發(fā)散思維的序列位置效應：創(chuàng)新想法動態(tài)產(chǎn)生機制的新視角*

陳群林 丁 珂

發(fā)散思維的序列位置效應：創(chuàng)新想法動態(tài)產(chǎn)生機制的新視角*

陳群林 丁 珂

(西南大學心理學部, 重慶 400715)

發(fā)散思維的序列位置效應是指隨著時間的推移, 單位時間內(nèi)想法生成的數(shù)量逐漸降低, 但想法的獨創(chuàng)性逐漸升高的現(xiàn)象。聯(lián)想理論和執(zhí)行控制假說分別側(cè)重對序列位置效應的個體差異和認知加工過程進行解釋。神經(jīng)影像學研究表明, 在想法產(chǎn)生的整個階段序列位置效應依賴于默認網(wǎng)絡后部和突顯網(wǎng)絡的持續(xù)增強激活和協(xié)同合作; 在想法產(chǎn)生的后期階段, 顳?頂區(qū)域alpha能量值以及執(zhí)行控制網(wǎng)絡與默認網(wǎng)絡的協(xié)同模式增強。未來研究需要結(jié)合語義和神經(jīng)動態(tài)分析等技術(shù), 對序列位置效應的特異性機制、動態(tài)加工機制以及影響因素進行深入探究, 從而為解構(gòu)創(chuàng)新思維的動態(tài)過程提供新的視角。

發(fā)散思維, 序列位置效應, 創(chuàng)新想法, 動態(tài)性, 神經(jīng)機制

1 序列位置效應的起源及發(fā)展

發(fā)散思維序列位置效應的發(fā)現(xiàn)最早來自于Christensen等人(1957)的實驗研究。該研究受到言語流暢性任務的啟發(fā), 即在任務過程中前半段的想法生成速率較高, 而后半段的想法生成速率逐漸降低。Christensen等人考察了一系列發(fā)散思維任務(包括情節(jié)標題命名、不尋常用途任務和不可能情景任務)中隨著時間推移產(chǎn)生想法的速率和獨創(chuàng)性的關系。參與者需要在規(guī)定的時間內(nèi)盡可能多地想出獨創(chuàng)性的(即有趣、吸引人和新穎)想法, 并被要求每隔2分鐘對所產(chǎn)生的想法進行標記。該研究發(fā)現(xiàn)發(fā)散思維任務全程中想法的產(chǎn)生速率相對穩(wěn)定, 而獨創(chuàng)性則隨著時間推移而逐漸增高。

隨后的一系列研究重復并擴展了發(fā)散思維的序列位置效應。其中, Ward (1969)對7～8歲的兒童開展了相似的實驗, 其發(fā)現(xiàn)與Christensen等人(1957)的研究結(jié)果基本一致。盡管高流暢性得分的兒童比低流暢性得分的兒童產(chǎn)生想法的速度更快, 但二者在獨創(chuàng)性得分、何時停止產(chǎn)生常規(guī)想法以及何時開始產(chǎn)生不尋常想法上并沒有明顯差別。與Christensen和Ward 采用等時間分段的方法不同, Parnes和Meadow (1959)根據(jù)個體在任務中所產(chǎn)生想法的總量, 將其等分為前后兩段來評估想法的產(chǎn)生模式。結(jié)果發(fā)現(xiàn)無論是未經(jīng)訓練還是經(jīng)過訓練的大學生都在想法產(chǎn)生的后期階段報告了更多數(shù)量的“好”想法。Phillips和Torrance (1977)對4～6年級的學生實施了言語和圖形發(fā)散思維任務, 結(jié)果發(fā)現(xiàn)相比于任務前半階段, 各年級學生在后半階段產(chǎn)生的想法獨創(chuàng)性分數(shù)更高, 但這一發(fā)現(xiàn)僅在言語發(fā)散思維任務中存在。Milgram和Rabkin (1980)比較了四、七和十二年級學生中高、低獨創(chuàng)性個體的發(fā)散思維表現(xiàn), 發(fā)現(xiàn)高獨創(chuàng)性和高年級的學生在發(fā)散思維任務中表現(xiàn)出更明顯的序列位置效應, 且相比于前半階段產(chǎn)生的想法, 個體普遍在后半階段產(chǎn)生了更多不尋常的想法。Runco (1986)探究了想法產(chǎn)生過程中靈活性和獨創(chuàng)性的變化模式, 結(jié)果發(fā)現(xiàn)想法的靈活性和獨創(chuàng)性得分在后半階段都有明顯的升高, 存在序列位置效應。最近系列研究通過精確記錄發(fā)散思維任務中每一個想法的產(chǎn)生時間, 發(fā)現(xiàn)隨著時間推移個體在單位時間內(nèi)產(chǎn)生想法的數(shù)量逐漸下降, 而獨創(chuàng)性逐漸上升, 重復了序列位置效應(Acar, Runco et al., 2019; Beaty & Silvia, 2012; Heinonen et al., 2016)。此外, 使用自然語言計算方法對序列想法間的語義距離進行評估發(fā)現(xiàn)想法間的語義距離也會隨著時間的推移逐漸增加, 與想法的獨創(chuàng)性增加模式相一致(Beaty & Dan, 2020)?？傊? 大量研究結(jié)果證明序列位置效應的確存在, 且非常穩(wěn)定, 是創(chuàng)造性研究中最常被重復的現(xiàn)象之一。此外, 該效應適用于不同的年齡群體(如兒童, 青少年和大學生)、不同類型的發(fā)散思維任務(不尋常用途任務、情節(jié)標題命名、不可能情景任務)和評分方法(如獨創(chuàng)性、靈活性、自動化評分)。

2 序列位置效應的認知機制

大量研究證實序列位置效應是穩(wěn)定存在的, 隨之而來的一個重要問題是為什么發(fā)散思維任務中產(chǎn)生的想法會隨著時間推移而變得更具獨創(chuàng)性。早期的觀點認為創(chuàng)新想法的產(chǎn)生是一種自動的、較少認知能耗的、自下而上的認知加工過程, 對該效應的解釋主要根據(jù)創(chuàng)造性的聯(lián)想理論和語義激活擴散模型(Mednick, 1962; Collins & Loftus, 1975)。在發(fā)散思維任務中, 早期階段的想法產(chǎn)生被認為源自一種低級聯(lián)想過程, 由此促進個體內(nèi)語義網(wǎng)絡中概念間的激活擴散。這種激活擴散的發(fā)生由近及遠, 隨著時間的推移逐漸通達位于語義網(wǎng)絡邊緣的遠距離概念。所以當個體從鄰近、明顯的概念轉(zhuǎn)向遙遠、不常見的概念時需要更多的時間, 但隨之輸出的想法也會變得更具有獨創(chuàng)性。近年來, 來自執(zhí)行控制加工視角的觀點認為想法的獨創(chuàng)性隨時間的增高主要涉及自上而下的執(zhí)行加工參與, 其中策略使用、干擾抑制和基于目標導向的檢索加工是影響創(chuàng)新想法產(chǎn)生的關鍵(Beaty & Silvia, 2012)。

2.1 基于聯(lián)想理論的解釋

根據(jù)聯(lián)想理論, 創(chuàng)新想法生成是通過自發(fā)的語義聯(lián)想加工, 將記憶中的元素以符合特定要求的新方式聯(lián)結(jié)起來(Mednick, 1962)。早期的觀點認為創(chuàng)造性涉及自動化加工過程, 例如通過松散聯(lián)結(jié)和去抑制來促發(fā)遠程聯(lián)想和直覺思維, 從而刺激創(chuàng)新想法的產(chǎn)生(Martindale & Hasenfus, 1978)。這一觀點以Collins和Loftus (1975)提出的語義加工的擴散激活理論為基礎, 其中概念被表征為語義網(wǎng)絡中的結(jié)點, 概念間的關聯(lián)被表征為連接這些結(jié)點的邊。聯(lián)想理論認為創(chuàng)新想法的產(chǎn)生是一種自動的檢索行為, 在空間上遵循從近端擴散激活到遠端擴散激活的漸進搜索模式。這種激活將隨著時間的推移由密切的、明顯的聯(lián)結(jié)逐漸擴散到遙遠的、不尋常的聯(lián)結(jié), 想法的質(zhì)量也逐漸由常規(guī)向新穎轉(zhuǎn)變。

在聯(lián)想理論的框架下, 聯(lián)想層級或語義結(jié)構(gòu)的組織形式可以解釋創(chuàng)新想法產(chǎn)生的個體差異。相比于低創(chuàng)造性群體, 高創(chuàng)造性群體的聯(lián)想層級結(jié)構(gòu)更可能是“扁平”而不是“陡峭”的, 其內(nèi)在的語義結(jié)構(gòu)使得詞語或概念的組織更具有靈活性, 從而促進了豐富且多樣的創(chuàng)新想法的產(chǎn)生。Mednick (1962)認為個體間聯(lián)想速率和聯(lián)想總數(shù)之間呈負相關, 高創(chuàng)造性個體在任務開始階段的聯(lián)想反應相對緩慢但更穩(wěn)定, 因而能夠持續(xù)產(chǎn)生較多的反應; 而低創(chuàng)造性個體在任務開始階段的聯(lián)想反應速度相對更快, 但隨后很快下降, 故整個階段產(chǎn)生較少的反應。由此推測那些在詞匯聯(lián)想測試中產(chǎn)生更多反應的個體有一個較扁平的聯(lián)想層級, 而那些產(chǎn)生較少反應的個體有一個較陡峭的聯(lián)想層級。當聯(lián)想強度越集中在少數(shù)刻板聯(lián)想反應時, 個體獲得創(chuàng)造性解決方案的可能性也越小。更早期的研究也發(fā)現(xiàn)發(fā)散思維任務中生成想法的數(shù)量和質(zhì)量之間存在著正相關, 即豐富的想法產(chǎn)生導致更多的創(chuàng)造性想法(Parnes & Meadow, 1959)。近年來, 研究者借助于圖論分析技術(shù)探測個體語義網(wǎng)絡結(jié)構(gòu)的差異與創(chuàng)造性的關系, 研究發(fā)現(xiàn)相比于低創(chuàng)造性的個體, 高創(chuàng)造性個體的語義網(wǎng)絡結(jié)構(gòu)具有更強靈活性, 有利于概念間的激活傳播(Christensen et al., 2018; Kenett et al., 2014)。靈活性的語義網(wǎng)絡使得高創(chuàng)造性個體的詞匯聯(lián)想具有較少的刻板反應和共性特征, 能夠更容易地激活遠端想法, 更靈活地切換語義類別, 以此發(fā)現(xiàn)不同概念之間的相似之處并建立新穎的元素組合(Hass, 2017; Heinen & Johnson, 2018; Kenett & Faust, 2019)。

對于序列位置效應, 聯(lián)想理論能夠獨立解釋在發(fā)散思維任務進程中想法生成的速率和獨創(chuàng)性。在聯(lián)想的流暢性方面, 研究發(fā)現(xiàn)相比低創(chuàng)造性的個體, 高創(chuàng)造性的個體在連續(xù)的詞語聯(lián)想任務中表現(xiàn)得更好, 反映在更快的平均聯(lián)想速度(Mednick et al., 1964)和更多的自由聯(lián)想(Benedek & Neubauer, 2013; Desiderato & Sigal, 1970; Piers & Kirchner, 1971)及鏈式聯(lián)想數(shù)量(Levin, 1978)。在聯(lián)想的獨特性方面, 研究發(fā)現(xiàn)高創(chuàng)造性的個體通常會產(chǎn)生更多新奇聯(lián)想而不是刻板聯(lián)想(Benedek & Neubauer, 2013; Riegel et al., 1966), 但無論高低創(chuàng)造性個體都會隨著時間的推移在任務后期產(chǎn)生具有更高獨特性的聯(lián)想反應(Olczak & Kaplan, 1969; Piers & Kirchner, 1971)。但正如聯(lián)想理論所強調(diào)的那樣, 高創(chuàng)造性個體無論在早期還是后期階段, 其想法的數(shù)量和質(zhì)量都更優(yōu)于低創(chuàng)造性個體。因此, 聯(lián)想理論更傾向于解釋個體間創(chuàng)造性能力的差異, 而非其底層認知過程的差異。結(jié)合語義激活擴散模型, 創(chuàng)新想法的生成依賴于時間進程上的概念激活和層層傳遞。激活擴散的發(fā)生需要從一個概念擴散到另一個概念, 先發(fā)生近端的強關聯(lián)激活然后再發(fā)生遠端的弱關聯(lián)激活從而導致新穎想法的產(chǎn)生。因此只要有足夠的時間, 激活將逐漸擴散到網(wǎng)絡邊緣的遠端概念, 獨創(chuàng)性的想法也就會出現(xiàn)。此觀點在序列位置效應的相關研究中得到了多次印證, 即相比于任務前期階段產(chǎn)生的想法, 后期階段產(chǎn)生的想法的獨創(chuàng)性明顯增高, 同時想法產(chǎn)生的時間成本也隨之增高(Agnoli et al., 2020; Christensen et al., 1957)。

2.2 基于執(zhí)行控制的解釋

近年來, 越來越多的研究開始關注創(chuàng)造性過程中的執(zhí)行控制成分, 認為自上而下的控制加工對于創(chuàng)新想法的產(chǎn)生起著重要作用。這一觀點為序列位置效應的潛在認知機制提供了新的解釋視角。Beaty和Silvia (2012)認為創(chuàng)新想法產(chǎn)生過程中需要一系列執(zhí)行控制加工的參與, 包括策略的選擇和使用、認知抑制、轉(zhuǎn)換(比如思維固著時需要切換到遠程不尋常的想法)等。Beaty等人(2014)進一步發(fā)現(xiàn)創(chuàng)新想法的產(chǎn)生不僅依賴于自由聯(lián)想加工, 還依賴于目標導向的控制性檢索加工。其中自由聯(lián)想加工使得語義網(wǎng)絡中的概念快速激活, 而控制加工確保以目標為導向的語義檢索。這些研究進一步完善了創(chuàng)造性的雙加工理論(Finke et al., 1992), 認為想法的產(chǎn)生和評估階段均需要自上而下和自下而上加工(Kleinmintz et al., 2019)。因此, 執(zhí)行控制的多種認知成分可能參與了創(chuàng)新想法產(chǎn)生的整個階段, 并在不同的階段扮演著不同的角色(Bai et al., 2021; Miroshnik & Shcherbakova, 2019)。

