Predicting Adolescent Creativity from Openness to Experience and Intrinsic Motivation
Notice bibliographique
Résumé
Objective: This study aimed to investigate the predictive roles of openness to experience and intrinsic motivation in adolescent creativity. Methods and Materials: A correlational descriptive research design was employed, involving a sample of 380 high school students from Canada. Participants were selected using the Morgan and Krejcie sample size table through convenience sampling. Standardized instruments were used to assess the variables: the Torrance Tests of Creative Thinking (TTCT) for creativity, the Openness scale from the Big Five Inventory (BFI) for openness to experience, and the Intrinsic Motivation Inventory (IMI) for intrinsic motivation. Data analysis was performed using SPSS version 27. Pearson correlation coefficients were calculated to determine the strength and direction of the relationships between creativity and each predictor variable. A multiple linear regression analysis was then conducted to examine the combined predictive power of openness to experience and intrinsic motivation on creativity. Findings: Descriptive statistics revealed moderately high levels of creativity (M = 112.47, SD = 13.62), openness to experience (M = 36.28, SD = 4.81), and intrinsic motivation (M = 121.65, SD = 11.49). Pearson correlation analysis showed that creativity was significantly correlated with both openness to experience (r = .52, p < .01) and intrinsic motivation (r = .47, p < .01). Multiple linear regression analysis indicated that both predictors significantly contributed to creativity (R = .58, R² = .34, F(2, 377) = 72.96, p < .001), with openness to experience (β = .39, p < .001) and intrinsic motivation (β = .31, p < .001) emerging as significant predictors. Conclusion: The findings highlight that both openness to experience and intrinsic motivation play meaningful and complementary roles in predicting adolescent creativity. These results suggest that fostering openness and nurturing intrinsic motivation may be effective strategies for enhancing creative potential in educational settings.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».