Bestimmung der Rolle der Sprache bei Säuglingen Objekt Kategorisierung mit Eyetracking-Paradigmen

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

Hier präsentieren wir ein Protokoll für die Einarbeitung-Test Paradigmen, die möglicherweise ein direkteren Tests der Säugling Kategorisierung und dazu beitragen, die Rolle der Sprache in Früherziehung Kategorie definieren.

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

Bewertung von Säugling Kategorie lernen ist ein anspruchsvolles, aber entscheidender Aspekt des Studiums Säugling Kognition. Durch den Einsatz einer Einarbeitung-Test-Paradigmas, messen wir unkompliziert Säuglinge Erfolg beim Erlernen einer neuen Kategorie während verlässt sich nur auf ihr aussehende Verhalten. Darüber hinaus kann das Paradigma direkt die Auswirkungen unterschiedlicher auditive Signale auf den Säugling Kategorisierung in den unterschiedlichsten Alters messen. Zum Beispiel wir bewertet wie 2-Year-Olds Kategorien in einer Vielzahl von Umgebungen Kennzeichnung lernen: in unserer Aufgabe 2-Year-Olds erfolgreich gelernt Kategorien, wenn alle Exemplare wurden beschriftet oder die ersten beiden Exemplare wurden beschriftet, doch sie scheiterten, wann zu kategorisieren keine Exemplare wurden beschriftet oder nur die letzten beiden Exemplare wurden beschriftet. Forscher können sowohl die allgemeine Präferenz von Säuglingen in jedem Zustand und Säuglinge Muster der Suche im Laufe der Testphase mit einem Eye-Trackers feinkörnige Zeitverlauf Angaben angezeigt untersuchen, um Säuglinge Erfolg bei solchen Aufgaben zu ermitteln . So präsentieren wir Ihnen ein mächtiges Paradigma für die Rolle der Sprache oder eine auditive Signal in Säuglinge Objekt-Kategorie zu identifizieren lernen.

Introduction

Kategorisierung ist ein grundlegender Baustein der menschlichen Wahrnehmung: Säuglinge Kategorisierung Fähigkeiten schon früh in der Kindheit entstehen und werden mit zunehmendem Alter immer ausgefeilter. 1 , 2 , 3 Forschung hat auch gezeigt, eine gewichtige Rolle für Sprache im Säuglings Kategorisierung: ab 3 Monaten, Kleinkinder lernen Kategorien erfolgreicher als Kategorie Exemplare mit Sprache verbunden sind. 4 , 5 , 6 darüber hinaus werden bis Ende des ersten Jahres, Säuglinge auf die Rolle des Grafen Nomen Etiketten in der Kategorisierung abgestimmt. Paarung Kategorie Exemplare mit einer einheitlichen Kennzeichnung Phrase ("Dies ist ein Vep!") erleichtert die Säuglinge Kategorie lernen relativ bietet entweder eine eindeutige Bezeichnung für jedes Exemplar ("Dies ist ein Vep" "Dies ist ein Dax" etc.) oder eine nicht-Kennzeichnung zu formulieren ("betrachten dies."). 7 , 8 , 9

In Säuglinge Alltagserfahrungen bleibt die überwiegende Mehrheit der Objekte, auf die sie stoßen wahrscheinlich unbeschriftete jedoch. Keine Bezugsperson kann jedes Objekt beschriften ein Kind sieht viel weniger die Etiketten bieten die für jedes Objekt (z. B. "Malamute," "Hund", "Haustiere", "Tier") gelten. Dies stellt ein Paradox: wie lässt sich die Kraft der Etiketten in der Säugling Kategorisierung mit ihrer relativen Knappheit in Säuglinge Alltag vereinbaren?

