科學發明情境中問題提出的腦機制再探*

童丹丹 李文福 祿 鵬 楊文靜 楊 東 張慶林 邱 江

科學發明情境中問題提出的腦機制再探

童丹丹李文福祿 鵬楊文靜楊 東張慶林邱 江

(西北師范大學心理學院, 甘肅省行為與心理重點實驗室, 蘭州 730030) (西南大學心理學部, 認知與人格教育部重點實驗室, 重慶 北碚 400715) (濟寧醫學院精神衛生學院, 山東 濟寧 272067)

以高生態學效度的科學發明問題情境作為實驗材料, 采用靜息態功能磁共振成像技術, 基于低頻振幅(ALFF)和靜息態功能連接(RSFC)的分析方法, 探討創造性科學問題提出的腦機制。結果發現, 在控制了被試性別、年齡后, 提出新穎有效性問題的比率越高, 左內側前額葉(Left media prefrontal cortex, L-mPFC)和右小腦前葉(Right cerebellum)的ALFF值越高。進一步功能連接分析發現, 提出新穎有效性問題的比率與mPFC和楔葉(Cuneus)之間的功能連接強度呈顯著正相關。結果強調mPFC對于科學發明情境中問題提出的重要作用, 且更高比率的新穎有效性問題的提出是通過mPFC與其它腦區的協同聯結來實現的。

創造性, 科學發明問題提出, 內側前額葉, 低頻振幅, 功能連接

1 引言

創造性思維是指個體在已有知識經驗的基礎上, 利用多角度思維活動進而產生具有新穎獨特特點和使用價值的產品的過程, 是人類文明的基石和社會進步的動力(Hennessey & Amabile, 2010; Jung et al., 2013; Sternberg & Lubart, 1993)。提出問題是創新的開始, 所以越來越多的研究者認為善于提出問題是創造性思維的重要和關鍵組成部分(Alabbasi & Cramond, 2018; Alabbasi, Paek, Cramond, & Runco, 2020; Hu, Shi, Han, Wang, & Adey, 2010)。問題提出是問題解決的先導, 它將決定個體如何處理問題, 以及個體能否順利解決問題等過程(Gilhooly, Fioratou, & Henretty, 2011; Holman, 2018)。Getzels也強調問題以能夠產生解決方法的方式被發現和提出的重要性, 并認為創造性成就的獲得源于創造性的問題提出而不是問題解決(Getzels, 2011)。已有研究者從行為和神經科學角度對問題解決的認知神經機制進行了大量探索(Aziz- Zadeh, Kaplan, & Iacoboni, 2009; Huang, Fan, & Luo, 2015; Jung-Beeman et al., 2004; Kounios & Beeman, 2013; Qiu et al., 2010; Subramaniam, 2008; Wu, Knoblich, & Luo, 2013; Xue, Lu, & Hao, 2018; Zhao et al., 2013; 楊文靜等, 2018), 但問題提出的研究在一定程度上還不夠充分, 腦機制的研究更是受到研究者的有限關注(Alabbasi & Cramond, 2018; Reiter- Palmon & Robinson, 2009; Tong et al., 2013; 胡衛平, 韓葵葵, 2015)。

對創造性思維認知加工過程的探究是創造性研究的一個基本問題, 已有研究對創造性問題提出進行了諸多探索(Dietrich & Kanso, 2010; 周丹, 施建農, 2005)。較為常見的研究方法是通過呈現不同特征的問題材料來明確問題提出的關鍵要素。如將呈現式問題情境和發現式問題情境(Runco & Okuda, 1988), 熟悉領域問題情境和陌生領域問題情境(吳真真, 張慶林, 2005), 真實情境和非真實情境(Runco, Illies, & Reiterpalmon, 2005), 實物材料和言語材料(陳麗君, 張慶林, 蔡治, 2006), 結構良好問題情境和結構不良問題情境(Lee & Cho, 2007), 矛盾式問題情境和潛藏式問題情境(陳麗君, 鄭雪, 2011), 開放式問題情境和封閉式問題情境(Cheng, Hu, Jia, & Runco, 2016)等進行對比研究。結果發現, 問題情境是問題提出的關鍵因素, 并與如大腦半球互動水平、知識水平、明確性指導語效應等交互對創造性問題提出產生影響(Cheng et al., 2016; Lee & Cho, 2007;王博韜等, 2017)。此外, 認知抑制能力(胡衛平, 程麗芳, 賈小娟, 韓蒙, 陳英和, 2015)、人格特質(李海燕, 胡衛平, 申繼亮, 2010; Paletz & Peng, 2009)、情緒和動機(Chen, Hu, & Plucker, 2016; 胡衛平, 周蓓, 2010)、學校環境(Han et al., 2013; Jia et al., 2017)等也是創造性問題提出重要的內外部影響因素。

已有研究對創造性問題提出的認知過程給予了較為詳盡的描述, 但仍存在一些問題。例如, 從實驗材料來看, 已有實驗材料多為從獨特性、靈活性和流暢性的維度進行評價的發散性思維測驗(Hu & Adey, 2002; Hu et al., 2010; 申繼亮, 胡衛平, 林崇德, 2002; Torrance, 1966), 缺少對有效性(適宜性)的探討。此外, 已有研究較多基于為數不多的簡單物品、文字圖片或人為設定的問題情境研究創造性問題提出過程(陳麗君, 鄭雪, 2011; Runco et al., 2005; Runco & Okuda, 1988; Torrance, 1966), 較少使用真實情境的實驗材料對問題提出進行測量。有效性是創造性思維最本質的特征之一, 是評判創造性能力的很好指標(Sternberg & Lubart, 1993; 吳真真, 邱江, 張慶林, 2008), 且相比于標準的發散性思維測驗, 真實情境的問題提出測試分數更能有效預測個體的創造性能力, 是創造性成果產生的有利保障(Okuda, Runco, & Berger, 1991)。基于此, 探討創造性問題提出的認知過程, 尤其是揭示創造性問題提出的腦機制需要采用更貼合創造性思維本質且更有生態學效度的實驗材料。

科學問題研究是人類最典型且最富有創造力的活動, 創造性思維體現最為充分、最為集中的領域是科學領域(錢兆華, 1999)。科學創造力是一般創造力在科學學科中的具體表現, 其核心是科學創造性思維, 即具有新穎性和價值性的科學思維活動(胡衛平, 韓葵葵, 2015), 提出問題是科學創造過程的重要階段(Hu et al., 2010)。Ward認為使用現實生活中發生過的科學發明創造實例對創造性思維進行研究, 因其接近科學發明創造實際, 有更高的生態學效度(Ward, 2007)。國內學者張慶林等(張慶林, 田燕, 邱江, 2012; 朱丹等, 2011)也基于現實生活中發生過的科學發明實例編制了測量科學創造力的科學發明創造實驗問題材料。基于此, 本研究認為可以將科學創造力和問題提出相結合, 選用科學領域中體現創造性思維的實例開發有生態學效度的創造性問題提出的測量工具。

“表征轉變”理論認為人們在面對問題情境時, 傾向于根據問題情境所提示的方式來進行表征, 并在相應的錯誤問題空間內進行搜索。如果在問題空間內長時間找不到方法, 就需要在元水平空間中去搜索恰當的表征, 進入正確的問題空間, 最終使問題得以解決(Kaplan & Simon, 1990)。“原型激活”理論則認為當問題解決者遇到思維僵局時, 可以在表面無關但具有內在語義連接的原型材料的啟發下, 打破原有的思維僵局, 將原型事物中所包含的啟發信息運用到科學問題中, 從而進入正確的問題空間(張慶林等, 2012)。因此, 童丹丹(2017)基于“表征轉變”和“原型啟發”理論, 從“新穎性”和“有效性”的角度出發, 收集科學領域內新近發生的科學發明創造實例, 采用測量和訪談相結合的方法, 通過系列實驗編制了擁有難度, 定勢強度、啟發量等多項指標的更貼合創造性思維本質且更有生態學效度的創造性科學問題提出材料, 并完成了實驗材料和實驗范式的有效性驗證。