其一, 想法產(chǎn)生過程中策略的選擇和使用導致序列位置效應。Gilhooly等人(2007)通過兩個實驗揭示了個體在完成用途替代任務(alternative uses task, AUT)的過程中如何隨著時間推移選擇和改變認知策略。在實驗一中, 要求參與者出聲報告任務進行中的思維活動, 即如何想到物體的不尋常用途。對口語報告進行分析得出個體在思考物體的不尋常用途時通常采用的四種策略, 包括記憶檢索、屬性使用, 廣泛用途和拆分策略。接著研究者發(fā)現(xiàn)參與者大多會優(yōu)先采用記憶檢索策略, 即直接從記憶中提取儲存的“舊”想法, 當記憶中可被直接檢索使用的想法被耗盡時, 參與者轉(zhuǎn)而采用其他策略以產(chǎn)生更多的“新”想法。在這一過程中, 情景記憶策略在想法產(chǎn)生的早期占主導地位, 然后是基于物體屬性更抽象的語義知識的檢索策略。此外, 記憶檢索策略與想法的流暢性有關, 記憶檢索和拆分策略與想法的新穎性有關。在實驗二中, 作者進一步檢驗了策略的使用與執(zhí)行控制的關系。參與者被要求在完成AUT后報告哪些是“新”想法, 并完成隨后的類別流暢性和字母流暢性任務, 結(jié)果發(fā)現(xiàn)“新”想法相比“舊”想法出現(xiàn)得更晚, 但新穎性更高。個體的類別流暢性任務表現(xiàn)可以正向預測“舊”想法產(chǎn)生的數(shù)量, 而字母流暢性的任務表現(xiàn)則正向預測了“新”想法產(chǎn)生的數(shù)量。作者認為“舊”想法是基于早期階段的記憶檢索策略產(chǎn)生的, 而“新”想法是基于晚期階段的屬性使用或拆分策略產(chǎn)生的。此外, 研究者還發(fā)現(xiàn)執(zhí)行控制能力較強的個體在AUT任務中更偏向使用非記憶檢索的策略。此后的系列研究采用新舊評分的方法發(fā)現(xiàn)了與此一致的結(jié)果, “新”想法相比于“舊”想法更具獨創(chuàng)性, 且“新”想法通常出現(xiàn)在“舊”想法之后(Benedek et al., 2014; Benedek et al., 2018; Ding et al., 2021; Miroshnik & Shcherbakova, 2019; Silvia et al., 2017)。發(fā)散思維任務中這一特定的想法產(chǎn)生過程揭示了序列位置效應背后策略使用的時間結(jié)構(gòu), 即隨著時間推移, 當個體基于記憶檢索策略逐漸檢索完已有知識經(jīng)驗中的“舊”想法而轉(zhuǎn)向其它策略來產(chǎn)生“新”想法時, 想法會變得更加具有獨創(chuàng)性。盡管策略的選擇和使用在一定程度上解釋時間進程下的想法新穎性的增加, 但這并沒有說明后期想法生成時間成本加大的原因。

其二, 想法產(chǎn)生過程中類別切換導致序列位置效應。Acar和Runco (2017) 考察了發(fā)散思維任務中類別切換和類別停留與想法產(chǎn)生時間的關系。在言語和圖形發(fā)散思維任務中, 參與者被要求隨時口頭報告所想到的想法以記錄單個想法產(chǎn)生的時間。結(jié)果發(fā)現(xiàn)相比于在同一類別中連續(xù)產(chǎn)生新想法, 類別切換所產(chǎn)生的新想法要多消耗大約5秒的時間。也就是說, 當個體需要進入不同概念范疇下生成新想法時, 將需要更多的時間。相比于言語創(chuàng)造性任務, 這種差異在圖形創(chuàng)造性任務中更明顯, 類別切換還要再多出2.5秒。在后續(xù)的研究中, Acar和Abdulla Alabbasi等人(2019)發(fā)現(xiàn)類別切換所需的時間在整個想法產(chǎn)生的過程中并不是相等的。個體在想法產(chǎn)生的后期階段進行類別轉(zhuǎn)換所消耗的時間是最多的, 且明顯高于其在前期階段的轉(zhuǎn)換耗時。這一耗時增量與想法的獨創(chuàng)性呈正相關。作者認為相比于簡單快速地從經(jīng)驗中提取已知的舊想法, 通過類別切換實現(xiàn)遠距離概念連接而形成的新想法將需要更多的時間。來自個體差異視角的研究發(fā)現(xiàn), 高智力和高工作記憶廣度的個體更容易實現(xiàn)類別轉(zhuǎn)換, 而低智力和低工作記憶廣度的個體較低的切換頻率使得他們產(chǎn)生想法的數(shù)量更少, 在AUT任務中產(chǎn)生創(chuàng)造性的想法也就更少(Unsworth et al., 2011)。此外, 高轉(zhuǎn)換能力者會隨著任務時間的推移逐漸產(chǎn)生更獨創(chuàng)性的想法, 而低轉(zhuǎn)換能力者則沒有表現(xiàn)出這一時間進程上的想法獨創(chuàng)性變化(Wang et al., 2017)。研究者認為, 低智力和低轉(zhuǎn)換能力的個體更難有效地控制注意力和認知資源, 因而導致其在想法產(chǎn)生過程中更低的類別轉(zhuǎn)換頻率(Unsworth et al., 2011; Wang et al., 2017)。類別轉(zhuǎn)換的研究解釋了序列想法產(chǎn)生時間成本逐漸增高的原因, 也即是從既定類別下的檢索效率高, 但隨著時間推移需要跨出既定類別而進入新類別下進行檢索, 類別切換加大了時間成本, 尤其是后期想法產(chǎn)生更依賴類別切換, 故此時間成本更高。與此類似, 言語流暢性任務也存在序列位置效應, 個體通常先從明顯易得的類別中搜索殆盡可能的答案, 在陷入僵局時需及時停止并轉(zhuǎn)向新的類別(Unsworth et al., 2011), 因而伴隨其想法生成的時間成本增高, 但這并不意味著想法的新穎性也隨之增大。

其三, 執(zhí)行功能與發(fā)散思維的序列位置效應有關。Beaty等(2012)提出可以從自上而下的控制加工來解釋序列位置效應, 而非僅從激活擴散模型來解釋這一效應。創(chuàng)新想法產(chǎn)生的過程中不僅需要抑制控制來排除近距離、顯而易得或任務無關的想法, 同時也需要工作記憶來維持任務相關目標的持續(xù)激活, 而這些加工都離不開執(zhí)行功能的作用(Storm & Angello, 2010 Storm & Patel, 2014)。Camarda等人(2018)采用雙任務范式操控想法產(chǎn)生過程中的認知負荷, 研究抑制控制在創(chuàng)造性想法產(chǎn)生中的潛在作用。該實驗要求參與者在執(zhí)行Stroop任務的同時完成一項發(fā)散思維任務(就如何防止雞蛋從10米高的地方掉下來而不摔碎提出盡可能多的創(chuàng)造性的解決方案), 結(jié)果發(fā)現(xiàn)抑制控制負荷降低了個體創(chuàng)造性想法的流暢性和靈活性。近期的一項研究同樣采用雙任務范式(要求被試同時執(zhí)行工作記憶和AUT任務), 發(fā)現(xiàn)隨著時間進程想法的獨創(chuàng)性逐漸增高, 呈現(xiàn)序列位置效應。有趣的是在AUT任務的早期階段, 高、低負荷狀態(tài)下產(chǎn)生的想法質(zhì)量無明顯差異, 但在后期階段高負荷狀態(tài)導致想法質(zhì)量稍微降低, 這表明執(zhí)行控制加工更多參與了后期階段的創(chuàng)新想法產(chǎn)生(Kleinkorres et al., 2021)。此外, 與Camarda等人的發(fā)現(xiàn)一致, 隨著時間推移, 想法的靈活性逐漸降低, 無論從認知加工還是策略選擇的角度來講, 靈活性思維都不再適用于持續(xù)性的獨創(chuàng)性想法產(chǎn)生, 因此從靈活性思維到堅持性思維的轉(zhuǎn)變可以解釋為什么執(zhí)行功能越來越影響創(chuàng)新想法產(chǎn)生。另一方面, Beaty等人(2019)從記憶動態(tài)檢索和控制加工視角來探討創(chuàng)新想法的動態(tài)產(chǎn)生機制(Chrysikou, 2019; Volle, 2018)。在實驗中, 他們選取了低聯(lián)想數(shù)量的線索詞(“l(fā)ow-fan”)和高聯(lián)想數(shù)量的線索詞(“high-fan”)作為AUT的測試材料, 結(jié)果發(fā)現(xiàn)被試在“l(fā)ow-fan”線索下產(chǎn)生了更多獨創(chuàng)性的想法, 但數(shù)量較少, 而在“high-fan” 線索下產(chǎn)生了更多數(shù)量的想法, 但獨創(chuàng)性較低。進一步分析發(fā)現(xiàn), 這兩類線索詞都存在序列位置效應, 但是在時間進程下, “l(fā)ow-fan”線索詞產(chǎn)生想法的獨創(chuàng)性越來越高于“high-fan”線索詞。此外, 個體的執(zhí)行控制能力越高, “l(fā)ow-fan”線索詞相比“high-fan”線索詞也更有利于想法獨創(chuàng)性的增加。該研究表明長時記憶中語義共享概念信息的過度激活會干擾創(chuàng)新想法生成, 而執(zhí)行控制能夠幫助克服緊密語義連接的干擾, 這是“high-fan”線索詞也存在序列位置效應的原因。而對于“l(fā)ow-fan”線索詞, 執(zhí)行控制驅(qū)動自上而下的搜索加工, 通過促進策略轉(zhuǎn)換和強制性連接來補償稀疏語義連接, 以此生成新穎的想法(Volle, 2018)。執(zhí)行功能涉及一系列的認知能力與干擾抑制、策略選擇、認知切換等密切關聯(lián), 能夠全面解釋序列位置效應, 但并沒有從根本上否定聯(lián)想理論。此外, 已有研究更多從個體差異的視角論證執(zhí)行功能與序列位置效應關聯(lián), 較少從時程上探討哪種執(zhí)行功能在何時如何作用于想法產(chǎn)生, 這是未來研究亟待解決的問題。