Um diese Frage zu beantworten, haben wir ein Protokoll zur Bewertung, wie Kleinkinder lernen Kategorien in einer Vielzahl von unterschiedlichen Lernumgebungen, auch wenn sie eine Mischung aus beschriftete und unbeschriftete Exemplare erhalten. Konkret schlagen wir die Kategorisierung, erhalten sogar ein paar beschriftete Exemplare zu Beginn des Lernens erleichtern kann – durch die Verbesserung der Säuglinge Lernfähigkeit von nachfolgenden, stumme Exemplare sowie. Diese Strategie eine kleine Anzahl von beschrifteten Exemplare zu verwenden, als eine Grundlage für das Lernen von einer größeren Anzahl von unbeschrifteten Exemplare im Bereich des maschinellen Lernens, Laich einer Familie von Semi-überwachten Lernen (SSL) weitgehend umgesetzt wurde Algorithmen10,11,12. Die Lernstrategien implementiert sind natürlich nicht identisch über verschiedene Arten von Lernenden: in Machine Learning Algorithmen in der Regel ausgesetzt sind viele weitere Exemplare, explizite Vermutungen über jedes Exemplar zu machen und lernen mehrere Kategorien gleichzeitig. Dennoch können Maschine und Säugling Lernende profitieren beschriftete und unbeschriftete Exemplare erfahren Sie neue Kategorien in spärlich Kennzeichnung Umgebungen erfolgreich zu integrieren.

Unser Design konzentriert sich auf ob 2-j hrige Kinder dabei Worte für zahlreiche neue Kategorien zu erwerben in der Lage, diese Art von semi-überwachten lernen. Wir beschäftigen eine standard Säugling Kategorisierung Maßnahme: Einarbeitung Testaufgabe. In diesem Paradigma wurden 2-jährigen eine Reihe von Exemplaren aus einer neuartigen Kategorie während einer Eingewöhnungsphase ausgesetzt. Jedes Exemplar wurde mit einem verschiedenen auditiven Reiz, je nach Zustand (d. h. eine Kennzeichnung oder Wortgruppe nicht beschriften) gepaart. Dann beim Test alle 2-Year-Olds sah zwei neue Objekte in Stille präsentiert: ein Objekt aus der mittlerweile bekannte Kategorie und eine neue Kategorie.

Wenn die 2 jährige erfolgreich die Kategorie während der Einarbeitungsphase bilden, sollten sie zwischen den zwei Exemplare präsentiert beim Test unterscheiden. Wichtig ist, weil eine systematische Vorliebe für entweder neue oder bekannte Testbild eine Fähigkeit zur Unterscheidung zwischen ihnen widerspiegelt, Vertrautheit und Neuheit Präferenzen als Beweis der erfolgreichen Kategorisierung interpretiert. Beachten Sie, dass auf eine bestimmte Aufgabe, die Natur dieser Einstellung eine Funktion der Säuglinge Verarbeitungseffizienz für den Reiz-Materialien, mit Vertrautheit Vorlieben verbunden mit weniger effizient Stimulus Verarbeitung 4,13, 14 , 15 , 16 , 17. präsentiert die Testphase in der Stille macht es möglich, direkt bewerten Säuglinge Erfolg im Objekt Kategorisierung und wie dieser Erfolg variiert nach den Informationen, die die Exemplare während der Einarbeitung begleitet. So bietet dieses Paradigma einen überzeugenden Test wie verschiedene Arten von sprachlichen Umgebungen beeinflussen Kategorie lernen. Wenn Kategorie lernen in semi-betreut und vollständig überwacht Umgebungen Kennzeichnung verbessert wird, sollte 2-Year-Olds in diesen Bedingungen stärkere Test-Einstellungen als Säuglinge in anderen Umgebungen zeigen.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Alle hier beschriebene Methoden wurden von der Northwestern University Institutional Review Board genehmigt.

(1) Reize Schöpfung

Hinweis: Die visuelle Reize (siehe Abbildung 1) in die repräsentative Gestaltung verwendet berichtet unter Havy und Waxman (2016)18 wurden ursprünglich entwickelt und stehen zum Download unter https://osf.io/n6uy8/.

