The relationship between methods of scoring the alternate uses task and the neural correlates of divergent thinking: Evidence from voxel-based morphometry
Notice bibliographique
Résumé
Divergent thinking tests have been used extensively in neuroscientific studies of creativity. However, output from tests of divergent thinking can be scored in different ways, and those scores can influence assessments of divergent thinking performance and its relationship with brain activation. Here we sought to investigate the relationship between various methods of scoring the Alternate Uses Task (AUT)-a well-known test of divergent thinking-and regional grey matter volume (GMV) using voxel-based morphometry (VBM). We assessed AUT performance based on (a) traditional approaches that involve scoring participants' output on fluency, flexibility, originality, and elaboration, (b) a subjective approach that involves scoring output directly on "snapshot" creativity, and (c) the definitional approach that involves scoring output separately on novelty and usefulness-the two criteria deemed necessary and jointly sufficient to categorize an idea as creative. Correcting for age, sex, intracranial volume, verbal IQ and working memory capacity, we found negative correlations between regional GMV in the left inferior temporal gyrus (ITG) and novelty and usefulness scores, but no correlation involving other scoring approaches. As part of the brain's core semantic system, this region is involved in concept retrieval and integration. We discuss the implications of these findings for our understanding of the neural bases of divergent thinking, and how ITG could be related to the generation of novel and useful responses.
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 | 0,006 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».