3 序列位置效應的腦機制

在行為層面上, 有關序列位置效應的現(xiàn)象和機制已有大量探討, 但關于序列位置效應的神經(jīng)機制研究則相對較少。腦電圖(electroencephalography, EEG)技術(shù)具有的高時間分辨率使其適用于研究創(chuàng)新想法產(chǎn)生過程中與時間進程關聯(lián)的認知和神經(jīng)振蕩機制(葉超群等, 2021)。Fink和Benedek (2014)系統(tǒng)地回顧了創(chuàng)造性思維(尤其是發(fā)散思維)與 alpha頻段(8～12 Hz)有關的腦電研究, 發(fā)現(xiàn)創(chuàng)新想法產(chǎn)生過程中最穩(wěn)健的神經(jīng)活動模式是前額葉和后頂葉區(qū)域的alpha神經(jīng)振蕩增加, 這反映了創(chuàng)新思維過程中增加的內(nèi)部導向注意和干擾抑制的需求。具體來講, alpha能量對與創(chuàng)造性相關的認知過程的敏感性表現(xiàn)為：(1)隨著任務的創(chuàng)新需求程度越高, alpha能量越高; (2)想法的新穎程度越高, alpha能量越高; (3)個體的創(chuàng)造性水平越高, alpha能量值越高?；谶@些發(fā)現(xiàn), Fink和Benedek提出通過解析alpha能量變化來探究創(chuàng)新思維的認知過程。

Schwab等人(2014)首次探究了AUT任務中單個創(chuàng)新想法產(chǎn)生期間大腦alpha頻段在時間進程上的變化。研究者將想法產(chǎn)生前10秒的腦電數(shù)據(jù)進行三段等分, 發(fā)現(xiàn)alpha能量隨時間進程在右半球顳葉和頂葉區(qū)域上呈現(xiàn)U形變化模式。具體來講, alpha能量在想法產(chǎn)生的初始階段會有相當強的增加, 然后在中間時段出現(xiàn)下降, 并在最后階段再次增加。研究者認為這種alpha能量變化的獨特模式揭示了創(chuàng)新想法產(chǎn)生過程中不同階段的認知變化過程。在想法產(chǎn)生的初始階段, alpha頻段的活動增強被認為與抑制控制和記憶提取有關, 即個體更傾向于從記憶中直接回憶常規(guī)的想法。在這之后, alpha頻段的活動減弱可能表示從記憶中提取的信息正在逐漸減少, 為更富有創(chuàng)造性和想象力的思維過程鋪平道路(Gilhooly et al., 2007)。而在最后階段, 再次增強的alpha能量的活動被認為是專注于內(nèi)部定向的注意力的標志, 以促進特定的記憶搜索和更復雜的創(chuàng)造性思維過程。最近的兩項圖形類的發(fā)散思維任務也報告了類似的結(jié)果。Jaarsveld等人(2015)發(fā)現(xiàn)在圖形創(chuàng)建測試的初始和最后階段, 與任務相關的Upper Alpha頻段(10～12 Hz)的能量明顯增加。Rominger等人(2019)發(fā)現(xiàn)與想法產(chǎn)生階段(初期)相比, 想法精細化階段(后期)與任務相關的Upper Alpha能量的變化增加有關。進一步的分析發(fā)現(xiàn)不同創(chuàng)造性水平的個體在想法產(chǎn)生階段表現(xiàn)出了不同的alpha活動變化模式, 那些產(chǎn)生更多獨創(chuàng)性想法的參與者在創(chuàng)造性思維過程的開始和臨近結(jié)束時alpha能量更高, 且這種U形的alpha能量變化伴隨著早期額—頂—枕葉部位之間的功能連接的增加, 表明了自上而下的執(zhí)行控制過程的激活。其中, 初期階段alpha能量的增加可能表明了更多的聯(lián)想思維和記憶過程, 而后期階段alpha能量的增加可能表明了與想法的細化及評估相關的執(zhí)行控制過程。這些研究結(jié)果展示了發(fā)散思維中有關認知需求的大腦活動的動態(tài)變化, 盡管這些想法的產(chǎn)生過程并非來自單個線索物體的連續(xù)生成, 但一致地表明創(chuàng)造性想法的產(chǎn)生過程遵循著一個與任務相關的alpha能量值變化的時間特征過程。這很可能反映了想法構(gòu)思階段中從最初依賴于內(nèi)部注意生成可能的想法到隨后更依賴于執(zhí)行控制甄別最優(yōu)想法需要由自下而上到自上而下的認知加工轉(zhuǎn)變, 以促進創(chuàng)新想法的產(chǎn)生。

此外, 最近的3項研究考察了AUT任務中多個連續(xù)想法產(chǎn)生期間大腦alpha活動變化的時間過程, 更深刻地揭示了序列位置效應的神經(jīng)活動模式。Wang等人(2017)探究了執(zhí)行功能(包括抑制、轉(zhuǎn)換和刷新能力)與序列位置效應的關系, 發(fā)現(xiàn)抑制控制得分較低的個體在想法產(chǎn)生的早期階段左側(cè)前額葉alpha波相比于右側(cè)活動更強, 而抑制控制得分較高的個體則沒有這種階段差異。作者認為高抑制控制的個體在任務的早期階段僅使用較少的認知資源來抑制占優(yōu)勢的普通想法, 而低抑制控制的個體則需要更多自上而下的控制加工來做到這一點。然而, Kraus等人(2019)發(fā)現(xiàn)alpha能量隨著想法的連續(xù)產(chǎn)生而整體增加, 且相比于右半球, 左半球的alpha能量值在一物多用任務中以更快的速率增加, 而該發(fā)現(xiàn)在類別流暢性任務中呈相反的趨勢。這說明了創(chuàng)新想法產(chǎn)生過程中alpha能量特定于創(chuàng)造性任務需求的變化。與Kraus等人的發(fā)現(xiàn)相似, Agnoli等人(2020)探究了個體在AUT任務中連續(xù)產(chǎn)生4個想法時大腦的動態(tài)活動模式, 發(fā)現(xiàn)alpha能量隨時間進程也呈現(xiàn)整體增加, 特別是在右側(cè)中央、顳葉和頂葉部位, 且alpha能量的變化與想法的新穎性增加模式相關聯(lián)。這些結(jié)果表明早期想法產(chǎn)生更多地從長時記憶中檢索信息, 而晚期想法的產(chǎn)生更多地與自上而下的執(zhí)行控制參與有關?？偟膩砜? alpha能量隨著想法的連續(xù)產(chǎn)生而逐漸增加反映了個體在發(fā)散思維任務過程中越來越依賴于自上而下的執(zhí)行控制加工, 以此主動抑制密切關聯(lián)的優(yōu)勢反應, 促進概念類別靈活轉(zhuǎn)換, 實現(xiàn)遠程關聯(lián)信息的重組, 使得產(chǎn)生的想法隨著時間的推移變得越來越具有創(chuàng)新性。