  1. Um eine kontinuierliche neue Kategorie zu erstellen, entwerfen Sie zuerst ein paar neuartige digitale Bilder. Als nächstes morph das paar Bilder zusammen mit Software (siehe z. B. Table of Materials) bilden ein Kontinuum der Exemplare zwischen den beiden ursprünglichen Bildern. Erstellen Sie mindestens zwei Kategorien auf diese Weise, so dass man, wie die Kategorie dienen kann will gelernt sein, während der andere das neuartige Kategorie Exemplar für die Test-Testversion bietet.
  2. Wählen Sie die Einarbeitung Exemplare in gleichmäßigen Abständen von über jede gelernte Kategorie Kontinuum (z. B. 0 %, 20 %, 40 %, 60 %, 80 % und 100 % Exemplare). Wählen Sie eine entsprechende Anzahl von Exemplaren (z. B. sechs). Die Schwierigkeit der Kategorie und Alter der Teilnehmer entsprechen.
  3. Um die Exemplare für die Testphase zu erstellen, wählen Sie die Mittelpunkte der Kategorie vertraut Kontinuum und die neue Kategorie Kontinuum (d. h., das 50 %-Exemplar). Dann passen Sie die Farbe der neuartigen Vorbild, das bekannte Exemplar mit einem Bildbearbeitungsprogramm (siehe z. B. Table of Materials).
  4. Rekord auditive Reize von einem weiblichen englischen Muttersprachler in einer schalldichten Kabine produziert. Verwenden Sie nach Möglichkeit die gleichen Lautsprecher für beide Kennzeichnung Sätze (d.h., "Blick auf die Modi") und nicht-Kennzeichnung Phrasen (z.B. "Schau dir das an!").
    1. Weisen Sie den Lautsprecher, um alle Äußerungen im Kleinkind oder Kind gerichtet Rede zu produzieren.
    2. Wählen Sie Äußerungen aus, die etwa die gleiche Länge über Bedingungen, wahrscheinlich rund 1.500 ms pro Phrase.

(2) Apparat

  1. Verwenden Sie eine geeignete Eye-Trackers. Um ausreichende Eyetracking-Daten für eine Einarbeitung-Test-Maßnahme zu sammeln, am weitesten verbreitete Eye-Tracker genügt: die Objekte belegen große Teile des Bildschirms und die Datenanalyse untersucht Leistung über einen langen Fenster anstatt individuell, schnell auftretenden Augenbewegungen wie Sakkaden.
  2. Da diese Aufgabe Eyetracking-Säuglinge erfordert, sicherstellen Sie, dass das System mehrere Anforderungen entspricht.
    1. Verwenden Sie zuerst eine Eye-Tracker mit einer remote Tracking-Modus erfordern keine Kleinkinder ihre Köpfe auf einer Kinnstütze zu platzieren. Sicherstellen Sie, dass der Eye-Tracker relativ große Kopfbewegungen oder Nachjustierungen tolerieren kann.
    2. Zweitens verwenden Sie einen relativ großen Bildschirm für die Bildanzeige für Kleinkinder, (z. B. 57 x 45 cm).
    3. Drittens: Verwenden einer ausfahrbaren Arm Montierung für den Eye-Tracker zur Datenerhebung erleichtern, da die Forscher die Höhenverstellung des Eye-Trackers für jedes Kind.
    4. Viertens stellen Sie die Eyetracking-Ausrüstung unauffällig, Säuglinge Augenmerk ausschließlich auf dem Display angezeigt. Zum Beispiel, einige Systeme integrieren das Eye-Tracking-Gerät mit dem Display-Monitor oder montieren Sie das Gerät direkt unter dem Monitor.
  3. Beachten Sie, dass diese Aufgabe auch von Hand-Codierung qualitativ hochwertige video-Daten für die Säuglinge aussehende Verhalten abgeschlossen werden kann. Während Hand-Codierung Techniken einige Herausforderungen für die besser abgestimmte Zeitverlauf Analysen darstellen können, sind Hand-codierten Daten völlig ausreichend für das Aggregat suchen Analysen.

