アイ ・ トラッキング パラダイムと乳児のオブジェクトの分類での言語の役割の定義

要約

幼児の分類の直接テストを提供し、初期のカテゴリー学習における言語の役割を定義するのに役立ちます習熟テスト パラダイムのためのプロトコルをご紹介します。

要約

幼児カテゴリ学習の評価幼児認知を勉強しての重要な側面が、挑戦です。習熟テスト パラダイムを用いた素直自分探しの動作だけに依存しながら新規カテゴリを学習に乳児の成功を測定します。また、パラダイムは、年齢の範囲にわたって、幼児の分類上異なる聴覚信号の影響を直接測定できます。たとえば、私たちは 2 歳児がどのように環境ラベリングの様々 なカテゴリを学ぶ評価: 我々 の仕事で 2 歳児をうまく学習カテゴリすべて手本がラベル付けされたまたは最初の 2 つの手本がラベル付けされたが、彼らは場合を分類する失敗ラベル付けされた手本がないまたは最後の 2 つの手本だけを標識しました。幼児などのタスクの成功を決定するには、研究者は、細粒度の経時的データを提供するアイト ラッカーを使用して各条件およびテスト フェーズのコース上の幼児のパターンの幼児によって表示される両方全体的な優先順位を調べることができます。.したがって、言語、または乳児のオブジェクト カテゴリに任意の聴覚信号の役割を識別するための強力なパラダイムを提案する学習します。

概要

分類は人間の認知の基本的なビルディング ブロック: 幼児の分類能力乳児期早期に出現し、年齢とともにますます高度になります。^1,2,3研究はまた幼児の分類内の言語の強力な役割を明らかに: 生後 3 か月から幼児を学ぶカテゴリより正常にカテゴリ手本が言語と組み合わせれば。^4,5,6また、最初の年の終わりによって幼児に同調されて数名詞分類ラベルの役割。乳児のカテゴリに対する各手本のいずれか明確なラベルを提供する学習が容易になります (「これは、vep!」) で一貫性のあるラベル付けフレーズ カテゴリ手本をペアリング (「これは、vep」「これは、dax」等) (「これを見て。」) 非表示語句。^7,8,9

乳児の日常の経験でただし、彼らが発生オブジェクトの大半は、おそらくままラベル。幼児を見てはるかに少ない (例えば、「マラミュート、」「動物」「犬」「ペット」) のすべてのオブジェクトに適用されるラベルを提供するすべてのオブジェクトをラベルが介護はありません。これはパラドックスを提示: どのように我々 は乳児の日常生活の中での相対的な希少性と幼児の分類のラベルの力を調整できますか?

この質問に答えるには、幼児がラベルとラベルのない手本の混合物を受信したときなど、さまざまな学習環境の様々 なカテゴリを学ぶ方法を評価するためにプロトコルを開発しました。具体的には、学習の初めにさらにいくつかのラベルの付いた手本を受信することができます分類を促進することを提案する-その後から学習する幼児の能力を強化して手本にもラベルが付いていません。ラベルのない手本の大きい数からの学習のための基盤は半教師あり学習(SSL) の家族を産卵、機械学習の分野で広く実装されているとラベル付けされた手本の数が少ないを使用してこの戦略アルゴリズム^10、11,12。もちろん、実装学習戦略は、学習者の異なる種類の間では同一ではない: 機械学習アルゴリズム通常にさらされている多くのより多くの手本、各手本について明示的な推測をして複数カテゴリを学ぶ同時に。それにもかかわらず、マシンと幼児の学習から寄与するかもしれない疎ラベリング環境で新しいカテゴリを学ぶにラベルとラベルのない手本を正常に統合します。

私たちのデザインは、様々 な新しい部門のための単語を取得中の 2 歳児が半教師あり学習のこの種のことができるかどうかに焦点を当てください。標準幼児の分類尺度を用いて: 習熟テスト タスク。このパラダイムでは、2 歳児は、習熟段階の間に、新規カテゴリから手本のシリーズにさらされました。各手本 (すなわち、ラベル、またはラベルの語句) の条件に応じて、異なる聴覚刺激とペアにされました。次に、テストは、すべて 2 歳児見た沈黙の中で発表 2 つの新しいオブジェクト: 今ではおなじみのカテゴリおよび小説のカテゴリから 1 つのオブジェクト。