Beaty等人(2015)采用功能磁共振成像技術(shù)考察了AUT任務中伴隨想法產(chǎn)生過程的全腦功能連接的動態(tài)性變化。相比于控制條件(讓被試想物體特征), 個體在新穎條件下(想物體的新穎用途)激活了廣泛的腦區(qū), 包括默認網(wǎng)絡(default mode network, DMN), 執(zhí)行控制網(wǎng)絡(executive control network, ECN)和突顯網(wǎng)絡(salience network, SN)。通常默認網(wǎng)絡被認為與內(nèi)部導向和自發(fā)聯(lián)想思維的認知過程有關, 如思維漫游、未來想象、心理模擬等(Beaty et al., 2016; Wise & Braga, 2014); 執(zhí)行控制網(wǎng)絡參與需要外部注意導向的認知過程, 如工作記憶、概念整合、抑制控制等(Beaty et al., 2016; Beaty et al., 2019; Chrysikou, 2019); 突顯網(wǎng)絡負責默認網(wǎng)絡和執(zhí)行控制網(wǎng)絡之間動態(tài)切換, 促進注意資源重新再分配, 例如在創(chuàng)新想法產(chǎn)生過程中將內(nèi)部注意轉(zhuǎn)向外部注意, 可以對優(yōu)勢和習慣性想法進行定向(Beaty et al., 2016)。緊接著, 作者以2 s為單位對12 s想法產(chǎn)生過程進行分割并考察腦功能網(wǎng)絡的動態(tài)變化, 結(jié)果發(fā)現(xiàn)在AUT任務初期, DMN和SN之間的耦合增強, 而在任務后期DMN與ECN之間的耦合增強。作者認為AUT任務中功能網(wǎng)絡耦合的動態(tài)變化表明創(chuàng)新想法的產(chǎn)生過程涉及與自發(fā)聯(lián)想、認知控制和語義記憶檢索相關的大腦網(wǎng)絡之間的合作, 以集中內(nèi)部注意并執(zhí)行自上而下的認知控制。Heinonen等人(2016)設計了新的探測方式來調(diào)查發(fā)散思維中序列位置效應的腦機制。參與者在AUT任務中通過按鍵來反應他們想到了新想法, 但在磁共振里無需進行口頭報告(磁共振掃描結(jié)束后進行回憶報告)。行為結(jié)果與經(jīng)典的序列位置效應模式一致; 神經(jīng)影像數(shù)據(jù)分析顯示雙側(cè)腦島和背側(cè)前扣帶回(突顯網(wǎng)絡的關鍵腦區(qū))主導了新想法產(chǎn)生, 且隨著序列位置增加激活增強; 此外隨著序列位置的增加, 默認網(wǎng)絡內(nèi)的雙側(cè)楔前葉/楔葉、扣帶后回、右側(cè)下頂葉的活動越來越活躍。

盡管兩項研究采用了不同的數(shù)據(jù)分析手段, 但在腦網(wǎng)絡水平上的發(fā)現(xiàn)趨于一致, 例如默認網(wǎng)絡參與了整個創(chuàng)新想法過程, 突顯網(wǎng)絡可能負責默認網(wǎng)絡和執(zhí)行控制網(wǎng)絡之間動態(tài)切換。關于執(zhí)行控制網(wǎng)絡的作用, 盡管兩項研究在結(jié)論上是一致的, 但Heinonen等人并沒有發(fā)現(xiàn)執(zhí)行控制網(wǎng)絡的經(jīng)典腦區(qū), 比如背外側(cè)前額葉、內(nèi)側(cè)前額葉等腦區(qū)活動參與序列想法產(chǎn)生, 而是將扣帶前回界定為執(zhí)行控制網(wǎng)絡的關鍵腦區(qū), 以此得出ECN參與了序列想法產(chǎn)生, 但此區(qū)域的功能分區(qū)多被劃分到DMN或SN。關于ECN不一致的發(fā)現(xiàn), 一種可能的原因是這兩項研究采用了不同的想法報告方式, Beaty等人的研究采用單反應出聲思維報告, 這個過程涉及對想法的再次加工, 例如選擇、評價、精煉并做出反應, 故ECN參與程度更多; 而Heinonen等人的研究采用無需報告的設計, 更利于內(nèi)部思維的流暢性, 故默認網(wǎng)絡的參與更多, 而負責思維外化的ECN參與更少。這在一定程度上表明創(chuàng)新想法產(chǎn)生過程中ECN主導的認知功能受制于任務背景, 且作用對象隨之發(fā)生變化。結(jié)合EEG研究, alpha 能量隨時間進程呈現(xiàn)U形變化模式的發(fā)現(xiàn), 我們認為在想法產(chǎn)生初期, 以外側(cè)前額葉為核心的執(zhí)行控制網(wǎng)絡作用于語義記憶相關的外側(cè)顳葉來抑制優(yōu)勢凸顯的和常規(guī)想法。而在此階段, DMN并不與ECN形成共激活模式, 而是呈現(xiàn)繼時上的此消彼長模式。隨著時間推移, 優(yōu)勢凸顯想法帶來的干擾逐漸降低, 同時語義檢索的空間以及與刺激概念(即線索物體)的距離變大, 此時外側(cè)前額葉主導的執(zhí)行控制網(wǎng)絡轉(zhuǎn)向控制性的語義檢索, 包括對表征轉(zhuǎn)換、遠距離概念整合以及在工作記憶空間對生成潛在想法的選擇和評價等。在神經(jīng)活動模式上表現(xiàn)為ECN與DMN耦合, 尤其是外側(cè)前額葉與額下回、背內(nèi)側(cè)前額葉以及海馬(隸屬于默認網(wǎng)絡)的共同激活?？傊? 已有腦影像的研究表明創(chuàng)新想法產(chǎn)生依賴于DMN、ECN和SN的動態(tài)耦合, 但三大網(wǎng)絡如何導致序列位置效應的精細化機制還有待進一步研究。

4 總結(jié)與展望

綜上所述, 本文對序列位置效應的理論和相關研究進行了梳理, 表明序列想法的生成依賴于聯(lián)想加工和執(zhí)行控制的多種認知能力, 以及與這些認知加工關聯(lián)的大腦區(qū)域和網(wǎng)絡協(xié)同作用。然而, 目前有關于序列位置效應的腦機制研究相對較少, 解釋框架多圍繞已有創(chuàng)造性思維的認知和大腦加工機制。未來的研究需要更多地考慮序列位置效應中的動態(tài)特性模型, 包括序列想法動態(tài)特性量化、加工的階段性以及階段性交互作用, 及其底層的大腦加工機制等, 以期通過對序列位置效應的深入解析來探究創(chuàng)新想法產(chǎn)生的動態(tài)機制?；谛蛄形恢眯獙馕鰟?chuàng)新想法發(fā)生過程的重要性, 未來的研究有必要進一步關注以下幾個方面的問題：

4.1 考察發(fā)散思維序列位置效應的特異性機制

早期研究發(fā)現(xiàn)序列位置效應存在知覺(Sperling, 1960)、記憶(Conrad, 1964)以及自由聯(lián)想等任務中。例如記憶研究中常采用序列回憶、線索回憶、自由回憶等范式探究的時程上的序列位置現(xiàn)象和機制(Lewandowsky & Farrell, 2008)。此外, 與發(fā)散思維類似, 語言流暢性任務同樣展現(xiàn)出序列位置效應, 也涉及多個執(zhí)行控制加工, 特別是線索生成、類別切換和干擾管理(Unsworth et al., 2011)。Logan (2018)發(fā)展出基于背景檢索和更新(Context Retrieval and Updating; CRU)模型來解釋專家的自動化反應, 例如在自動化打字中的序列輸出行為。不同于相繼抑制模型(Rumelhart & Norman, 1982)和序列競爭模型(Grossberg, 1978), 該模型強調(diào)個體反應帶來的背景信息變化使之下一個潛在反應(包括動作、回憶、聯(lián)想等)的激活強度發(fā)生變化, 因此背景信息的迭代變化是序列反應發(fā)生的關鍵。研究者通過模擬數(shù)據(jù)和實證研究發(fā)現(xiàn)不同形式的序列位置效應可能由相同的潛在機制所解釋(Logan, 2018), 故作者認為CRU模型同樣是適用于解釋知覺、記憶和動作的序列位置效應, 具有泛化性。CRU模型認為問題背景下的概念是平行激活但彼此競爭, 概念激活強度與當前背景的相似性呈正比, 隨著反應發(fā)生背景也隨之更新, 概念激活強度呈現(xiàn)梯度變換, 再由自動化的選擇過程做出反應, 由此導致反應呈現(xiàn)序列位置效應。盡管發(fā)散思維序列位置效應的研究逐漸涌現(xiàn), 對其機制的解釋仍是基于創(chuàng)造性思維研究領域的理論模型(Beaty et al., 2014; Mednick, 1962)。作為序列位置效應中的一種現(xiàn)象, 發(fā)散思維的序列位置效應是否可以根據(jù)CRU模型來解釋有待未來的實證研究。無論是聯(lián)想理論還是執(zhí)行控制假說, 都強調(diào)靜態(tài)語義網(wǎng)絡中概念激活和抑制功能的作用, 而CRU弱化了抑制在序列反應中的作用, 更強調(diào)背景信息的迭代變化與概念激活、反應選擇的動態(tài)關系。事實上發(fā)散思維任務中被試的序列反應可能導致個體語義網(wǎng)絡的動態(tài)調(diào)整, 基于CRU模型可以根據(jù)語義網(wǎng)絡的動態(tài)變化來推導序列反應之間的關系, 而不僅僅從激活聯(lián)結(jié)和相互抑制的角度來解釋。此外, 我們認為CRU的泛化性能夠解釋發(fā)散思維序列位置現(xiàn)象的部分效應, 同時發(fā)散思維序列位置效應無法被CRU解釋的部分, 可能反映了其特異性認知加工過程。建議今后的研究者結(jié)合CRU模型和計算建模來探究序列位置效應的機制。

4.2 刻畫發(fā)散思維序列位置效應的動態(tài)特征

眾多研究通過神經(jīng)影像技術(shù)來解析創(chuàng)新思維的動態(tài)性機制, 如 Beaty等人(2016)基于任務態(tài)功能連接分析來探究發(fā)散思維加工過程中的腦網(wǎng)絡協(xié)同機制, 發(fā)現(xiàn)在想法產(chǎn)生的早期階段由默認網(wǎng)絡主導, 而在后期階段由默認網(wǎng)絡和執(zhí)行控制網(wǎng)絡主導。音樂即興創(chuàng)作的神經(jīng)影像學研究發(fā)現(xiàn)與發(fā)散思維相似的腦網(wǎng)絡連接模式(Belden et al., 2019; Mota et al., 2020)。但這些研究多采用以腦數(shù)據(jù)為中心的數(shù)據(jù)驅(qū)動原則, 從大腦加工模式來推斷創(chuàng)新想法潛在的認知機制。由于關于負責創(chuàng)造性的大腦網(wǎng)絡或區(qū)域的解釋具有非特異性, 并未有效回答創(chuàng)新思維加工的動態(tài)機制。發(fā)散思維在時程上的想法連續(xù)產(chǎn)生刻畫了從問題初始狀態(tài)到解決狀態(tài)的思維動態(tài)過程(Jaarsveld et al., 2015)。盡管這些序列離散的想法并不能反應創(chuàng)新思維發(fā)生的完整過程, 但在一定程度上反映了創(chuàng)新想法產(chǎn)生的連續(xù)動態(tài)性。已有研究傾向于把序列位置想法視為階段加工, 通過對不同位置或時間段上的想法新穎性及其腦活動模式進行比較來解釋序列位置效應的潛在機制(Wang et al., 2017)。但Volle (2018)基于聯(lián)想理論提出創(chuàng)新想法的產(chǎn)生是想法相互依賴的過程。該理論觀點指出創(chuàng)新想法的產(chǎn)生具有連續(xù)性, 且想法之間存在依存關系。基于此, 我們認為對序列位置上的創(chuàng)新想法的關系進行量化可以在一定程度上描繪想法產(chǎn)生的連續(xù)性過程。例如, 通過潛在語義分析技術(shù)(latent semantic analysis, LSA)計算線索物體與想法, 以及連續(xù)兩個想法之間的相似性或語義距離(Gray et al., 2019), 從而刻畫基于線索物體所產(chǎn)生系列想法的變化趨勢以及函數(shù)關系。此外, 根據(jù) Yoed等人對創(chuàng)造性語義網(wǎng)絡的構(gòu)建和分析證實想法之間的語義距離可以度量想法的新穎性, 并結(jié)合圖論分析方法將序列想法映射到語義結(jié)構(gòu)空間, 即可以從模塊性、節(jié)點中心性等網(wǎng)絡分析指標來度量創(chuàng)新想法之間的關系, 這為序列位置效應的動態(tài)機制探究提供了可取的方法學指引 (Kenett & Faust, 2019)。

4.3 揭示發(fā)散思維序列想法生成的動態(tài)神經(jīng)機制

目前僅有的幾項關于發(fā)散思維序列位置效應的神經(jīng)機制考察了不同時程階段上想法產(chǎn)生的腦活動模式差異。如果從想法產(chǎn)生的連續(xù)性視角來看, 這些研究僅探討了想法產(chǎn)生的早期和晚期階段差異。基于本綜述的核心觀點, 我們認為發(fā)散思維序列位置效應是研究創(chuàng)新思維動態(tài)性機制的新窗口。在已有研究的基礎上, 未來研究探究大腦是如何驅(qū)動創(chuàng)新想法的動態(tài)產(chǎn)生將帶來更多的理論價值。該問題解決可以從兩個層面來考察：一是通過神經(jīng)活動模式的相似性來探究序列想法是否存在相互依賴, 例如類別切換階段神經(jīng)活動模式的相似性是否有別于類別內(nèi)。亦或通過表征相似性分析探究序列想法之間的神經(jīng)動態(tài)耦合模式變化, 進而解析想法互依和不互依的神經(jīng)基礎。二是通過滑動時間窗動態(tài)網(wǎng)絡分析(Sun et al., 2019; Rabinovich et al., 2020)、隱馬爾可夫模型(Anderson et al., 2016)來解構(gòu)發(fā)散思維整個過程中的大腦活動狀態(tài)數(shù)量、切換頻次和轉(zhuǎn)移路徑, 然后鎖定創(chuàng)新想法的大致時間窗口并進一步解析其特異性的大腦活動模式。同時可以考察想法產(chǎn)生過程中大腦活動狀態(tài)與想法獨創(chuàng)性的關系。此外, 可以借助動態(tài)因果模型(Friston et al., 2003; Tik et al., 2018; Vartanian et al., 2018)、格蘭杰因果分析(Seth et al., 2015; Duan et al., 2020)考察關鍵腦區(qū)(例如背外側(cè)前額葉)在每個想法產(chǎn)生時的連通模式和信息流向, 進而明晰動態(tài)想法產(chǎn)生的大腦驅(qū)動模式是什么。