創造性問題解決已被證明是一項需要全腦參與的復雜認知過程, 涉及不同腦區間的功能協作(Aziz-Zadeh et al., 2009; Jung-Beeman et al., 2004; Kounios & Beeman, 2013; Luo & Niki, 2003; Qiu et al., 2010; Wu et al., 2013; 范亮艷等, 2014; 李文福等, 2016)。在創造性問題提出領域, 王博韜(2013)使用腦電分析方法(electroencephalogram, EEG), 結果發現混合利手個體的創造性科學問題提出分數更高, 且在前額葉、額中區存在更多的α波, 說明創造性科學問題的產生有賴于負責抑制控制及概念聯結的額葉等關鍵腦區的參與。童丹丹等人(2013)采用功能性磁共振成像技術(Functional Magnetic Resonance Imaging, fMRI), 探討科學發明情境中的問題提出的大腦機制。結果發現激活的腦區為左側梭狀回、左側內側額葉、左側豆狀核、右小腦和左側中央前回。Tong等人(2013)采用類似的方法探討在有無原型兩種條件的科學發明問題提出, 結果發現問題提出中原型啟發效應的腦激活定位在楔前葉和角回。周寰(2015)采用事件相關電位技術(Event- related potential, ERP)發現高創造性科學問題提出個體在新穎性評價任務中的Ｐ3成分波幅值上存在顯著差異, 說明他們工作記憶的存儲和概念表征更新的效率更高, 注意模式更加靈活, 進而能更有效地評價圖片的新穎性。雖然上述研究對于理解創造性問題提出的本質具有重要作用, 但由于在實驗范式和技術手段等方面存在差異且研究數量匱乏, 導致獲得的結果很難相互印證和支撐, 創造性科學問題提出的神經機制還缺乏共識, 科學創造力神經機制的研究仍需要大力加強(胡衛平, 韓葵葵, 2015)。因此, 利用更豐富的, 尤其是脫離實驗任務限制的腦影像技術研究創造性問題提出的神經機制顯得尤為必要。

靜息態功能磁共振成像技術可以記錄沒有外在認知任務狀態下大腦的自發神經活動(Biswal, Yetkin, Haughton, & Hyde, 2010; Zuo et al., 2010), 因此, 該方法不受任務的制約, 測量的是人腦在休息狀態下血氧水平依賴低頻波動信號, 能夠較好且穩定的鑒別不同心理引起的大腦自發神經活動的差異(Buckner, 2012; Fulwiler, King, & Zhang, 2012)。基于靜息態功能磁共振成像技術, 已有研究從個體差異角度對創造性思維的神經機制進行探討, 在一定程度上說明了創造力不同的個體具有特定的大腦基礎。Takeuchi等人(2012)使用基于種子點的靜息態功能連接(Resting state functional connectivity, RSFC)分析方法, 結果發現個體在發散性思維任務上的成績與內側前額葉和后扣帶回之間的RSFC強度呈顯著正相關。Wei等人(2014)發現托蘭斯發散性思維測驗的分數與內側前額葉和顳中回之間的功能連接強度呈顯著正相關。Chen等人(2014)的研究結果進一步發現, 個體在創造性成就測驗上的分數與雙側前扣帶和額中回的RSFC強度呈顯著負相關, 且個體的認知靈活性對其關系存在中介效應。李文福等人(2016)綜合采用局部一致性(Regional homogeneity, ReHo)和低頻振幅(amplitude of low frequency fluctuation, ALFF)分析方法, 結果發現個體科學發明問題解決的正確率與左側前扣帶的ReHo和ALFF值呈顯著正相關。已有研究或采用基于種子點的靜息態功能連接方法探索關于創造性思維的長距離功能連接, 或關注腦區內自發BOLD (Blood oxygenation level dependent)信號的局部活動特性, 缺乏從靜息態腦成像角度對于創造性思維腦機制的完整探索。此外, 已有研究主要使用發散性思維任務、創造性成就問卷和科學發明問題解決實驗材料探索創造性思維的腦機制, 尚未從創造性問題提出的角度進行探討。

ALFF采用0.01~0.08 Hz頻段內所有頻率點上波幅值的平均值來表示每個體素的BOLD信號強度, 從能量的角度反映了各個體素在靜息狀態下自發活動水平的高低(Zang et al., 2007)。它不僅能夠反應個體不同的狀態, 還能反映出個體的人格差異, 是使用較為廣泛的測量局部神經自發活動的有效指標(Wei et al., 2013)。已有研究表明ALFF和多種認知能力, 個性品質或精神病理學疾病有關, 比如工作記憶(Zou et al., 2013), 幸福感(羅揚眉等, 2015), 阿爾茲海默癥(He et al., 2007)等。RSFC反應的是不同腦區之間的自發神經信號的連通性和這些腦區形成網絡的協同作用, 可通過連通性、整合性良好的腦網絡揭示外在行為表現的內在神經環路, 是研究大腦神經網絡自發性活動的有效指標(Mennes et al., 2010)。該方法已經被廣泛用于個體認知能力研究, 比如創造力(Takeuchi et al., 2012)等; 也可以反映各種精神病理學疾病與腦區之間的聯系, 比如社會焦慮癥(Hahn et al., 2011)和抑郁癥(Zeng et al., 2012)等。同時使用ALFF (靜息態自發信號)和RSFC (不同腦區信號的協同), 可以有效且完整的探明創造性問題提出的大腦內部穩定的功能組織。

已有研究表明, 高創造性問題提出和低創造性問題提出個體在新穎觀點產生、無關信息抑制等能力上存在系統性差異(Tong et al., 2013; 胡衛平等, 2015; 王博韜, 2013; 周寰, 2015)。內側額葉被認為是新穎觀點產生和評估的經典腦區, 且作為“意識努力”的關鍵點主要負責認知控制等思維過程(Beaty et al., 2014; Chen et al., 2014; Fink et al., 2010; Kounios et al., 2006; 羅勁, 張秀玲, 2006; Shamay-Tsoory et al., 2011; Talati & Hirsch, 2005)。據此, 我們假設內側前額葉的ALFF值可能會與創造性科學問題提出有關。此外, 已有研究發現, 內側前額葉作為默認網絡的核心節點, 其與默認網絡其他節點功能連接強度的增強在創造性觀點產生中發揮重要作用(Takeuchi et al., 2012; Wei et al., 2013)。科學創造力與額葉、頂葉和扣帶回有著密切的關系(Jung et al., 2010; Limb & Braun, 2008; 沈汪兵, 劉昌, 王永娟, 2010)。據此, 我們選定內側前額葉為種子點并假設造性科學問題提出的比率與內側前額葉和后扣帶/楔前葉(Takeuchi et al., 2012), 頂葉下葉(與空間表征和處理相關) (Gansler et al., 2011)等默認網絡節點之間的功能連接強度呈顯著正相關。

基于這些假設, 本研究擬采用靜息態功能磁共振成像技術中的ALFF和RSFC兩種指標, 選取發生在現實生活中的具有較高生態學效度的科學發明問題為實驗材料, 以探明靜息狀態下大腦自發活動與創造性科學問題提出之間的關系。

2 方法

2.1 被試

通過網絡廣告招募107名健康在校大學生參與研究, 刪除3名頭動數據過大的被試, 最后104名被試(平均年齡19.26 ± 0.99歲)被用于正式分析。其中男性32人(平均年齡19.66 ± 1.15歲), 女性72人(平均年齡19.08 ± 0.85歲)。為檢驗樣本量是否合理, 采用G* Power 3.1 (Faul, Erdfelder, Buchner, & Lang, 2009)軟件進行Post hoc統計功效檢驗(effect size () = 0. 25, α = 0. 05), 結果顯示power = 0.99, 表明樣本量充足。所有參與者視力或矯正視力正常, 無精神疾病史和手術外傷史, 具有電腦操作技能, 實驗前未接觸過實驗材料。被試進入實驗室后, 首先簽署知情同意書, 然后由主試介紹實驗程序。被試在掃描室外完成行為實驗, 然后由掃描員將其送入掃描室, 進行靜息態掃描。實驗后給予適當報酬。該研究所有試驗程序和處理皆通過了學術倫理委員會的批準。

2.2 實驗材料

從創造性科學問題提出材料庫中選取難度適宜的9個題目用于正式實驗(童丹丹, 2017)。實驗材料通過對科學發明創造實例篩選編制而來, 所有材料都滿足新穎、通俗易懂和不涉及專業領域知識的條件。每個材料均包含暗含矛盾的問題情境、具有一定錯誤導向的舊問題和具有啟發性信息的原型。下面是實驗材料的1個樣例：

