Electroencephalography-Based Exploration of Nonlinear Brain Dynamics in Design Creativity During a Modified TTCT-F Task
Notice bibliographique
Résumé
Abstract This study explores the use of nonlinear electroencephalography (EEG) features—including correlation dimension, sample entropy, fractal dimension, permutation entropy, and the Lyapunov exponent—to capture the brain's complex dynamics during four cognitive states: idea generation, evolution, evaluation, and rest, observed in modified figural tasks from the Torrance Test of Creative Thinking. Grounded in a nonlinear design-dynamics model that conceptualizes design creativity as a chaotic process highly sensitive to initial conditions, this research offers a preliminary investigation into how distinct EEG patterns characterize different phases of creative cognition. The results reveal that brain activity exhibits varying nonlinear and chaotic dynamics across cognitive states, with key features and regions—particularly in the frontal, parietal, and central lobes—contributing significantly to state differentiation. The Lyapunov exponent emerges as the most influential feature, aligning with theoretical models of creativity as an initial-condition-sensitive process, while correlation and fractal dimensions reflect shifts in the brain's fractal organization, especially in frontal and central regions. These nonlinear measures, particularly in the parietal, central, and temporal areas, effectively distinguish cognitive phases, and the observed dominance of left hemisphere activity suggests asymmetrical neural processing during creative design tasks. As a novel application of these features in this context, the study offers a comprehensive portrait of brain activity across creative states and establishes a foundation for further exploration of the neurocognitive mechanisms underpinning design creativity.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».