Studying the effect of Heartfulness Meditation on Brain Activity
Notice bibliographique
Résumé
Long-term meditation practice is increasingly recognized for its health benefits. Heartfulness meditation represents a quickly growing set of practices that is largely unstudied. Heartfulness is unique in that it is a meditation practice that focuses on the Heart. It helps individuals to connect to themselves and find inner peace. In order to deepen ones’ meditation, the element of Yogic Energy (‘pranahuti’) is used as an aid during meditation. The purpose of this study was to determine whether consistent EEG effects of Heartfulness meditation be observed in sixty experienced Heartfulness meditators, each of whom attended 6 testing sessions. In each session, participants performed three conditions: a set of cognitive tasks, Heartfulness guided relaxation, and Heartfulness Meditation. Participants during the cognitive portion were required to answer questions that tested their logical thinking (Cognitive Reflective Test) and creative thinking skills. (Random Associative Test) The order of condition was randomly counter balanced across six sessions. It was hypothesized that Heartfulness meditation would bring increased alpha (8-12Hz) brain activity during meditation and better cognitive task scores in sessions where the tasks followed meditation. Heartfulness meditation produces a significant decrease in brain activity (as indexed by higher levels of alpha during the early stages of meditation. As the meditation progressed deep meditative state (as indexed by higher levels of delta) were observed until the end of the condition. This lead to the conclusion that Heartfulness Meditation produces a state that is clearly distinguishable from effortful problem solving.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».