3. Aufgabe-Design

  1. In der Eye-Tracker zugehörige Software (vgl. z. B. Tabelle of Materials), vier verschiedene Voraussetzungen schaffen: vollständig überwachten, unbeaufsichtigt, semi-betreut und umgekehrt semi betreute. Stellen Sie sicher, dass diese Bedingungen getrennt, sind, so dass jedes Kleinkind wird nur eine Bedingung zu sehen.
  2. Generieren von mindestens zwei pseudo-zufälligen Aufträge der lernen Exemplare, mit der Einschränkung, die nicht mehr als zwei Exemplare von der gleichen Seite des Kontinuums (0-40 % oder 60-100 %) nacheinander gezeigt werden kann.
  3. Erstellen Sie Einarbeitung Videos das Paar die auditive Reize mit visuellen Reizen als für jede Kondition geeignet.
    1. Kombinieren Sie die visuelle und auditive Reize in Video-editing-Software (siehe z. B. Table of Materials). Alle Bilder auf dem gleichen Hintergrund zu präsentieren. Legen Sie den Beginn des auditiven Reizes auf eine angemessene Bandbreite zwischen 500 ms und 1.500 ms nach dem Einsetzen des visuellen Reizes. Verwenden Sie diese kurze Verzögerung, um Säuglinge Verarbeitung Last 19zu erleichtern.
    2. Zum Beispiel im Zustand vollständig überwacht koppeln Sie jede Einarbeitung Exemplar mit einer Kennzeichnung Phrase.
    3. Im unbeaufsichtigten Zustand paar jede Einarbeitung Exemplar mit einem Satz nicht beschriften.
    4. Im semi-überwachten Zustand, paar nur die ersten beiden Exemplare in jeder Bestellung mit Kennzeichnung Phrasen aber der Rest mit nicht-Kennzeichnung Phrasen.
    5. Für die Reversed semi-überwachte Bedingung Phrasen paar die letzten zwei Exemplare mit Kennzeichnung aber die ersten vier mit nicht-Kennzeichnung Phrasen (siehe Abbildung 1).
    6. Laden Sie diese Videos in der Eye-Tracker-Software, bestellen die Einarbeitung Videos wie durch die Pseudo-zufällige Reihenfolge bestimmt.
  4. Laden Sie eine kurze (10 s oder weniger) aufmerksamkeitsstarke Animation nach Einarbeitung in der Mitte des Bildschirms angezeigt: Dadurch wird sichergestellt, dass die meisten Kinder suchen um die Mitte des Bildschirms, wenn die Test-Phase beginnt.
  5. Schließlich für jede Kategorie Learning Design-zwei Studien, test werden jeweils zwei Exemplare mit Side-by-Side. Sicherzustellen, dass für beide Testversuche, ein Exemplar wird den Mittelpunkt der mittlerweile bekannte Kategorie vertreten, während die andere den Mittelpunkt der neuen Kategorie darstellt.
    1. Auszugleichen Sie die Versuche, damit die links/rechts-Positionierung von das neue Exemplar im Test Test über Videos rückgängig gemacht.
    2. Laden Sie diese test-Studien an der Eye-Tracker-Software, positionieren sie nach der Post-Einarbeitung Blickfang. Auszugleichen Sie diese Studien Präsentation, so hat jedes Kind die gleiche Chance auf einen Links-Roman oder Recht-Roman Test-Prozess zu sehen.
    3. Stellen Sie sicher, dass Test Prüfungen dauern mindestens 5 s, und bis zu 20 s, damit Kinder zunächst wegschauen um ausreichende suchen zu sammeln.

[ Abbildung 1 hier]

