The effect of nature on creativity through mental imagery
Notice bibliographique
Résumé
Immersion in nature has been linked to wide-ranging benefits on mental health and cognitive functions, from reducing stress to enhancing creativity. However, a walk in nature is not always feasible, and whether a proxy for nature immersion via a mental walk in nature can elicit the same benefits as a physical walk remains largely unknown. Accordingly, the current study utilized guided imagery to examine whether a mental walk in nature would improve creativity in general and when compared to a mental walk in an urban environment. We implemented a within-subjects design, wherein participants completed both mental walk conditions (in a nature and urban environment) at least five days apart in counterbalanced order on an online platform. During each session, participants (N = 97) completed two pre-walk tasks assessing convergent (measured by the Remote Associates Test) and divergent creative thinking (measured by the Alternate Uses Test), followed by a mental walk in either a nature or urban environment, then finally the identical two post-walk creativity tasks. After five days, they repeated the same procedure with a mental walk in the other environment. While comparisons of post-walk creativity scores between the nature and urban environment did not significantly differ from each other, the comparisons between the pre- and post-walk creativity scores revealed a significant improvement in convergent creative thinking in the nature environment condition, but not the urban environment condition. Our results suggest that taking a mental walk in nature can enhance at least one aspect of creativity, therefore providing preliminary evidence for the potential to access the creative benefits of mentally immersing ourselves in nature. These findings have important implications for those who wish to enjoy the benefits of nature but are unable to readily access nature physically.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».