头脑风暴：‌群体中的脑间耦合是群体创造力形成的基础

摘要

虽然群体动力对创造力的影响已得到广泛认可，但以往研究主要集中在个体上。为了填补这一空白，本研究将群体作为分析的基本单位，使用功能性近红外光谱(fNIRS)来检测四人组在头脑风暴讨论期间的大脑活动。本研究评估了背外侧前额叶皮层(DLPFC，与灵活性相关的脑区)和额下回(IFG，与模仿相关的脑区)的脑间耦合。研究结果发现，以创造力为焦点的讨论会引发与灵活性和从众行为相关的脑间耦合。IFG中的脑间耦合程度越高，意味着群体成员在头脑风暴中更倾向于模仿其他成员的反应。重要的是，DLPFC中的脑间耦合与群体创造力呈正相关，而IFG中的脑间耦合则与创造力呈负相关。这些发现表明，相较于从众行为，增加群体思维方式的灵活性对于提升群体创造力至关重要。

引言

人类对创造力具有浓厚的兴趣。从洞穴绘画和狩猎采集工具制作到当代艺术和技术，从不相干的元素中创造新想法和新产品的趋势深深植根于人类的认知中，并为人类取得巨大成就做出了不可估量的贡献。虽然创造力通常被视为一种个人能力，但学者们越来越认识到，创造力也是一种社会现象。最近关于跨文化创造力差异的研究表明，社会因素对新想法的形成有重大影响。创造性活动，包括舞蹈、音乐、头脑风暴以及科学合作，主要发生在社交场合。即使个人单独从事创造性活动，他们的工作也经常会被同行公开评价，或受到隐性文化规范的评估。然而，尽管社会因素在调节创造力方面发挥了重要作用，但该领域的大多数研究主要集中在单个个体上，而没有考虑潜在的群体动力学。虽然新兴的研究已经关注双人组中的创造力，但有关群体创造力的神经机制问题仍有待解决。

鉴于“团队精神”(群体思维)对群体内个体的影响，在这里本研究采用以群体为分析单位的方法。据此，本文提出了两种有助于在群体互动中发挥创造力的群体动力学类型：(1)个体内在的“从众”倾向；(2)个体独立行动的倾向。从众行为涉及在不同层面的一致性，包括行动、情感和认知方面。虽然从众行为可以帮助群体在行动和情感上保持一致，但也可能导致个体更倾向于模仿他人而非提出原创性的观点，从而限制了创造性。因此，从众思维的特征是群体成员之间的相似或模仿反应数量较多，创造性结果较低。另一方面，独立思考需要灵活性、探索不同想法以及考虑多种可能性的能力。灵活性的特点是对不同的想法持开放态度，并愿意探索新的方法，这是创造力的根基。关于群体创造力的研究表明，在群体环境中产生创造性的想法需要成员们开放地分享自己的观点。

基于上述方法，本研究假设存在两种不同的神经网络，一种支持从众思维，另一种支持灵活的群体思维。并进一步假设这些网络对群体创造力有不同的贡献。灵活的群体思维方式使群体成员能够接受多样化的想法并表达他们的个人观点，而从众思维方式则使他们能够调整自己的信念、态度和行为，以与他人保持一致。因此，本研究假设，相较于从众行为，较高水平的群体创造力与更大程度的灵活性相关。

在群体创造力过程中，支持灵活思维的一个关键网络是执行控制网络(ECN)，它涉及定势转换、决策制定和工作记忆。关于创造力的神经影像学研究多次发现，虽然默认模式网络(DMN)(包括内侧前额叶皮层(mPFC)、后扣带皮层(PCC)和颞顶交界区(TPJ))参与创造性思维的生成，但执行控制网络(ECN)则被认为在评估、转换和选择想法的认知过程中起着关键作用。背外侧前额叶皮层(DLPFC)作为ECN的核心区域，在创造性故事生成和发散性思维的研究中发现该区域会被激活。虽然有人认为抑制DLPFC可能会提高创造力，但不同的研究表明该区域的活动增加与即兴音乐演奏和顿悟问题解决有关。近年来，有研究利用fNIRS在参与双人创造力任务的二人组中发现，脑间耦合增强，特别是在右侧DLPFC。互动个体中DLPFC脑信号的耦合活动可能代表了灵活和开放的协调思维方式。相反，观察-执行网络中的脑间耦合可能表明该群体具有从众思维。事实上，最近的一项研究表明，额下回(IFG)的脑间耦合与创造力呈负相关。考虑到IFG是镜像神经元系统中的核心区域，并且该区域在需要同步行为的任务中存在脑间耦合，因此IFG中的脑间耦合可能对群体成员在创造性过程中的协调至关重要。然而，由于该区域负责模仿和对齐，因此减少IFG的脑间耦合可能有助于实现创造性的结果。以往的研究发现，IFG的病变与创造力的增加有关，并且以该区域为靶点的阴极(抑制性)直流电刺激(tDCS)可增强创造力。因此，IFG的脑间耦合可能反映了群体中的从众思维方式，并可能降低群体的创造力水平。

