Definir o papel da linguagem na categorização de objeto dos infantes com paradigmas de Eye-tracking

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

Aqui nós apresentamos um protocolo para teste de familiarização paradigmas que fornecem um teste direto de categorização infantil e ajudam a definir o papel da linguagem na aprendizagem precoce de categoria.

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

Avaliação de aprendizagem da categoria infantil é um desafio mas um aspecto vital de estudar a cognição infantil. Empregando um paradigma de familiarização-teste, direta medimos o sucesso dos infantes em aprender uma nova categoria ao mesmo tempo, contando apenas com seu comportamento olhando. Além disso, o paradigma diretamente pode medir o impacto de diferentes sinais auditivos na categorização infantil através de uma gama de idades. Por exemplo, foram avaliados como 2 anos aprendem categorias em uma variedade de ambientes de rotulagem: em nossa tarefa, 2 anos aprenderam com sucesso categorias quando todos os exemplares foram rotulados ou os dois primeiros exemplares foram rotulados, mas eles não conseguiram categorizar quando Não há exemplares foram rotulados ou apenas os finais dois exemplares foram rotulados. Para determinar o sucesso dos infantes em tais tarefas, pesquisadores podem examinar ambos a preferência geral exibida por bebês em cada condição e padrão dos infantes de olhar ao longo da fase de teste, usando um olho-tracker para fornecer dados de tempo-curso refinados . Assim, apresentamos um paradigma poderoso para identificar o papel da linguagem, ou qualquer sinal auditivo, na categoria de objeto dos infantes de aprendizagem.

Introduction

Categorização é um componente fundamental da cognição humana: habilidades de categorização dos infantes surgem cedo na infância e tornam-se cada vez mais sofisticadas com a idade. 1 , 2 , 3 pesquisa revelou também um papel poderoso para linguagem em categorização infantil: de 3 meses de idade, crianças aprendem categorias com mais sucesso quando exemplares de categoria estão emparelhados com o idioma. 4 , 5 , 6 além disso, no final do primeiro ano, bebês estão em sintonia com o papel de substantivo de contagem de etiquetas na categorização. Exemplares de categoria com uma frase de rotulagem consistente de emparelhamento ("Este é um vep!") facilita a categoria dos infantes de aprendizagem em relação ao fornecimento ou um rótulo distinto para cada exemplar ("Este é um vep," "Isto é uma dax," etc.) ou um não-rotulagem frase ("Olhe para isso."). 7 , 8 , 9

Em experiências cotidianas dos infantes, no entanto, a grande maioria dos objetos que encontram provavelmente permanecerá sem rótulo. Nenhum cuidador pode etiquetar cada objeto que uma criança vê muito menos fornecer as etiquetas que se aplicam a cada objeto (por exemplo, "malamute," "cão", "pet", "animal"). Isso apresenta um paradoxo: como podemos conciliar o poder dos rótulos na categorização infantil com sua escassez relativa na vida diária dos bebês?

Para responder a esta pergunta, nós desenvolvemos um protocolo para avaliar como bebês aprendem categorias em uma variedade de ambientes de aprendizagem diferentes, incluindo quando eles recebem uma mistura de amostras etiquetadas e sem rótulo. Especificamente, propomos que receber mesmo alguns exemplares etiquetados no início da aprendizagem pode facilitar a categorização — aumentando a capacidade dos bebês aprender com subsequente, unlabeled exemplares também. Esta estratégia de usar um pequeno número de exemplares rotuladas como uma base para a aprendizagem de um número maior de exemplares sem rótulo foi amplamente implementada no campo da aprendizagem de máquina, gerando uma família de aprendizado semisupervisionado (SSL) algoritmos de11,10,12. Claro, as estratégias de aprendizagem implementadas não são idênticas em diferentes tipos de alunos: em aprendizado de máquina, algoritmos são normalmente expostos a muitos mais exemplares, fazer suposições explícitas sobre cada exemplar e aprender várias categorias ao mesmo tempo. No entanto, ambos máquina e alunos infantis podem beneficiar com sucesso integrando exemplares etiquetados e sem rótulo para aprender novas categorias em ambientes de rotulagem esparsas.

