눈-추적 패러다임 유아 개체 분류에서 언어의 역할을 정의

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

여기는 유아 분류의 직접 테스트를 제공 하 고 초기 카테고리 학습에서 언어의 역할을 정의 하는 데 도움이 팸 테스트 패러다임에 대 한 프로토콜 선물이.

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

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.

  1. 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.
  2. 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.
  3. 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.
  4. 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!").
    1. 유아 또는 어린이 감독 연설에서 모든 발언을 생산 하기 위해 스피커를 지시 합니다.
    2. 대략 같은 길이 조건, 가능성이 전체 어구 당 약 1500 ms 발언을 선택 합니다.

2입니다. 기구

  1. 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.
  2. 이 작업에는 눈 추적 유아 필요 합니다, 때문에 시스템이 몇 가지 요구 사항을 따르도록 확인 합니다.
    1. 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.
    2. 둘째, 유아, (예를 들어, 57 x 45 cm)에 이미지를 표시 하는 비교적 큰 화면을 사용 합니다.
    3. 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.
    4. 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.
  3. 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

  1. 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.
  2. 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.
  3. 각 조건에 대 한 적절 한 시각적 자극으로 팸 동영상 쌍 청각 자극을 만듭니다.
    1. 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.
    2. 예를 들어, 완전히 감독 조건에 표시 문구와 함께 각 팸 표본 쌍.
    3. 실험실된 조건에서 비 라벨 문구와 함께 각 팸 표본 쌍.
    4. 에 반 감독된 조건, 쌍 비 라벨 문구와 다른 문구를 라벨로 각 순서에만 처음 두 표본입니다.
    5. 반대로 반 감독된 조건에 대 한 라벨와 함께 마지막 두 표본 쌍 비 라벨 문구 ( 그림 1참조)와 함께 첫 번째 4 하지만 문구.
    6. 눈-추적 소프트웨어, 팸 동영상 의사 무작위 순서에 의해 결정 된 순서에 이러한 동영상을 업로드할.
  4. 짧은 업로드 (10 s이) 주의-잡을 애니메이션 팸 후 화면 중앙에 표시: 이렇게 하면 테스트 단계 시작 때 대부분 유아는 스크린의 센터를 찾고 있습니다.
  5. 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.
    1. 동영상 전체 반전 시험 테스트에 소설 표본의 왼쪽/오른쪽 위치 있도록 시련을 맞출.
    2. 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.
    3. 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

  1. 유아 도착 하기 전에 눈-추적기를 설정 합니다.
    1. 조건 및 주문 유아를 임의로 할당 합니다.
    2. 눈-추적 소프트웨어 열고 할당된 조건/주문 쌍을 선택 합니다.
    3. 지금이 녹음에 대 한 참가자 수를 입력 합니다.
  2. 동의 과정을 수행한 후 눈-추적을 유아 및 간병인을 가져. 방 벽에 어떤 산만 한 장식 없이 적당히 켜져 있는지 확인 합니다.
  3. 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.
  4. 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.
  5. 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.
  6. 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.
  7. 유아 교정을 통과 하면 다음 실험을 시작 합니다. 그렇지 않은 경우에 재조정 성공 때까지. 보정 될 수 없는 모든 유아는 제외 됩니다.
  8. 여러 실험은 연속적으로, 실행 또는 단일 실험 매우 긴 경우 각 구역 후 다시 보정 고려 합니다.

5. 데이터 분석

  1. 이 분석을 수행 하기 위해 데이터 분석 소프트웨어를 사용 하 여 (예를 들어, 테이블의 자료를 참조).
  2. 화면 왼쪽과 오른쪽에 표본 위치 주위 (AOIs)의 영역을 만듭니다.
  3. 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).
  4. 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.
  5. 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.
  6. 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.
  7. 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
    1. 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.
    2. 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 .

Figure 1
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.

Figure 2
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.

Figure 3
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

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