Thematic and Content Analysis of Idiopathic Nightmares and Bad Dreams
Notice bibliographique
Résumé
STUDY OBJECTIVES: To conduct a comprehensive and comparative study of prospectively collected bad dream and nightmare reports using a broad range of dream content variables. DESIGN: Correlational and descriptive. SETTING: Participants' homes. PARTICIPANTS: Three hundred thirty-one adult volunteers (55 men, 275 women, 1 not specified; mean age = 32.4 ± 14.8 y). INTERVENTIONS: N/A. MEASUREMENT AND RESULTS: Five hundred seventy-two participants kept a written record of all of their remembered dreams in a log for 2 to 5 consecutive weeks. A total of 9,796 dream reports were collected and the content of 253 nightmares and 431 bad dreams reported by 331 participants was investigated. Physical aggression was the most frequently reported theme in nightmares, whereas interpersonal conflicts predominated in bad dreams. Nightmares were rated by participants as being substantially more emotionally intense than were bad dreams. Thirty-five percent of nightmares and 55% of bad dreams contained primary emotions other than fear. When compared to bad dreams, nightmares were more bizarre and contained substantially more aggressions, failures, and unfortunate endings. CONCLUSIONS: The results have important implications on how nightmares are conceptualized and defined and support the view that when compared to bad dreams, nightmares represent a somewhat rarer-and more severe-expression of the same basic phenomenon.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».