Can Near Death Narratives, Ontologies and Language Analysis with Natural Language Processing Help Us to Understand the Quantum Mind?
Notice bibliographique
Résumé
Altered states of consciousness (ASC) encompass phenomena such as near-death experiences (NDEs). NDEs are concise accounts of individuals who have undergone clinical death and subsequently been spontaneously resuscitated or revived, retaining recollection of their experiences during that interval. Numerous individuals who have undergone near-death experiences have recounted experiencing intense mental lucidity, extraordinary sensory images, and a distinct recollection of the event that surpasses the realism of their ordinary existence. The Quantum Hologram Theory of Physics and Consciousness (QHTC) elucidates the fundamental characteristics of our existence and the quantum properties of the human mind. QHTC proposes that the brain functions in a manner akin to a hologram, adhering to quantum principles. The QHTC proposes that during an ASC, cognitive processes accelerate and there is an enhanced level of perceptual lucidity. Natural language processing (NLP) refers to a collection of computer methods used to analyze and represent texts that occur naturally. Ontology is a firmly established theoretical field in the philosophy of language that focuses on conceptual frameworks for understanding reality. This study employs NLP to extract linguistic sequences from NDEs narratives stored in a database including 4267 records. It then utilizes ontology research approaches to establish a mapping between the QHTC ontology and human language. The research aims to verify some ontological components of the QHTC, including the notion that during ASC, cognitive processes accelerate and there is an enhanced level of perceptual lucidity.
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 | 0,008 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,008 | 0,025 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».