查看原文
其他

心理科学进展 | 语义距离与创造性思维关系的元分析

李亚丹等 大邓和他的Python
2024-09-09


博客之前分享过 PNAS(含代码) | 使用语义距离测量一个人的创新力(发散思维)得分  , 通过语义距离测量创新力, 该教程含Python代码。今天摘抄一篇<心理科学进展>的论文, 帮助大家更深入了解语义距离与创造性思维之间的关系。



一、文献

李亚丹,杜颖,谢聪,刘春宇,杨毅隆,李阳萍,邱江.语义距离与创造性思维关系的元分析[J].心理科学进展,2023,31(04):519-534.

摘要:  自然语言处理的发展为探究 语义距离创造性思维 的关系提供了可靠且有效的研究方法。近些年关于两者之间关系的研究逐渐增多,但研究结论并不一致。本研究基于 创造力联想理论 及扩散激活模型, 通过元分析的方法探讨了语义距离与创造性思维的整体关系,并且分析了以往研究结论不一致的原因。本文经过文献检索和筛选后获得14项研究,提取r值作为效应值(共53个效应值,4729个独立样本),并使用随机效应模型进行了元分析。结果显示:语义距离与创造性思维存在中等程度的正相关(r=0.379, 95%CI [0.300, 0.452]); 二者的相关强度受到被试年龄和创造性思维不同测量指标的调节。研究结果表明语义距离与创造性思维关系密切, 同时解释了以往研究结论不一致的原因。上述结果不仅能为更深入地探讨创造性思维的认知神经机制提供新的研究视角和理论解释,而且有助于更全面地理解语义距离与创造性思维二者的关系及其边界条件,为更好地解释、预测和提升创造力提供科学依据和重要启示。



创造性思维 是一种高层次的思维活动, 对科学进步和社会发展具有深远的影响, 其核心的认知成分之一就是基于语义记忆的联想能力 (Acar & Runco, 2014; Marron et al., 2018)。个体的联想能力及其在进行创造性活动时的联想过程均可以通过语义距离(semantic distance)表现出来(Beaty et al., 2014; Benedek & Neubauer, 2013)。因此, 语义距离是帮助我们理解创造性思维和创造性认知过程的重要手段。

在认知科学领域, 通常利用 心理词典 (mental lexicon) 所构成的语义网络 (semantic network) 来表征语义记忆结构 (Christensen & Kenett, 2021)。在语义网络中, 概念被表示为通过 “边(edge)”相互连结的“节点(node)”, 语义距离则用来表示概念与概念之间的距离, 即语义相似性 (Paulsen et al., 1996)。

在实证研究中研究者们常用发散思维测验(Divergent Thinking Test)来衡量创造性思维, 但发散思维测验的评分存在着一些不足, 如流畅性和独特性有较高程度的相关致使得分极易混淆、独特性评分依赖于样本等问题(Silvia et al.,2008)。因此, 除了对原有测量技术的优化和改进, 还需要提升创造力测量的客观性和准确性。目前 已有学者提出使用语义距离来测量创造性思维, 但是使用语义距离测量创造性思维这一方法的有效性还存在着争议(Marron et al., 2018; Wang et al., 2018)。



创造性思维及其度量

创造力(creativity)是指产生新颖(original)且 适 宜 (appropriate) 产品的能力 (Kaufman & Sternberg, 2010; Runco, 2002)。发散思维(Divergent Thinking)是个体针对给 定问题或提示产生多个原创想法的心理能力 (Acar & Runco, 2019; Forthmann, Wilken et al., 2019), 长期以来一直是创造性思维研究中的一个 重要内容(Hocevar, 1980)。发散思维测验是迄今为止创造力研究中使用最多、应用最为广泛的主流测验形式(Plucker & Makel, 2010; Reiter-Palmon et al., 2019)。