4. Verfahren

  1. Bevor das Kind kommt, richten Sie die Eye-Trackers.
    1. Nach dem Zufallsprinzip weisen Sie das Kind eine Bedingung und eine Bestellung.
    2. Öffnen Sie die Eye-Tracker-Software und wählen Sie die zugeordnete Bedingung/Bestellung koppeln.
    3. Geben Sie nun die Teilnehmernummer für diese Aufnahme.
  2. Bringen Sie nach der Durchführung des Einwilligung-Prozess das Kind und die Bezugsperson das Eyetracking-Zimmer. Stellen Sie sicher, dass der Raum ohne jede störenden Dekorationen an den Wänden mäßig beleuchtet ist.
  3. Legen Sie einen Stuhl vor der Eye-Tracker in einem angemessenen Abstand für das Modell des Eye-Trackers verwendet wird. Platz für die Pflegeperson in diesem Stuhl und das Kind auf die Pflegeperson Schoß. Wenn das Kind nicht in die Pflegeperson Schoß sitzen will, sie sitzen auf ihren eigenen, oder sie sitzen in einem Autositz.
  4. Wenn das Kind auf die Pflegeperson Schoß sitzt, weisen Sie die Pflegeperson nicht Säuglinge Verhalten in irgendeiner Weise zu beeinflussen, sondern versuchen, das Kind auf die Pflegeperson Runde zentriert zu halten. Bieten Sie Betreuer mit verdunkelten Sonnenbrille zu tragen, so dass sie nicht, die Reize sehen können.
  5. Fragen Sie das Kind auf den Eye-Tracker-Bildschirm schauen; Betrachten Sie anzeigen eine ansprechende Bild oder Video, um ihre Aufmerksamkeit zu wecken. Positionieren Sie den Bildschirm so, dass Säuglinge Augen innerhalb des Fensters Kalibrierung sind.
  6. Durchführen Sie der Eye-Tracker Kalibrierung. Verwenden Sie wenn möglich eine fünf-Punkt-Kalibrierung, aber weniger umfangreiche Kalibrierungen dürften auch ausreichend sein. Säuglinge reagieren oft besser wenn die Kalibrierung Bild einer Animation mit auditive Begleitung ist.
  7. Wenn der Säugling Kalibrierung geht, dann beginnt das Experiment. Wenn dies nicht der Fall ist, neu kalibrieren, bis sie erfolgreich sind. Alle Kinder, die können nicht kalibriert werden, sind ausgeschlossen.
  8. Betrachten Sie wenn mehrere Experimente nacheinander ausgeführt werden oder eine einzige Experiment ziemlich lang ist, nach jedem Abschnitt neu kalibriert.

(5) Datenanalyse

  1. Datenanalyse-Software verwenden, um diese Analyse durchzuführen (z. B. siehe Tabelle of Materials).
  2. Erstellen Sie Bereiche von Interesse (AOIs) um die Vorbild-Positionen auf der linken und rechten Seite des Bildschirms.
  3. Für Einarbeitung Studien verbracht Verwendung der entsprechenden AOI Zeit Säuglinge zu bewerten, um das Exemplar auf jeden Versuch angezeigt. Jedes Baby, das nicht nachhaltig auf der Suche nach einer Mehrheit der Exemplare zeigen ausschließen (z. B. verlangen, dass Säuglinge bis 4 eine möglich 6 Einarbeitung Exemplare für mindestens 25 % von diesen Prüfungen teilnehmen).
  4. Für die Test-Testversion enthalten nur die ersten 5 Säuglinge s der kumulierten suchen. Erwägen Sie für jüngere Kinder von 3 bis 12 Monate alt sind eine längere Fenster z. B. 10 Sekunden der kumulierten suchen. Betrachten, ausgenommen Säuglinge, die nicht genügend zeigen nachhaltig Test zu betrachten (z. B. ansammeln weniger als 2,5 s suchen) oder wer nicht auf beide der Exemplare freuen.
  5. Erstellen Sie durch die Aufteilung der Höhe der Zeit verbrachte ich auf das neue Exemplar durch die Gesamtzeit auf beide Exemplare nun eine Präferenz-Punktzahl für jedes Kleinkind Test Testversion. Um diese Proportionen zu analysieren, verwandeln sie zuerst mit einem empirischen Logit oder Bogen-sin Quadratwurzel zu machen für die Analyse mit linearer Modelle geeignet.
  6. Für einen zeitlichen Verlauf Analyse der Säuglinge aussehende Verhalten beim Test Daten in kleinen Behältern (z. B. zwischen 10 und 100 ms) zu trennen, und eine Vorliebe für jedes Kleinkind in jedem Lagerplatz berechnen.
  7. Führen Sie eine Analyse der Zeitverlauf Daten, testen, ob Säuglinge Muster der Blick während des Test-Prozesses variiert nach Zustand je. Beachten Sie, dass mehrere Formen der Analyse können die Beantwortung dieser Frage, einschließlich einer Cluster-basierten Permutation Analyse20, wie hier gezeigt und Wachstum Kurve modellieren. 21
    1. Für eine Cluster-basierte Permutationen Analyse, wählen Sie einen t-Wert-Schwellenwert, entsprechend dem gewünschten alpha-Niveau (Alphas reichen von.01 bis empfohlen. 20; beachten Sie, dass diese alpha-Wert nicht den Gesamttest alpha-Niveau, lediglich die für erforderliche Niveau darstellt einzelnen Zeit-Kästen, die Schwelle zu überschreiten). Summe der t-Statistiken für jede aufeinander folgende Zeit-bin, das die gewählte t-Schwelle übersteigt; Diese kumulative t-Statistiken geben die Größe der Unterschiede zwischen den Bedingungen in den Daten.
    2. Um festzustellen, ob diese Unterschiede größer, als durch Zufall zu erwarten sind, führen Sie mindestens 1.000 Simulationen mit den Zustand-Etiketten nach dem Zufallsprinzip gemischt. Die unshuffled Daten Abweichungen gegen diese Chance-basierte Distribution zu bewerten.
      Hinweis: Es ist dieser Vergleich der ursprünglichen Abweichung gegen die Chance-basierte Distribution, die bestimmt, die False-Positive-Rate der Analyse, anstatt die Anzahl der Zeit-Kästen, in denen t-Tests wurden durchgeführt oder sogar die t-Wert-Schwelle, für ausgewählte Diese ersten t-Tests. Infolgedessen bietet diese Analyse eine konservative Alternative zur Berichterstattung über die Ergebnisse direkt aus mehreren t-Tests über vorgegebene Zeit-Behälter (z. B. Durchführung von Tests alle 500 ms).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Unter Verwendung des oben genannten Protokolls, liefen wir zwei Experimente22. Analysen wurden mit dem EyetrackingR Paket23durchgeführt, und die Daten und den Code gibt es auf https://github.com/sandylat/ssl-in-infancy. Im ersten Experiment kontrastiert wir vollständig überwachten Zustand (n = 24, MAlter = 26,8 Mo), beschriftet mit nur Exemplare mit einem unbeaufsichtigten Zustand (n = 24, MAlter = 26,9 Mo), nur mit unbeschriftete Exemplare.

