTourrette, A., Waxman, S. R. A little labeling goes a long way: Semi-supervised learning in infancy. Developmental Science. e12736 (2018).
  23. Dink, J., Ferguson, B. eyetrackingR: An R library for eyetracking data analysis. (2015).
  24. 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).
  25. Gibson, B. R., Rogers, T. T., Zhu, X. Human semi-supervised learning. Topics in Cognitive Science. 5, (1), 132-172 (2013).
  26. Keates, J., Graham, S. A. Category Markers or Attributes Why Do Labels Guide Infants' Inductive Inferences? Psychological Science. 19, (12), 1287-1293 (2008).
  27. 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).
  28. 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).
  29. Althaus, N., Mareschal, D. Labels direct infants’ attention to commonalities during novel category learning. PLoS ONE. 9, (7), e99670 (2014).
  30. 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).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics