Investigating the negative link between perfectionism and emotional divergent thinking
Notice bibliographique
Résumé
Previous research has shown that perfectionism was negatively associated with the generation of original ideas in Divergent Thinking (DT) tasks, while striving for excellence was positively associated with it. However, the explanatory variables for these effects remain unclear. This study investigated the mediating roles of doubts about actions, concerns over mistakes, openness to experience, empathy, and emotions during DT tasks. Additionally, it examined an emotional DT task (i.e., naming frustrating things and things that affect one's self-esteem). From a sample of n = 282 university students, we replicated the negative association between perfectionism and DT abilities, though the effect size was smaller than in prior studies. Perfectionism correlated with lower empathy and greater primary negative emotions (e.g., fear) but similar openness to experience compared to excellencism. Mediation analyses revealed that doubts and concerns were unrelated to DT abilities. Openness to experience and empathy were positively correlated with DT abilities. Primary negative emotions during the tasks were negatively associated with the originality of answers. In contrast, positive emotions and secondary negative emotions (e.g., embarrassment) predicted more original ideas. These findings emphasize the importance of promoting excellencism over perfectionism to foster original ideas. This study has implications for overcoming barriers and supporting the creative process of individuals high on perfectionism. It also has implications for creativity researchers investigating the role of empathy and emotions in DT abilities. Supplementary Information: The online version contains supplementary material available at 10.1007/s44202-025-00330-x.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».