تبلیغات
روانشناسی بالینی - آیا رویاها واقعا معنا دارند؟

از آهسته رفتن مترس ، از بی حرکت ایستادن بترس

آیا رویاها واقعا معنا دارند؟

آیا رویاها واقعا معنا دارند؟   

در طول تاریخ فرهنگ­های مختلف روش­هایی برای تعبیر رویاها تدوین کرده­اند، در دوران مدرنتیه نیز رویکرد روان­تحلیلگری  در تعبیر رویا به طور برجسته­ای مورد توجه بود. اما امروزه، بسیاری از مردم تصور می­کنند این سوال دیگر کاربردی ندارد و رویاها فقط سیگنال­های تصادفی فرستاده شده از نواحی مختلف مغزی است که چیزی را نشان نمی­دهد و تعبیر رویا خرافات است.

محققان سال­ها از روش­های کیفی تحلیلی برای مطالعه محتوای رویاها استفاده کرده اند. یافته­های آن­ها نشان داده است رویا نه تنها نویزهای بی­معنا نیست بلکه سیگنال­های منسجم و پیچیده­ای هستند.

افزون بر این، پیشرفت­های اخیر در فناوری دیجیتال این امکان را فراهم می­سازد تا با استخراج داده از رویا به الگوهای رویا بینی افراد پی ببریم.

اولین مطالعات انجام شده کیفی روی محتوای رویا به حدود 1 قرن پیش توسط ماری وایتون کالینز برمی­گردد. مقاله وی در سال 1893 با نام "آمار رویاها" یکی از اولین آزمایش­های علمی روی محتوای خواب است.

کالینز 375 گزارش از رویا گردآوری کرد. او هریک از رویاها را در محتواهای مختلف تحلیل و کدگذاری کرد و سپس تعیین کرد که کدام مؤلفه­ها بیشتر تکرار می­شوند. او دریافت محتوای این رویاها حاوی شرایط واقعی، شخصیت­های آشنا، هیجانات منفی بیشتر، تفکرات منطقی زیاد و تصورات دیداری غالب در مقایسه با ادراکات حسی دیگر است.

کالینز از ابزار ساده و داده­های کم برای شناسایی الگوهای محتوای رویا استفاده کرد اما مطالعات بعدی نتایج او را تأیید کرد و گسترش داد. برای مثال، ما اکنون می­دانیم هنرمندان بیشتر از سایر افراد کابوس می­بینند، کودکان بیشتر از بزرگسالان حیوانات را در خواب می­بینند، افراد جوان بیشتر از سالمندان رویاهای شفاف (رویاهایی که فرد در حین دیدن آن­ها به رویا بودن آن آگاه است) می­بینند.

اکنون با پدیداری فناوری مدرن جستجوی دیجیتالی این سوالات پیش آمده که آیا میتوان کدگذاری­ها و طبقه­بندی­های کالینز را با انتقال به رایانه و بررسی توسط الگوریتم­هایی که هزاران و میلیون­ها رویا را تحلیل می­کنند بررسی کرد؟ الگوهای جدید و ابعاد جزئی­تر معناهایی که خواهیم شناخت چیست؟

در گام نخست، فایل الکترونیک گزارش رویاها به برنامه رایانه­ای طراحی شده برای مطالعه حاضر منتقل شد. در این برنامه الگوهای مربوط به ادارکات، هیجان­ها، شخصیت­ها و سایر مشخصه­های متداول در  محتوای رویا قابل جستجو کردن بود.

در هر طبقه فراوانی کلمات به کار برده شده در رویاهای هر فرد با محتوای رویای مطالعات قبلی مقایسه شد، میزان فراوانی­های زیاد یا کم مورد توجه قرار گرفت زیرا نشانگر بار معنایی بودند. سپس درباره مسائل، فعالیت­ها و ارتباطات فرد در زندگی روزانه و هنگام بیداری وی برداشت­ها و حدس­های زده شد.  این فرضیه ها درباره افراد برای تأیید یا رد به رویابینندگان داده شد.

با استفاده از این روش مشخص شد بسیاری از حدس­های یافت شده از محتوای رویاها درست بوده است. برای مثال، در مطالعات انجام شده از سال2010 تا 2012 که در مجله Dreaming به چاپ رسیده است، بر اساس فراوانی­های غیرمعمول طبقه­بندی­های مشخص شده در محتوای رویا، مشخص شد یکی از شرکت­کنندگان گزارشگر روزنامه بود که زندگی جنسی فعال و یک سگ خانگی داشت و فرد دیگر دانشجوی آشفته حالی بود که فوتبال بازی می­کرد و درباره خانواده­اش نگرانی­هایی داشت.

این استنتاج­ها هوشمندانه نبود زیرا پیش­گویی­هایی مشخص است که می­توان با استفاده از نتایج آماری به آن­ها دست یافت. در حقیقت حدس­های محققان در اکثر موارد درست بود که نشانگر معنادار بودن رویا است، به طوریکه با استفاده از روش­های دیجیتالی ساده می­توان آن­ها را شناسایی کرد. سوال بعدی این است که دیگر چه چیزهایی می­توان از رویا آموخت؟ فناوری تا چه حد تحلیل رویاها در اندازه بزرگ را میسر خواهد کرد تا بتوانیم از زندگی مردم بیشتر بیاموزیم؟

برای اطلاعات بیشتر به لینک زیر مراجعه کنید:

http://www.nytimes.com/2013/10/20/opinion/sunday/data-mining-our-dreams.html


October 18, 2013

Data-Mining Our Dreams


By KELLY BULKELEY


ARE dreams really meaningful?

Virtually every culture throughout history has developed methods to interpret dreams - most notably, in the modern era, the psychoanalytic approach. But today many people assume that this quest has failed. Science, they say, has proved that dreams are just random signals sent from primitive regions of the brain, signifying nothing, and that dream interpretation is a
kind of superstition.

This conclusion is premature. For many years, researchers (including me) have been using quantitative methods of analysis to study the content of dreams. The findings from these studies provide compelling evidence that dreaming is not meaningless "noise" but rather a coherent and sophisticate mode of psychological functioning.


Furthermore, recent advances in digital technology are expanding this approach, potentially boosting by many orders of magnitude our ability to understand the statistically recurring patterns in people's dreams. You could say that we are learning how to data-mine dreaming.

The earliest work in the quantitative study of dream content goes back more than a century, to a Wellesley psychologist named Mary Whiton Calkins. Her 1893 article "Statistics of Dreams" described one of the first scientific experiments devoted to dream content.


Calkins and a colleague kept journals of their dreams, recording each one upon awakening. She collected a total of 375 dream reports, each of which she analyzed and "coded" for several categories of content and then tabulated to determine which elements appeared most often. She found, for example, that the content of these dreams was routinely characterized by realistic settings, lots of familiar characters ("the dream world is well peopled"), mostly negative emotions, a surprisingly high proportion of rational thought and a "very striking" preponderance of visual imagery compared with other sense perceptions.


Calkins used fairly simple tools and a small data set to identify patterns
in dream content, but later studies have largely confirmed these insights
and extended them to new groups of people. For example, we now know that
artists are more likely than non-artists to have nightmares; that children
have more animals in their dreams than do adults; and that younger people
are more likely than older people to have "lucid" dreams - those in which
self-awareness is experienced within the dream state.



The emergence of modern digital-search technology has raised the intriguing
possibility of pushing Calkins's rather slow and labor-intensive approach to
new levels of speed and sophistication. What if the coding categories she
and others have used could be transformed into computer algorithms that
automatically analyze not just hundreds but thousands or even millions of
dreams? What new patterns and subtler dimensions of meaning might we
identify?

To take the first step in exploring that possibility I have conducted
several experiments in "blind analysis," a technique developed with the help
of the psychologist G. William Domhoff at the University of California,
Santa Cruz.

Here's how it works. Professor Domhoff sends me an electronic file of dream
reports from a participant whose identity is hidden from me. Without reading
the narratives of the dreams, I upload the file into a computer program (and
database) designed for this purpose. The program enables the use of a
word-search template to analyze the reports. The template includes
categories for perceptions, emotions, characters and many other common
features of dream content.

 
For each category I compare the word-usage frequencies of an individual's
dreams with those from previous studies of dream content, looking for
unusually high or low frequencies that might signal a meaningful connection.
Then I make inferences about the person's concerns, activities and
relationships in waking life and send them to Professor Domhoff. He forwards
them to the participant, who confirms or disconfirms my conjectures.


This is hardly a perfect method, but the results have been encouraging. For
example, in studies in 2010 and 2012 that were published in the journal
Dreaming, I inferred correctly, based on nothing but the unusual frequencies
of certain categories of dream content, that one participant was a newspaper
reporter with an active sex life and a pet dog, and that another was an
emotionally troubled student who played soccer and was worried about her
family.


These were not especially clever inferences. On the contrary, they seemed
the most obvious predictions that you could make given the statistical
results. But this is precisely the point: the fact that my conjectures were
mostly right suggests that genuinely meaningful aspects of dreaming can be
objectively identified using fairly simple digital methods.


We have plenty of evidence to accept the solid working hypothesis that
dreams are meaningful to a considerable degree. The question then becomes,
what else can we learn? How much more might a technologically enhanced
system of "big data" dream analysis teach us about people's lives?

From the American Indian ritual of the vision quest to the Muslim prayer and
dream-incubation practice of istikhara, there have been cultural traditions
of enhancing people's awareness of their dreams and deriving insights from
them. Modern researchers can learn from such practices and combine them with
today's technologies, using new tools to fulfill an ancient pursuit.


Kelly Bulkeley, former president of the International Association for the
Study of Dreams, is the author of "Dreaming in the World's Religions: A
Comparative History."

 




داغ کن - کلوب دات کام
نظرات() 
 
لبخندناراحتچشمک
نیشخندبغلسوال
قلبخجالتزبان
ماچتعجبعصبانی
عینکشیطانگریه
خندهقهقههخداحافظ
سبزقهرهورا
دستگلتفکر




Admin Logo
themebox Logo
www.tarhebartar.ir Dashboard Clock مطلب را به بالاترین بفرستید: Balatarin Locations of visitors to this page

كد تقویم

كد تقویم

/v4ex/sidebar.js">
free counters