Vs. unbeaufsichtigten Umgebungen überwacht vollständig

Kleinkinder in der vollständig überwacht (M = 13,86 s, SD = 3,00) und unbeaufsichtigt (M = 14,94 s, SD = 1,91) Bedingungen zeigte keinen Unterschied in ihre Aufmerksamkeit auf die Exemplare während der Einarbeitung, t(46) = 1,48, p = .14, d =.43.

At-Test 2-Year-Olds in den Zustand vollständig überwacht (M =.59, SD =.15) angezeigt eine deutliche Präferenz für das neuartige Kategorie Exemplar, t(23) = 3,05, p =.006, d =.62, darauf hinweist, sie bildeten erfolgreich die Kategorie. In Kontrast, 2-Year-Olds in den unbeaufsichtigten Zustand (M =.49, SD =.18) sah ungefähr gleichmäßig zwischen den Objekten im Test, t(23) =.39, p =.70, d =.08. Leistung unterschieden sich signifikant zwischen diesen Bedingungen, t(46) = 2,27, p =.028, d =.66 (siehe Abbildung 2). Zu guter Letzt eine Cluster-basierte Permutation Analyse der den zeitlichen Verlauf der Suche Muster beim Test ergab eine signifikante Abweichung zwischen den zwei Bedingungen, p =.038 von 3.450 ms bis 3.850 ms (siehe Abbildung 3).

Semi-überwachten vs. umgekehrte semi betreuten Umgebungen

Als nächstes ist zu prüfen ob 2-Year-Olds Kategorien in semi-betreuten Umgebungen lernen könnten, durch die Integration von beschriftete und unbeschriftete Exemplare. Wir vorhergesagt, dass Empfang Exemplare zu Beginn der Einarbeitung in eine semi-überwachte Bedingung beschriftet (n = 24, MAlter = 27,3, 12 weiblich), wo die beschrifteten Exemplare eine Grundlage bieten kann, für aus die unbeschriftete Exemplare zu lernen wäre Kategorie lernen zu fördern, während empfangen Exemplare am Ende der Einarbeitung in eine Reversed semi-überwachte Bedingung beschriftet (n = 24, MAlter = 27,2, 13 weibliche) würde nicht. Beschriftete Exemplare erhalten sollte, zuerst 2-Year-Olds, mehr von den unbeschrifteten Exemplaren als erhalten diejenigen Exemplare nach dem Besuch der unbeschrifteten Exemplare mit der Bezeichnung Lernen ermöglichen.