Nosso projeto centra-se sobre se as crianças de 2 anos de idade, no processo de aquisição de palavras para inúmeras novas categorias, são capazes de fazer este tipo de aprendizado semisupervisionado. Nós empregamos uma medida padrão de categorização infantil: uma tarefa de familiarização-teste. Neste paradigma, 2 anos de idade foram expostos a uma série de exemplares de uma categoria romance durante uma fase de familiarização. Cada exemplar foi emparelhado com um estímulo auditivo diferente, dependendo da condição (ou seja, um rótulo ou uma frase não-rotulagem). Então, no teste, todos os 2 anos de idade viram dois novos objetos apresentados em silêncio: um objeto de categoria agora familiar e uma de uma categoria de romance.

Se as crianças de 2 anos com sucesso formam a categoria durante a fase de familiarização, devemos distinguir entre os dois exemplares apresentados no teste. Importante, porque uma preferência sistemática para qualquer imagem teste romance ou familiar reflete a capacidade de distinguir entre eles, tanto a familiaridade e a novidade de preferências são interpretadas como evidência de categorização bem sucedida. Note que em uma determinada tarefa, a natureza desta preferência é uma função da eficiência de processamento dos bebês para os materiais de estímulo, com preferências de familiaridade associados com estímulo menos eficiente processamento 4,13, 14 , 15 , 16 , 17. apresentando a fase de teste em silêncio torna possível avaliar diretamente o sucesso dos infantes na categorização do objeto e como este sucesso varia de acordo com as informações que acompanhou os exemplares durante a familiarização. Assim, este paradigma fornece uma prova convincente de como diferentes tipos de aprendizagem de categoria linguística ambientes afetam. Se rotulando melhora a aprendizagem de categoria em ambientes semi controlados e totalmente supervisionados, então 2 anos nestas condições devem mostrar preferências de teste mais fortes do que bebês em outros ambientes.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Todos os métodos descritos aqui foram aprovados pelo Conselho de revisão institucional Universidade Northwestern.

1. estímulos criação

Nota: O estímulo visual (ver Figura 1) usado na concepção representativa relatado abaixo foram originalmente desenvolvidos em Havy e Waxman (2016)18 e está disponível para download em https://osf.io/n6uy8/.

  1. Para criar uma nova categoria de contínua, primeiro desenha um par de imagens digitais de romance. Em seguida, transforme o par de imagens juntos, usando o software (ver, por exemplo, a Tabela de materiais) para dar forma a um continuum de exemplares entre as duas imagens originais. Crie pelo menos duas categorias desta forma para que um pode servir como a categoria a ser aprendido, enquanto o outro fornece o exemplar do romance da categoria para o julgamento de teste.
  2. Selecione os exemplares de familiarização em intervalos uniformemente espaçados de através de contínuo do cada categoria erudito (por exemplo, as 0%, 20%, 40%, 60%, 80% e 100% exemplares). Selecione um número adequado de exemplares (por exemplo, seis). Compatível com a dificuldade da categoria e idade dos participantes.
  3. Para criar os exemplares para a fase de teste, selecione os pontos médios do continuum da categoria familiar e contínuo a categoria romance (ou seja, o exemplar de 50%). Então combina a cor do romance exemplar para que o familiar exemplar usando um programa de manipulação de imagem (Veja, por exemplo, a tabela de materiais).
  4. Registros estímulos auditivos produzidos por um falante nativo de inglês feminino em uma cabine à prova de som. Se possível, use o mesmo alto-falante para ambas as frases de rotulagem (i.e., "Olha o modi") e não-rotulagem frases (i.e., "Olha isso!").
    1. Instrua o alto-falante para produzir todas as declarações em discurso dirigido a bebê ou criança.
    2. Selecione declarações que são aproximadamente o mesmo comprimento em condições, provavelmente por volta de 1.500 ms por frase.

2. os aparelhos

  1. Use um tracker do olho apropriado. Para coletar dados de olho-de acompanhamento adequados para uma medida de familiarização-teste, olho-rastreadores mais amplamente disponíveis serão suficiente: os objetos ocupam grandes porções da tela, e a análise de dados investiga o desempenho sobre uma janela de tempo, em vez de movimentos de olho individual, rapidamente ocorrendo como os saques.
  2. Porque essa tarefa requer olho de monitoramento infantes, certifique-se de que o sistema está em conformidade com vários requisitos.
    1. Primeiro, use um tracker do olho com um modo de controle remoto, que não requer infantes colocar suas cabeças em um descanso de queixo. Certifique-se de que o olho-tracker pode tolerar movimentos relativamente grandes da cabeça ou reajustamentos.
    2. Em segundo lugar, use uma tela relativamente grande para exibir as imagens aos infantes, (por exemplo, 57 x 45 cm).
    3. Em terceiro lugar, use um monte de braço extensível para o tracker do olho para facilitar a coleta de dados, permitindo que o pesquisador ajustar a altura do olho-controlador para cada criança.
    4. Em quarto lugar, fazer o equipamento de rastreamento olho discreto, focando a atenção dos infantes unicamente o ecrã do visor. Por exemplo, alguns sistemas integram os equipamentos de controle de olho com o monitor de exposição ou montagem o equipamento diretamente abaixo do monitor.
  3. Note que esta tarefa também pode ser concluída por codificação manual dados de vídeo qualidade de comportamento à procura dos infantes. Enquanto técnicas de codificação manual podem representar alguns desafios para a utilização das análises mais refinadas do tempo-curso, mão-codificado dados são totalmente suficientes para agregação olhando as análises.

