Definire il ruolo del linguaggio nella categorizzazione degli oggetti degli infanti con paradigmi di 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

Qui presentiamo un protocollo per test di familiarizzazione paradigmi che forniscono una prova diretta di categorizzazione infantile e contribuire a definire il ruolo della lingua nell'apprendimento precoce di 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

Valutazione di apprendimento infantile categoria è un impegnativo ma aspetto vitale di studiare la cognizione infantile. Impiegando un paradigma di familiarizzazione-prova, semplicemente misuriamo il successo di bimbi nell'apprendimento di una categoria romanzo pur basandosi solo sul loro comportamento osservante. Inoltre, il paradigma può direttamente misurare l'impatto di differenti segnali uditivi sulla categorizzazione infantile attraverso una gamma di età. Per esempio, abbiamo valutato come 2-anno-olds imparare categorie in una varietà di ambienti di etichettatura: nel nostro compito, 2-anno-olds imparato con successo categorie quando tutti gli esemplari sono stati etichettati o dei primi due esemplari sono stati etichettati, ma non sono riusciti a classificare quando Nessun esemplari sono stati etichettati o solo i finali due esemplari sono stati etichettati. Per determinare il successo dei neonati in tutte queste attività, i ricercatori possono esaminare entrambi la preferenza generale visualizzata dei lattanti in ogni condizione e pattern bimbi piccoli di ricerca nel corso della fase di verifica, utilizzando eye-tracker per fornire dati di tempo-corso a grana fine . Così, vi presentiamo un potente paradigma per identificare il ruolo della lingua, o qualsiasi segnale uditivo, nella categoria di bimbi piccoli oggetti di apprendimento.

Introduction

La categorizzazione è un elemento fondamentale della cognizione umana: le abilità di categorizzazione degli infanti emergono presto nell'infanzia e diventano sempre più sofisticate con l'età. 1 , 2 , 3 ricerca ha anche rivelato un ruolo potente per lingua nella categorizzazione infantile: da 3 mesi di età, i bambini imparano categorie più correttamente quando esemplari di categoria sono associati con la lingua. 4 , 5 , 6 inoltre, entro la fine del primo anno, i neonati sono in sintonia con il ruolo di sostantivo conteggio etichette nella categorizzazione. Esemplari di categoria con una frase coerenza d'etichettatura di accoppiamento ("questo è un vep!") facilita la categoria degli infanti di apprendimento rispetto a fornire sia un'etichetta distinta per ogni esemplare ("Questo è un vep," "Questo è un dax," ecc.) o una non-etichettatura una frase ("Guarda questo."). 7 , 8 , 9

Nelle esperienze quotidiane degli infanti, tuttavia, la stragrande maggioranza degli oggetti che incontrano probabilmente rimarrà senza etichetta. Nessun operatore sanitario potrebbe etichettare ogni oggetto che un infante vede molto meno fornire le etichette che si applicano a ogni oggetto (ad es., "malamute," "cane", "animale domestico", "animale"). Ciò presenta un paradosso: come possiamo conciliare il potere delle etichette nella categorizzazione infantile con loro relativa scarsità nella vita quotidiana dei neonati?

Per rispondere a questa domanda, abbiamo sviluppato un protocollo per valutare come i bambini imparano categorie in una varietà di ambienti di apprendimento diversi, tra cui quando ricevono una miscela di esemplari marcate e non marcate. In particolare, proponiamo che ricevendo anche alcuni esemplari con etichettate all'inizio dell'apprendimento può agevolare la categorizzazione — migliorando la capacità degli infanti di imparare dai successivi, senza etichetta esemplari pure. La strategia di utilizzo di un piccolo numero di esemplari identificati come un fondamento per l'apprendimento da un gran numero di esemplari senza etichetta è stato ampiamente implementato nel campo dell'apprendimento automatico, la deposizione delle uova una famiglia di apprendimento semi-supervisionato (SSL) gli algoritmi10,11,12. Naturalmente, le strategie di apprendimento attuate non sono identiche tra diversi tipi di discenti: in apprendimento automatico, algoritmi in genere sono esposti a molti più esemplari, fare ipotesi esplicite su ogni esemplare e imparare di più categorie contemporaneamente. Tuttavia, sia in macchina che in neonato discenti possono beneficiare di esemplari sia marcate e non marcate per imparare nuove categorie in ambienti d'etichettatura sparse di integrare con successo.

Il nostro design si concentra su se bambini di 2 anni, in procinto di acquisire parole per numerose nuove categorie, sono capaci di questo tipo di apprendimento semi-supervisionato. Ci avvaliamo di una misura standard categorizzazione infantile: un'attività di familiarizzazione-prova. In questo paradigma, 2-anno-olds sono stati esposti ad una serie di esemplari da una categoria romanzo durante una fase di familiarizzazione. Ogni esemplare è stato associato con uno stimolo uditivo diverso, a seconda della condizione (cioè, un'etichettatura o una frase-di etichettatura). Poi, alla prova, tutti 2-anno-olds visto due nuovi oggetti presentati in silenzio: un oggetto da categoria ormai familiare e uno da una categoria di romanzo.

Se il 2-year-olds con successo costituiscono la categoria durante la fase di familiarizzazione, quindi si dovrebbe distinguere tra i due esemplari presentati al test. Importante, perché una preferenza sistematica per sia l'immagine di prova romanzo o familiare riflette la capacità di distinguere tra di loro, sia familiarità e novità le preferenze sono interpretate come prova di successo categorizzazione. Si noti che su una determinata attività, la natura di questa preferenza è una funzione dell'efficienza di elaborazione-bimbi per i materiali di stimolo, con preferenze di familiarità associate a stimolo meno efficiente elaborazione 4,13, 14 , 15 , 16 , 17. che presenta la fase di test in silenzio rende possibile valutare direttamente il successo degli infanti nella categorizzazione degli oggetti e come questo successo varia secondo le informazioni che hanno accompagnato gli esemplari nel corso di familiarizzazione. Così, questo paradigma fornisce una prova convincente di come i diversi tipi di ambienti linguistici effetto categoria apprendimento. Se etichettatura migliora l'apprendimento di categoria in ambienti semi-supervisionati e completamente supervisionati, 2-year-olds in queste condizioni dovrebbe mostrare più forte prova preferenze che gli infanti in altri ambienti.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Tutti i metodi descritti qui sono stati approvati dalla Northwestern University Institutional Review Board.

1. stimoli creazione

Nota: Gli stimoli visivi (Vedi Figura 1) utilizzati nel disegno rappresentativo sotto riportati sono stati originariamente sviluppati in anrdrea e Waxman (2016)18 e sono disponibili per il download su https://osf.io/n6uy8/.

  1. Per creare una nuova categoria di continua, prima di progettare un paio di nuove immagini digitali. Successivamente, di morph insieme, la coppia di immagini utilizzando il software (Vedi, ad esempio, la Tabella materiali) per formare un continuum di esemplari tra le due immagini originali. Creare almeno due categorie in questo modo, in modo che uno può servire come la categoria deve essere appreso mentre l'altro fornisce il exemplar di categoria romanzo per la versione di valutazione di test.
  2. Selezionare gli esemplari di familiarizzazione intervalli equidistanti da lungo continuum di ogni categoria acquisita (ad esempio, gli esemplari di 0%, 20%, 40%, 60%, 80% e 100%). Selezionare un numero adeguato di esemplari (ad es., sei). Commisurato alla difficoltà della categoria e l'età dei partecipanti.
  3. Per creare gli esemplari per la fase di test, selezionare i punti medi di continuum della categoria familiare e continuum della categoria romanzo (cioè, l'esemplare di 50%). Quindi il colore del romanzo esemplare a quello dell'esemplare familiare utilizzando un programma di manipolazione di immagine (Vedi, ad esempio, la tabella materiali).
  4. Stimoli uditivi record prodotti da un madrelingua inglese femmina in una cabina insonorizzata. Se possibile, utilizzare l'altoparlante stesso per entrambi frasi d'etichettatura (vale a dire, "Guardate i modi") e non-etichettatura frasi (cioè, "Guarda quella!").
    1. Istruire l'altoparlante per produrre tutte le espressioni nel discorso diretto di infante o bambino.
    2. Selezionare le espressioni che sono approssimativamente della stessa lunghezza attraverso condizioni, probabilmente circa 1.500 ms per ogni frase.