本研究旨在考察四人组中创造力的神经机制。为了评估群体创造力，本研究采用了两个发散性思维任务，并将88名参与者随机分成四人组。每个小组的任务是举行讨论，为预定义的挑战提出创新的想法和解决方案(图1)。第一个任务是对一个常见物品(如罐头)的不同用途进行头脑风暴，而第二个任务则要求制定原创策略，以防止鸡蛋从建筑物上掉落时摔碎。在讨论阶段之前，使用已建立的指标(Torrance)评估每个参与者的个人创造力，以创建一个基线，用于后续比较分析。

图1.实验设计。

材料和方法

参与者

共有88名参与者(12名男性，76名女性)参加了本研究。所有参与者均为右利手，视力正常或矫正至正常，无神经或精神疾病史。根据性别对参与者进行分组，即分成3个男性组和19个女性组，每组包含4名参与者。在每个小组中，参与者彼此不熟悉。本研究已获得海法大学当地伦理委员会的批准，参与者需签署知情同意书后方可参与研究。本实验遵循所有与人类研究被试相关的伦理法规。

测量

群体创造力

采用两种不同的创造性任务来评估群体创造力。

①替代用途任务(AUT)：实验者给各小组列出了六种常见的物品(铅笔、钥匙、纽扣、轮胎、罐头和鞋子)，以及每种物品最常见的用途。他们还列举了一个物品的替代用途(示例：在水瓶上打孔，将其变成洒水器)。然后，各小组有90s的时间来给出每个物品的替代用途。要求参与者提出之前未曾想到过的替代用途。为了防止顺序效应(由于疲劳、练习、遗留效应或其他因素导致的反应变化)，本研究创建了两个版本的任务，其中内容相同但物品的顺序不同。每个版本分别分发给其中一半小组。

②鸡蛋任务(EGG)：各小组有两分钟的时间共同想出防止鸡蛋从十米高的建筑物上掉落摔碎的创造性方法。为了确保参与者理解任务，实验者给他们提供了一个示例：驯服一只鹰来接住掉落的鸡蛋。

在这两项创造力任务中，参与者被告知没有正确或错误的答案，并鼓励他们提出尽可能多的答案。此外，为了确保所有参与者积极参与任务，每一轮开始时，每个人都需要先提供一个回答。随后，开始头脑风暴环节，小组成员进行自由合作(图2)。

图2.创造力任务。

评分：通过音频记录捕捉每个小组内成员的口头回答，然后逐字记录以方便编码过程。这项工作旨在准确地将每个回应归属于小组内的各个成员。创造力得分由专家评分者根据两个维度进行评估：灵活性(类别数量)和独创性(独特回答)。计算每项任务的独创性和灵活性得分，并将创造力总分计算为独创性得分和灵活性得分的平均值。用于分析每个小组的最终创造力得分是两项任务的创造力总分之和。

表1显示了各组在AUT和EGG任务中的独创性、灵活性和创造力总分的平均值(和标准差)。

表1.创造力测量的均值(标准差)。

个体创造力

为了评估个体的创造力，本研究使用了托兰斯创造性思维测验(TTCT)中的一个子测验。该子测验要求个体使用三十六个圆圈尽可能多地画出不同的物体或图像。参与者需要在每幅图画旁边写下一个名称，并在十分钟内完成这项任务。由专家评分者对其灵活性和独创性进行评分。灵活性是指参与者的回答可以分类为不同类别的数量。例如，眼镜、小丑和向日葵被分为三个不同的类别(装饰、人类和花)，而玫瑰、向日葵和花则被归为同一类别(花)。其中六十八个类别来自于测验评估手册，本研究还添加了两个额外的类别(虚拟电子产品；电脑和智能手机)，总共七十个类别。根据手册的说明，独创性通过统计一个回答是否常见来衡量：如果一个回答被10%以上的参与者提出，则不予计分；如果有5%-9.99%的参与者提出，则得1分；如果有2%-4.99%的参与者提出，则得2分；如果少于2%的参与者提出，则得3分。独创性得分是所有回答得分的总和。创造力总分计算为独创性和灵活性得分的平均值。