問題情境：地球周圍有很多小行星, 如果行星撞擊地球會帶來毀滅性的災難。可如果發射原子彈去炸毀行星, 又會帶來各種原子輻射的危害。

舊問題：如何解決原子彈炸毀小行星后帶來的輻射問題？

原型：我們在打臺球的時候, 用一點點力量撞擊一顆前進中的臺球, 它就會改變方向, 離開原來的軌道。

基于“表征轉變”和“原型啟發”理論, 個體在遇到帶有定勢思維的問題情境和舊問題時(思維僵局), 傾向于根據問題情境所提示的方式來進行表征, 并在相應的錯誤問題空間內進行搜索。如果個體想提出創造性問題就需要進入元水平問題空間, 搜索到其他恰當的問題表征, 這時則可能提出新穎性問題, 而激活頭腦中或者外界環境中的具有語義連接的啟發性信息, 并與問題情境建立聯系, 則使得提出新穎且有效的創造性問題成為可能(Holman, 2018; Kaplan & Simon, 1990; 童丹丹, 2017; 張慶林等, 2012)。暗含矛盾的問題情境可以引發個體對提出問題的思考和猜想性的解釋。舊問題的設定采用個體閱讀矛盾情境后, 首先會想到的且沒有任何價值性的簡單問題, 可以為個體提供錯誤的思維定勢, 引導其進入錯誤的問題空間。原型的提供既可以幫助個體跳出錯誤的水平空間又能為個體指明了問題方向, 進入正確的問題空間。

創造性科學發明問題提出材料注重如何跳出情境和舊問題所引發的錯誤問題空間, 進而尋找正確問題方向的能力。當前測試中舊問題的思維定勢更類似于生活中的百思不得其解, 彌補了以往實驗材料在生態效度上的不足。本研究所使用的實驗材料皆由課題組精心編制而成, 并被用于其他研究中(童丹丹, 2017)。已有研究表明, 有效性問題提出的比率與創造性成就測試分數相關顯著, 表明創造性科學發明問題提出材料能夠在一定程度上預測到現實生活中創造性成就的高低, 具有一定的有效性。此外, 從事不同創新性工作的個體(研發類員工和操作類員工)在科學發明問題提出分數上差異顯著, 協變年齡和學歷等額外變量后, 結果發現研發類員工提出有效性問題的比率顯著高于操作類員工, 實驗結果進一步在企業環境中驗證了實驗材料的有效性(童丹丹, 2017)。

2.3 行為數據的收集與評價

采用E-prime軟件完成實驗材料的編程與呈現。結合已有的科學發明問題的研究(吳真真等, 2008), 本研究在實驗中采用“9對9”的“學習原型?提出問題”兩階段實驗范式考察個體提出新穎有效性問題的大腦機制。具體流程為：首先在屏幕中央呈現注視點“+”, 黑底白字, 時間為0.5 s, 然后隨機呈現9個原型材料, 被試仔細閱讀原型材料, 理解后按“1”鍵, 按鍵后跳至下一個原型材料, 每個原型材料至多呈現60 s, 時間到自動跳到下一個, 直到呈現完全部原型材料。接下來屏幕中央再次呈現注視點“+”, 黑底白字, 時間同樣為0.5 s, 隨后隨機呈現9個問題情境和舊問題, 被試理解后基于問題情境提出新穎有效的新問題, 60 s后問題情境和舊問題消失并呈現作答提示, 被試在答題紙上根據題目呈現順序依次寫下想到的問題, 寫完按“1”鍵, 提示消失進入下一個問題情境, 直到呈現完全部問題情境和舊問題。實驗流程如圖1所示。

圖1 實驗流程圖

基于“表征轉變”理論與“原型激活”理論制訂了創造性科學問題提出材料的評價標準(Kaplan & Simon, 1990; 張慶林等, 2012)。如果答案是對舊問題的簡單重復或者對其意思的重復表達, 則認為個體仍束縛于舊的問題空間, 例如：如何減少原子輻射的影響？/怎么樣制造輻射低的核武器？計0分; 如果答案不糾結于舊問題所設定的問題空間, 而是指向未來且充滿想象性, 具有新穎性, 例如：行星撞擊地球的危害大還是原子輻射危害大？/小行星為什么會撞擊地球？計1分; 如果答案既不糾結于舊的問題空間且提出的問題為帶有一定的問題解決思路的科學假設, 具有有效性或價值性, 例如：可以設計特定的軌道, 讓小行星自己遠離地球嗎？/可以借用其他力量撞擊小行星, 使其偏離原來的軌道嗎？計2分。新穎性問題的比率是指得分為非0分的題目占總測試題目的比率, 新穎有效性問題的比率是指得分為2分的題目占總測試題目的比率。新穎性問題的比率越高, 表明被試越能夠打破舊的認知模式, 跳出錯誤的問題空間, 提出新穎性的問題; 新穎有效性問題的比率越高, 表明被試越能夠通過思維重組或原型啟發等認知過程, 建立與任務目標相關的有效聯結, 提出有價值的問題。

2.4 靜息態數據采集與預處理

靜息態磁共振影像通過西門子3.0 Tesla磁共振成像掃描儀(Siemens Medical, Erlangen, Germany)獲得。使用塊狀泡沫墊和專用耳塞來減少頭部移動及儀器噪音的干擾。掃描前, 讓被試更換實驗室專用服裝, 同時取下佩戴的金屬首飾等, 以避免衣服上的金屬物體對被試安全和成像質量的影響。掃描過程中要求被試閉上眼睛躺著放松, 在整個掃描過程中保持頭部不要移動, 閉眼休息(Wang et al., 2011)。

采用全腦平面梯度回波成像序列(gradient-echo echo planar imaging, EPI)進行掃描, 相關掃描參數為：重復時間(repetition time, TR) = 2000 ms, 回波時間(echo time, TE) = 30 ms, 反轉角(flip angle) = 90°, 掃描視野(field of view, FOV) = 220 mm × 220 mm, 層厚(thickness) = 3 mm, 層間距(slice gap) = 1 mm, 體素大小(voxel size) = 3.4 mm × 3.4 mm × 4 mm,掃描矩陣(acquisition matrix) = 64×64。掃描總時間為8分鐘零4秒, 共獲得242個時間點的連續圖像。

基于Matlab平臺, 使用DPARSF (Data ProcessingAssistant for Resting-State fMRI soft ware, http://www. restfmri.net/forum/DPARSF)軟件對數據進行處理(Yan & Zang, 2010)。具體步驟如下：(1)檢查靜息態的數據質量, 查看是否有掃描不全或者存在偽影的被試數據; (2)將原始的DICOM數據轉換為可進行分析的NIFTI數據格式; (3)為了獲得穩定的磁共振圖像, 剔除前10個時間點的數據, 并逐步對剩余穩定數據進行時間層校正(slice timing)、頭動校正(head motion), 刪除平動大于3 mm和轉動超過3度的被試(刪掉3個被試數據)并去除生理噪音; (4)采用DARTEL (diffeomorphic anatomical registration through exponentiated Lie algebra)將處理后數據標準化到MNI (montreal neurological institute)標準空間模板, 標準化后的體素大小是3 mm × 3 mm × 3 mm; (5)使用6 mm平滑核(full width at half maximum, FWHM)對圖像進行高斯平滑, 以增加信噪比; (6) 降低低頻和高頻噪音的影響, 進行去線性漂移。

2.5 統計分析

ALFF的計算和分析。采用REST (Resting-state fMRI data toolkit)工具包(Song et al., 2011), 依照Zang等人(2007)的計算方法, 將全腦每一個體素的時間序列進行傅里葉變換, 而后對頻域功率譜的峰下面積開平方, 得到的值即可代表信號震蕩的幅度。同時, 將每個體素在0.01~0.08 Hz之間的頻率平方根進行平均, 即為ALFF值。為了達到標準化的目的, 將每個體素的ALFF值除以全腦均值作歸一化處理, 獲得每個體素標準化的ALFF值(Biswal et al., 2010)。為探索創造性科學問題提出能力與低頻振幅的關系, 本研究使用基于體素的協方差分析方法(voxel- wise analysis of covariance, ANCOVA)進行全腦分析, 年齡、性別為無關變量, 創造性科學問題提出分數為感興趣變量。使用多元線性回歸(multiple linear regressions) 來檢測問題提出分數與ALFF的關系。顯著性結果經過拓撲FDR (topological FDR)校正, 顯著性水平為< 0.05 (two tail) (Chumbley & Friston, 2009)。

