Highly effective verified lucid dream induction using combined cognitive-sensory training and wearable EEG: a multi-centre study
Notice bibliographique
Résumé
Lucid dreaming occurs when one is aware of dreaming while asleep. While lucid dreaming can occur spontaneously, it remains rare. This multi-center study (Netherlands, Italy, Canada) tested a combined induction approach integrating senses-initiated lucid dreaming (SSILD) with targeted lucidity reactivation in a large sample of participants with varying lucid dreaming experience. Sixty participants (33 F; 26.5 ±6.2 years old) completed two morning naps in the sleep laboratory. Participants received pre-sleep SSILD training paired with visual, auditory, and tactile cues that were then reintroduced in REM sleep, with stimulation and sham conditions counterbalanced. Lucidity and cue perception were verified using intentional eye movements from within the dream (signal-verified lucid dream, SVLD). SVLDs occurred in 31 participants (51.7%) across both naps. Subjective lucidity occurred in 63 naps (52.5%), including 40 SVLDs (33.3%) with no difference between stimulation (38.3%) and sham (28.3%) conditions. However, SVLD duration and number of predefined eye movements were higher with sensory cueing. Cues were perceived within sleep in most cued REM periods (71.1%), sometimes acting as lucidity signals (39.1% of stim SVLDs) and occasionally disrupting sleep (23.7% of cued periods). Overall, our combined cognitive-sensory induction method produced relatively high lucid dreaming rates, even in participants who rarely experience them. While cues were sometimes perceived as lucidity signals and may help prolong lucid episodes, our results do not show clear benefits of REM cueing over SSILD training alone. Further refinement of these methods may support clinical applications and deepen insight into consciousness and sensory processing during sleep.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».