语义网络结构对创造性的影响及其脑功能基础
发布时间:2021-06-21 23:05
创造性是人类所特有的一项高级认知功能,它对于人类的发展和进步有着至关重要甚至决定性的作用,对于个人的成功来说亦是如此。创造性体现了一个人能够结合已存储的知识系统从而产出具有新颖性和有用性的观点和产品的能力,是一种复杂的受多种因素影响的高级认知能力。个体的知识经验对于创造性来说具有重要的影响,可以说创造性观点的产出是其知识经验和创造性思维能力共同发酵的结果。语义记忆网络是语义记忆结构或概念系统的主要表征方式,存储着我们关于词语的含义以及关于世界的知识经验,对研究创造性认知加工机制具有重要意义。在理论层面,语义网络中所表征的概念是创造性认知过程所必须的“原材料”,其组织结构直接决定了概念间的连接特性,而概念本身又是创造性认知过程的操作对象;在实践层面,近年来不断发展的网络科学方法为创造性研究提供了强大的方法论框架及量化工具,研究者得以分别从语义网络结构及语义相关认知操作的角度探讨语义网络与创造性的内在联系及作用机制。但语义网络和创造性过程都受到了大脑相关脑区活动的影响,使得它们之间的关系变得更加复杂。从行为研究层面对语义网络和创造性之间关系进行探究的同时,对其背后的大脑神经机制进行探究可以...
【文章来源】:西南大学重庆市 211工程院校 教育部直属院校
【文章页数】:59 页
【学位级别】:硕士
【部分图文】:
高/低创造性组的语义网络表3-3高/低创造组的语义网络属性
3研究一:高创造性者的语义网络结构特征—基于组水平语义网络17图3-2高/低创造性组的部分语义网络属性3.4讨论研究一通过构建高创造性组和低创造性组的组水平语义网络,并对两个组水平语义网络的属性之间的统计比较,直观展示了高创造性者所具有的语义网络结构特征。研究一招募了大样本的被试群体,让他们完成了创造性能力的测量和96个线索词产生自由联想任务,并根据创造性分数将其分为高创造性组和低创造性组。对每一个组,基于其被试的自由联想反应的数据,计算每两个线索词之间的语义相似性,由此构建了组水平的语义网络,该网络表征了这些线索词在被试的心理词典中的组织结构。通过对两组语义网络属性的组间比较,结果发现,相对于低创造性组,高创造性组的语义网络具有较高的集聚系数、小世界属性和全局效率,以及较小的平均最短路径长度和模块化系数。换句话说,高创造性组的语义网络更加展现出小世界属性,网络中节点之间的连接更加紧密,更加整体化,信息传递的效率更高。3.4.1高创造性者的语义网络的宏观结构高创造性个体的语义网络的宏观结构主要体现在其小世界属性、平均最短路径长度和全
常用途。CAQ任务中要求被试列出自己在十个不同领域中获得的真实创造性成果,包括视觉艺术、音乐、舞蹈、建筑设计、创造性写作、幽默、发明、科学发现、戏剧和电影及烹饪艺术。每个项目有7个选项,第一个选项代表“没有创造性”,之后的选项所代表的创造性成就逐渐上升,每个选项有不同的分数。威廉姆斯创造性倾向通过50个问题测量个体在冒险性、好奇性、想象力和挑战性上的能力。为了能够更好的代表被试的创造性能力,将这三种创造性测试中的各个维度合并在一起做了主成分分析,并将第一个主成分作为本研究中的创造性分数。图4-1相似性评分任务的实验流程图4.2.3个体语义网络的构建及统计分析根据每个被试的相似性评分的结果,以每对线索词之间的评分作为边构建了个体水平的语义网络,即一个48×48的对称的有权无向网络。首先,由于这些线索词中每4个词属于同一个语义类别,而属于同一类别的线索词的语义相似性应该显著高于属于不同类别的线索词的语义相似性,并且跨越不同语义类别进行语义联想也是创造性能力的一种体现[20]。为了验证这一关系并确保被试作答的可靠性,分别计算了语义类别内和类别间的平均语义相似性,并进行差异比较。同时还构建了平均的语义相似性矩阵对类别内和类别间的关系进行可视化(图3-1)。其次,参照已有文献中的处理方法[60],对每个个体语义网络卡一定的阈值对其进行稀疏化和二值化处理。本研究设定阈值为5,即相似性评分低于5分的边将被设置为0,而相似性评分高于5分的则设置为1,由此便得到了无向无权的二值化语义网络,基于该语义网