4.4 探索發(fā)散思維序列位置效應的影響因素

無論是發(fā)散思維還是其他類型創(chuàng)造性問題解決任務, 都需要在一定的時間內(nèi)組織和加工信息, 并產(chǎn)生適合且新穎的解決方案。序列位置效應的一個隱含前提是個體需要在相當長的時間內(nèi)才最有可能產(chǎn)生獨特性的答案。那么到底多長時間最有利于個體產(chǎn)生新穎想法呢？有元分析發(fā)現(xiàn)相比于限制時間作答, 自由時間條件下發(fā)散思維的平均效率(也即是單個想法的質(zhì)量)更高。但這并不意味著時間越長越好, 因為隨著時間加長, 個體想法產(chǎn)生的質(zhì)量會呈倒“J”模式, 也即是在想法產(chǎn)生的后期階段, 會出現(xiàn)獨創(chuàng)性的衰減(Paek et al., 2021)。但已有研究也發(fā)現(xiàn)獨創(chuàng)性變化的函數(shù)關系并不僅僅依賴時間, 還受到諸多因素的影響, 比如執(zhí)行功能、元認知、動機、對時間壓力的感知等(Beaty & Silvia, 2012; Jia et al., 2019; Paek et al., 2021)。例如家曉余(2018)的研究發(fā)現(xiàn)持有創(chuàng)造性可塑觀(可視為一種內(nèi)部動機)的個體能夠通過認知堅持獲得更加獨創(chuàng)性的想法。此外, 對序列位置效應的影響因素探究會給創(chuàng)造性教育帶來諸多啟發(fā), 例如通過執(zhí)行功能訓練、增強內(nèi)部動機、優(yōu)化作答時間等方式讓學生通達創(chuàng)造性的想法, 激發(fā)學生的創(chuàng)新潛能。因此, 建議未來的研究關注影響序列位置效應的個體內(nèi)部和外部因素, 理清該效應的邊界條件。

家曉余. (2018).(博士學位論文). 浙江大學, 杭州.

葉超群, 林郁泓, 劉春雷. (2021). 創(chuàng)造力產(chǎn)生過程中的神經(jīng)振蕩機制.(4), 697–706

趙慶柏, 李松清, 陳石, 周治金, 成良. (2015). 創(chuàng)造性問題解決的動態(tài)神經(jīng)加工模式.,(3), 375–384.

Acar, S., Abdulla Alabbasi, A. M., Runco, M. A., & Beketayev, K. (2019). Latency as a predictor of originality in divergent thinking.,, 100574.

Acar, S., & Runco, M. A. (2017). Latency predicts category switch in divergent thinking.,(1), 43–51.

Acar, S., Runco, M. A., & Ogurlu, U. (2019). The moderating influence of idea sequence: A re-analysis of the relationship between category switch and latency.,, 214–217.

Agnoli, S., Zanon, M., Mastria, S., Avenanti, A., & Corazza, G. E. (2020). Predicting response originality through brain activity: An analysis of changes in EEG alpha power during the generation of alternative ideas.,, 116385.

Anderson, J. R., Pyke, A. A., & Fincham, J. M. (2016). Hidden stages of cognition revealed in patterns of brain activation.,(9), 1215–1226.

Bai, H., Leseman, P. P. M., Moerbeek, M., Kroesbergen, E. H., & Mulder, H. (2021). Serial order effect in divergent thinking in five- to six-year-olds: Individual differences as related to executive functions.,(2), 20.

Beaty, R. E., Benedek, M., Kaufman, S. B., & Silvia, P. J. (2015). Default and executive network coupling supports creative idea production.,, 10964.

Beaty, R. E., Benedek, M., Silvia, P. J., & Schacter, D. L. (2016). Creative cognition and brain network dynamics.(2), 87–95.

Beaty, R. E., & Johnson, D. R. (2020). Automating creativity assessment with SemDis: An open platform for computing semantic distance.,(2), 757–780.

Beaty, R. E., Kenett, Y. N., Hass, R. W., & Schacter, D. L. (2019). A fan effect for creative thought: Semantic richness facilitates idea quantity but constrains idea quality..

Beaty, R. E., & Silvia, P. J. (2012). Why do ideas get more creative across time? An executive interpretation of the serial order effect in divergent thinking tasks.,(4), 309–319.

Beaty, R. E., Silvia, P. J., Nusbaum, E. C., Jauk, E., & Benedek, M. (2014). The roles of associative and executive processes in creative cognition.,(7), 1186–1197.

Belden, A., Zeng, T., Przysinda, E., Anteraper, S. A., Whitfield-Gabrieli, S., & Loui, P. (2019). Improvising at rest: Differentiating jazz and classical music training with resting state functional connectivity.,(2), 116384.

Benedek, M., Jauk, E., Fink, A., Koschutnig, K., Reishofer, G., Ebner, F., & Neubauer, A. C. (2014). To create or to recall? Neural mechanisms underlying the generation of creative new ideas.,, 125–133.

Benedek, M., & Neubauer, A. C. (2013). Revisiting mednick’s model on creativity-related differences in associative hierarchies. evidence for a common path to uncommon thought.,(4), 273–289.

Benedek, M., Schües, T., Beaty, R. E., Jauk, E., Koschutnig, K., Fink, A., & Neubauer, A. C. (2018). To create or to recall original ideas: Brain processes associated with the imagination of novel object uses.,, 93–102.

Camarda, A., Borst, G., Agogué, M., Habib, M., Weil, B., Houdé, O., & Cassotti, M. (2018). Do we need inhibitory control to be creative? Evidence from a dual-task paradigm.,(3), 351–358.

Christensen, A. P., Kenett, Y. N., Cotter, K. N., Beaty, R. E., & Silvia, P. J. (2018). Remotely close associations: Openness to experience and semantic memory structure.,(4), 480–492.

Christensen, P. R., Guilford, J. P., & Wilson, R. C. (1957). Relations of creative responses to working time and instructions.,(2), 82–88.

Chrysikou, E. G. (2019). Creativity in and out of (cognitive) control., 94–99.

Collins, A. M., & Loftus, E. F. (1975). A spreading- activation theory of semantic processing.,(6), 407–428.

Conrad, R. (1964). Acoustic confusions in immediate memory.,(1), 75–84.

Desiderato, O., & Sigal, S. (1970). Associative productivity as a function of creativity level and type of verbal stimulus.,, 357–358.

Ding, K., Chen, Q., Yang, W., Wang, X., Yang, D., Ding, C., & Qiu, J. (2021). Recognizing ideas generated in a creative thinking task: Effect of the subjective novelty., 1–13.

Duan, H., Yang, T., Wang, X., Kan, Y., Zhao, H., Li, Y., & Hu, W. (2020). Is the creativity of lovers better? A behavioral and functional near-infrared spectroscopy hyperscanning study.,41–54.

Fink, A., & Benedek, M. (2014). EEG alpha power and creative ideation.(100), 111–123.

Finke, R. A., Ward, T. B., & Smith, S. M. (1992).. Cambridge, MA: MIT Press.

Friston, K. J., Harrison, L., & Penny, W. (2003). Dynamic causal modelling.,(4), 1273–1302.

Gilhooly, K. J., Fioratou, E., Anthony, S. H., & Wynn, V. (2007). Divergent thinking: Strategies for generating alternative uses for familiar objects.,(4), 611–625.

Gray, K., Anderson, S., Chen, E. E., Kelly, J. M., Christian, M. S., Patrick, J., Huang, L., Kenett, Y. N., & Lewis, K. (2019). “Forward flow”: A new measure to quantify free thought and predict creativity., 74(5), 539–554.

Grossberg, S. (1978). A theory of human memory: Self-organization and performance of sensory-motor codes, maps, and plans. In R. Rosen & F. Snell (Eds.),(Vol. 5, pp. 233–374). New York, NY: Academic Press.

Hass, R. W. (2017). Semantic search during divergent thinking.,, 344–357.

Heinen, D. J. P., & Johnson, D. R. (2018). Semantic distance: An automated measure of creativity that is novel and appropriate.,(2), 144–156.

Heinonen, J., Numminen, J., Hlushchuk, Y., Antell, H., Taatila, V., & Suomala, J. (2016). Default mode and executive networks areas: Association with the serial order in divergent thinking.,(9), e0162234.

Jaarsveld, S., Fink, A., Rinner, M., Schwab, D., Benedek, M., & Lachmann, T. (2015). Intelligence in creative processes: An EEG study.,, 171–178.