RSFC的計算和分析。同樣采用REST工具包, 基于種子點相關分析的方法, 分別以研究中ALFF顯著相關的腦區和創造性思維靜息態分析經典文獻中具有解剖學代表的內側前額葉(mPFC, X = 0, Y = 54, Z = 8) (Beaty et al., 2014; Whitfield-Gabrieli & Nieto-Castanon, 2012)為感興趣區(region of interest, ROI), 并以感興趣區坐標為圓心, 建立一個半徑為6 mm的圓。計算方法如下：首先, 提取每個感興趣區域內所有體素的時間序列, 同時把全腦信號、白質、腦脊液和6個頭動參數作為無意義的變量進行回歸; 其次, 用voxel-wise相關分析法計算每個種子點與全腦其他腦區之間的相關系數, 并將相關系數進行費舍轉換(Fisher`s-to-transformation)。最后, 使用多元線性回歸分析, 年齡、性別為無關變量, 創造性科學問題提出分數為感興趣變量, 計算功能連接強度與創造性科學問題提出的相關, 進一步檢驗是否存在特定的網絡連接可以顯著預測創造性科學問題提出能力。顯著性結果同樣經過拓撲FDR校正, 顯著性水平為< 0.05 (two tail) (Chumbley & Friston, 2009)。使用G*Power軟件計算多元回歸分析結果的效應量(Faul et al., 2009)。

3 結果

3.1 行為數據結果

對新穎性問題提出比率和新穎有效性問題提出比率在性別上做獨立樣本檢驗, 結果發現2個變量上均沒有顯著的性別差異(s > 0.05)。具體為, 在新穎性問題提出比率上, 男性被試的正確率為0.86 ± 0.19, 女性被試的正確率為0.90 ± 0.10, 男女之間沒有顯著差異(= 0.184); 新穎有效性問題提出比率上, 男性被試的正確率為0.33 ± 0.27, 女性被試的正確率為0.33 ± 0.26, 男女之間沒有顯著差異(= 0.945)。然后對新穎性問題提出比率和新穎有效性問題提出比率做相關分析, 結果發現兩列數據相關極其顯著= 0.343,< 0.001。創造性科學問題提出比率的平均數和標準差等見表1。

3.2 腦成像數據結果

3.2.1 ALFF分析結果

分別對ALFF與新穎性問題提出比率、新穎有效性問題提出比率進行多元回歸分析, 將性別和年齡等作為協變量進行控制。結果顯示：控制了協變量后, 提出新穎有效性問題比率與左側腹內側前額葉(L-vmPFC)和右側小腦前葉(Right cerebellum)的ALFF值呈顯著正相關(表2和圖2); 沒有發現和新穎性問題提出比率顯著相關的腦區。

表1 創造性科學問題提出比率的平均數和標準差

表2 ALFF和新穎有效性問題提出比率顯著相關的腦區

3.2.2 RSFC分析結果

分別選擇ALFF?行為分析顯著的腦區(左側mPFC)和經典文獻中與創造性思維密切相關的腦區(右側mPFC)作為種子點(Beaty et al., 2014)與全腦的功能連接進行多元回歸分析。結果顯示, 控制了年齡, 性別等協變量后, 右內側前額葉(R-mPFC)和左側楔葉(L-Cuneus)之間的功能連接強度與提出新穎有效性問題的比率呈顯著正相關(坐標 x = ?3, y = ?90, z = 33; 團塊大小 = 249體素;= 4.03;= 0.13;= 0.33;< 0.001; 圖3), 內側前額葉與楔葉之間的功能連接越強, 提出新穎有效性問題的比率越高; 左內側前額葉(L-mPFC)和其他腦區的功能連接強度與提出有效性問題的比率之間不存在顯著相關結果。

4 討論

研究首次選取高生態學效度的科學發明問題情境作為實驗材料, 采用高空間分辨率的靜息態功能磁共振成像技術, 利用被廣泛使用的ALFF和RSFC兩種指標, 探索科學發明情境中問題提出的大腦功能基礎, 為進一步理解創造性思維的本質提供了數據支持。結果發現, 靜息態自發神經活動強度和功能連接反映了科學發明情境中問題提出的個體差異。具體而言, 在ALFF分析中, 提出新穎有效性問題的比率越高, 左內側前額葉和右小腦前葉的自發活動越強。在進一步的RSFC分析中發現, 提出新穎有效性問題比率與右內側前額葉和左側楔葉之間的功能連接強度呈顯著正相關。兩種靜息態腦影像數據指標的分析結果說明了內側前額葉在科學發明情境的問題提出過程中的重要作用。

圖2 ALFF值和新穎有效性問題提出比率顯著相關的腦區。左圖代表左側腹內側前額葉, 右側小腦的ALFF值與新穎有效性問題提出比率的顯著相關。右圖表示將與新穎有效性問題提出比率有顯著相關的大腦區域的ALFF值提取出來, 并與新穎有效性問題提出比率進行Pearson相關分析。

圖3 與種子點組成的功能連接網絡能夠預測提出新穎有效性問題提出的腦區。左圖表示以右內側前額葉為種子點, 與新穎有效性問題提出比率顯著正相關的連接為左側楔葉, 右側表示將與提出新穎有效性問題比率有顯著相關的內側額葉?楔葉功能連接值提取出來并與新穎有效性問題提出比率進行Pearson相關分析。

創造性思維是產生新穎和適用觀點或產品的過程, 因此, 無論是領域一般性的創造性思維(例如發散思維、聚合思維等), 還是領域特殊性的創造性思維(如科學創造力、藝術創造力等)都包含新穎觀點的生成和評估(Sternberg & Lubart, 1993; Feist, 1998)。已有研究也發現二者都與負責新穎觀點產生的內側前額葉皮層及額中回的活動有關(Darsaud et al., 2011; Hao et al., 2013; Gilbert et al., 2010; Fink et al., 2010; Limb & Braun, 2008)。因此, 與已有結果相一致, 當前研究中內側前額葉自發活動與創造性科學問題提出比率的正相關可以理解其與新穎性觀點的產生相關。

然而, 科學創造力遵循更強的邏輯規則, 更依賴于排除一切無關信息、有目的的信息加工方式, 更強調重新概括和綜合已有的表面看似各不相干的知識, 創造出新的科學知識的能力(白學軍等, 2014; 胡衛平, 韓葵葵, 2015)。以往研究也發現高創造性問題提出個體更擅長抑制無關信息, 更容易激活頭腦中的概念網絡聯結等(胡衛平等, 2015; 王博韜, 2013; 周寰, 2015)。Kounios等人(2006)發現頓悟的心理準備與內側額葉的顯著激活有關, 他們認為內側額葉的激活可能與自上而下的認知控制的增長, 例如抑制無關思維, 選擇合適的解決策略而忽視不合適的解決策略有關。Darsaud等人采用數字遞減任務探討了延遲頓悟的神經機制, 結果表明內側前額葉可能參與了語義聯結, 規則發現等創造性相關的認知過程(Darsaud et al., 2011; Lang et al., 2006)。此外, 還有一些研究推斷內側額葉參與到沖突加工, 反應選擇和抑制控制等認知過程(Moore et al., 2009; Takeuchi et al., 2012)。因此, 本研究推斷, 內側前額葉可能幫助高問題提出個體更好的抑制無關信息, 擺脫舊問題空間的束縛, 對各語句的語義進行整合, 將表面上相距較遠的問題情境與啟發性信息(原型或者個體本來的知識)建立語義聯結, 進而提出具有建設性的或者科學假設的問題。