2. l'apparecchio

  1. Utilizzare appropriati eye-tracker. Per raccogliere dati di eye tracking adeguati per una misura di familiarizzazione-prova, sarà sufficiente il più ampiamente disponibile eye-tracker: gli oggetti occupano grandi porzioni dello schermo, e l'analisi dei dati indaga prestazioni sopra una finestra lunga, piuttosto che movimenti oculari individuali, rapidamente che si verificano ad esempio saccadi.
  2. Poiché questo compito richiede infanti di eye tracking, assicurarsi che il sistema sia conforme ai requisiti diversi.
    1. In primo luogo, utilizzare eye-tracker con una modalità di rilevamento remoto, che non richiede gli infanti posizionare le loro teste su un resto di mento. Assicurarsi che il eye-tracker può tollerare relativamente grandi movimenti della testa o aggiustamenti.
    2. In secondo luogo, è possibile utilizzare un relativamente grande schermo per visualizzare le immagini agli infanti, (per es., 57 x 45 cm).
    3. In terzo luogo, è possibile utilizzare un montaggio braccio estensibile per l'eye-tracking per facilitare la raccolta dei dati consentendo al ricercatore di regolare l'altezza del eye-tracker ad ogni infante.
    4. In quarto luogo, rendere l'attrezzatura di eye tracking unobtrusive, concentrando attenzione degli infanti esclusivamente sullo schermo del display. Per esempio, alcuni sistemi integrano l'apparecchiatura di eye tracking con il monitor o montare l'apparecchiatura direttamente sotto il monitor.
  3. Si noti che questa attività può essere completata anche dalla mano di codifica di dati di alta qualità video di comportamento osservante infants'. Mentre le tecniche di codifica manuale possono presentare alcune sfide per utilizzando le analisi di tempo-corso granularità più fine, codificato manualmente dati sono interamente sufficienti per l'aggregazione alla ricerca di analisi.

3. Ufficio Design

  1. Nel software associato di eye-tracking (Vedi, ad esempio, Tabella materiali), creare quattro diverse condizioni: completamente supervisionato, Unsupervised, semi-supervisionato e invertito semi-supervisionato. Assicurare che queste condizioni sono separate, in modo che ogni bambino vedrà solo una condizione.
  2. Generare almeno due ordini di pseudo-casuali degli esemplari di apprendimento, con il vincolo che non più di due esemplari dallo stesso lato del continuum (0-40% o 60-100%) può essere mostrato consecutivamente.
  3. Creare video di familiarizzazione che stimoli uditivi la coppia con gli stimoli visivi come appropriato per ogni condizione.
    1. Combinare gli stimoli visivi ed uditivi in software di video editing (Vedi, ad esempio, la Tabella materiali). Presentare tutte le immagini sullo stesso sfondo. Impostare l'inizio dello stimolo uditivo su una gamma adeguata, tra 500 ms e 1.500 ms dopo l'inizio dello stimolo visivo. Usare questo breve ritardo per facilitare elaborazione carico 19 neonati.
    2. Per esempio, nella condizione completamente supervisionato, coppia ogni esemplare di familiarizzazione con una frase d'etichettatura.
    3. Nella circostanza non supervisionata, coppia ogni esemplare di familiarizzazione con una frase-di etichettatura.
    4. In condizione di semi-supervisionata, coppia solo i primi due esemplari in ogni ordine con etichettatura frasi ma il resto con frasi-di etichettatura.
    5. Per la condizione di semi-supervisionato Reversed, coppia il finali due esemplari con etichettatura frasi ma i primi quattro con frasi non-etichettatura (Vedi Figura 1).
    6. Caricare questi video nel software eye-tracking, ordinare i video di familiarizzazione, come determinato dall'ordine pseudo-randomizzati.
  4. Caricare un breve (10 s o meno) che attirano l'attenzione animazione visualizzata al centro dello schermo dopo familiarizzazione: questo farà sì che molti neonati stanno cercando al centro dello schermo quando inizia la fase di test.
  5. Infine, per ogni categoria di apprendimento, design due test, prove, ognuna dotata di due esemplari visualizzato side-by-side. Garantire che per entrambe le prove a test, un exemplar rappresenterà il punto medio della categoria ormai familiare, mentre l'altro rappresenta il punto centrale della categoria romanzo.
    1. Controbilanciare le prove affinché il posizionamento a sinistra/destra del romanzo esemplare nel test di prova è invertito attraverso video.
    2. Caricare questi test prove del software di eye-tracking, posizionandoli dopo il post-familiarizzazione attenzione-getter. Controbilanciare la presentazione di queste prove così ogni bambino ha la stessa probabilità di vedere una versione di valutazione di test romanzo-sinistra o destra-romanzo.
    3. Garantire tale test prove durare almeno 5 s e fino a 20 s, affinché i bambini inizialmente distoglie lo sguardo per accumulare sufficiente alla ricerca.

