EEG-based study of design creativity: a review on research design, experiments, and analysis
Notice bibliographique
Résumé
Brain dynamics associated with design creativity tasks are largely unexplored. Despite significant strides, there is a limited understanding of the brain-behavior during design creation tasks. The objective of this paper is to review the concepts of creativity and design creativity as well as their differences, and to explore the brain dynamics associated with design creativity tasks using electroencephalography (EEG) as a neuroimaging tool. The paper aims to provide essential insights for future researchers in the field of design creativity neurocognition. It seeks to examine fundamental studies, present key findings, and initiate a discussion on associated brain dynamics. The review employs thematic analysis and a forward and backward snowball search methodology with specific inclusion and exclusion criteria to select relevant studies. This search strategy ensured a comprehensive review focused on EEG-based creativity and design creativity experiments. Different components of those experiments such as participants, psychometrics, experiment design, and creativity tasks, are reviewed and then discussed. The review identifies that while some studies have converged on specific findings regarding EEG alpha band activity in creativity experiments, there remain inconsistencies in the literature. The paper underscores the need for further research to unravel the interplays between these cognitive processes. This comprehensive review serves as a valuable resource for readers seeking an understanding of current literature, principal discoveries, and areas where knowledge remains incomplete. It highlights both positive and foundational aspects, identifies gaps, and poses lingering questions to guide future research endeavors.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,003 | 0,010 |
| 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 | 0,001 |
| 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 ».