Säuglinge in der semi-überwachte Bedingung (n = 24, M = 13.23 s, SD = 3,35) und semi-überwachten Reversed (n = 24, M = 12.58 s, SD = 2,78) Bedingungen zeigten ähnliche Aufmerksamkeit auf die Exemplare während der Einarbeitung, t (46) =.73, p =.47, d =.21.

Beim Test jedoch Säuglinge in der semi-überwachte Bedingung (M =.59, SD =.14), angezeigt eine bedeutende Neuheit Präferenz, t(23) = 3.11, p =.005, d =.63, während Säuglinge in semi-überwachten Reversed Zustand (M =.52, SD =.13) durchgeführt auf Chance Ebenen, t(23) =.76, p =.45, d =.16. Säuglinge Präferenzen unterschieden sich geringfügig zwischen den zwei Bedingungen, t(46) = 1.80, p =.08, d =.52 (siehe Abbildung 2). Darüber hinaus wir auch statt eine Cluster-basierten Permutation Analyse der Säuglinge aussehende Verhalten beim Test enthüllt, dass die semi-überwachte Bedingung eine stärkere Neuheit Präferenz als die umgekehrt SSL-Bedingung zwischen 3450ms und 3850ms, p zeigte =.047 (siehe ( Abbildung 3). Dies ist genau der gleiche Zeitraum während dessen vollständig überwacht Zustand vom unbeaufsichtigten Zustand auseinandergelaufen, was darauf hindeutet, dass Kleinkinder genauso erfolgreich zu lernen, die Kategorie in der semi-überwachte Bedingung wie die vollständig überwacht Zustand waren .

Figure 1
Abbildung 1: Beispiel Aufgabendesign. Der Einarbeitungsphase besteht aus 6 Versuche, jeder präsentiert eine Kategorie Mitglied gepaart mit einer Beschriftung oder Wortgruppe nicht beschriften. Die Testphase stellt gleichzeitig Säuglinge ein Exemplar aus der mittlerweile bekannte Kategorie und einer aus einer neuartigen Kategorie. Bedingungen stellen die vier Bedingungen, die im Abschnitt repräsentative Ergebnisse vorgestellt. Diese Zahl wurde von LaTourrette, A., Waxman, S.R. modifiziert Eine kleine Beschriftung geht ein langer Weg: semi-betreutes Lernen in der Kindheit. Entw.-Sci. e12736 (2018). Bitte klicken Sie hier für eine größere Version dieser Figur.

Figure 2
Abbildung 2: meine Präferenz Resultate über Bedingungen. Kleinkinder in der vollständig überwacht und semi-überwachten Bedingungen angezeigt Neuheit Vorlieben deutlich über Chance, p <.05. Kleinkinder im Unsupervised und umgekehrt SSL auf Chance Ebenen durchgeführt. Fehlerbalken darzustellen Standardfehler des Mittelwerts. Diese Zahl wurde von22geändert. Bitte klicken Sie hier für eine größere Version dieser Figur.

Figure 3
Abbildung 3: der Säugling sucht während Test Muster In der vollständig überwacht und Unsupervised Bedingungen (links) und in den semi-überwachte und umgekehrt semi-überwachten Bedingungen (rechts) auseinandergelaufen Säuglinge Muster der Blick auf die Exemplare zwischen 3,450ms und 3,850ms. Die grau schattierte Bar in jedem Diagramm kennzeichnet diese abweichende Frist. Die farbigen schattigen Regionen rund um jede Bedingung angeben Standardfehler des Mittelwerts. Diese Zahl wurde von22geändert. Bitte klicken Sie hier für eine größere Version dieser Figur.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Hier präsentieren wir Ihnen ein Verfahren zur Bewertung der Rolle der Etikettierung in der Kategorisierung. Durch die Vorlage 2-jährigen mit einer realistischen Mischung der beschriftete und unbeschriftete Exemplare, zeigen wir, dass sehr junge Kinder lernfähig in semi-betreuten Umgebungen sind Erweiterung der Arbeit mit Erwachsenen und älteren Kindern24,25 . Diese Methode bietet eine Lösung für das Paradox posierte oben: wenn sogar ein paar beschriftete Exemplare können Kategorie lernen wecken, dann Etiketten können seltene und mächtige.