3. tarefa Design

  1. No software associado do olho-controlador (ver, por exemplo, a Tabela de materiais), criar quatro diferentes condições: totalmente supervisionados, sem supervisão, semisupervisionado e invertida semisupervisionado. Assegurar que estas condições são separadas, para que cada criança vai ver só uma condição.
  2. Gerar pelo menos duas ordens de pseudo-aleatória de exemplares a aprendizagem, com a restrição que não mais de dois exemplares do mesmo lado do continuum (0-40% ou 60-100%) pode ser mostrado consecutivamente.
  3. Crie vídeos de familiarização que par os estímulos auditivos com os estímulos visuais, conforme apropriado para cada condição.
    1. Combine os estímulos visuais e auditivos em vídeo, software de edição (ver, por exemplo, a Tabela de materiais). Apresente todas as imagens sobre o mesmo fundo. Defina o aparecimento do estímulo auditivo para uma gama adequada, entre 500 ms e 1.500 ms após o início do estímulo visual. Use este pequeno atraso para aliviar de carga de processamento dos infantes 19.
    2. Por exemplo, na condição de totalmente supervisionada, emparelhe cada exemplar de familiarização com uma frase de rotulagem.
    3. Na condição de sem supervisão, emparelhe cada exemplar de familiarização com uma frase não-rotulagem.
    4. Na condição semi-supervisionadas, par apenas os dois primeiros exemplares em cada ordem com frases, mas o resto com frases não-rotulagem de rotulagem.
    5. Para a condição de semisupervisionado invertida, par os finais dois exemplares com rotulagem frases mas os quatro primeiros com não-rotulagem frases (ver Figura 1).
    6. Enviar estes vídeos no software tracker do olho, ordenando os vídeos de familiarização, conforme determinado pela ordem de pseudo-aleatórios.
  4. Fazer upload de um curto-circuito (10 s ou menos) deagarramento animação exibida no centro da tela após familiarização: isto irá garantir que a maioria das crianças estão olhando para o centro da tela, quando começa a fase de teste.
  5. Finalmente, para cada categoria de aprendizagem, design dois teste testes, cada um com dois exemplares exibidos lado a lado. Certifique-se de que para ambos os testes, um exemplar representam o ponto médio da categoria agora familiar, enquanto o outro representa o ponto médio da categoria romance.
    1. Contrabalançar os ensaios para que o posicionamento de esquerda/direita do romance exemplar no teste experimental é revertido através de vídeos.
    2. Carregar esses ensaios para os olhos-tracker software, posicionando-as depois a atenção pós-familiarização de teste. Contrabalançar a apresentação destes julgamentos para que cada criança tem uma chance igual de ver um julgamento teste romance-esquerda ou direita-romance.
    3. Certifique-se de que teste testes durar pelo menos 5 s e até 20 s, para que as crianças inicialmente olhando para longe para acumular suficiente Olhando.

[Lugar Figura 1 aqui]

