Archiving a large audiovisual dataset of early childhood experiences

项目总结： 理解儿童如何学习语言，尤其是理解儿童如何学习语言，是一项艰巨的任务。 关键的公共卫生问题。一些积极的学术成果(这些成果通常是由早期的语言和技能预测的)。 与积极的健康和健康结果相关的因素，如更低的药物滥用死亡率和更高的后代存活率。 更高的职业成就、更长的寿命(霍金斯、卡泰拉诺、米勒、鲍姆勒和鲍姆勒，1992年;：低、低、低) Huynh，2005年;和McGregor等人，2007年;，Serbin，Stack，和Kingdon，(2013)。虽然我们知道这是早期的社交，但 认知、学习和语言能力可以预测教育结果(McGregor等人，2007年，;；Marchman；&D Fernald，2007) 2008年)，许多关于儿童早期发育的基本问题仍然没有得到回答，这使得解决这些问题很有挑战性。 设计有效的早期教育政策和干预措施。一个重要的问题是如何改善儿童的早期教育投入(例如， 他们在日常生活中可以看到和听到的东西预测了他们在学习中最终会得到什么。这个问题与我们的学习无关。 研究人员对人类发展的方方面面都很感兴趣。然而，回答这样一个棘手的问题，实际上需要更多的知识。 测量一个孩子的智力投入是一件事情，直到最近，这件事在技术上几乎是不可能的。 Frank和Perfors创建了一个庞大的、纵向的视频数据集，这些视频来自这个孩子的视频。 我们需要从角度来衡量投入。我们的下一个目标是让这个数据集对其他研究人员来说是可用的和可访问的。 使用一个头戴式摄像机，我们可以记录下参与者看到的和听到的来自他们的声音的一切。 在两年多的时间里(从婴儿期到现在)，每周大约有250万个小时的展望。 蹒跚学步)，音乐和音乐在整个蹒跚学步的过程中一直在继续。他们的录音非常自然主义，包括在一系列广泛的音乐中。 这些活动的背景和内容是以前从未被记录过的。这导致了一个超过325个小时的最新数据集记录。 除了大量的视听和录音外，还有一系列丰富的认知、社会、语言和文化措施。 也是纵向收集的。这个数据集是同类数据集中的第一个，在它的大小、范围、种类和数量上都是独一无二的。 透视。 这份R03版本的提案有三个主要目标。第一，我们的目标是将我们所有的数据集数据发布到我们的数据库中。 美国国立卫生研究院资助的一家研究机构为儿童发展和研究提供了相关的视频和数据。这一项目将允许其他研究人员参与研究。 访问我们丰富的视频数据集。这将需要将所有视频转换为标准化的视频格式，并进行协作。 我们的第二个目标是使用数据库来主持视频。我们的第二个目标是附加适当的元数据来支持视频。 他们甚至可以被研究人员搜索。为了实现这一目标，我们将聘请一名新的全职技术研究和助理，他将负责创造一个新的环境。 两个视频级别的数据的数据库(例如，一天和一年的第一时间)，以及孩子的年龄，以及这些人在视频中的特点。 视频)和带时间戳的儿童数据(例如，儿童视觉视野中突出显示的地点、活动、活动和其他对象的名称)。 第三，我们将对我们的语料库进行转录，并为我们的语料库(包括逐字记录)提供一个非常大的子集的非常详细的编码方案。 抄本，对所有被触摸和被看到的物体的描述，以及对每一次演讲的主要参考信息的编码。 ACT)表示，这将不会允许其他研究人员立即开始回答关于我们的数据的问题。

Project Summary  Understanding how children learn ­­ and especially understanding how children learn language ­­  is a  critical  public  health  issue.  Positive  academic  outcomes  (which  are  predicted  by  early  language  skill)  are  associated with positive health outcomes like lower rates of substance abuse, higher rates of offspring survival,  higher occupational success, and longer lifespans (Hawkins, Catalano, & Miller, 1992; Low, Low, Baumler, &  Huynh,  2005;  McGregor  et  al.,  2007;  Serbin,  Stack,  &  Kingdon,  2013).  While  we  know  that  early  social,  cognitive,  and  language  ability  predict  educational  outcomes  (McGregor  et  al.,  2007;  Marchman  &  Fernald,  2008),  many  basic  questions  about  early  child  development  remain  unanswered,  making  it  challenging  to  design effective early educational policy and interventions. One important question is how a child’s input (e.g.,  the things that they see and hear in daily life) predicts what they end up learning. This question is relevant to  researchers interested in all aspects of development. Answering such a question, however, requires actually  measuring a child’s input ­­ something that until recently was technologically impossible. PI Sullivan and Drs.  Frank  and  Perfors  (see  letters  of  support)  created  a  large  longitudinal  dataset  of  videos  from  the  child’s  perspective to measure input. Our goal is to make this dataset available and accessible to other researchers.  Using a head­mounted camera, we recorded everything that participants saw and heard ­­ from their  perspective  ­­  for  approximately  2.5  hours  a  week  over  the  course  of  two  years  (from  infancy  through  toddlerhood), and continued through toddlerhood. Recordings were naturalistic, and included a wide array of  contexts and activities that have never previously been recorded. This resulted in a dataset of over 325 hours  of audiovisual recordings, along with a dense collection of cognitive, social, and linguistic measures that were  also  collected  longitudinally.  This  dataset  is  the  first  of  its  kind,  and  is  unique  in  its  size,  scope,  and  perspective.  This R03 proposal has three main aims. First, we aim to post the entirety of our dataset to Databrary,  an NIH­funded host for video data relevant to child development research. This will allow other researchers to  access our rich dataset. This will require converting the videos into a standardized format and collaborating  with Databrary to host the videos. Our second aim is to attach the appropriate metadata to the videos so that  they can be searchable by researchers. To this end, we will hire a full­time research assistant who will create a  database of both video­level data (e.g., the time of day and year, the child’s age, the people featured in the  video) and timestamped data (e.g., names of locations, activities, and objects salient in the child’s visual field).  Third, we will transcribe and provide a detailed coding of a sizeable subset of our corpus (including verbatim  transcriptions, descriptions of the objects being touched and seen, and coding of the referents of each speech  act) that will allow other researchers to immediately begin answering questions of our data.