此外, 已有研究表明, 高創造性科學問題提出個體能夠更好的根據刺激在任務中的意義而在工作記憶中分別存儲, 從而提高信息加工的效率(周寰, 2015)。Howard-Jone等人(2005)使用編造故事任務探討創造性觀點產生的神經機制, 結果發現, 相對于編造非創造性故事, 編造創造性故事條件顯著地激活了雙側的內側前額葉, 這可能反映了內側前額葉與工作記憶的存儲及情境性記憶的提取有關。此外, 內側前額葉也被認為在操作工作記憶中的信息中扮演重要作用(Cairo et al., 2004)。在本研究中, 相比于對舊問題的簡單重復, 在頭腦中尋找適當啟發性原型、建立新異聯系和形成新的具有科學假設的問題的加工過程增加了工作記憶負荷。因此, 在新穎有效問題提出的過程中, 內側額葉可能還涉及信息在工作記憶中的存儲和提取的過程。

此外, Beaty等(2014)認為新穎觀點的產生與默認網絡(Default Mode Network, DMN)的經典腦區(如內側前額葉、后扣帶及雙側頂下小葉)有關。Takeuchi等人(2012)探索創造性思維和內側前額葉與大腦其他區域間的功能連接之間的關系。結果發現發散性思維測驗分數與內側前額葉?后扣帶這兩個默認網絡的關鍵節點之間的功能連接強度顯著正相關。Wei等人(2014)進一步發現, 托蘭斯發散性思維測驗分數與內側前額葉?顳中回之間的功能連接強度顯著正相關, 而顳中回同樣為默認網絡節點。因此, 內側前額葉作為默認網絡前部的核心節點, 其功能連接強度的增強在創造性觀點產生中發揮重要作用。此外, Takeuchi等人(2010)采用彌散張量成像(diffusion tensor imaging, DTI)技術發現, 內側前額葉白質結構完整性與發散性思維測驗分數呈顯著正相關。結構連接是腦區間功能連接的基礎(Greicius et al., 2003), 更高的個體白質結構完整性使更強的功能連接成為可能(Au Duong et al., 2005)。因此, 高問題提出能力個體內側前額葉功能連接的增強也許部分與高創造性個體有更高的內側前額葉白質結構完整性有關。

科學活動的加工過程還包括信息從一個領域向另一個領域的遷移和轉換, 涉及大量的抽象推理(白學軍等, 2014; 胡衛平, 韓葵葵, 2015)。已有研究發現, 相比于藝術創造力所激活的顳葉以及運動皮層, 科學創造力更多地出現頂葉皮層的激活(Gilbert et al., 2010; Luo et al., 2013; O’Boyle et al., 2005; 沈汪兵等, 2010), 而楔葉/楔前葉正是推理加工、問題解決任務中常見的激活腦區(Ferstl & Yves von Cramon, 2001; Luo et al., 2013; Qiu et al., 2010)。當前研究的RSFC分析中發現, 提出新穎有效性問題比率與右內側前額葉和左側楔葉之間的功能連接強度呈顯著正相關, 與已有結果保持了較高的一致性, 驗證了本實驗結果的可靠性。此外, Fink等人(2014)發現言語想象創造性測試的靈活性和流暢性得分與右側楔葉及楔前葉的灰質密度正相關。言語想象創造性測試的完成要求靈活觀點的產生, 多樣變化的信息的利用以及問題導向的解決方案(而非無系統的不切實際的幻想)。據此, 本研究推斷在當前的創造性科學問題提出情境中, 楔前葉所負責的推理加工、觀點產生以及問題導向的思考方向使得新穎有效問題的提出成為可能。

Andreasen和Ramchandran (2012)發現楔葉與詞語聯想任務的表現相關, 結果可能反映了這些腦區與視覺意向(visual mental imagery)存在密切關聯。沈汪兵、羅勁、劉昌和袁媛(2012)還發現楔葉和楔前葉組成的“非言語的”視覺空間信息加工網絡有利于問題表征的有效轉換。這些結果說明了頂枕區, 如楔葉和楔前葉在心理表象中的突出作用。此外, 先前研究表明, 楔前葉與前額皮層一起控制著來源記憶(在來源記憶中記憶的來源情景被回想起), 這個過程中楔前葉的功能是為前額皮層提供充足的上下文的聯系從而選擇正確的過去的記憶(Lundstrom, Ingvar, & Petersson, 2005), 在科學創造力中這類情景記憶與個體的啟發性知識的回憶有關(Luo et al., 2013; Qiu et al., 2010)。這些結果都證明了楔前葉通過在大腦中以實物形象再現的方式來進行信息提取和視覺表象的記憶檢索。基于此, 本研究推斷高創造性問題提出個體可能擁有更生動的視覺心理表象和更好的情景記憶能力, 使得啟發性原型信息得到更好的貯存和提取, 內側額葉和楔葉的功能連接為這些認知能力的獲得提供了大腦功能基礎。

以往研究表明, 高低創造性問題提出個體在注意資源分配上存在差異, 具體表現為高創造性問題提出個體注意資源的分配和注意模式的轉換更加靈活等(Feist, 1998; 王博韜, 2013; 周寰, 2015)。Qiu等(2010)以字謎為實驗材料探索頓悟問題準備和解決階段的腦機制, 結果發現成功解決問題狀態顯著激活了小腦。據此, 研究者推斷小腦也許在注意資源分配, 知覺重組及信息提取中起到一定的作用。童丹丹等(2013)發現科學發明情境中的問題提出涉及的腦區也包含左側內側額葉、右小腦, 其中, 右小腦可能是配合內側額葉進行注意資源的調節和分配。Houk (2005)則支持小腦負責維持個體正在進行的行為或者想法, 為進行中的任務提供了矯正的功能。李文福(2014)進一步發現高學術成就組個體在小腦后葉上的灰質密度顯著高于控制組, 這樣的結果可能反映了高成就組個體更好的語言整合和反應抑制能力。基于此, 本研究推斷當個體基于包含矛盾的問題情境提出問題時, 高創造性問題提出個體更好地利用小腦將提問目標維持在頭腦中, 并將更多的注意資源分配給情境中的矛盾或缺口, 對于這些矛盾進行更深的知覺重組, 進而整合語言發現新穎且有效的科學問題。

本研究以高生態學效度的科學發明問題情境作為實驗材料, 采用靜息態功能磁共振成像技術, 基于低頻振幅和靜息態功能連接的分析方法, 探討創造性科學問題提出的腦機制。結果表明新穎有效性問題的提出是通過mPFC與其它腦區的協同聯結來實現的, 為進一步揭示科學創造力問題提出的神經機制提供了部分證據, 是首個利用靜息態數據指標對科學發明問題提出進行系統分析的研究。當前研究也存在某些不足, 比如, 研究中僅采用了靜息態功能磁共振成像中較為基礎的分析方法, 缺乏其他模態的磁共振成像研究和更為復雜的腦網絡分析。因此, 在未來研究中可以加入彌散張量成像技術(Diffusion Tensor Imaging, DTI)、動態因果模型(dynamic causal modeling, DCM)以及小世界網絡分析(small-world network)等技術幫助我們更加全面地探索創造性科學問題提出的神經機制; 當前研究是以成年人為被試的橫斷研究, 為了探明大腦發育過程與創造性問題提出之間的關系, 應該考慮以兒童和青少年群體為被試的縱向研究。因此, 未來的研究還可以開展縱向的追蹤研究, 探討創造性問題提出腦機制在不同時期的變化; 另外, 腦的活動與創造的環境是密不可分的, 要充分描繪創造性問題提出的認知神經機制, 未來研究還必須綜合考慮創造過程中腦與多重環境系統之間的相互作用, 進行多層次的研究。

Alabbasi, A. M. A., & Cramond, B. (2018). The creative problem finding hierarchy: A suggested model for understanding problem finding.(2), 197–229.

Alabbasi, A. M. A., Paek, S. H., Cramond, B., & Runco, M. A. (2020). Problem finding and creativity: A meta-analytic review.,(1), 3–14

Andreasen, N. C., Ramchandran, K. (2012). Creativity in art and science: Are there two cultures?(1), 49–54.

Au Duong, M. V., Boulanouar, K., Audoin, B., Treseras, S., Ibarrola, D., Malikova, I., ... Cozzone, P. J. (2005). Modulation of effective connectivity inside the working memory network in patients at the earliest stage of multiple sclerosis.(2), 533–538.

Aziz-Zadeh, L., Kaplan, J. T., & Iacoboni, M. (2009). “Aha!”: The neural correlates of verbal insight solutions.(3), 908–916.

Bai, X. J., Gong, Y. B., Hu, W. P., Han, Q., & Yao, H. J. (2014). The inhibitory mechanism of individuals with different scientific creativity.(2), 151–155.