4. procedimento de estudo

  1. Antes que a criança chega, configurar o tracker do olho.
    1. Aleatoriamente, atribua o Infante para uma condição e uma ordem.
    2. Abra o software tracker do olho e selecione o par de condição/ordem atribuído.
    3. Agora insira o número de participantes para esta gravação.
  2. Depois de executar o processo de consentimento, trazer a criança e o cuidador para a sala de controle de olho. Certifique-se que o quarto é moderadamente iluminado sem qualquer distração decorações nas paredes.
  3. Coloque uma cadeira em frente o tracker do olho a uma distância adequada para o modelo de olho-tracker sendo usado. Assento do cuidador nesta cadeira e a criança no colo do cuidador. Se a criança não quer sentar no colo do cuidador, eles podem sentar-se seus próprios, ou eles podem sentar em um assento de carro.
  4. Se a criança está sentada no colo do cuidador, instrua o cuidador para não influenciar o comportamento dos infantes de qualquer maneira, mas para tentar manter a criança centrada no colo do cuidador. Fornece os cuidadores com um par de óculos de sol escurecidas para que eles não podem ver os estímulos.
  5. Pergunte a criança olhar para a tela do tracker do olho; Considere exibindo uma envolvente imagem ou vídeo para atrair a atenção deles. Posicione a tela de modo que os olhos dos bebês estão dentro da janela de calibração.
  6. Execute o procedimento de calibração do controlador-olho. Use uma calibração de cinco pontos, se possível, mas menos abrangentes calibrações também são susceptíveis de ser adequados. Lactentes com frequência respondem melhor quando a imagem de calibração é uma animação com acompanhamento auditivo.
  7. Se a criança passa a calibração, então comece o experimento. Se não, recalibrar até que são bem sucedidos. Excluem-se quaisquer crianças que não podem ser calibradas.
  8. Se vários experimentos são executados consecutivamente, ou se uma única experiência é bastante longa, considere re-calibração após cada seção.

5. análise de dados

  1. Usar o software de análise de dados para realizar esta análise (por exemplo, veja a tabela de materiais).
  2. Crie áreas de interesse (PUC) em torno das posições de exemplar sobre os lados esquerdo e direito da tela.
  3. Para testes de familiarização, uso o AOI apropriado para avaliar os infantes de tempo gasto olhando para o exemplar exibido em cada tentativa. Excluir qualquer criança que não mostra sustentada, procurando por uma maioria dos exemplares (por exemplo, exigem que crianças assistir ao 4 de um possível 6 exemplares de familiarização pelo menos 25% desses julgamentos).
  4. Para o julgamento de teste, incluir somente dos infantes primeiro 5 s de olhar acumulada. Para crianças mais jovens, de 3 a 12 meses de idade, considere o uso de uma janela mais como 10 segundos de olhar acumulada. Considere excluir infantes que mostram insuficientes sustentado olhando para teste (por exemplo, acumulando menos de 2.5 s de olhar) ou que não conseguem olhar para ambos os exemplares.
  5. Agora crie uma pontuação de preferência para teste do cada criança julgamento, dividindo a quantidade de tempo gasto olhando para o romance exemplar pela quantidade total de tempo olhando para os dois exemplares. Para analisar estas proporções, transformá-los o primeiro com um logit empírica ou arco-pecado raiz quadrada para torná-los adequados para análise com modelos lineares.
  6. Por um tempo-curso de análise de comportamento de procura dos infantes no teste, separar dados em caixas pequenas (por exemplo, entre 10 e 100 ms) e calcular um escore de preferência dentro de cada bin para cada criança.
  7. Realizar uma análise dos dados do tempo-curso, se o padrão dos infantes de olhar durante todo o julgamento do teste varia de acordo com a condição de teste. Observe que várias formas de análise podem responder a esta pergunta, incluindo uma análise baseada em cluster de permutação20, como demonstrado aqui e modelagem da curva de crescimento. 21
    1. Para uma análise de permutações baseados em cluster, selecione um limiar de valor t, correspondente ao nível desejado de alfa (Alfas intervalo de.01 para recomendado. 20; note que este valor alfa não representa nível de alfa do teste geral, apenas o nível necessário para individuais tempo-escaninhos para exceder o limite). Soma as estatísticas-t para cada hora-bin consecutivo que ultrapassa o limite-t escolhido; Estas t-estatísticas acumuladas indicam o tamanho das divergências entre as condições nos dados.
    2. Para determinar se estas divergências são maiores do que o esperado, por acaso, realizar pelo menos 1.000 simulações com os rótulos de condição embaralhados aleatoriamente. Avalie a divergências de dados unshuffled contra esta distribuição baseada na hipótese.
      Nota: É esta comparação da divergência original contra a distribuição baseada na hipótese que determina a taxa de falso-positivos da análise, em vez do número de tempo-compartimentos em que t-testes foram realizados ou mesmo o limiar t-valor selecionado para os t-testes iniciais. Como resultado, esta análise fornece uma alternativa conservadora para diretamente, relatando os resultados de vários testes t através de tempo-escaninhos predeterminadas (por exemplo, realizando testes de cada 500 ms).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Usando o protocolo acima, fizemos dois experimentos22. As análises foram realizadas com o pacote de eyetrackingR 23, e os dados e o código estão disponíveis em https://github.com/sandylat/ssl-in-infancy. No primeiro experimento, contrastava uma condição totalmente supervisionada (n = 24, Midade = 26,8 mo), apresentando apenas rotulado exemplares, com uma condição sem supervisão (n = 24, Midade = 26,9 mo), apresentando apenas exemplares sem rótulo.