在以往研究中, Guilford (1950)的 多用途任务 (Alternate Use Task, AUT)和 Torrance (1972) 的 创造性思维测试 (Torrance Tests of Creative Thinking, TTCT)使用频率较高。发散思维通常包括 4 个维度, 即流畅性、灵活性、独特性(或 独创性)和精致性。其中, 流畅性(fluency)指给出 的想法或解决方案的数量; 灵活性(flexibility)指 想法的多样性; 独特性(originality)指想法的不寻 常或唯一性; 精致性(elaboration)指给出想法或答案的详细程度(Torrance, 1965, 1988)。在评分时, 发散思维测验也常从这四个维度来计分, 并由此衡量被试答案的创造性水平。但发散思维测试存在一些潜在问题,如无法进一步探讨创造性思维过程的手段(Hass, 2017; Marron et al., 2018)。其次, 四个主要的评价指标, 除了流畅性能够被客观测量,其余三个指标的传统评分方法存在一定弊端。第三, 在发散思维测验计分时, 流畅性和独创性的得分容易混淆。以上三点导致发散思维测验的客观性、信度饱受争议(Benedek & Neubauer, 2013)。



语义距离与创造性思维的关系

语义距离这个概念来源于 Collins 和 Loftus (1975)提出的扩散激活模型(Spreading-Activation Model)。在概念与概念之间, 共同的定义性特征 越多, 它们之间的关系就越近, 这个关系就称为 语义距离(Volle, 2018)。例如, “雪”和“白”经常共同出现在文本中, 所以语义距离较小; 相反, “雪”和 “石油”很少同时出现, 因此二者之间具有较大的 语义距离。

Mednick 在 1962 年提出了 创造力联想理论 (Associative Theory of Creativity), 该理论解释了创造性思维与语义记忆结构之间的关系(Mednick, 1962)。该理论认为,  创造性思维涉及将弱相关或远距离概念联接成新颖且有用的概念的认知过程。如果某些概念在语义层面相距越远, 由它们所产生的新的组合就越有创意, 新颖度越高。

Benedek 等人(2012)在 Mednick (1962)的理论 基础上提出, 解离能力(dissociative ability)和联想整合能力(associative combination ability)是与创造性思维密切相关的基本认知能力。

  • **解离能力 **是指生成不相关的概念的能力, 也可以被理解为一 种语义抑制能力, 它有助于人们获得新的语义距离遥远的概念。
  • **联想整合能力 **指的是对看似不相关的概念形成合理联想的能力。

据此我们可以推断, 语义距离作为概念与概念之间关系的量化指 标(Volle, 2018), 也即衡量个体联想能力的指标, 可以有效反映个体以联想过程为基础的创造性思维。扩散激活模型也提到, 有创造力的人拥有更加复杂(Collins & Loftus, 1975; Gruszka & Necka, 2002; Kenett, 2019) 、 更加灵活的语义网络 (Schilling, 2005)。

近年来语义距离也开始作为测量创造性表现 的指标。研究者们(Green et al., 2012; Prabhakaran et al., 2014; Weinberger et al., 2016)在探究状态创 造力(state creativity)时, 通常将语义距离作为创 造力水平高低的测量指标。状态创造力即被试在 不同指导语或线索提示下所表现出的不同创造力 水平。也有研究利用语义距离来测量创造性思维, 结果显示相比较传统测量方法, 基于语义距离的 测量方法在创造性思维各指标间有着更好的区分 效度和结构信度(Dumas & Dunbar, 2014)。

此外, 通过对语义距离的应用,  研究者能够对创造性思维的质量有更为客观的认识, 从而更 好地探讨创造性思维的认知神经机制。人们普遍认为, 创造性思维认知过程需要 联想过程 (associative processes) 与 执行过程 (executive processes)的耦合(Silvia et al., 2013)。目前, 大多 数创造性思维任务并未区分这两种认知过程 (Mednick, 1968; Runco et al., 2016), 而对这两种 认知过程的细分有助于我们更深入地理解创造性思维和创造性认知过程(Fox et al., 2015)。而语义距离作为联想能力的衡量指标, 可以更好地反映 出个体在进行创造性思维任务时的联想过程 (Beaty, Nusbaum et al., 2014; Beaty, Silvia et al., 2014; Marron et al., 2018)。因此, 语义距离也被用来作为认知神经科学研究中创造性思维的测量指标, 它不仅可以用于比较个体在产生不同创造性 水平的答案时其大脑激活模式的差异(Beaty et al., 2017; Green et al., 2015; Tempest & Radel, 2019)及个体的创造性表现随时间动态变化 (Green, 2016), 还可以用来研究不同个体之间的创造力水平差异(Green, 2016)。



三、年龄可能调节语义距离与创造性思维关系

近几年, 国内外开展了一些语义距离与创造性思维关系的研究, 但是研究结果却不尽相同。这可能与研究对象的人口学因素(年龄)和评估创 造性思维时所使用的测量指标有关。