[白學軍, 鞏彥斌, 胡衛平, 韓琴, 姚海娟. (2014). 不同科學創造力個體干擾抑制機制的比較.(2), 151–155.]

Beaty, R. E., Benedek, M., Wilkins, R. W., Jauk, E., Fink, A., Silvia, P. J., ... Neubauer, A. C. (2014). Creativity and the default network: A functional connectivity analysis of the creative brain at rest.(2), 92.

Biswal, B., Yetkin, F. Z., Haughton, V. M., & Hyde, J. S. (2010). Functional connectivity in the motor cortex of resting human brain using echo-planar mri.(4), 537–541.

Buckner, R. L. (2012). The serendipitous discovery of the brain's default network.(2), 1137–1145.

Cairo, T. A., Liddle, P. F., Woodward, T. S., & Ngan, E. T. (2004). The influence of working memory load on phase specific patterns of cortical activity.(3), 377.

Chen, B. R., Hu, W. P., & Plucker, J. A. (2016). The effect of mood on problem finding in scientific creativity.(4), 308–320.

Chen, L. J., Zhang, Q. L., & Cai. Z., (2006). The effect of the stimuli-presenting mode on children's problem-finding in different fields., (02), 43–46.

[陳麗君, 張慶林, 蔡治. (2006). 材料呈現方式對兒童不同領域問題發現的影響., (02), 43–46.]

Chen, L. J., & Zheng, X. (2011). The exploratory study of cognitivestages in problem-finding process.,(4), 332–337.

[陳麗君, 鄭雪. (2011). 問題發現過程認知階段劃分的探索性研究.(4), 332–337.]

Chen, Q. L., Yang, W. J., Li, W. F., Wei, D. T., Li, H. J., Lei, Q., ... Qiu, J. (2014). Association of creative achievement with cognitive flexibility by a combined voxel-based morphometry and resting-state functional connectivity study., 474–483.

Cheng, L. F., Hu, W. P., Jia, X. J., & Runco, M. A. (2016). The different role of cognitive inhibition in early versus late creative problem finding.(1), 32–41.

Chumbley, J. R., & Friston, K. J. (2009). False discovery rate revisited: FDR and topological inference using Gaussian random fields.(1), 62–70.

Darsaud, A., Wagner, U., Balteau, E., Desseilles, M., Sterpenich, V., Vandewalle, G., ... Maquet, P. (2011). Neural precursors of delayed insight.(8), 1900–1910.

Dietrich, A., & Kanso, R. (2010). A review of EEG, ERP, and neuroimaging studies of creativity and insight.,(5), 822.

Fan, L. Y., Fan, X. F., Luo, W. C., Wu, G. H., Yan, X., Yin, D. Z., … Xu, D. R. (2014). An explorative fMRI study of human creative thinking using a specially designed iCAD system.,(4), 427–436.

[范亮艷, 范曉芳, 羅位超, 吳功航, 嚴序, 尹大志, … 徐冬溶. (2014). 藝術設計中創造性思維的fMRI研究: 一項基于智能CAD的探索.,(4), 427–436.]

Faul, F., Erdfelder, E., Buchner, A., & Lang, A. G. (2009). Statistical power analyses using g*power 3.1: Tests for correlation and regression analyses.,(4), 1149–1160.

Feist, G. J. (1998). A meta-analysis of personality in scientific and artistic creativity.,(4), 290–309.

Ferstl, E. C., & Yves von Cramon, D. (2001). The role of coherence and cohesion in text comprehension: An event- related fMRI study., 325–340.

Fink, A., Grabner, R. H., Gebauer, D., Reishofer, G., Koschutnig, K., & Ebner, F. (2010). Enhancing creativity by means of cognitive stimulation: Evidence from an fmri study.(4), 1687–1695.

Fink, A., Koschutnig, K., Hutterer, L., Steiner, E., Benedek, M., Weber, B., ... Weiss, E. M. (2014). Gray matter density in relation to different facets of verbal creativity.(4), 1263–1269.

Fulwiler, C. E., King, J. A., & Zhang, N. (2012). Amygdala– orbitofrontal resting-state functional connectivity is associated with trait anger.(10), 606–610.

Gansler, D. A., Moore, D. W., Susmaras, T. M., Jerram, M. W., Sousa, J., & Heilman, K. M. (2011). Cortical morphology of visual creativity.(9), 2527–2532.

Getzels, J. W. (2011). Problem-finding and the inventiveness of solutions.(1), 12–18.

Gilbert, S. J., Zamenopoulos, T., Alexiou, K., & Johnson, J. F. (2010). Involvement of right dorsolateral prefrontal cortex in ill-structured design cognition: An fMRI study.,(2), 79–88.

Gilhooly, K. J., Fioratou, E., & Henretty, N. (2011). Verbalization and problem solving: Insight and spatial factors.(1), 81–93.

Greicius, M. D., Krasnow, B., Reiss, A. L., & Menon, V. (2003). Functional connectivity in the resting brain: A network analysis of the default mode hypothesis.(1), 253–258.

Hahn, A., Stein, P., Windischberger, C., Weissenbacher, A., Spindelegger, C., Moser, E., ... Lanzenberger, R. (2011). Reduced resting-state functional connectivity between amygdala and orbitofrontal cortex in social anxiety disorder.(3), 881–889.

Han, Q., Hu, W. P., Liu, J., Jia, X. J., & Adey, P. (2013). The influence of peer interaction on students creative problem- finding ability.(3), 248–258.

Hao, X., Cui, S., Li, W. F., Yang, W. J., Qiu, J., & Zhang, Q. L. (2013). Enhancing insight in scientific problem solving by highlighting the functional features of prototypes: An fMRI study.:46–54.

He, Y., Wang, L., Zang, Y. F., Tian, L., Zhang, X. Q., Li, K., & Jiang, T. (2007). Regional coherence changes in the early stages of Alzheimer’s disease: A combined structural and resting-state functional MRI study.(2), 488–500.

Hennessey, B. A., & Amabile, T. M. (2010). Creativity.(1), 569–598.

Holman, D. M. (2018).UC Merced.

Houk, J. C. (2005). Agenss of the mind.(6), 427–437.

Howard-Jones, P. A., Sarah-Jayne Blakemore, Samuel, E. A., Summers, I. R., & Claxton, G. (2005). Semantic divergence and creative story generation: An fMRI investigation.(1), 240–250.

Hu, W. P., & Adey, P. (2002). A scientific creativity test for secondary school students.,(4), 389–403.

Hu, W. P., Cheng, L. F., Jia, X. J., Han, M., & Chen., Y. H. (2015). The influence of Cognitive inhibition to Creative Scientific Problem Finding: Mediating effect of field cognitive style.(6), 721–728.

[胡衛平, 程麗芳, 賈小娟, 韓蒙, 陳英和. (2015). 認知抑制對創造性科學問題提出的影響: 認知風格的中介作用.(6), 721–728.]

Hu, W. P., & Han, K. K. (2015). Theoretical research and practicalexploration of adolescents’scientific creativity.(1), 44–50.

[胡衛平, 韓葵葵. (2015). 青少年科學創造力的理論研究與實踐探索.(1), 44–50.]

Hu, W. P., Shi, Q. Z., Han, Q., Wang, X. Q., & Adey, P. (2010). Creative scientific problem finding and its developmental trend.(1), 46–52.

Hu, W. P., & Zhou, P. (2010). The influences of motivation on creative scientific problem finding ability of first year students in high school.(1), 34–39.

[胡衛平, 周蓓. (2010). 動機對高一學生創造性的科學問題提出能力的影響., (1), 34–39.]

Huang, F., Fan, J., & Luo, J. (2015). The neural basis of novelty and appropriateness in processing of creative chunk decomposition., 122–132.

Jia, X. J., Hu, W. P., Cai, F. C., Wang, H. H., Li, J., Runco, M. A., & Chen, Y. H. (2017). The influence of teaching methods on creative problem finding., 86–94.

Jung-Beeman, M., Bowden, E. M., Haberman, J., Frymiare, J. L., Arambel-Liu, S., Greenblatt, R., ... Kounios, J. (2004). Neural activity when people solve verbal problems with insight.(4), e97.

Jung, R. E., Mead, B. S., Carrasco, J., & Flores, R. A. (2013). The structure of creative cognition in the human brain.(2), 330.