Totalmente supervisionado versus ambientes sem supervisão

Lactentes no totalmente supervisionado (M = 13.86 s, SD = 3,00) e supervisionado (M = 14,94 s, SD = 1,91) condições não mostrou nenhuma diferença na sua atenção para os exemplares durante a familiarização, t(46) = 1.48, p = .14, d =,43.

Pelo teste, 2 anos na condição de totalmente supervisionado (M =.59, SD =,15) exibida uma preferência significativa para o exemplar da categoria romance, t(23) = 3,05, p =.006, d =.62, indicando que eles haviam formado com sucesso a categoria. Em contraste, 2 anos na condição de sem supervisão (M =.49, SD =.18) parecia mais ou menos igualmente entre os objetos no teste, t(23) =.39, p =.70, d =.08. Desempenho diferiu significativamente entre essas condições, t(46) = 2,27, p =.028, d =.66 (ver Figura 2). Finalmente, uma análise baseada em cluster de permutação do tempo-curso de procurar padrões no teste revelaram uma divergência significativa entre as duas condições, p =.038, de 3.450 ms a ms 3.850 (ver Figura 3).

Semi supervisionado vs invertidas ambientes semisupervisionados

Em seguida, examinamos se 2 anos poderiam aprender categorias em ambientes semisupervisionados integrando exemplares etiquetados e sem rótulo. Previmos que receber rotulado exemplares no início da familiarização em uma semisupervisionado condição (n = 24, Midade = 27,3, 12 feminino), onde os exemplares rotulados podem fornecer uma base para aprender com os exemplares sem rótulo, iria facilitar a aprendizagem de categoria, Considerando que o recebimento rotulado exemplares no final da familiarização em uma invertida semi-supervisionadas condição (n = 24, Midade = 27,2, 13 feminino) não o faria. Ou seja, receber exemplares rotulados primeiro deve habilitar 2 anos aprender mais com os exemplares sem rótulo do que receber aqueles rotulados exemplares depois de ver os exemplares sem rótulo.

Crianças na condição de semisupervisionada (n = 24, M = 13,23 s, SD = 3,35) e invertida semi supervisionada (n = 24, M = 12.58 s, SD = 2,78) condições mostraram níveis semelhantes de atenção para os exemplares durante a familiarização, t (46) =. 73, p =.47, d =.21.

No teste, no entanto, crianças na condição de semisupervisionada (M =.59, SD =.14), exibido uma preferência de novidade significativa, t(23) = 3.11, p =.005, d =.63, Considerando que crianças em semisupervisionado a invertida condição (M =.52, SD =.13) realizados nos níveis de hipótese, t(23) =.76, p =,45, d =.16. Preferências dos bebês foram ligeiramente diferentes entre as duas condições, t(46) = 1,80, p =.08, d =.52 (ver Figura 2). Além disso, também realizamos uma análise baseada em cluster de permutação de comportamento de procura dos infantes no teste, revelando que a condição de semisupervisionada mostrou uma preferência de novidade mais forte do que a condição de SSL invertida entre 3450ms e 3850ms, p =,047 (ver A Figura 3). Isto é exatamente o mesmo período de tempo durante o qual a condição totalmente supervisionado divergido a condição sem supervisão, sugerindo infantes eram mesmo êxito na aprendizagem da categoria na condição de semi-supervisionadas como na condição de totalmente supervisionada .

Figure 1
Figura 1: amostra desenho tarefa. A fase de familiarização consiste de 6 ensaios, cada uma apresentando um membro de categoria emparelhado com um rótulo ou uma frase não-rotulagem. A fase de teste apresenta simultaneamente lactentes com um exemplar da categoria agora familiar e um de uma categoria de romance. Condições representam as quatro condições apresentadas na seção resultados representativos. Esta figura foi modificada de LaTourrette, r., Waxman, S.R. Rotular um pouco vai um longo caminho: semi supervisionado de aprendizagem na infância. Dev. Sci. e12736 (2018). Clique aqui para ver uma versão maior desta figura.