[Inserire qui la Figura 1 ]

4. procedura di studio

  1. Prima che il bambino arriva, impostare il eye-tracker.
    1. Assegnare casualmente il neonato a una condizione e un ordine.
    2. Aprire il software eye-tracker e selezionare la coppia di condizione/ordine assegnato.
    3. Ora immettere il numero del partecipante per questa registrazione.
  2. Dopo aver eseguito il processo di consenso, portare il bambino e il caregiver per la camera di eye tracking. Assicurarsi che la stanza è illuminata moderatamente senza alcuna distrazione decorazioni sulle pareti.
  3. Posto una sedia davanti il eye-tracker ad una distanza appropriata per il modello di eye-tracker viene utilizzato. Seduta del caregiver in questa sedia e il bambino sulle ginocchia del genitore. Se il bambino non vuole sedersi in giro di caregiver, essi possono sedere loro, o essi possono sedere in un seggiolino per auto.
  4. Se il bambino è seduto sulle ginocchia del genitore, istruire il caregiver non per influenzare il comportamento degli infanti in alcun modo, ma per cercare di tenere il bambino centrato sulle ginocchia del genitore. Fornire gli operatori sanitari con un paio di occhiali oscurati indossare così non vedono gli stimoli.
  5. Chiedere l'infante a guardare lo schermo di eye-tracking; considerare la visualizzazione di un'immagine o un video per attirare la loro attenzione coinvolgente. Posizionare lo schermo in modo che gli occhi dei neonati sono all'interno della finestra di calibrazione.
  6. Eseguire la procedura di calibrazione di eye-tracker. Se possibile, utilizzare una calibrazione di cinque-punto, ma meno complete calibrazioni sono anche suscettibili di essere adeguata. I neonati spesso rispondono meglio quando l'immagine di calibrazione è un'animazione con accompagnamento uditiva.
  7. Se il bambino passa la calibrazione, quindi iniziare l'esperimento. In caso contrario, ricalibrare fino a quando non sono riusciti. Sono esclusi eventuali infanti che non possono essere calibrati.
  8. Se esperimenti multipli vengono eseguiti consecutivamente, o se un singolo esperimento è abbastanza lungo, considerare ri-taratura dopo ogni sezione.

