눈-추적 패러다임 유아 개체 분류에서 언어의 역할을 정의

Summary

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

Abstract

유아 카테고리 학습 평가 유아 인식의 중요 한 측면 하지만 도전 이다. 팸-테스트 패러다임을 채용 하 여 우리 straightforwardly 찾고 그들의 행동에만 의존 하는 동안 새로운 카테고리를 학습에 유아의 성공을 측정 합니다. 또한, 패러다임 직접 다양 한 연령대 유아 분류에 다른 청각 신호의 영향을 측정할 수 있습니다. 예를 들어, 우리가 어떻게 2 세 배우는 환경 라벨링의 다양 한 범주 평가: 모든 호텔이 분류 했다 또는 처음 두 개의 호텔이 표시 했다, 하지만 그들은 때 분류 하는 데 실패 하는 경우 2-올해-옜 날 우리의 작업에 범주 성공적으로 배운 아무 호텔이 표시 했다 또는 마지막 두 표본만 표시 했다. 확인 하려면 같은 작업에서 유아의 성공, 연구원 모두는 전반적인 기본 설정 세분화 된 시간-코스 데이터를 제공 하는 눈-추적기를 사용 하 여 각 조건 및 테스트 단계에 걸쳐 보는 유아의 패턴에 유아에 의해 표시를 확인할 수 있습니다. . 따라서, 우리는 언어, 또는 어떤 청각 신호, 유아의 개체 카테고리의 역할을 식별 하는 데 강력한 패러다임 제시 학습.

Introduction

분류는 인간 인식의 기본 빌딩 블록: 유아의 분류 능력 초기에 일찍 등장 하 고 나 이와 함께 점점 더 정교한 되. ^{1 , 2 , 3} 연구는 또한 밝혔다 유아 분류에서 언어에 대 한 강력한 역할: 3 개월, 유아 배울 카테고리 성공적으로 카테고리 정보화는 언어와 결합 하는 경우. ^{4 , 5 , 6} 또한, 첫 해의 끝, 여 유아 숙련 하는 분류에 수 명사 레이블의 역할. 일관 된 레이블 구문으로 카테고리 정보화 페어링 유아 카테고리 중 고유한 레이블을 각 표본에 대 한 제공을 기준으로 학습을 용이 하 게 (“이것은 한 vep!”) (“이것은 vep,” “이것은 dax,” 등) 또는 비 라벨 문구 (“봐이.”). ^{7 , 8 , 9}

그러나 유아의 일상 경험에, 대부분 개체 발생의 가능성이 유지 됩니다 레이블 없는. 아무 교사 유아 훨씬 적은 제공 하는 모든 개체 (예: “에스키모,” “개”, “애완 동물”, “동물”)에 적용 되는 레이블을 보고 모든 개체 레이블을 수 있는. 이 역설을 선물: 어떻게 우리가 레이블 유아 분류에 유아의 일상 생활에서 그들의 상대적인 부족의 힘을 조정할 수 있습니다?

이 질문에 대답, 우리는 어떻게 유아 배울 다른 학습 환경, 레이블 및 레이블 없는 정보화의 혼합물 받을 때 등의 다양 한 범주를 평가 하기 위해 프로토콜을 개발 했다. 특히, 우리가 받는 학습의 시작 부분에도 몇 개 호텔이 분류를 촉진할 수 있다 제안-후속에서 배울 수 유아의 능력을 강화 하 여 뿐만 아니라 정보화를 레이블 없음. 레이블이 없는 정보화의 많은 수에서 학습을 위한 기초 반 감독된 학습 (SSL)의 가족을 산란 기계 학습 분야에서 널리 구현 되었습니다로 레이블이 지정 된 표본 수가 적은 사용 하 여이 전략 알고리즘^10,,1112. 물론, 학습 전략 구현 동일 하지 않은 학습자의 다른 종류: 기계 학습에서 알고리즘 일반적으로에 노출 되는 많은 더 많은 표본, 각 표본에 대 한 명시적 추측 하 고 여러 카테고리를 배울 동시에. 그럼에도 불구 하 고, 기계와 유아 학습자 수 있습니다 성공적으로 배울 스파스 라벨 환경에서 새로운 카테고리를 분류, 레이블이 없는 정보화 통합에서 혜택을.