根据已有研究, 年龄可能会影响语义距离与创造性思维之间的关系。

首先, 年龄与语言能力和词汇量有关。老年人的词汇量及语义知识存储与年轻人相比更加丰富(Kavé & Halamish, 2015; Verhaeghen, 2003), 而语言能力较强、词汇量较多的个体在表达想法时更不容易受到表达能力的限制, 因此往往在言语创造性任务中表现得更好。语言能力较强的个体也可能会有更多的认知资源用来产生创造性想法(Wu et al., 2005)。 其次, 不同年龄被试的语义结构和语义记忆也是不同的, 例如, 老年人语义记忆中的概念更加模块化, 也更分散(Dubossarsky et al., 2017; Wulff et al., 2019; Zortea et al., 2014)。因此, 样本群体的年龄 可能会影响语义距离与创造性思维之间的关系。



四、元分析结果

4.1 语义距离测量创造性思维的有效性

本研究结果显示 , 语义距离与创造性思维呈显著正相关 (r = 0.379, p < 0.001), 与以往研究结 果一致 (Hass, 2017; Heinen & Johnson, 2018) 。该结果进一步验证了 Mednick (1962)提出的创造力联想理论 , 即如果某些概念在语义层面相距越远 , 由它们所产生的新的组合就越有创意新颖性越高

语义距离作为一种连续变量 , 可以更精准地反映出创造性思维的定量变化 , 而不仅仅是二元对比 ( 例如 , 创造性与非创造性条件 ) (Kenett et al., 2017; Kenett, 2018; Kenett, 2019)。因此 , 语义距离具有测量创造性思维的独特优势 (Green, 2016)。

然而 , 本研究发现 , 语义距离与创造性思维关系的效应值为 0.379, 仍处于中等程度的正相关 (Cohen, 1988) 。这说明尽管使用语义距离测量创 造性思维有一定的有效性 , 但是语义距离对创造 性思维的代表程度有限。


4.2 语义距离与创造性思维关系中存在的调节效应

被试年龄对语义距离与创造性思维的关系具有显著的调节作用,二者的相关性随着年龄的增加而逐渐降低。原因可能在于 , 随着年龄的增长 , 个体的语义记忆结 构和知识储备也在逐渐发生改变 , 从而影响了语义距离与创造性思维的关系。首先是语义记忆结 构的变化。个体的语义记忆结构会随着年龄的增 长而逐渐变得稀疏 (Dubossarsky et al., 2017; Wulff et al., 2019; Zortea et al., 2014)。其次 是个体的知识储备和生活经验的变化。常见的言语类创造性思维任务介于现实问题任务和图形任 务之间 , 完成这类任务需要一定的知识储备 (Wu et al., 2005)。

精选内容

CAR2023 | 文本分析在会计中的应用

管理世界 | 使用文本分析词构建并测量 短视主义

管理世界 | 使用 经营讨论与分析 测量 企业数字化指标

管理世界 | 用正则表达式、文本向量化、线性回归算法从md&a数据中计算 「企业融资约束指标

管理世界 | 机器学习如何赋能管理学研究?——国内外前沿综述和未来展望

中国管理科学 | 使用业绩说明会文本数据测量上市公司前瞻性信息

管理科学学报 | 使用LDA算法计算政策扩散速度与扩散程度

JMR | 测量消费者的「语言确定性

文本分析 | 中国企业高管团队创新注意力(含代码)

金融研究 | 使用Python构建「关键审计事项信息含量」

可视化 | 99-21年地方政府报告关键词变化趋势

使用 Word2Vec 和 TF-IDF 计算五类企业文化

96G数据集 | 2亿条中国大陆企业工商注册信息

70G数据集 | 3571万条专利申请数据集(1985-2022年)

数据集 | 2006年-2022年企业社会责任报告

93G数据集 | 中国裁判文书网(2010~2021)

数据集 | 2001-2022年A股上市公司年报&管理层讨论与分析

数据集 | 07-21年上市公司「委托贷款公告」

数据集 | 200w政府采购合同公告明细数据(1996.6-2022.12)

数据集 | 84w条业绩说明会问答数据(2005-2023)

单个csv文件体积大于电脑内存,怎么办?

继续滑动看下一个
大邓和他的Python
向上滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存