5. analisi dei dati

  1. Utilizzare software di analisi dati per eseguire questa analisi (ad es., vedi tabella materiali).
  2. Creare aree di interesse (AOI) intorno le posizioni di esemplare a sinistra e a destra dello schermo.
  3. Per le prove di familiarizzazione, uso l'AOI appropriato per valutare gli infanti di tempo trascorso guardando il paradigma visualizzati per ciascuna prova. Escludere qualsiasi infante che non Mostra sostenuta alla ricerca di una maggioranza degli esemplari (ad esempio, richiedono che gli infanti partecipare a 4 un possibile 6 esemplari di familiarizzazione per almeno il 25% di tali sperimentazioni).
  4. Per la versione di valutazione di test, sono solo degli infanti prima 5 s di ricerca accumulato. Per gli infanti più giovani, da 3 a 12 mesi di età, considerare l'utilizzo di una finestra più lungo ad esempio 10 secondi di ricerca accumulato. Considerare esclusi i bambini che mostrano insufficienti sostenuta guardando la pagina di prova (ad esempio, accumulando meno di 2.5 s di ricerca) o che non riescono a guardare ad entrambi gli esemplari.
  5. Ora creare un punteggio di preferenza per la prova di ogni bambino prova dividendo la quantità di tempo speso alla ricerca per il romanzo esemplare dalla quantità totale di tempo alla ricerca di due esemplari. Per analizzare queste proporzioni, trasformarli in primo luogo con un logit empirica o la radice quadrata di arco-peccato per renderli idonei per l'analisi con modelli lineari.
  6. Per un'analisi di tempo-corso di comportamento osservante-bimbi al test, separare i dati in piccoli contenitori (ad esempio, tra 10 e 100 ms) e calcolare un punteggio di preferenza all'interno di ciascuna collocazione per ogni bambino.
  7. Eseguire un'analisi dei dati corso di tempo, verificare se il modello degli infanti di guardare in tutta la versione di valutazione di test varia da condizione. Nota che le forme multiple di analisi possono rispondere a questa domanda, compreso una permutazione basato su cluster analisi20, come dimostrato qui e modellazione di curva di crescita. 21
    1. Per un'analisi basata su cluster di permutazioni, selezionare una soglia di valore t, corrispondente al livello desiderato, Alfa (alfa gamma da,01 per raccomandata. 20; si noti che questo valore alfa non rappresentano livello alpha del test globale, semplicemente il livello richiesto per individuale tempo-bidoni superare la soglia). Somma la statistica t per ogni tempo-bin consecutivi che supera la soglia di t selezionata; questi cumulative t-statistiche indicano le dimensioni delle divergenze tra le condizioni nei dati.
    2. Per determinare se tali divergenze sono maggiori del previsto per caso, è necessario effettuare almeno 1.000 simulazioni con le etichette di condizione mescolate a caso. Valutare le divergenze dei dati unshuffled contro questa distribuzione basata su possibilità.
      Nota: È questo confronto della divergenza originale contro la distribuzione basata su possibilità che determina il tasso di falsi positivi dell'analisi, piuttosto che il numero di tempo-cestini in cui t-test sono stati condotti o anche la soglia di t-valore selezionato per quelli t-test iniziali. Di conseguenza, questa analisi fornisce un'alternativa conservatrice alla segnalazione direttamente i risultati da t-test multipli attraverso pre-specificati tempo-bidoni (ad es., conducendo test ogni 500 ms).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Utilizzando il protocollo di cui sopra, abbiamo eseguito due esperimenti22. Analisi sono state condotte con il pacchetto di eyetrackingR 23, e il codice e dati sono disponibili a https://github.com/sandylat/ssl-in-infancy. Nel primo esperimento, abbiamo contrastato una condizione completamente supervisionata (n = 24, Metà = 26,8 mo), con solo etichettati esemplari, con una condizione senza supervisione (n = 24, Metà = mo 26,9), con solo senza etichetta esemplari.

Completamente supervisionato vs senza supervisione ambienti

Neonati in completamente supervisionato (M = 13.86 s, SD = 3.00) e senza supervisione (M = 14,94 s, SD = 1,91) condizioni ha mostrate alcuna differenza nella loro attenzione per gli esemplari nel corso di familiarizzazione, t(46) = 1,48, p = .14, d =.43.

Test di at, 2-anno-olds nella condizione completamente supervisionato (M =.59, SD =,15) visualizzata una significativa preferenza per l'esemplare di categoria romanzo, t(23) = 3.05, p =.006, d =.62, che indica con successo avevano formato la categoria. In contrasto, 2-anno-olds nella condizione senza supervisione (M =.49, SD =.18) visto più o meno equamente tra gli oggetti in prova, t(23) =.39, p =.70, d =.08. Le prestazioni hanno differito significativamente fra queste condizioni, t(46) = 2,27, p =.028, d =.66 (Vedi Figura 2). Infine, un'analisi basata su cluster di permutazione del tempo-corso di guardare modelli test ha rivelato una significativa divergenza tra le due condizioni, p =.038, da 3.450 ms a 3.850 ms (vedere Figura 3).

