MétaCan
Menu
Retour à la cohorte
Enregistrement W3094835562 · doi:10.1115/detc2020-22557

Mirroring Neurostimulation Outcomes Through Behavioral Interventions to Improve Creative Performance

2020· article· en· W3094835562 sur OpenAlexaff
A. Sahar, Norman A. S. Farb, L. H. Shu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésStroop effectTask (project management)NeurostimulationCreativityCognitive psychologyPsychologyFluencyPsychological interventionFlexibility (engineering)Computer scienceTask analysisCognitionSocial psychologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Creativity, a key component of engineering design, is not a static trait, but a skill that can be strategically enhanced. Neurostimulation methods, e.g., using electrical current to stimulate brain areas, have been reliably shown to improve creative performance. However, safety and ethical concerns present obstacles to the direct implementation of such methods in the engineering-design process. Thus, the current work explores whether creative performance can be enhanced using behavioral tasks that recruit the same brain regions targeted in neurostimulation studies. Study participants were 30 undergraduate students enrolled in an introductory psychology course. Two intervention tasks, a Stroop task and a finger-tapping pattern-matching task, each with easy and hard versions, were used in a 2 (task type) x 3 (task difficulty) within-subjects design. Relative to the pretest period, difficulty was manipulated by using versions of tasks with 1) predictable responses (easy) and 2) unpredictable responses (hard). Creativity in each experimental condition was assessed via the well-validated Alternative Uses Test (AUT). A multilevel analysis revealed a significant increase in fluency (number of alternative uses) as task difficulty increased regardless of task type. Flexibility (number of alternative-uses categories) also increased with task difficulty, but the effect was stronger for the Stroop task. These results suggest that high-difficulty versions of the selected tasks may be more effective in increasing AUT performance. Between the two tasks studied, the Stroop task has greater potential as a candidate to adapt as a behavioral intervention to improve creativity. Beyond the Stroop task, other behaviors, which activate brain regions that respond favorably to neurostimulation, may also be explored as the bases of interventions to improve creative performance in engineering design.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,157
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,218
Tête enseignante GPT0,474
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCreativity in Education and NeuroscienceTravaux en français237 207