MétaCan
Menu
Retour à la cohorte
Enregistrement W3000376032 · doi:10.20533/ijehis.2046.3332.2018.0019

The Language of Essence and Inference in Mental Health: Natural Law-Legal Positivism-Cognitive Dissonance

2018· article· en· W3000376032 sur OpenAlexaff
Joseph Richard Crant

Notice bibliographique

RevueInternational Journal of e-Healthcare Information Systems · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFree Will and Agency
Établissements canadiensCanadian Psychological Association
Organismes subventionnairesnon disponible
Mots-clésCognitive dissonanceLegal positivismInferencePositivismCognitionPsychologyMental healthNatural (archaeology)LawEpistemologyPhilosophySocial psychologyPolitical scienceLegal professionPsychiatryLegal realismHistory

Résumé

récupéré en direct d'OpenAlex

K-12 Teachers are experiencing more stress than ever before, and the problem isn't expected to be going away anytime soon.In this article, I want to show how it is possible to re-stimulate damaged neural pathways using insights drawn from a newly developed cognitive model, and, to show anecdotal evidence from an ongoing longitudinal qualitative study that began in 2010.The original study was started to seek support and to validate the hypothesis that; cognition is equal to an emotional response to absurd notions, thoughts, idea, etc., and that; where the individual (mind) achieves resolve, the physical brain would rest, and the body would enter relaxation phase or the; "relaxation response" [1], equal to post fight or flight, thus allowing toxins to freely flush from the body through the urine as vital organs would become unstressed, and that resolve may be inherently human.It is in the study of Dementia and Alzheimer's disease which shows us that Neural pathways in the brain can become damaged, and/or lay dormant, and it is in this research and study that we believe that we have discovered a novel approach to assist in the problem of K-12 Teacher stress and mental health, by re stimulating dormant neural pathways which inherently make it possible to exist within this modern day environment without succumbing to the adverse effects of stress Individual Case Studies 2010-2018

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)0,018
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0070,148
Communication savante0,0090,016
Science ouverte0,0020,007
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,327
Écart entre enseignants0,312 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of e-Healthcare Information SystemsMême sujetFree Will and AgencyTravaux en français237 207