Semi-supervisionato vs invertiti ambienti semi-supervisionati

Successivamente, abbiamo esaminato se 2-anno-olds potrebbe imparare categorie in ambienti semi-supervisionati integrando esemplari marcate e non marcate. Abbiamo predetto che la ricezione etichettato esemplari all'inizio di familiarizzazione in un semi-supervisionato condizione (n = 24, Metà = 27,3, 12 femminile), dove gli esemplari con etichettati possono fornire un fondamento per l'apprendimento da esemplari senza etichetta, sarebbe facilitare l'apprendimento di categoria considerando che ricezione etichettato esemplari alla fine di familiarizzazione in un Reversed semi-supervisionato condizione (n = 24, Metà = 27,2, 13 femminile) non sarebbe. Vale a dire ricevere esemplari etichettati prima dovrebbe consentire 2-anno-olds per saperne di più da esemplari senza etichetta oltre a ricevere quelli etichettati esemplari dopo aver visto gli esemplari senza etichetta.

I neonati nella condizione di semi-supervisionato (n = 24, M = 13,23 s, SD = 3,35) e semi-supervisionato Reversed (n = 24, M = 12,58 s, SD = 2.78) condizioni ha mostrato i simili livelli di attenzione per gli esemplari nel corso di familiarizzazione, t (46) =.73, p =.47, d =.21.

Nei test, tuttavia, i neonati nella condizione di semi-supervisionato (M =.59, SD =.14), visualizzata una preferenza di significative novità, t(23) = 3.11, p =.005, d =.63, mentre gli infanti nella Reversed semi-supervisionato condizione (M =.52, SD =.13) eseguite ai livelli di probabilità, t(23) =.76, p =,45, d =.16. Preferenze degli infanti erano marginalmente differenti tra le due condizioni, t(46) = 1,80, p =.08, d =.52 (Vedi Figura 2). Inoltre, abbiamo anche condotto un'analisi di permutazione basato su cluster di comportamento osservante-bimbi al test, rivelando che la condizione di semi-supervisionata ha mostrato una forte preferenza di novità rispetto alla condizione di SSL invertito tra 3450ms e 3850ms, p =.047 (Vedi Figura 3). Questo è esattamente lo stesso periodo di tempo durante il quale la condizione completamente supervisionato discostato dalla condizione di Unsupervised, suggerendo gli infanti erano altrettanto successo all'apprendimento la categoria nella condizione di semi-supervisionata come nello stato completamente supervisionato .

Figure 1
Figura 1: esempio di progettazione di attività. La fase di familiarizzazione è costituita da 6 prove, ciascuno presentando un membro della categoria accoppiato con un'etichettatura o una frase-di etichettatura. La fase di test presenta contemporaneamente i neonati con un esemplare dalla categoria ormai familiare e uno da una categoria di romanzo. Condizioni rappresentano le quattro condizioni presentate nella sezione risultati rappresentativi. Questa figura è stata modificata da LaTourrette, r., Waxman, S.R. Etichettatura di un po ' va un lungo cammino: semi-supervisionato apprendimento nell'infanzia. Dev. Sci. e12736 (2018). Clicca qui per visualizzare una versione più grande di questa figura.

Figure 2
Figura 2: media dei punteggi preferenza attraverso condizioni. Gli infanti nel completamente supervisionato e condizioni semi-supervisione visualizzato Preferenze novità significativamente sopra la probabilità, p <,05. Neonati in condizioni Unsupervised e invertito SSL eseguite ai livelli di probabilità. Barre di errore rappresentano errori standard della media. Questa figura è stata modificata da22. Clicca qui per visualizzare una versione più grande di questa figura.