Kritische Aspekte dieses Paradigmas umfassen die Verwendung von neuartigen künstliche Reize und kurze Versuche, beide die Aufgabe entsprechend anspruchsvoll und engagiert für 2 jährige zu machen. Darüber hinaus mittels eines Eye-Trackers, anstatt Hand-Codierung Säugling suchen Verhalten, bietet umfangreichere und genauere Daten über Teilnehmer Auge blicken; dieser Reichtum und Präzision ermöglicht die Umsetzung der Zeitverlauf Maßnahmen wie die Permutation Cluster-basierte Analyse.

Die zentralen Vorteile der Einarbeitung-Test Paradigma sind seine einfache Bewertung der Kategorie Lern- und seiner Einfachheit als passive aussehende Aufgabe. Das heißt, testet die Aufgabe direkt Kategorie lernen, anstatt auf komplexere Maßnahmen wie Namensgebung Verhalten oder induktive Schlüsse3,26,27. Darüber hinaus da Einarbeitung Testaufgaben in einem breiten Entwicklungsstörungen (z. B. von 3 Monaten bis 3 Jahren) verabreicht werden können, bieten sie eine Gelegenheit zu Entwicklungsstörungen Kontinuität zu identifizieren und ändern.

In der Tat, hier vorgestellten Einarbeitung-Test-Paradigma wurde entwickelt für 2-jährige, aber ähnliche Entwürfe haben weit verbreitet mit Babys im ersten Jahr des Lebens4,6,7,9, 28. für diesen jüngeren Kindern natürlich die Aufgabe vereinfacht werden muss: längerer Exposition gegenüber die Einarbeitung Exemplare, weitere Exemplare, einfachere Kategorien und eine längere Fenster betrachten Test kann alle verbessern die Aufgabe Empfindlichkeit für jüngere Kinder . Ganz allgemein kann die Einarbeitung-Test-Paradigma hier beschäftigt problemlos erweitert werden um die Wirkung der auditiven Signal auf die Säugling Kognition, einschließlich Stille, Sinus Töne, nicht-menschliche Primaten Lautäußerungen und anderen nichtsprachlichen Geräuschen5 bewerten ,13,29,30.

Einschränkungen dieser Aufgabe entstammen in erster Linie die Verwendung von einem einzigen Ergebnisvariable: Säuglinge Präferenz beim Test. Dies macht die Aufgabe ungeeignet für Fragen, zum Beispiel, wie jede Einarbeitung Vorbild Säuglinge ändert Kategorie lernen oder Besonderheiten Säuglinge verwenden, um die Kategorie zu lernen. Zeitverlauf Analysen, z. B. die Permutation Cluster-basierte Analyse können im Wesentlichen die Erkenntnis von diesem Paradigma angeboten bereichern. Jedoch während diese Analysen ermöglichen es uns, Rückschlüsse auf stärker als zwei Bedingungen unterscheiden sich in Leistung, erhöhen sie auch wichtige Fragen über welche Faktoren Säuglinge Aufmerksamkeits Muster während der Testphase für einen viel versprechenden fahren zukünftige Arbeit.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Die Autoren haben nichts preisgeben.

Acknowledgments

Die Forschung hier berichtet wurde vom National Institute of Child Health unterstützt und menschliche Entwicklung der National Institutes of Health unter Prämiennummer R01HD083310 und ein National Science Foundation Graduate Research Fellowship unter gewähren keine. DGE‐1324585. Der Inhalt ist ausschließlich in der Verantwortung der Autoren und nicht unbedingt die offizielle Meinung der National Institutes of Health oder der National Science Foundation.

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