MétaCan
Menu
Retour à la cohorte
Enregistrement W392052671 · doi:10.1017/cbo9780511610608.003

Neurophenomenology: An Introduction for Neurophilosophers

2005· book-chapter· en· W392052671 sur OpenAlexaff
Evan Thompson, Antoine Lutz, Diego Cosmelli

Notice bibliographique

RevueCambridge University Press eBooks · 2005
Typebook-chapter
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésConsciousnessSubjectivityCognitive scienceNeural correlates of consciousnessPsychologyExplanatory modelEpistemologyNeuroscienceCognitive psychologyCognitionPhilosophy

Résumé

récupéré en direct d'OpenAlex

Introduction One of the major challenges facing neuroscience today is to provide an explanatory framework that accounts for both the subjectivity and neurobiology of consciousness. Although neuroscientists have supplied neural models of various aspects of consciousness, and have uncovered evidence about the neural correlates of consciousness (or NCCs), there nonetheless remains an ‘explanatory gap’ in our understanding of how to relate neurobiological and phenomenological features of consciousness. This explanatory gap is conceptual, epistemological, and methodological: An adequate conceptual framework is still needed to account for phenomena that (ⅰ) have a first-person, subjective-experiential or phenomenal character; (ⅱ) are (usually) reportable and describable (in humans); and (ⅲ) are neurobiologically realized. The conscious subject plays an unavoidable epistemological role in characterizing the explanandum of consciousness through first-person descriptive reports. The experimentalist is then able to link first-person data and third-person data. Yet the generation of first-person data raises difficult epistemological issues about the relation of second-order awareness or meta-awareness to first-order experience (e.g., whether second-order attention to first-order experience inevitably affects the intentional content and/or phenomenal character of first-order experience). The need for first-person data also raises methodological issues (e.g., whether subjects should be naïve or phenomenologically trained). Neurophenomenology is a neuroscientific research program whose aim is to make progress on these issues associated with the explanatory gap. In this chapter we give an overview of the neurophenomenological approach to the study of consciousness.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,005
Communication savante0,0030,006
Science ouverte0,0010,002
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0160,010

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 Opus0,042
Tête enseignante GPT0,216
Écart entre enseignants0,174 · 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

Citations157
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetNeural dynamics and brain functionTravaux en français237 207