从众效应评估

为了评估从众效应水平，本研究计算了小组讨论中每个AUT项目被重复回答的次数。从众效应分数由一名训练有素的评分者进行量化，该评分者计算了同一小组成员之间具有相同或概念上相似的重复回答情况。对于完全相同的回答，给予1分。相反，对于主题上相似但表达不同的回答，则给予0.5分。小组的从众效应得分计算为所有回答的平均得分。

群体脑间耦合的计算

对于每个参与者，本研究测量了四个区域的氧合血红蛋白(O2Hb)时间序列。使用频率范围为0.015-0.15Hz的Morlet小波函数作为母小波。选择这一频率范围是因为它低于fNIRS数据中的心率(约1-2Hz)和呼吸(约0.2-0.3Hz)等噪声源的典型频率范围。对于每个小组中的每对成员，本研究计算了每对同源区域的脑间耦合度量值。然后，对两个创造性任务(AUT和EGG)中的群体脑间耦合值进行平均，以提取组水平的脑间耦合值。

fNIRS数据采集

本研究使用Brite24 fNIRS系统(Artinis Medical Systems；Elst，The Netherlands)测量了每小组四名成员之间的大脑耦合。该系统用于同时测量皮层中氧合血红蛋白(O2Hb)和脱氧血红蛋白(HHb)的浓度变化。O2Hb和HHb信号均可用于测量脑血流的变化情况。在这里，本研究重点关注O2Hb信号。该系统采用了两种波长(760和850nm)的近红外光源。

采样率为50Hz。该系统包含18个光电传感器：10个发射器和8个接收器。每对发射器和接收器组成一个通道，每个半球有12个通道。根据国际脑电图10-20系统选择光极位置，部分覆盖双侧前额叶皮层(图3a)。然后，通道根据每个发射器及其所有接收器的布置，按照它们所覆盖的Broadmann区域被归类到感兴趣区域(ROI)中。双侧ROI包括：前运动皮层(PMC)、额下回岛盖部(IFG岛盖部；BA44)、额下回三角部(IFG三角部；BA45)、背外侧前额叶皮层(DLPFC)的Broadmann 46区和DLPFC的Broadmann 9区(图3b)。

图3.fNIRS通道配置。

神经数据预处理

使用HOMER 3对fNIRS数据进行预处理。预处理流程包括：1)将光强度数据转换为光密度，以便后续准确测量O2Hb和HHb的浓度。2)识别运动伪影，并使用主成分分析(PCA)方法进行校正。3)对数据进行带通滤波(截止频率为0-1Hz)，以帮助去除与脑活动无关的高频成分。4)使用改进的比尔-朗伯定律将光密度数据转换为O2Hb和HHb浓度值。5)基于O2Hb和HHb通常呈强负相关的假设，去除O2Hb和HHb之间正相关超过0.5的通道。这一预处理流程确保了数据质量更高，使其适合进行进一步的分析。

统计分析

为了检验真实组和伪组在创造性任务中的平均脑间耦合差异，首先采用了混合设计的重复测量方差分析(ANOVA)，其中组别(真实组、伪组)作为被试间因素，脑区(IFG、DLPFC)和半球(左、右)作为被试内因素。然后，计算了各组大脑间耦合与创造性结果之间的Pearson相关系数。为了预测从众效应和创造力表现，以从众和创造力得分为因变量，以所有区域的脑间耦合为预测变量，进行逐步线性回归分析。

结果

脑间耦合分析

为了评估每组中个体之间的脑间耦合，本研究对来自两个区域的神经信号时间序列应用小波变换相干性(WTC)，并在MATLAB中使用小波相干包实现。这些值的范围从0(无相干性)到1(完全相干性)。对于每个四人组(A、B、C、D)的每个感兴趣区域(ROI)，共有六对组合(AB、AC、AD、BC、BD、CD)。本研究计算了每对的WTC。为了得到每个ROI的组间脑耦合指标，随后将所有对的WTC值进行平均。为了测试样本中的脑间耦合是否高于随机水平，本研究通过随机配对来自不同组的四个参与者的fNIRS数据，创建了22个伪组。以类似于对真实组的分析方式计算了每个伪组的脑间耦合。