Jung, R. E., Segall, J. M., Bockholt, J. H., Flores, R. A., Smith, S. M., Chavez, R. S., & Haier, R. J. (2010). Neuroanatomy of creativity., 398–409.

Kaplan, C. A., & Simon, H. A. (1990). In search of insight.(3), 374–419.

Kounios, J., & Beeman, M. (2013). The cognitive neuroscience of insight.(1), 71–93.

Kounios, J., Frymiare, J. L., Bowden, E. M., Fleck, J. I., Subramaniam, K., Parrish, T. B., & Jung-Beeman, M. (2006). The prepared mind neural activity prior to problem presentation predicts subsequent solution by sudden insight.(10), 882–890.

Lang, S., Kanngieser, N., Ja?kowski, P., Haider, H., Rose, M., & Verleger, R. (2006). Precursors of insight in event-related brain potentials.(12), 2152.

Lee, H., & Cho, Y. (2007). Factors affecting problem finding depending on degree of structure of problem situation.(2), 113–123.

Li, H. Y., Hu, W. P., & Shen, J. L. (2010). School environment effects on the relations between adolescents' personality and creative scientific problem finding., (5), 132–136.

[李海燕, 胡衛平, 申繼亮. (2010). 學校環境對初中生人格特征與創造性科學問題提出能力關系的影響.(5), 132–136.]

Li, W. F. (2014).. Unpublished doctor’s thesis. China: Southwest University.

[李文福. (2014).. 博士學位論文. 西南大學.]

Li, W. F., Tong, D. D., Qiu, J., & Zhang, Q. L. (2016). The neural basis of scientific innovation problems solving.,(4), 331–342.

[李文福, 童丹丹, 邱江, 張慶林. (2016). 科學發明問題解決的腦機制再探.(4), 331–342.]

Limb, C. J., & Braun, A. R. (2008) Neural substrates of spontaneous musical performance: An fMRI Study of Jazz improvisation.(2), e1679.

Lundstrom, B. N., Ingvar, M., & Petersson, K. M. (2005). The role of precuneus and left inferior frontal cortex during source memory episodic retrieval.(4), 824–834.

Luo, J., & Niki, K. (2003). Function of hippocampus in “insight” of problem solving.(3), 316–323.

Luo, J., & Zhang, X. L. (2006). From the impasse to the breakthrough: The brain basis for insightful problem solving.(4): 484–489.

[羅勁, 張秀玲. (2006). 從困境到超越: 頓悟的腦機制研究.(4), 484–489.]

Luo, J. L., Li, W. F., Qiu, J., Wei, D. T., Liu, Y. J., & Zhang, Q. L. (2013). Neural basis of scientific innovation induced by heuristic prototype.(1), e49231.

Luo, Y. M., Li, B. L., Liu, J., Bi, C. Z., & Huang, X. T. (2015). Amplitude of low-frequency fluctuations in happiness: A resting-state fMRI study.,(2), 170–178.

[羅揚眉, 李寶林, 劉杰, 畢重增, 黃希庭. (2015). 幸福感的靜息態功能磁共振成像低頻振幅.(2), 170–178.]

Mennes, M., Kelly, C., Zuo, X. N., Martino, A. D., Biswal, B. B., Castellanos, F. X., & Milham, M. P. (2010). Inter- individual differences in resting-state functional connectivity predict task-induced BOLD activity.(4), 1690–1701.

Moore, D. W., Bhadelia, R. A., Billings, R. L., Fulwiler, C., Heilman,K. M., Rood, K. M. J., & Gansler, D. A. (2009). Hemispheric connectivity and the visual–spatial divergent-thinking component of creativity.(3), 267–272.

O’Boyle, M. W., Cunnington, R., Silk, T. J., Vaughan, D., Jackson, G., Syngeniotis, A. & Egan, G. F. (2005). Mathematically gifted male adolescents activate a unique brain network during mental rotation.(2), 583–587.

Okuda, S. M., Runco, M. A., & Berger, D. E. (1991). Creativity and the finding and solving of real-world problems.(1), 45–53.

Paletz, S. B. F., & Peng, K. (2009). Problem finding and contradiction: Examining the relationship between naive dialectical thinking, ethnicity, and creativity.(2–3), 139–151.

Qian, Z. H. (1999). A brief discussion of scientific problems., (2), 9–12.

[錢兆華. (1999). 簡論科學問題., (2), 9–12]

Qiu, J., Li, H., Jou, J., Liu, J., Luo, Y., Feng, T., ... Zhang, Q. (2010). Neural correlates of the “Aha” experiences: Evidence from an fMRI study of insight problem solving.(3), 397–403.

Reiter-Palmon, R., & Robinson, E. J. (2009). Problem identification and construction: What do we know, what is the future?(1), 43–47.

Runco, M. A., Illies, J. J., & Reiter-palmon, R. (2005). Explicit instructions to be creative and original: A comparison of strategies and criteria as targets with three types of divergentthinking tests.(1), 5–15.

Runco, M. A., & Okuda, S. M. (1988). Problem discovery, divergent thinking, and the creative process.(3), 211–220.

Shamay-Tsoory, S. G., Adler, N., Aharon-Peretz, J., Perry, D., & Mayseless, N. (2011). The origins of originality: The neural bases of creative thinking and originality.(2), 178–185.

Shen, J. L., Hu, W. P., & Lin, C. D. (2002). Constructing of the scientific creativity test for adolescent.,(4), 76–81.

[申繼亮, 胡衛平, 林崇德. (2002). 青少年科學創造力測驗的編制.(4), 76–81.]

Shen, W. B., Liu, C., & Wang, Y. J. (2010). Neurophysiological basis of artistic creativity.,(10), 520–1528.

[沈汪兵, 劉昌, 王永娟. (2010). 藝術創造力的腦神經生理基礎.(10), 520–1528.]

Shen, W. B., Luo, J., Liu, C., & Yuan, Y. (2012). One decade for insightful brain: New advances on neural correlates of insight (in Chinese).(21), 1948–1963.

[沈汪兵, 羅勁, 劉昌, 袁媛. (2012). 頓悟腦的10年: 人類頓悟腦機制研究進展.(21), 1948–1963.]

Song, X. W., Dong, Z. Y., Long, X. Y., Li, S. F., Zuo, X. N., Zhu, C. Z., ... Zang, Y. F.. (2011). REST: A toolkit for resting-state functional magnetic resonance imaging data processing.(9), e25031.

Sternberg, R. J., & Lubart, T. I. (1993). Investing in creativity.(3), 229–232.

Subramaniam, K. (2008). The behavioral and neural basis for the facilitation of insight problem-solving by a positive mood. Northwestern University.

Takeuchi, H., Taki, Y., Hashizume, H., Sassa, Y., Nagase, T., Nouchi, R., & Kawashima, R. (2012). The association between resting functional connectivity and creativity.(12), 2921–2929.

Takeuchi, H., Taki, Y., Sassa, Y., Hashizume, H., Sekiguchi, A., Fukushima, A., & Kawashima, R. (2010). White matter structures associated with creativity: Evidence from diffusion tensor imaging.(1), 11.

Talati, A., & Hirsch, J. (2005). Functional specialization within the medial frontal gyrus for perceptual go/no-go decisions based on “what, ” “when, ” and “where” related information: An fMRI study.(7), 981–993.

Tong, D. D. (2017).Unpublished doctor’s thesis. China: Southwest University.

[童丹丹. (2017).. 博士學位論文. 西南大學.]

Tong, D. D., Dai, T. E., Li, W. F., Qiu, J., & Zhang, Q. L. (2013).An fMRI study for problem-finding in scientific inventional situation.,(7), 740–751.

[童丹丹, 代天恩, 李文福, 邱江, 張慶林. (2013). 科學發明情境中問題提出的fMRI研究.(7), 740–751.]

Tong, D. D., Li, W. F., Dai, T. E., Nusbaum, H. C., Qiu, J., & Zhang, Q. L. (2013). Brain mechanisms of valuable scientific problem finding inspired by heuristic knowledge.., 437–443.

Torrance, E. P. (1966).. Princeton, NJ: Personnel Press.

Wang, B. T. (2013).. Unpublished master’s thesis. Shanxi Normal University, China.