우리의 디자인은 수많은 새로운 카테고리에 대 한 단어를 습득 하는 과정에서 2 세 어린이 반 감독된 학습의이 종류의 가능 여부에 초점을 맞추고. 우리가 사용 하는 표준 유아 분류 측정: 팸 테스트 작업. 이 패러다임에서는 2 세 팸 단계 소설 카테고리에서 정보화의 일련에 노출 되었다. 각 표본 (즉, 한 라벨 또는 비 라벨 문구) 조건에 따라 다른 청각 자극과 결합 했다. 다음, 테스트, 모든 2-올해-옜 날 침묵에 두 개의 새 개체 보았다: 지금-익숙한 카테고리와 소설 범주에서 개체.

2 세는 성공적으로 팸 단계 카테고리를 형성, 그들은 테스트에서 두 개의 표본 간의 구별 해야 합니다. 중요 한 것은, 때문에 중 하나에 대 한 체계적인 선호 소설 또는 익숙한 테스트 이미지 그들을 구별 하는 능력을 반영, 친밀 및 참신 성공적인 분류의 증거로 해석 됩니다. 지정된 된 작업에이 기본 설정의 본질 이다 친숙 환경 덜 효율적인 자극 ^4,13, 를 처리와 관련 된 자극 물질에 대 한 유아의 처리 효율의 기능 note ^{14 , 15 , 16 , 17}. 직접 개체 분류와 어떻게이 성공 팸 중에 정보화는 정보에 따라 다릅니다에서 유아의 성공 평가를 가능 하 게 침묵에 테스트 단계를 제시. 따라서,이 패러다임 언어 환경 영향 범주 학습의 방법을 다른 종류의 강력한 테스트를 제공합니다. 라벨 반 감독 및 완전히 감독 환경에서 카테고리 학습 향상, 다음 2-올해-옜 날 이러한 조건에서 다른 환경에서 유아 보다 강력한 테스트 환경 설정을 표시 합니다.

Protocol

여기에 설명 된 모든 메서드는 노스웨스턴 대학 기관 검토 위원회에 의해 승인 되었습니다. 1. 자극 생성 참고: 시각적 자극 ( 그림 1참조) 대표 디자인에 사용 되는 원래 개발 되었다 Havy 및 왁 스 먼 (2016)18 아래 보고 하 고 https://osf.io/n6uy8/에서 다운로드할 수 있습니다. 새로운 연속 범주를 만들려면 먼저 소?…

Representative Results

위의 프로토콜을 사용 하 여, 우리는 두 개의 실험22달렸다. 분석은 eyetrackingR 패키지23, 실시 하 고 데이터와 코드 https://github.com/sandylat/ssl-in-infancy에서 구할 수 있습니다. 첫 번째 실험에서 우리는 완벽 하 게 감독된 조건 대조 (n = 24, M나이 = 26.8 모), 정보화, 실험실 조건 표시만 갖춘 (n = 24, M나이 = 26.9 모)만 …

Discussion

여기, 우리 분류에서 라벨의 역할을 평가 하기 위한 절차를 제시. 레이블 및 레이블 없는 정보화의 현실적인 믹스와 함께 2 세를 제시 하 여 우리 아주 어린 아이 반 감독된 환경에서 학습 할 수 성인 및 더 오래 된 아이 들^{24,25 일 확장을 보여줍니다.} . 따라서,이 방법은 위에서 행 세 하는 역설을 해상도 제공 합니다: 몇 개 호텔이 카테고리 학습을 촉발 ?…

Materials

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