Bridging the gap of brain and experience – Converging Neurophenomenology with Spatiotemporal Neuroscience
Notice bibliographique
Résumé
Neuroscience faces the challenge of connecting brain and mind, with the mind manifesting in first-person experience while the brain's neural activity can only be investigated in third-person perspective. To connect neural and mental states, Neurophenomenology provides a methodological toolkit for systematically linking first-person subjective experience with third-person objective observations of the brain's neural activity. However, beyond providing a systematic methodological strategy ('disciplined circularity'), it leaves open how neural activity and subjective experience are related among themselves, independent of our methodological strategy. The recently introduced Spatiotemporal Neuroscience suggests that neural activity and subjective experience share a commonly underlying feature as their "common currency", notably analogous spatiotemporal dynamics. Can Spatiotemporal Neuroscience inform Neurophenomenology to allow for a deeper and more substantiative connection of first-person experience and third-person neural activity? The goal of our paper is to show how Spatiotemporal Neuroscience and Neurophenomenology can be converged and integrated with each other to gain better understanding of the brain-mind connection. We describe their convergence on theoretical grounds which, subsequently, is illustrated by empirical examples like self, meditation, and depression. In conclusion, we propose that the integration of Neurophenomenology and Spatiotemporal Neuroscience can provide complementary insights, enrich both fields, allows for deeper understanding of brain-mind connection, and opens the door for developing novel methodological approaches in their empirical investigation.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».