创造力

在柏林大会上，人们一致认为，科学领域的创造力是新颖性与值得追求性的结合，这是科学哲学家朱莉娅·桑切斯-多拉多在2023年的一项研究中提出的理论。

东京索尼计算机科学实验室和日本冲绳科学技术大学院大学的计算机科学家笠原俊一认为，研究中的创造力是“观察、反复试验并从经验中提炼出有意义见解的能力”。

英国布莱顿萨塞克斯大学计算机科学家玛丽亚·特雷莎·利亚诺表示：“创造力是一种对话。

因此，创造力的识别需采用纵向视角，结合心理、制度与认知维度，避免以短期成果或外部评价为唯一依据。

Taylor发现创造力评分与上级对生产力的评价相关系数为0.69。

例如，Harmon发现创造力评分与发表数量的相关系数为0.61至0.76；

三、从创造力角度

塔布勒认为，对于处于职业生涯早期的科学家而言，学会如何培养创造力至关重要。

理论方法论视角：理论争议与方法选择易引发认知冲突，导师需以开放态度容纳不同观点，协助学生在认知与情感间整合，提升创造力聚焦。

塔布勒在2024年的（难以置信的）研究大会上谈及了她在科学领域中关于创造力的经历。

然而，她也承认，作为博士生或博士后，往往要在预先设定好的项目中工作，还要面对严格的时间期限、成果要求和报告任务，很难找到发挥创造力的空间。

六、儿童创造力研究

Golann在文末指出，创造力研究目前面临的最大挑战是概念混乱与方法碎片化。

他主张，创造力研究应转向“功能性-发展性理解”，而非仅依赖统计相关性。

Gough（1961）则区分出两种研究风格：专注型与广博型，均与高创造力相关。

然而，实证研究结果不一致：部分研究发现创造力测验与绩效存在中等相关（如与工程师薪资增长的相关为0.31–0.37），但也有研究未发现显著差异。

“当然，很多人在博士期间通过与导师的互动，潜移默化地接受了一些创造力方面的训练，”勒歇尔说，“但如果有一些正式的背景知识、一些理论和结构框架，效率会高得多。

伊泰·亚奈是纽约大学格罗斯曼医学院的生物医学科学家，马丁·勒歇尔是德国杜塞尔多夫海因里希·海涅大学的计算细胞生物学家，他们都主张加强科学创造力方面的培训。

“如果我们执着于这种只看重‘输出’的表面化创造力定义，”他说，“人类的潜力将无从发挥。

创造力的定义与衡量一直颇具难度，但研究者已就其标准定义达成共识：即产生“兼具原创性与有效性”事物的能力。

还是说，我们需要修改创造力的定义以捍卫人类创造力的独特性？

Stein（1956）则将创造力定义为一种社会性过程：个体与环境互动，生成新颖、被群体接受的作品。

一、创造力的定义与判断标准问题

创造力的定义在文献中呈现出极大的多样性。

在此基础上，作者对创造力的定义、发生机制、个体差异、与环境的关系及其与智力的关系进行了深入探讨，并提出了未来研究的方向。

过程导向研究关注创造力如何在时间上展开。

适用于博士研究创造力培养的核心原则（5个）及其情境化解读（3种视角）

文献中存在两种对创造力动机的根本分歧：

塔布勒认为，这些资助有助于提升科学创造力，因为“申请流程非常简短，评审也很快，所以这是测试高风险想法和积累申请资金经验的完美机制”。

“对我而言，这是人工智能系统最大的益处——创造力的民主化。

澳大利亚墨尔本莫纳什大学研究计算创造力的乔恩·麦科马克则认为，即便是高质量的人工智能创作，也“寄生”于训练数据中蕴含的人类创造力。

人类的创造力源于对世界的深刻理解、跨领域联想和直觉判断，而AI的“创造力”仅限于基于数据的模式生成（如生成艺术、音乐等），无法突破数据范围，如AI无法像人类艺术家一样通过作品表达哲学思考或文化内涵，它无法理解“疼痛”与兴奋。

尽管当前AI仍属于“弱人工智能”，但它的潜力在于成为人类智能的延伸和补充，可以提高提升效率，AI可以自动化重复性工作（如数据分析、客服），释放人类的创造力；

创造力的心理学研究创造力的心理学研究精选

有人认为是的科学创造力可以学习到吗？

科学创造力可以学习到吗？

智力与创造力的关系

“我必须认识到，让我与众不同的东西——我的好奇心和创造力——是积极有益的，”她解释道。

Welsh图形偏好测验（WFPT）被用于研究艺术创造力。

全文围绕三大核心问题展开：创造力是什么？