2 歳児は、正常に習熟段階でカテゴリを形成する場合テストで発表された 2 つの手本彼ら区別する必要があります。重要なは、どちらかのための体系的な好み小説やおなじみのテスト画像は、それらの間を区別する機能を反映して、ので親しみやすさと目新しさの両方の設定が成功した分類の証拠として解釈されます。特定のタスク、このプリファレンスの自然刺激用^4,13,の処理効率の刺激に関連付けられている知識の設定と乳児の処理効率の関数であることに注意してください。^14,15,16,17. 直接オブジェクトの分類とどのようにこの成功によって異なります習熟中、手本の付属情報の幼児の成功を評価するために可能に沈黙の中でテスト段階を提示します。したがって、このパラダイムは、どのようにさまざまな種類の言語環境影響カテゴリ学習の魅力的なテストを提供します。ラベル付けカテゴリ半教師ありと完全監修の両方の環境で学習が向上したこれらの条件で 2 歳児は他の環境で幼児より強力なテスト設定が表示されます。

プロトコル

ここで説明したすべてのメソッドは、ノースウェスタン大学制度検討委員会によって承認されています。

1. 刺激の作成

注: 代表的な設計で使用される (図 1参照) 視覚刺激 (2016)¹⁸ Havy とワックスで開発された最初の下報告し、https://osf.io/n6uy8/ でダウンロード可能です。

1. 新しい継続的なカテゴリを作成するには、まず新規のデジタル画像のペアを設計します。次に、変形画像のペア、一緒にオリジナルの 2 つの画像間の手本の連続体を形成する (例えば、材料のテーブルを見なさい) ソフトウェアを使用します。1 つは他はテスト試験の新規カテゴリ模範を提供しながら学習するカテゴリとして使用できるように、この方法で少なくとも 2 つのカテゴリを作成します。
2. 各学習カテゴリの連続体 (例えば、0%、20%、40%、60%、80%、100% 手本) 全体から均等に間隔をあけられた間隔で習熟手本を選択します。(例えば、6) 手本の適切な数を選択します。カテゴリの難しさと、参加者の年齢に見合った。
3. テスト フェーズ、手本を作成するには、精通しているカテゴリの連続および新規カテゴリの連続体 (すなわち、50% 模範) の中点を選択します。その後、画像編集プログラムを使用して、(例えば、材料のテーブルを見なさい) 身近な手本を新規の模範の色を一致します。
4. 防音ブースで女性ネイティブ英語スピーカーによって生成されたレコードの聴覚刺激。できれば、両方のラベルの語句を同じスピーカーを使用して (すなわち、「を見て、modi」) やフレーズの非標識 (すなわち、「見て!」).
   1. 乳児や子供のスピーチすべての発話を生成するスピーカーを指示します。
   2. ある長さがほぼ同じ条件、可能性がありますフレーズあたり約 1,500 ミリ秒発話を選択します。

2. 装置

1. 適切な視線トラッカーを使用します。習熟テスト測定のための十分な目追跡データを収集する最も広く利用可能な目トラッカーで十分です: オブジェクトが画面の大部分を占めるし、長いウィンドウにパフォーマンスを調査データ分析よりもむしろサッケードなど個々 の急速に発生する眼球運動です。
2. このタスクは、アイトラッ キング幼児を必要とするため、システムがいくつかの要件を満たしていることを確認します。
   1. まず、あごの残りに彼らの頭を配置する幼児を必要としないリモート追跡モードで目トラッカーを使用します。比較的大きな頭の動きまたは再目トラッカーが許容できるということを確認します。
   2. 第二に、比較的大きな画面を使用して、乳児では、(例えば、57 × 45 cm) に画像を表示します。
   3. 第三に、各乳児に視線トラッカーの高さを調整するのに研究者を許可することでデータの収集を容易にするのに視線トラッカーの延長アーム マウントを使用します。
   4. 第四に、控えめな、表示画面にのみ幼児注意を集中視線追跡装置を作る。例えば、いくつかのシステムはディスプレイ モニターに視線追跡装置を統合またはモニターの下に直接機器をマウントします。
3. 乳児の注視行動の高品質ビデオ データを手作業でコーディングによって、このタスクを行うこともできますに注意してください。手コーディング手法より細かい経時的解析を使用するためのいくつかの課題が生じる、手動コーディング データが集計分析を見て完全に十分です。

