Psychedelic Research and the Need for Transparency: Polishing Alice’s Looking Glass
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Psychedelics have a checkered past, alternately venerated as sacred medicines and vilified as narcotics with no medicinal or research value. After decades of international prohibition, a growing dissatisfaction with conventional mental health care and the pioneering work of the Multidisciplinary Association for Psychedelic Science (MAPS) and others has sparked a new wave of psychedelic research. Positive media coverage and new entrepreneurial interest in this potentially lucrative market, along with their attendant conflicts of interest, have accelerated the hype. Given psychedelics' complex history, it is especially important to proceed with care, holding ourselves to a higher scientific rigor and standard of transparency. Universities and researchers face conflicting interests and perverse incentives, but we can avoid missteps by expecting rigorous and transparent methods in the growing science of psychedelics. This paper provides a pragmatic research checklist and discusses the importance of using the modern research and transparency standards of Open Science using preregistration, open materials and data, reporting constraints on generality, and encouraging replication. We discuss specific steps researchers should take to avoid another replication crisis like those devastating psychology, medicine, and other fields. We end with a discussion of researcher intention and the value of actively deciding to abide by higher scientific standards. We can build a rigorous, transparent, replicable psychedelic science by using Open Science to understand psychedelics' potential as they re-enter science and society.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle