검증할 수 있는 명상 연구의 질문
Jian Wang과 동료들이 2026년 10월 29일 제출한 프리프린트는 fMRI 패턴으로 수행자가 스스로 보고한 선정(jhāna) 단계의 집단을 구별할 수 있는지 묻는다. 우리는 ACAM-J-MARS의 1판을 확인했다. 독자에게 중요한 것은 방법을 평가하는 구체적인 문제이며, 깨달음을 검사하는 도구가 아니다. 이 판의 동료심사를 거친 출판물은 확인하지 못했다. [1]
여기서 선정은 참가자가 J1–J8로 표시한 명상적 몰입 상태를 뜻하며, 중기 집단은 J3–J5이다. 기능적 자기공명영상(fMRI)은 뇌 활동과 관련된 혈액 산소화 변화를 측정한다. 여기서 연결성이란 신호 사이의 통계적 관계이며, 해부학적 신경 섬유의 지도가 아니다. [2]
기록 수와 사람 수를 함께 세기
연구는 수행자 22명의 기록 구간 204개를 보고한다. 이 방법은 뇌 영역 사이의 연결성과 느린 신호 변동의 특징을 결합한다. 훈련과 시험에 서로 다른 참가자를 사용한다. 이런 분리는 사람 사이의 일반화 가능성을 살피는 데 도움이 되지만, 반복 기록이 22명을 독립적인 참가자 204명으로 바꾸지는 않는다. [2]
점수와 과제를 함께 읽기
표 1–2는 초기(J1–J2)와 후기(J6–J8) 단계를 구분할 때 균형 정확도 0.757, 초기·중기·후기 세 집단을 구분할 때 0.545를 보고한다. 균형 정확도는 각 클래스 안에서 올바르게 식별된 비율의 평균이다. 두 수치는 서로 다른 분류 과제에 해당한다. 어느 것도 특정인이 선정에 도달했을 확률이나 그 사람의 수행 수준을 나타내지 않는다. [2] [3]
새 참가자에게도 여러 기록이 필요하다
이 방법은 여러 기록에서 계산한 각 참가자의 평균 특징 패턴을 뺀다. 논문은 처음 보는 참가자에게 여러 차례의 기록이 필요하다고 명시한다. 라벨은 자기보고에 근거하고, 표본은 작으며, 독립적인 검증이 여전히 필요하다. 따라서 단일 기록이나 실시간으로 바로 쓸 수 있는 탐지기가 확립된 것은 아니다. [2]
해결되지 않은 수치 차이를 드러내기
그림 1에서 최근접 클래스 평균 분류기의 균형 정확도는 0.745이지만, 표 1–2에서는 0.757이다. PDF에서 두 값을 모두 확인했다. 읽은 논문은 차이를 명확히 설명하지 않는다. 우리는 임의로 수정값을 고르는 대신 이 한계를 밝히고 표의 값을 인용한다. [2]
명상 시험이 아닌 논문 읽기 연습
다음 논문을 읽을 때는 질문, 라벨, 훈련에서 제외한 사람, 새 사람에게서 필요한 정보라는 네 칸을 만들어 보자. 성능 주장마다 정확한 표와 지표, 비교 집단을 적는다. 어떤 증거가 나오면 자신의 해석을 바꿀지도 생각해 보자.
그런 다음 세 주장을 구분하자. 모델이 기록된 라벨을 예측한다는 것, 그 라벨이 경험을 충실히 기술한다는 것, 그 경험이 특정 전통에서 어떤 의미를 지닌다는 것이다. 첫 번째 주장의 증거가 나머지 둘까지 해결하지는 않는다. 이 표는 편집부의 읽기 보조 도구이며, 임상 도구나 수행자의 순위를 매기는 방법이 아니다.
우리가 확인한 범위
우리는 프리프린트를 읽고 PDF의 표와 그림을 확인했지만 실험을 재현하지 않았다. 논문은 요청에 따라 코드를 제공한다고 한다. 조사에는 Nemotron 추론을 사용하는 Maximus를 이용했고, 집필과 13개 언어판의 대조에는 AI를 사용했다. 전문가의 언어 검토는 아직 이루어지지 않았다. 사진은 명상 공간을 보여 주며 연구 참가자나 실험 장소가 아니다. [2]