3. タスク設計

1. 視線トラッカーの関連するソフトウェア (例えば、材料表を参照)、4 つの異なる条件を作成: 完全に教師、教師なし、半教師あり、逆半教師あり。これらの条件が分かれて各幼児に 1 つだけ条件を表示を確認します。
2. 制約の学習手本の少なくとも 2 つの擬似ランダム オーダーを生成する連続体の同じ側からの 2 つ以上の手本 (0-40% または 60-100%) 連続して示すことができます。
3. 条件ごとに適切な視覚刺激の習熟ビデオ聴覚刺激のペアを作成します。
   1. ビデオ編集ソフトウェア (例えば、材料のテーブルを見なさい) で視覚・聴覚刺激を組み合わせます。同じ背景にすべての画像を提示します。聴覚刺激の開始を 500 ms と視覚刺激の発症後 1,500 ミリ秒の間の適切な範囲に設定します。乳児の処理負荷¹⁹を容易にするため、この短い遅延を使用します。
   2. 例えば、完全監修状態でラベルの語句をそれぞれ習熟模範をペアします。
   3. 教師なしの条件で非表示のフレーズと各習熟模範をペアします。
   4. 半教師有りの状態では、非標識のフレーズと残りの部分が、フレーズを付け各順序で最初の 2 つの手本のみのペア。
   5. 逆半教師あり条件の組付けの最終的な 2 つの手本は非標識のフレーズ (図 1参照) で最初の 4 つがフレーズします。
   6. 擬似ランダム順序によって決定される習熟ビデオ注文目トラッカー ソフトウェアにこれらのビデオをアップロードします。
4. 短いをアップロード (10 s 以内) 習熟後に画面の中央に表示される注意を引くアニメーション: テスト フェーズの開始時に、ほとんどの乳児を画面の中央に探しているようになります。
5. 最後に、学習カテゴリごとに 2 つの試験では、テスト設計各部屋に 2 つの手本はサイド ・ バイ ・ サイドを表示されます。両方のテストの試験の 1 つの模範が表すように今おなじみカテゴリの中点小説カテゴリの中点を表す他。
   1. 動画全体が逆にトライアル テストで新規の模範の左/右の位置決め、試験を相殺します。
   2. アップロードこれら試験運用後の習熟の人目を引く後それらを位置決め目トラッカー ソフトウェアを。これらの試験のプレゼンテーションを相殺するので、個々 の新生児がある左小説または右小説のテストトライアルを見ることの等しいチャンス。
   3. そのテストを確認試験最後の少なくとも 5 s、最大 20 s、最初に十分な探して蓄積よそ見の子供のための順序で。

[ここ図 1 ]

4. 研究手順

1. 幼児が到着する前に、視線を設定します。
   1. ランダムに幼児を条件と注文に割り当てます。
   2. 目トラッカー ソフトウェアを開き、割り当てられた条件/注文のペアを選択します。
   3. 今この録音の参加者数を入力します。
2. 承認プロセスを実行すると、アイトラッ キングの部屋に乳児と介護者をもたらします。部屋が適度の壁に任意の気が散る装飾なし点灯しているか確認します。
3. 目トラッカー使用中のモデルの適切な距離で視線トラッカーの前の椅子を配置します。この椅子と介護者の膝に幼児の介護者を座席します。介護者の膝の上に座ることに幼児がない場合は、彼ら可能性がありますの上に座る自分のまたは車の座席に座ることがあります。
4. 幼児は、介護者の膝の上に座っている任意の方法で幼児の行動をバイアスではなく介護者の膝を中心とした幼児を保つことを試みる介護者に指示します。彼らは刺激を見ることができないので、着用するブラック アウト サングラスのペアを持つ介護を提供します。
5. 視線トラッカーの画面を見てするの幼児を求める魅力的なイメージまたは彼らの注意を引き付けるためにビデオを表示することを検討してください。乳児の目が校正ウィンドウ内の画面を位置します。
6. 視線トラッカーの校正手順を実行します。5 点キャリブレーションを可能であれば、使用より包括的な校正もする十分な可能性があります。多くの場合乳児はより良い対応をキャリブレーション イメージが聴覚の伴奏でアニメーション。
7. 幼児には、キャリブレーションが成功した場合は、実験を開始します。されていない場合は、再調整が成功するまで。校正することができない乳幼児は除外されます。
8. 各セクションの後、連続して複数の実験を実行する場合、または単一の実験は非常に長い場合が再調整検討してください。