Jia, X., Li, W., & Cao, L. (2019). The role of metacognitive components in creative thinking.,, 2404.

Kenett, Y. N., Anaki, D., & Faust, M. (2014). Investigating the structure of semantic networks in low and high creative persons.,407.

Kenett, Y. N., & Faust, M. (2019). A Semantic Network Cartography of the Creative Mind.,(4), 271–274.

Kleinkorres, R., Forthmann, B., & Holling, H. (2021). An experimental approach to investigate the involvement of cognitive load in divergent thinking.,(1), 3.

Kleinmintz, O. M., Ivancovsky, T., & Shamay-Tsoory, S. G. (2019). The two-fold model of creativity: The neural underpinnings of the generation and evaluation of creative ideas.,, 131–138.

Kraus, B., Cadle, C., & Simon-Dack, S. (2019). EEG alpha activity is moderated by the serial order effect during divergent thinking.,, 84–95.

Levin, I. (1978). Creativity and two modes of associative fluency: Chains and stars.,(3), 426–437.

Lewandowsky, S., & Farrell, S. (2008). Short-term memory: New data and a model.,, 1–48.

Logan, G. D. (2018). Automatic control: How experts act without thinking.,(4), 453–485.

Martindale, C., & Hasenfus, N. (1978). EEG differences as a function of creativity, stage of the creative process, and effort to be original.,(3), 157–167.

Mednick, M. T. S., Mednick, S. A., & Jung, C. C. (1964). Continual association as a function of level of creativity and type of verbal stimulus.,, 511–515.

Mednick, S. A. (1962). The associative basis of the creative process.(3)220–232.

Milgram, R. M., & Rabkin, L. (1980). Developmental test of Mednick's associative hierarchies of original thinking.,(2), 157–158.

Miroshnik, K. G., & Shcherbakova, O. V. (2019). The proportion and creativity of "old" and "new" ideas: Are they related to fluid intelligence?,, 101384.

Mota, P. A. D., Fernandes, H. M., Stark, E. A., Cabral, J., Heggli, O. A., Sousa, N., ... Vuust, P. (2020). The dynamics of the improvising brain: A study of musical creativity using jazz improvisation.2020.2001. 2029.924415.

Olczak, P., & Kaplan, M. F. (1969). Originality and rate of response in association as a function of associative gradient.,(2), 157–167.

Paek, S. H., Alabbasi, A. M. A., Acar, S., & Runco, M. A. (2021). Is more time better for divergent thinking? A meta-analysis of the time-on-task effect on divergent thinking.,, 100894.

Parnes, S. J., & Meadow, A. (1959). Effects of "brainstorming" instructions on creative problem solving by trained and untrained subjects.,(4), 171–176.

Phillips, V. K., & Torrance, E. P. (1977). Levels of originality at earlier and later stages of creativity test tasks.,(2), 147–147.

Piers, E., & Kirchner, E. (1971). Productivity and uniqueness in continued word association as a function of subject creativity and stimulus properties.,(2), 264–276.

Rabinovich, M. I., Zaks, M. A., & Varona, P. (2020). Sequential dynamics of complex networks in mind: Consciousness and creativity.,, 1–32.

Riegel, K. F., Riegel, R. M., & Levine, R. S. (1966). An analysis of associative behavior and creativity.,(1), 50–56.

Rominger, C., Papousek, I., Perchtold, C. M., Benedek, M., Weiss, E. M., Schwerdtfeger, A., & Fink, A. (2019). Creativity is associated with a characteristic U-shaped function of alpha power changes accompanied by an early increase in functional coupling.,(4), 1012–1021.

Rumelhart, D. E., & Norman, D. A. (1982). Simulating a skilled typist: A study of skilled cognitive-motor performance.,(1), 1–36.

Runco, M. A. (1986). Flexibility and Originality in Children's Divergent Thinking.,(4), 345–352.

Schwab, D., Benedek, M., Papousek, I., Weiss, E. M., & Fink, A. (2014). The time-course of EEG alpha power changes in creative ideation.,, 310.

Seth, A. K., Barrett, A. B., & Barnett, L. (2015). Granger causality analysis in neuroscience and neuroimaging., 35(8), 3293–3297.

Silvia, P. J., Nusbaum, E. C., & Beaty, R. E. (2017). Old or New? Evaluating the old/new scoring method for divergent thinking tasks.,(3), 216–224.

Sperling, G. (1960). The Information Available in Brief Visual Presentations.,(11), 1–29.

Storm, B. C., & Angello, G. (2010). Overcoming fixation: Creative problem solving and retrieval-induced forgetting.,(9), 1263–1265.

Storm, B. C., & Patel, T. N. (2014). Forgetting as a consequence and enabler of creative thinking.,(6), 1594–1609.

Sun, J., Liu, Z., Rolls, E. T., Chen, Q., Yao, Y., Yang, W., ... Qiu, J. (2019). Verbal creativity correlates with the temporal variability of brain networks during the resting state.,(3), 1047–1058.

Tik, M., Sladky, R., Luft, C. D. B., Willinger, D., Hoffmann, A., Banissy, M. J., ... Windischberger, C. (2018). Ultra‐high‐field fMRI insights on insight: Neural correlates of the Aha!‐moment.,(8), 3241–3252.

Unsworth, N., Spillers, G. J., & Brewer, G. A. (2011). Variation in verbal fluency: A latent variable analysis of clustering, switching, and overall performance.,(3), 447–466.

Vartanian, O., Beatty, E. L., Smith, I., Blackler, K., Lam, Q., & Forbes, S. (2018). One-way traffic: The inferior frontal gyrus controls brain activation in the middle temporal gyrus and inferior parietal lobule during divergent thinking.,, 68–78.

Volle, E. (2018). Associative and controlled cognition in divergent thinking: Theoretical, experimental, neuroimaging evidence, and new directions. In R. E. Jung & O. Vartanian (Eds.),(pp. 333–360). New York, NY: Cambridge University Press.

Wang, M., Hao, N., Ku, Y., Grabner, R. H., & Fink, A. (2017). Neural correlates of serial order effect in verbal divergent thinking.,, 92–100.

Ward, W. C. (1969). Rate and uniqueness in children's creative responding.,(3), 869–878.

Wise, R. J., & Braga, R. M. (2014). Default mode network: The seat of literary creativity?,(3), 116–117.

Serial order effect during divergent thinking: A new perspective on the dynamic mechanism of creative thought processes

CHEN Qunlin, DING Ke

(Faculty of Psychology, Southwest University, Chongqing 400715, China)

The serial order effect in divergent thinking (DT) is one of the most robust findings in the field of creativity research. This effect refers to the phenomenon that the number of generated ideas decreases, whereas the originality of ideas increases across time while performing DT. Both association theory and executive control hypothesis contribute to explaining the serial order effect, but the association theory and the executive control hypothesis focus on explaining individual differences in the serial order effect and cognitive processing, respectively. Previous neuroimaging studies have found gradually increased activation in the posterior areas of the posterior default network (i.e., precuneus and posterior cingulate gyrus) and the salience network (i.e., bilateral insula and dorsal anterior cingulate gyrus) was associated with the generation of serial novel ideas. In the later stage of DT, the energy of alpha of the temporal-parietal region, as well as the cooperation between the executive control network and the default network is increased, suggesting that internally-directed cognitive processes play a key role for the originality of the later serial ideas. Future research needs to combine cognitive and computational models, semantic analysis, brain dynamic analytical approaches, and representational similarity analysis to explore the cognitive and neural mechanisms of the serial order effect, as to provide a new perspective for deconstructing the dynamic process of creative thinking.

divergent thinking, serial order effect, creative idea, dynamic processes, neural mechanism

2021-11-15

* 國家自然科學基金青年項目(31800919); 重慶自然科學基金面上項目(cstc2021jcyj-msxmX1080)支持。

陳群林, E-mail: chenqunlin@swu.edu.cn

丁珂, E-mail: dingke2022@gmail.com

B842