Coerenza Gerarchica — Tre viste di un oggetto
Sintesi cross-dominio: φ (IIT), Δ_scaling (NSCLC), INS (hyperscanning) misurano la stessa proprietà EAR.
Scaricadocx· ~14 KBCos'è
Sintesi sistematica (10 gennaio 2026) dei collegamenti tra il framework EAR e la letteratura scientifica recente su un'unica proprietà osservata da tre angolazioni complementari: la coerenza gerarchica dei sistemi complessi.
L'intuizione centrale: tre metriche provenienti da domini indipendenti non sono analoghe per metafora — misurano la stessa proprietà fondamentale proiettata su piani osservazionali diversi.
Materiale
Documento unico Coerenza_Gerarchica_Sintesi_EAR.docx (~14 KB):
sintesi narrativa con tabelle di corrispondenza, riferimenti
bibliografici con DOI, e mappatura esplicita su assiomi e
proposizioni di EAR.
Contenuto
Le tre prospettive considerate:
| Vista | Metrica | Cosa misura | Dominio |
|---|---|---|---|
| Dall'alto | φ (IIT) | Integrazione informazionale del tutto | Coscienza |
| Di lato | Δ_scaling = |β̄ − θ| | Disaccoppiamento struttura/funzione | Oncologia (NSCLC) |
| Da dentro | INS (hyperscanning) | Accoppiamento neurale fra sistemi | Neuroscienze sociali |
La sintesi attraversa lavori di Hoel-Albantakis-Tononi (2013, 2016) sulla causal emergence, Benozzo et al. (2023) sul disaccoppiamento SC/EC nel cervello, West-Brown-Enquist (1997) per il baseline 3/4, Lotter et al. (2023) per la meta-analisi su 91 esperimenti hyperscanning, Azhari et al. (2025), Walter & Hinterberger (2022) su SOC e coscienza, e altri. Tutti i riferimenti convergono sulla stessa proprietà strutturale.
Connessione all'ontologia
La sintesi mappa direttamente le tre viste sulle proposizioni formali di EAR:
- Prop. 3 — Soglia critica: confermata da SOC e dinamiche di criticità neurale
- Prop. 4 — Scaling dimensionale: α = 3/4 come baseline, Δ_scaling come deviazione misurabile
- Prop. 5 — Risonanza intersistemica: ∿ corrisponde a INS, con le 4 fasi co-presenti (Porta ⊙, Spirale ∞, Nodo ◇, Seme ↻)
- Prop. 6 — Inseparabilità: nessuno studio in letteratura riesce a separare Δ, ⇄, ⟳ come indipendenti
Il documento estrae una predizione covariante: se Δ_tumor aumenta, allora φ_locale dovrebbe diminuire e INS_possibile dovrebbe diminuire.
Come usarlo
- Lettura panoramica del campo: scarica il
.docxcome mappa ragionata della letteratura - Punto di partenza: per nuovi studi cross-dominio che cercano covarianza fra φ, Δ_scaling, INS
- Pairing AI: usa la sintesi come contesto per generare protocolli sperimentali che misurino due viste simultaneamente
Note
La sintesi non documenta nessuna smentita delle proposizioni EAR nei domini coperti. L'assenza di smentita non è conferma — ma la convergenza fra domini indipendenti rafforza la plausibilità del framework. Allineato con AILA Empirico — Coherence.