5. データの解析

1. この分析を実行するデータ解析ソフトウェアを使用して (例えば、材料表を参照)。
2. 画面の左右に模範位置周辺の関心 (AOIs) 領域を作成します。
3. 習熟試験については、使用時間幼児を評価するために適切な葵は、試行のそれぞれに表示される見本を費やされました。表示されません、手本の大半を探している持続的な幼児を除外 (幼児がそれらの試験の少なくとも 25% のための可能な 6 習熟手本の 4 に出席することを要求するなど)。
4. テスト試用のみ幼児の最初の 5 が含まれて累積の s。12 カ月齢、3 からの若い幼児の蓄積された 10 秒などの長いウィンドウをご検討ください。テストを見て持続的な不足を示す乳児を除く考慮 (2.5 未満の蓄積などお探しの s) または、手本の両方に目を向ける人が失敗します。
5. 各幼児のテストの優先順位スコアを作成両方の手本を見て時間の総量によって小説の手本を探して費やされた時間数で割ってトライアル。経験的ロジットまたは線形モデルによる解析に適したようにアーク sin 平方根と最初変換それらこれらの比率を分析する。
6. テストで乳児の注視行動の経時的分析のため (例えば、間 10 および 100 ms)、小さな箱にデータを分割し、各幼児の各ビン内優先順位スコアを計算します。
7. テスト試行を通じて探しているの幼児のパターンが条件によって異なるかどうかをテスト、経時的データの解析を行います。注分析の複数のフォームがここに示されているように、クラスター ベースの順列分析²⁰を含む、この問題を答えることができると成長曲線モデル。²¹
   1. クラスター ベースの順列の分析では、目的のアルファ レベルに対応する、t 値しきい値を選択する (推奨する.01 からアルファ範囲 20; このアルファ値が全体的なテストのアルファ レベルに必要なレベルだけを表さないことに注意してください。個々 の時間ビンしきい値を超える)。すべて連続時間-箱の選ばれた t-しきい値を超える合計 t 統計これらの累積的な t 統計は、データの条件間の相違のサイズを示します。
   2. これらの相違が偶然に予想よりも大きい場合を決定する、ランダムにシャッフル状態ラベルで少なくとも 1,000 のシミュレーションを実行します。このチャンスに基づく配布に対して unshuffled データの相違を評価します。
      T テストを行った、またはさらに t 値のしきい値の時間-bin の数を選択するのではなく、注: それはこの比較分析の偽陽性率を決定するチャンスのベースの配布に対して元の発散のこれらの初期の t-テスト。その結果、この分析は、直接事前に指定された時間-箱 (例えば、導電性テスト 500 ミリ秒ごと) にわたって複数の t 検定から結果を報告する保守的な代替を提供します。

結果

上記のプロトコルを使用して、2 つの実験²²にしました。EyetrackingRパッケージ²³で、解析を実施し、データやコードが https://github.com/sandylat/ssl-in-infancy で利用できます。完全監修の条件を対比した最初の実験で (n = 24, M_年齢= 26.8 mo)、教師なしの条件で、手本をラベルをフィーチャーのみ (n = 24 M_年齢26.9 mo ...

ディスカッション

分類のラベルの役割を評価するための手順を紹介します。ラベルとラベルのない手本の現実的なミックスと 2 歳児を提示することによって非常に若い子供たちが半教師有りの環境で学習可能な大人およびより古い子供^{24,25 仕事を拡張することを示す}.したがって、このメソッドは上記の提起はパラドックスの解決方法を提供しています: さらにいく?...

資料

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