Phase–Scalar Reconstruction (PSR): A Diagnostic Method for Representational Mismatch Across Domains
Notice bibliographique
Résumé
Persistent contradictions across physics, philosophy, ethics, and institutional design are often treated as deep empirical mysteries requiring new mechanisms or theories. This paper proposes an alternative diagnostic hypothesis: many such contradictions arise from representational mismatch—specifically, from applying scalar language (quantitative magnitude, accumulation, duration) to phase-dominant phenomena (relational position, cyclic structure, boundary completion), or vice versa. We introduce Phase–Scalar Reconstruction (PSR), a methodological protocol for identifying, constructing, and dissolving contradictions generated by category collapse between phase and scalar descriptions. The method does not propose new physical laws, ontologies, or mechanisms. Instead, it clarifies where existing descriptions conflate distinct representational roles. The framework is demonstrated canonically through weaving technology, where apparent paradoxes (e.g., reversibility vs. irreversibility, rhythm vs. efficiency) dissolve when phase and scalar components are explicitly separated. Detailed reconstruction protocols show how the same linguistic confusions that create weaving contradictions also generate well-known physics paradoxes (arrow of time, wave–particle duality, measurement problem), demonstrating structural isomorphism without invoking metaphor. A formal Contradiction Construction Toolkit is provided so others may apply the method across domains, with explicit falsification criteria and worked examples. The paper extends PSR to linguistic encoding, advancing a pre-registered hypothesis concerning phase-dominant versus scalar-dominant temporal structure in ancient scripts, with implications for AI-assisted language decoding. Optional mathematical formalization is included for technical readers. This work positions PSR as a diagnostic and translational method: not a replacement for existing science, but a systematic protocol for determining when contradictions arise from category mixing and when they remain genuinely empirical—thereby enabling more focused investigation of residual mysteries.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».