MétaCan
Menu
Retour à la cohorte
Enregistrement W4399369136 · doi:10.1162/leon_a_02547

Resonance: A Brain-Computer Interface Assemblage of EEG, Sound, and Therapeutic Clowns for the Detection of Consciousness

2024· article· en· W4399369136 sur OpenAlexaff
Stefanie Blain‐Moraes, Natalia Incio Serra, Charlotte Maschke, Jamie Webber, Melissa L. Holland, Tamar Tembeck, Florian Grond, Joseph J. Schlesinger, Françis Bernard, F. Vinit

Notice bibliographique

RevueLeonardo · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensMcGill University Health CentreTembecCree Board of Health and Social Services of James BayUniversité du QuébecMcGill University
Organismes subventionnairesnon disponible
Mots-clésConsciousnessSound (geography)Assemblage (archaeology)ElectroencephalographyInterface (matter)Brain–computer interfacePsychologyCognitive scienceComputer scienceArtAcousticsNeuroscienceHistoryPhysicsArchaeologyOperating system

Résumé

récupéré en direct d'OpenAlex

Abstract A growing number of individuals live with medical conditions and injuries that render them minimally communicative. Assessing their level of consciousness and awareness is a major challenge that has profound implications for care decisions and their relationships. Resonance: a novel brain-computer interface assemblage, is designed to detect and augment expressions of consciousness in minimally communicative individuals. Resonance consists of (1) high-density EEG features that vary with states of consciousness; (2) sound; and (3) therapeutic clowns. Seven EEG features of consciousness are calculated in real time and mapped to sonic output. Therapeutic clowns use multisensory improvisational play to interact with these sonified brain features to create interpersonal connections with minimally communicative individuals. Resonance has the potential to reveal real-time variations in an individual’s level of consciousness, which may create an entirely new form of interpersonal interaction with minimally communicative persons.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,229
Score d'incertitude au seuil0,383

Scores Codex et Gemma par catégorie

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

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 Opus0,025
Tête enseignante GPT0,295
Écart entre enseignants0,270 · 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 tête enseignante, 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLeonardoMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207