Detailansicht
Affiliative relationships in pre-school children
using an automated tracking approach to test the explanatory power of simple spatial measures
Růžena Ceral
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Lebenswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Verhaltens-, Neuro- und Kognitionsbiologie
Betreuer*in
Thomas Bugnyar
Mitbetreuer*in
Lisa Horn-Péter
DOI
10.25365/thesis.79518
URN
urn:nbn:at:at-ubw:1-10917.04260.117289-1
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Seit Halls Arbeiten zur Proxemik werden räumliche Nähe und Körperorientierung zueinander als Verhaltensmerkmale sozialer Beziehungen diskutiert. Hinweise auf Affiliation in der frühen Kindheit sind jedoch schwer zu quantifizieren, da sich soziales Verhalten in diesem Alter durch einen schnellen Verlauf, mehrere Interaktionspartner und koordinierte Bewegungen auszeichnet. Während tragbare Sensoren und automatisierte Trackingverfahren bereits eine detaillierte Messung räumlicher Merkmale im naturalistischen Kontext ermöglichen, liegen bislang nur wenige Studien vor, die prädiktive Modellierung auf diese Daten anwenden. Daher habe ich untersucht, ob einfache räumliche Maße wie dyadische Distanz und Orientierungswinkel genutzt werden können, um soziale Interaktionen im Vorschulalter zu identifizieren, und wie sich Freundschaft auf diese Verhaltensweisen auswirkt. Die Ergebnisse zeigten, dass befreundete Dyaden kürzere Distanzen einhielten und längere Interaktionen aufwiesen als nicht befreundete Dyaden, während sich im sozialen Orientierungswinkel kein signifikanter Unterschied zeigte. Prädiktive logistische Regressionsmodelle bestätigten diesen Effekt, indem kürzere Distanzen die Wahrscheinlichkeit für die Vorhersage einer sozialen Interaktion erhöhten. Der dyadische Orientierungswinkel leistete einen zusätzlichen Erklärungsbeitrag. Die höchste Klassifikationsgenauigkeit (~83 %) und AUC (~0.90) erreichten Modelle, die sowohl Distanz als auch Winkel einschlossen; Modelle, die nur Distanz berücksichtigten, lieferten jedoch nahezu gleich gute Ergebnisse. Die Übereinstimmung der Ergebnisse zwischen inferenzstatistischen und prädiktiven Ansätzen unterstreicht die Bedeutung von zwischenmenschlicher Distanz als zuverlässigem Hinweis auf Affiliation und verdeutlicht das Potenzial von maschinellem Lernen bei der Detektion sozialer Interaktionen im Kindesalter. Über den wissenschaftlichen Beitrag hinaus könnte dieser Ansatz frühe pädagogische Interventionen unterstützen, indem er skalierbare und objektive Werkzeuge zur Beobachtung sozialer Teilhabe in naturalistischen Gruppensettings bereitstellt.
Abstract
(Englisch)
Since Hall’s work on proxemics, researchers have argued that spatial closeness and bodily orientation toward one another are indicators of social relationships. Affiliation cues in early childhood are difficult to quantify because children’s social behaviors unfold fast, involve multiple partners and coordinated movements. While wearable sensors and automated tracking have enabled detailed measures of spatial cues in naturalistic settings, few studies have applied predictive modeling to these data. Therefore, I investigated whether simple spatial measures, such as dyadic distance and social orientation angle, could be used to detect pre-schoolers’ social interactions and tested the effect of friendship on these behaviors. I found that befriended dyads maintained significantly shorter distances than non-befriended dyads and engaged in longer social interactions, whereas differences in dyadic orientation angles were not statistically significant. Predictive logistic regression models confirmed these findings, indicating that shorter distances increased the probability of the social interaction class. The dyadic social orientation angle contributed additional explanatory power. Models including both predictors achieved the highest classification accuracy (~83%) and AUC (~0.9), however, models including distance as the sole predictor performed nearly as well. The convergence between inferential and predictive approaches highlighted proximity as a reliable cue of affiliation and demonstrated the potential of machine learning for automated detection of children’s social interactions. Beyond advancing research methodology, this approach could drive early educational interventions by providing scalable and objective tools for monitoring social engagement in naturalistic group settings.
Schlagwörter
Schlagwörter
(Deutsch)
automatisiertes Tracking naturalistische Beobachtung im Kindergarten sozialer Orientierungswinkel zwischenmenschliche Distanz maschinelles Lernen prädiktive Modellierung Affiliation Freundschaft soziale Beziehungen bei Tieren Proxemik Vorschulkinder soziale Interaktionen
Schlagwörter
(Englisch)
automated tracking naturalistic observation kindergarten setting social orientation angle interpersonal distance machine learning proxemics predictive modeling pre-school preschool social interactions friendship affiliation social relationships in animals
Autor*innen
Růžena Ceral 
Haupttitel (Englisch)
Affiliative relationships in pre-school children
Hauptuntertitel (Englisch)
using an automated tracking approach to test the explanatory power of simple spatial measures
Publikationsjahr
2025
Umfangsangabe
79 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Thomas Bugnyar
Klassifikationen
42 Biologie > 42.66 Ethologie ,
77 Psychologie > 77.53 Entwicklungspsychologie. Allgemeines
AC Nummer
AC17687657
Utheses ID
78043
Studienkennzahl
UA | 066 | 878 | |