Figure 2
Figura 2: dizer o golo de preferência em condições. Lactentes no totalmente supervisionada e condições controladas semi exibido preferências novidade significativamente acima hipótese, p <.05. Infantes nas condições Unsupervised e SSL invertida realizados nos níveis de oportunidade. Barras de erro representam erros-padrão da média. Esta figura foi modificada em22. Clique aqui para ver uma versão maior desta figura.

Figure 3
Figura 3: The infantil procurando padrões durante teste Nas condições totalmente supervisionada e Unsupervised (à esquerda) e nas condições semi-supervisionadas semisupervisionadas e invertidas (à direita), padrão dos infantes de olhar para os exemplares divergiu entre 3,450ms e 3,850ms. A barra cinza sombreada em cada gráfico denota este período divergente. As regiões sombreadas coloridas ao redor de cada condição indicam o erro padrão da média. Esta figura foi modificada em22. Clique aqui para ver uma versão maior desta figura.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Aqui, apresentamos um procedimento para avaliar o papel da rotulagem na categorização. Apresentando 2 anos com uma mistura realista de exemplares etiquetados e sem rótulo, demonstramos que crianças muito jovens são capazes de aprendizagem em ambientes semi-supervisionadas, estendendo o trabalho com adultos e mais velhos crianças24,25 . Assim, este método oferece uma solução para o paradoxo colocado acima: se mesmo alguns exemplares rotulados podem desencadear aprendizagem de categoria e, em seguida, rótulos podem ser raros e poderosos.

Aspectos críticos desse paradigma incluem o uso de novos estímulos artificiais e ensaios curtos, os quais tornam a tarefa adequadamente desafiador e envolvente para crianças de 2 anos. Além disso, usando um olho-tracker, ao invés de codificação manual infantil procurando comportamento, fornece mais rico e olhar de dados mais precisos sobre o olho dos participantes; Esta riqueza e precisão permite a implementação de medidas de tempo-curso como a análise baseada em cluster de permutação.

As vantagens centrais do paradigma familiarização-teste são sua avaliação direta de categoria aprendizagem e sua simplicidade como uma tarefa procura passiva. Ou seja, a tarefa diretamente testes categoria de aprendizagem, em vez de depender de medidas mais complexas como nomeação de comportamento ou inferências indutivas3,26,27. Além disso, como as tarefas de familiarização-teste podem ser administradas através de uma ampla gama de desenvolvimento (por exemplo, a partir de 3 meses a 3 anos), oferecem uma oportunidade para identificar a continuidade do desenvolvimento e mudança.

Com efeito, o paradigma de familiarização-teste aqui apresentado foi projetado para crianças de 2 anos, mas projetos similares têm sido amplamente utilizados com crianças em seu primeiro ano de vida4,6,7,9, 28. para estas crianças mais jovens, é claro, a tarefa deve ser simplificada: exposição mais longa para os exemplares de familiarização, mais exemplares, categorias mais simples e uma janela mais tempo de olhar para teste pode melhorar a sensibilidade da tarefa para crianças mais jovens . Mais amplamente, o paradigma de familiarização-teste empregado aqui pode ser facilmente estendido para avaliar o efeito de qualquer sinal auditivo na cognição infantil, incluindo o silêncio, tons de onda senoidal, vocalizações de primatas não-humanos e outros sons linguística5 ,13,29,30.

Limitações desta tarefa decorrem, principalmente, seu uso de uma variável de resultado único: preferência dos infantes no teste. Isto torna a tarefa impróprios para perguntas sobre, por exemplo, como cada exemplar de familiarização muda dos infantes categoria aprendizagem ou os infantes particularidades usam para aprender a categoria. Tempo-curso de análises, tais como a análise baseada em cluster de permutação, substancialmente podem enriquecer o insight oferecido por este paradigma. No entanto, enquanto estas análises permitem-nos tirar conclusões mais fortes sobre quando duas condições diferem em desempenho, eles também levantam importantes questões sobre fatores que conduzir a padrões de atenção dos bebês durante a fase de teste, uma área promissora para trabalho futuro.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Os autores não têm nada para divulgar.

Acknowledgments

A pesquisa relatada aqui foi apoiada pelo Instituto Nacional de saúde infantil e desenvolvimento humano dos institutos nacionais de saúde, sob número de prêmio R01HD083310 e um nacional Science Foundation Graduate bolsa de pesquisa sob concessão não. DGE‐1324585. O conteúdo é exclusivamente da responsabilidade dos autores e não representa necessariamente a opinião oficial dos institutos nacionais de saúde ou 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