MétaCan
Menu
Retour à la cohorte
Enregistrement W2775602424 · doi:10.3389/fnhum.2017.00613

The MindfulBreather: Motion Guided Mindfulness

2017· article· en· W2775602424 sur OpenAlexaff
Tom B. Mole, Julieta Galante, Iona C. Walker, Anna F. Dawson, Laura A. Hannah, Pieter Mackeith, Mark Ainslie, Peter B. Jones

Notice bibliographique

RevueFrontiers in Human Neuroscience · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueMindfulness and Compassion Interventions
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesUniversity of CambridgeNational Institute for Health and Care Research
Mots-clésMindfulnessMotion (physics)PsychologyPsychotherapistCognitive psychologyPhysical medicine and rehabilitationComputer scienceArtificial intelligenceMedicine

Résumé

récupéré en direct d'OpenAlex

For millennia, humans have focused their attention on the breath to develop mindfulness, but finding a scientific way to harness mindful breathing has proven elusive. Existing attempts to objectively measure and feedback on mindfulness have relied on specialist external hardware including electroencephalograms or respirometers that have been impractical for the majority of people learning to meditate. Consequently, training in the key skill of breath-awareness has lacked practical objective measures and guidance to enhance training. Here, we provide a brief technology report on an invention, The MindfulBreather® that addresses these issues. The technology is available to download embedded in a smartphone app that targets, measures and feedbacks on mindfulness of breathing in realtime to enhance training. The current paper outlines only the technological concept with future studies quantifying efficacy, validity and reliability to be reported elsewhere. The MindfulBreather works by generating Motion Guided Mindfulness through interacting gyroscopic and touchscreen sensors in a three phase process: Mindfulness Induction (Phase I) gives standardized instruction to users to place their smartphone on their abdomen, breathe mindfully and to tap only at the peak of their inhalation. The smartphone’s gyroscope detects periodic tilts during breathing to generate sinusoidal waveforms. Waveform-tap patterns are analyzed to determine whether the user is mindfully tapping only at the correct phase of the breathing cycle, indicating psychobiological synchronization. Mindfulness Maintenance (Phase II) provides reinforcing pleasant feedback sounds each time a breath is mindfully tapped at the right time, and the App records a mindful breath. Lastly, data-driven Insights are fed back to the user (Phase III), including the number of mindful breaths tapped and breathing rate reductions associated with parasympathetic engagement during meditation. The new MGM technology is then evaluated and contrasted with traditional mindfulness approaches and a novel Psychobiological Synchronization Model is proposed. In summary, unlike existing technology, the MindfulBreather requires no external hardware and repurposes regular smartphones to deliver app-embedded Motion-Guided Mindfulness. Technological applications include reducing mindwandering and down-regulation of the brain’s default mode through enhanced mindful awareness. By objectively harnessing breath awareness, The MindfulBreather aims to realize the ancient human endeavor of mindfulness for the 21st century.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,359
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Human NeuroscienceMême sujetMindfulness and Compassion InterventionsTravaux en français237 207