本文编号:3241599
【文章来源】:西南大学重庆市 211工程院校 教育部直属院校
【文章页数】:59 页
【学位级别】:硕士
【部分图文】:
高/低创造性组的语义网络表3-3高/低创造组的语义网络属性
3研究一:高创造性者的语义网络结构特征—基于组水平语义网络17图3-2高/低创造性组的部分语义网络属性3.4讨论研究一通过构建高创造性组和低创造性组的组水平语义网络,并对两个组水平语义网络的属性之间的统计比较,直观展示了高创造性者所具有的语义网络结构特征。研究一招募了大样本的被试群体,让他们完成了创造性能力的测量和96个线索词产生自由联想任务,并根据创造性分数将其分为高创造性组和低创造性组。对每一个组,基于其被试的自由联想反应的数据,计算每两个线索词之间的语义相似性,由此构建了组水平的语义网络,该网络表征了这些线索词在被试的心理词典中的组织结构。通过对两组语义网络属性的组间比较,结果发现,相对于低创造性组,高创造性组的语义网络具有较高的集聚系数、小世界属性和全局效率,以及较小的平均最短路径长度和模块化系数。换句话说,高创造性组的语义网络更加展现出小世界属性,网络中节点之间的连接更加紧密,更加整体化,信息传递的效率更高。3.4.1高创造性者的语义网络的宏观结构高创造性个体的语义网络的宏观结构主要体现在其小世界属性、平均最短路径长度和全
常用途。CAQ任务中要求被试列出自己在十个不同领域中获得的真实创造性成果,包括视觉艺术、音乐、舞蹈、建筑设计、创造性写作、幽默、发明、科学发现、戏剧和电影及烹饪艺术。每个项目有7个选项,第一个选项代表“没有创造性”,之后的选项所代表的创造性成就逐渐上升,每个选项有不同的分数。威廉姆斯创造性倾向通过50个问题测量个体在冒险性、好奇性、想象力和挑战性上的能力。为了能够更好的代表被试的创造性能力,将这三种创造性测试中的各个维度合并在一起做了主成分分析,并将第一个主成分作为本研究中的创造性分数。图4-1相似性评分任务的实验流程图4.2.3个体语义网络的构建及统计分析根据每个被试的相似性评分的结果,以每对线索词之间的评分作为边构建了个体水平的语义网络,即一个48×48的对称的有权无向网络。首先,由于这些线索词中每4个词属于同一个语义类别,而属于同一类别的线索词的语义相似性应该显著高于属于不同类别的线索词的语义相似性,并且跨越不同语义类别进行语义联想也是创造性能力的一种体现[20]。为了验证这一关系并确保被试作答的可靠性,分别计算了语义类别内和类别间的平均语义相似性,并进行差异比较。同时还构建了平均的语义相似性矩阵对类别内和类别间的关系进行可视化(图3-1)。其次,参照已有文献中的处理方法[60],对每个个体语义网络卡一定的阈值对其进行稀疏化和二值化处理。本研究设定阈值为5,即相似性评分低于5分的边将被设置为0,而相似性评分高于5分的则设置为1,由此便得到了无向无权的二值化语义网络,基于该语义网
本文编号:3241599
本文链接:https://www.wllwen.com/shekelunwen/xinlixingwei/3241599.html