Figure 3
Figura 3: alla ricerca del neonato The pattern durante test. In condizioni completamente supervisionato e Unsupervised (a sinistra) e in condizioni semi-supervisione semi-supervisione e invertite (a destra), reticolo-bimbi dello sguardo verso gli esemplari divergenza tra 3,450ms e 3,850ms. La barra ombreggiata grigia in ogni grafico denota questo periodo divergente. Le regioni colorate ombreggiate intorno ogni circostanza indicano errore standard della media. Questa figura è stata modificata da22. Clicca qui per visualizzare una versione più grande di questa figura.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Qui, presentiamo una procedura per valutare il ruolo di etichettatura nella categorizzazione. Presentando 2-anno-olds con un mix realistico di esemplari marcate e non marcate, dimostriamo che i bambini molto piccoli sono in grado di apprendere in ambienti semi-supervisionati, estendendo il lavoro con gli adulti e di bambini più anziani24,25 . Così, questo metodo offre una risoluzione al paradosso posato sopra: anche alcuni esemplari con etichettate possono scintilla apprendimento di categoria, se le etichette possono essere sia rara e potente.

Aspetti critici di questo paradigma includono l'uso di nuovi stimoli artificiali e brevi prove, entrambi i quali rendono il compito in modo appropriato impegnativo e coinvolgente per 2-year-olds. Inoltre, utilizzando eye-tracker, piuttosto che codifica manuale infante alla ricerca di comportamento, fornisce più ricco e dati più precisi sull'occhio dei partecipanti lo sguardo; Questa ricchezza e precisione consente l'implementazione di misure di tempo-corso come l'analisi di permutazione basato su cluster.

I vantaggi centrali del paradigma familiarizzazione-test sono sua semplice valutazione di apprendimento di categoria e la sua semplicità come un compito dall'aspetto passivo. Vale a dire l'attività direttamente testa categoria apprendimento, piuttosto che basarsi su misure più complesse come denominazione comportamento o inferenze induttive3,26,27. Inoltre, perché l'attività di familiarizzazione-test può essere somministrata attraverso una vasta gamma dello sviluppo (ad es., da 3 mesi a 3 anni), che offrono un'opportunità per identificare la continuità dello sviluppo e cambiare.

Infatti, il paradigma di familiarizzazione-test qui presentato è stato progettato per 2-year-olds, ma disegni simili sono stati ampiamente usati con neonati nel loro primo anno di vita4,6,7,9, 28. per questi infanti più giovani, naturalmente, l'attività deve essere semplificato: esposizione più lunga per gli esemplari di familiarizzazione, più esemplari, categorie più semplice e una finestra più di guardare la pagina di prova può migliorare sensibilità dell'attività per gli infanti più giovani . Più in generale, il paradigma di familiarizzazione-test impiegato qui può essere facilmente estesa per valutare l'effetto di qualsiasi segnale uditivo sulla cognizione infantile, tra cui silenzio, toni sinusoidali, primate non umano vocalizzazioni e altri suoni non linguistici5 ,13,29,30.

Limitazioni di questo compito derivano principalmente dal suo uso di una variabile di singolo risultato: preferenza degli infanti al test. Questo rende il compito inadatto per dubbi, per esempio, come ogni esemplare di familiarizzazione cambia infants' apprendimento di categoria o gli infanti di caratteristiche particolari utilizzano per imparare la categoria. Analisi di tempo-corso, come l'analisi di permutazione basato su cluster, sostanzialmente è in grado di arricchire l'intuizione offerto da questo paradigma. Tuttavia, mentre queste analisi ci permettono di trarre conclusioni più forte su quando due condizioni differiscono in termini di prestazioni, sollevano anche questioni importanti sulle quali fattori guidare modelli attenzionali degli infanti durante tutta la fase di test, un'area promettente per lavoro futuro.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Gli autori non hanno nulla a rivelare.

Acknowledgments

La ricerca segnalata qui è stata sostenuta dal National Institute of Child Health e lo sviluppo umano del National Institutes of Health, sotto numero premio R01HD083310 e un National Science Foundation Graduate Research Fellowship sotto concedere no. DGE‐1324585. Il contenuto è di esclusiva responsabilità degli autori e non rappresentano necessariamente il punto di vista ufficiale del National Institutes of Health o della 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