[王博韜. (2013).碩士學位論文, 山西師范大學.]

Wang, B. T., Duan, H. J., Han, Q., & Hu, W. P. (2017). The influence of inter-hemispheric interaction on creative scientific problem finding ability.(2), 92–102.

[王博韜, 段海軍, 韓琴, 胡衛平. (2017). 大腦半球互動對創造性科學問題提出能力的影響.,(2), 92–102.]

Wang, Z. Q., Yan, C. G., Zhao, C., Qi, Z. G., Zhou, W., Lu, J., ... Li, Q. (2011). Spatial patterns of intrinsic brain activity in mild cognitive impairment and alzheimer’s disease: A resting-state functional MRI study.(10), 1720–1740.

Ward, T. B. (2007). Creative cognition as a window on creativity.(1), 28.

Wei, D. T., Yang, J. Y., Li, W. F., Wang, K. C., Zhang, Q. L., & Qiu, J. (2014). Increased resting functional connectivity of the medial prefrontal cortex in creativity by means of cognitive stimulation.(1), 92–102.

Wei, L. Q., Duan, X. J., Zheng, C. Y., Wang, S. S., Gao, Q., Zhang, Z. Q., … Chen, H. F. (2013). Specific frequency bands of amplitude low-frequency oscillation encodes personality.(1), 331–339.

Whitfield-Gabrieli, S., & Nieto-Castanon, A. (2012). A functional connectivity toolbox for correlated and anticorrelated brain networks.(3), 125–141.

Wu, L. L., Knoblich, G., & Luo, J. (2013). The role of chunk tightness and chunk familiarity in problem solving: Evidencefrom ERPs and FMRI.(5), 1173–1186.

Wu, Z. Z., Qiu, J., & Zhang, Q. L. (2008). Exploring the mechanism for prototype elicitation effect in insight.(1), 31–35.

[吳真真, 邱江, 張慶林. (2008). 頓悟的原型啟發效應機制探索.(1), 31–35.]

Wu, Z. Z., & Zhang, Q. L. (2005). Effects of familiarity of fields and questioning-constrained on the creativity of question- asking of undergraduates.. (44), 61–63.

[吳真真, 張慶林. (2005). 領域熟悉度和提問限制對大學生提問創造性的影響., (44), 61–63.]

Xue, H., Lu, K. L., & Hao, N. (2018). Cooperation makes two less-creative individuals turn into a highly-creative pair., 527–537.

Yan, C. G., & Zang, Y. F. (2010). DPARSF: A MATLAB toolbox for “pipeline” data analysis of resting-state fMRI., 13.

Yang, W. J., Jin, Y. L., Qiu, J., & Zhang, Q. L. (2018). The effect of prototype difficulty and semantic similarity on the prototype activation.,(3), 260–269.

[楊文靜, 靳玉樂, 邱江, 張慶林. (2018). 問題先導下語義相似性和原型難度對原型啟發的影響.(3), 260–269.]

Zang, Y. F., He, Y., Zhu, C. Z., Cao, Q. J., Sui, M. Q., Liang, M., ... Wang, Y. F. (2007). Altered baseline brain activity in children with ADHD revealed by resting-state functional MRI.(2), 83–91.

Zeng, L. L., Shen, H., Liu, L., Wang, L. B., Li, B. J., Fang, P., ... Hu, D. W. (2012). Identifying major depression using whole-brain functional connectivity: A multivariate pattern analysis.(Pt 5), 1498.

Zhang, Q. L., Tian, Y., Qiu, J. (2012). Automatic activation of prototype representation in insight: The sources of inspiration.(9), 144–149.

[張慶林, 田燕, 邱江. (2012). 頓悟中原型激活的大腦自動響應機制: 靈感機制初探.(9), 1–10.]

Zhao, Q. B., Zhou, Z. J., Xu, H. B., Chen, S., Xu, F., Fan, W. L., & Han, L. (2013). Dynamic neural network of insight: A functional magnetic resonance imaging study on solving chinese riddles.(3), e59351.

Zhou, D., & Shi, J. N. (2005). Creative process: From the information processing perspective.(6), 721–727.

[周丹, 施建農. (2005). 從信息加工的角度看創造力過程.(6), 721–727.]

Zhou, H. (2015).. Unpublished master’s thesis. Shaanxi Normal University, China.

[周寰. (2015).碩士學位論文. 陜西師范大學.]

Zhu, D., Luo, J. L., Zhu, H. X., Qiu, J., & Zhang, Q. L. (2011). The effect of prototype inspiration in the process of scientific innovation thinking.(5), 144–149.

[朱丹, 羅俊龍, 朱海雪, 邱江, 張慶林. (2011). 科學發明創造思維過程中的原型啟發效應.(5), 144–149.]

Zou, Q. H., Ross, T. J., Gu, H., Geng, X. J., Zuo, X. N., Elliot Hong, L., ... Yang, Y. H. (2013). Intrinsic resting-state activity predicts working memory brain activation and behavioral performance.(12), 3204–3215.

Zuo, X. N., Martino, A. D., Kelly, C., Shehzad, Z. E., Gee, D. G., Klein, D. F., ... Milham, M. P. (2010). The oscillating brain: Complex and reliable.(2), 1432–1445.

The neural basis of scientific innovation problem finding

TONG DanDan, LI WenFu, LU Peng, YANG WenJing, YANG Dong, ZHANG QingLin, QIU Jiang

(School of Psychology, Northwest Normal University, Key Laboratory of Behavioral and Mental Health of Gansu Province, Lanzhou 730070, China) (School of Psychology, Southwest University, Chongqing 400715, China) (Department of Mental Health, Jining Medical University, Jining 272067, China)

Creative thinking, which refers to the process by which individuals produce a unique, valuable product based on existing knowledge, experience, and multi-perspective thinking activities, is the cornerstone of human civilization and social progress. As an important part of the creative field, scientific inventions in particular require individuals to break the existing state and build new things in the process of creating them. Therefore, the use of real-life examples of scientific inventions to explore the cognitive neural mechanism of creative thinking has become a focus of recent research. There have been many studies of creative problem solving, especially regarding its neural mechanisms. However, less attention has been paid to the issue of problem finding. Hence, the present study employed resting-state functional magnetic resonance imaging (rs-fMRI) and scientific invention problem-finding materials to identify the neural substrates of the process of scientific innovation problem finding.

In the present study, nine scientific innovation problem situations were selected as materials. Each problem consisted of three parts: (paradoxical) problem situation, (misleading) old problem, and heuristic prototype. The modified learning-testing paradigm was used to explore the brain mechanisms of problem finding. Participants were asked to find a new problem based on the given problem situation and old problem in the testing phase after learning all the heuristic prototypes in the learning phase. A total of 104 undergraduates (mean age = 19.26 ± 0.99) were enrolled in the final experiment. The rs-fMRI data were acquired using an echo planar imaging (EPI) sequence from a 3-T Siemens Magnetom Trio scanner (Siemens Medical, Erlangen, Germany) at the MRI center of Southwest University. We used both the amplitude of low-frequency fluctuation (ALFF) and resting-state functional connectivity (RSFC) to measure the local properties of rs-fMRI signals, and then investigated the relationship between ALFF/RSFC and individual differences in scientific problem finding.

After controlling for age and sex, the results of multiple regression analysis showed that individuals with a high rate of useful problems had higher spontaneous brain activity in the left medial prefrontal cortex (L-mPFC) and cerebellum. Functional connectivity analysis further found a significant positive correlation between the rate of useful problems and the mPFC-Cuneus functional connectivity.

Based on these results, we infer that: (1) The mPFC plays an important role in the process of scientific innovation problem finding. It might be responsive to two aspects: one involved in breaking the thinking set and forming novel association and another associated with the extraction and processing of working memory. (2) The cerebellum and the cuneus might be separately involved in the inter-semantic allocation of attentional resources and divulging.

creativity, scientific innovation problem finding, mPFC, AlFF, RSFC

2019-12-20

* 國家自然科學基金項目(31470981; 31771231), 教育部人文社會科學研究項目(19XJC190001), 甘肅省社科規劃項目(19YB026), 山東省高等學校“青創科技計劃”項目(2019RWF003)。

張慶林, E-mail: zhangql@swu.edu.cn; 邱江, E-mail: qiuj318@swu.edu.cn

B842