State, Trait, and Target Parameters Associated with Accuracy in Two Online Tests of Precognitive Remote Viewing
Notice bibliographique
Résumé
Objective. To better characterize the relations between accuracy on precognitive remote viewing (PRV) tasks and potentially relevant trait, state, and target parameters, we gathered PRV data in two online experiments and examined accuracy relative to: sex-at-birth, gender, age, anxiety, unconditional love, and target interestingness. Method. In experiment 1 we used a forced-choice, uncontrolled-time, self-judged PRV task for which 682 unpaid participants contributed a total of 5,432 trials. Experiment 2 used a free-response, controlled-time, independently judged PRV task for which 307 paid participants each contributed a single trial. In neither case were the participants pre-screened for precognition ability. Results. In experiment 1 (forced-choice PRV task), there was no significant target precognition and no effect of age on PRV performance, but we found a complex effect of sex-at-birth. We also found that targets most likely to be correctly predicted were also more likely to be judged as interesting compared to targets most likely to be incorrectly predicted; a pre-registered analysis confirmed this effect. In experiment 2 (free-response PRV task) we found significant target precognition, no effect of age on performance, and a weak and indirect effect of gender. Feelings of unconditional love and anxiety were both correlated with higher accuracy in experiment 2. Again, target interestingness was positively related to accuracy. Conclusion. These results suggest that accuracy on PRV tasks is related to the emotional state of participants and target interestingness, and that task characteristics mitigate overall performance. We provide recommendations for future research based on these observations.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».