MétaCan
Menu
Retour à la cohorte
Enregistrement W4391948554 · doi:10.1111/caim.12597

Do you believe <scp>Red Bull</scp> gives wings? When implicit theories of creativity impair creative performance

2024· article· en· W4391948554 sur OpenAlexafffund
Marine Agogué, Béatrice Parguel, Anna Bendas

Notice bibliographique

RevueCreativity and Innovation Management · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensHEC Montréal
Organismes subventionnairesFonds de Recherche du Québec-Société et Culture
Mots-clésCreativityAdvertisingPsychologySocial psychologyBusiness

Résumé

récupéré en direct d'OpenAlex

Everyone seems to have something to say about creativity, thus participating in the reproduction of persistent myths about creativity that may influence creative behaviour. This research explores the influence of Laypeople's Implicit Theories of Creativity (LIToCs) regarding the drivers of creativity on creative performance, to ascertain whether having strong convictions about the drivers of creativity either enhances or hinders creative productivity when these convictions align with the actual methods of stimulating creativity. An experiment randomly involved 69 subjects who were invited to drink the exact same fruit juice before performing a creative task. In one condition, they were told this was indeed juice; in the other condition, they were told that it was mixed with Red Bull. Analyses showed an interaction effect with the subjects' LIToC, such that among subjects displaying strong LIToC, individual creative performance was lower when they perceived the conditions to stimulate creativity were activated, than otherwise. These results suggest that having strong beliefs in the effects of some creativity drivers might then trigger a complacent attitude and reduce the invested effort in generating creative ideas. This research contributes to rethinking how we use specific drivers to stimulate creativity, as strong LIToCs about those drivers may have a counterproductive effect on creative performance.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,032
Tête enseignante GPT0,333
Écart entre enseignants0,301 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCreativity and Innovation ManagementMême sujetCreativity in Education and NeuroscienceTravaux en français237 207