ANOVA分析结果显示，组别的主效应显著(p＜0.001)。真实组的脑间耦合(M=0.32，SD=0.01)显著高于伪组(M=0.30，SD=0.01)。脑区的主效应显著(p＜0.001)。DLPFC区域的脑间耦合(M=0.32，SD=0.02)显著高于IFG区域(M=0.31，SD=0.01)。组别(真实组、伪组)、脑区(IFG、DLPFC)和半球(左、右)三者之间存在显著的交互效应(p＜0.05)。

为了进一步检验交互效应，首先使用单因素多变量方差分析(MANOVA)研究了不同脑区的组别差异，其中组别作为被试间的自变量，R.IFG、L.IFG、R.DLPFC和L.DLPFC的脑间耦合作为因变量。结果显示，真实组和伪组在R.IFG(p＜0.01)、L.IFG(p＜0.001)、R.DLPFC(p＜0.05)和L.DLPFC(p＜0.001)之间存在显著差异。在所有区域中，真实组的脑间耦合显著高于伪组(图4)。

图4.不同组别在各脑区的脑间耦合存在差异。

接下来，使用重复测量方差分析(ANOVA)分别探索了每个组别在不同脑区之间的差异，以四个大脑区域作为被试间的自变量，以脑间耦合作为因变量。结果显示，仅真实组表现出了显著效应(p＜0.01)，而伪组则没有(p=0.064)。使用Bonferroni校正显示，在真实组中，L.DLPFC与L.IFG(p＜0.05)以及L.DLPFC与R.IFG(p＜0.01)之间存在显著差异。L.DLPFC的脑间耦合明显高于L.IFG和R.IFG(图5)。

图5.在真实组中，左右IFG和DLPFC的脑间耦合结果。

大脑与行为的相关性

本研究初步检验了是否可以通过IFG的脑间耦合来预测从众效应。在这里，本研究计算了模仿反应的数量，采用逐步线性回归来确定最佳解释从众变异性的特定脑区，将从众效应作为因变量，不同脑区的脑间耦合作为自变量。根据变量的统计显著性和对模型拟合优度的贡献，逐步将变量添加到回归方程中。结果显示，只有R.IFG(p＜0.01)对模型的拟合优度有显著影响。最终包括R.IFG的回归模型是显著的(p＜0.01)，并且调整后的R2=0.27。这些结果表明，R.IFG中的脑间耦合水平越高(正相关)预示着个体的从众倾向越明显(图6)。

图6.从众效应可以通过R.IFG的脑间耦合水平来预测。

为了进一步确定最能解释创造力变异性的脑区，本研究采用了逐步线性回归方法，以创造力为因变量，以不同脑区的脑间耦合为自变量。根据变量的统计显著性和对模型拟合优度的贡献，逐步将变量添加到回归方程中。结果显示，L.DLPFC(p＜0.01)、R.IFG(p＜0.05)和L.IFG(p＜0.05)对模型的拟合优度有显著影响。最终包括 L.DLPFC、R.IFG和L.IFG的回归模型是显著的(p＜0.01)，调整后的R2=0.48。这些结果表明，L.DLPFC的脑间耦合水平越高(正相关)，以及R.IFG和L.IFG的脑间耦合水平越低(负相关)，预示着创造力的水平越高(图7)。

图7.预测创造力差异的脑区。

结论

本研究发现在头脑风暴期间，DLPFC和IFG的脑间耦合均增加。具体来说，左侧DLPFC的脑间耦合明显高于左侧IFG和右侧IFG。此外，左侧DLPFC的脑间耦合与群体创造力水平呈正相关，而右侧IFG的脑间耦合与创造力呈负相关。这些结果表明，IFG中的低脑间耦合和DLPFC中的高脑间耦合支持了群体创造性思维的双重需求：从众倾向和产生新想法的倾向。总的来说，本研究结果不仅为社会交互影响的创造力模型提供了直接的实证支持，而且也为理解群体动力学的神经机制奠定了基础。

参考文献：Pick, H., Fahoum, N., Zoabi, D. et al. Brainstorming: Interbrain coupling in groups forms the basis of group creativity. Commun Biol 7, 911 (2024). https://doi.org/10.1038/s42003-024-06614-7

小伙伴们关注茗创科技，将第一时间收到精彩内容推送哦～