《Thoracic Surgery Clinics》：Using Machine Learning Techniques for Evaluating Creativity in Graphic Combination Task (GCT) Among Chinese College Students
编辑推荐：
本研究将传统图形组合任务（GCT）转化为在线测试版本，并基于行为数据构建机器学习模型实现自动化创造力评估。通过整合文献综述、专家评价和参与者的过程数据，建立了包含原创性、灵活性和流畅性的三维评估框架。采用70%训练集和30%测试集验证模型有效性，比较发现加权集模型在准确性和效率上表现最佳，验证了该模型能有效且可靠地评估个体创造力。
肖玉山|袁莉|高松奇|陈群林|杨松华|郭雷
中国重庆西南大学心理学学院，邮编400715
摘要
本研究将传统的图形组合任务（GCT，一种常用的创造力评估工具）转换为在线测试版本。通过从数字平台收集的丰富行为数据，我们开发了机器学习模型（MLMs），以实现自动化的创造力评估。主要目标是确保对个体创造力的准确评估，同时有效减少主观性的影响并降低成本。具体步骤如下：首先，通过整合文献综述、专家评估和参与者行为数据，构建了一个包含过程性指标的创造力评估框架；其次，从内容有效性、构念有效性和准则相关性三个方面对该框架进行了评估；第三，从该框架中选取了若干特征来训练MLMs；随后比较了四种MLMs，并确定了表现最佳的模型（即加权集成模型）用于未来的自动化创造力评估。结果表明，该模型能够高效可靠地评估创造力。
章节摘录
传统创造力评估
创造力评估通常通过图形组合任务（DT）来进行，这类任务利用开放式问题来量化想法的流畅性和原创性（Organisciak等人，2023年）。DT的理论基础可以追溯到吉尔福德的心理结构（SOI）模型，该模型将DT视为创造力的核心操作化指标（Gilford，1988年）。吉尔福德提出了发散思维的三个维度：流畅性、原创性和灵活性。这三个维度构成了创造力评估的重要基础。
自动化创造力评估
为了克服主观评估的局限性，越来越多的自动化评分方法被开发出来。与人工评分不同，这些“数据驱动”的方法利用机器学习和文本分析技术来生成创新指标。
在最近的研究中，语义网络分析已成为评估创造力的有前景的方法。事实上，Paulus等人（1970年）已经通过使用词频和平均词长等文本数据实现了DT的自动化评分。
当前研究
图形创造力测试（GCT）因其独特的优势而在创造力评估领域受到了广泛关注。Kim（2017年）发现，与语言形式的TTCT-Verbal相比，TTCT-Figural在衡量创造潜力方面具有更高的全面性、可靠性和有效性。由于视觉创造力与发散思维密切相关（Wang等人，2023年），GCT专门评估个体运用视觉元素的能力。
GCT的测试格式
GCT原型属于TTCT评估体系（Torrance，2017年），我们将其开发成了计算机化格式。在测试中，参与者需要从随机给定的图形（如圆形、三角形和正方形）中创造出新的作品。可以通过拖放来修改基础图形的形状，但对其整体结构的改动有限。
数据
本研究使用了来自第1项研究的700名参与者的过程数据来构建MLMs。为了确保模型训练和评估的有效性，数据被分为两部分：包含70%响应的训练集和包含剩余30%响应的测试集。
模型
多元线性回归（MLR）是一种统计方法，用于分析因变量与多个自变量之间的线性关系（Zhang等人，2019年）。
总体讨论
创造力是一种复杂且高度抽象的认知能力。传统的纸质评估方法存在诸多局限性，包括参与者容易出现考试焦虑（Cassady & Johnson，2002年）以及资源密集型的管理要求（Kwon，1996年）。计算心理测量的出现通过过程数据分析引入了创新方法，为传统评估范式带来了变革潜力。
结论性意见
本研究通过开发和验证GCT，探索了一种基于过程数据的新创造力评估方法，该方法结合了过程数据分析和MLM构建。通过验证创造力评估框架的有效性和特征分析，证明了GCT能够有效测量三个维度的创造力：原创性、灵活性和流畅性。此外，通过比较不同MLMs的表现，发现加权集成模型表现最佳。
CRediT作者贡献声明
肖玉山：研究设计、数据整理、初稿撰写。
袁莉：研究设计、数据整理、初稿撰写。
郭雷：概念构思、方法论设计、审稿与编辑。
陈群林：概念构思、方法论设计。
高松奇：形式分析、软件开发。
杨松华：方法论设计、软件开发。
所有作者均审阅并批准了手稿的最终版本。
机构审查委员会声明
本研究遵循《赫尔辛基宣言》的伦理标准进行，并获得了西南大学人类研究伦理委员会的批准（伦理批准编号：H22127）。
资助
本研究得到了中央高校基本科研业务费（SWU2109222）、西南大学2035创新研究试点计划（SWUPilotPlan006）以及国家重点研发计划（2023YFC3341303）的支持。本手稿的提交不存在任何利益冲突或竞争利益问题。本研究的问卷和方法论设计已获得西南大学人类研究伦理委员会的批准（伦理批准编号：H22127）。
未引用的参考文献
Guilford，1950年；Beaty等人，2022年CRediT作者贡献声明
肖玉山：审稿与编辑、初稿撰写、验证、方法论设计、形式分析、数据整理。
袁莉：初稿撰写、方法论设计、研究设计、形式分析、数据整理。
高松奇：软件开发、方法论设计。
杨松华：方法论设计、软件开发。
所有作者均审阅并批准了手稿的最终版本。
机构审查委员会声明
本研究符合《赫尔辛基宣言》的伦理标准，并获得了西南大学人类研究伦理委员会的批准（伦理批准编号：H22127）。
资助信息
本研究得到了中央高校基本科研业务费（SWU2109222）、西南大学2035创新研究试点计划（SWUPilotPlan006）以及国家重点研发计划（2023YFC3341303）的支持。本手稿的提交过程中不存在任何利益冲突或竞争利益问题。本研究的相关问卷和方法论设计已获得西南大学人类研究伦理委员会的批准（伦理批准编号：H22127）。未引用的参考文献
Guilford，1950年；Beaty等人，2022年CRediT作者贡献声明
肖玉山：审稿与编辑、初稿撰写、验证、方法论设计、形式分析、数据整理。
袁莉：初稿撰写、方法论设计、研究设计、形式分析、数据整理。
高松奇：软件开发、方法论设计。
陈群林：监督指导、概念构思。
杨松华：监督指导、方法论设计、概念构思。
郭雷：审稿与编辑、资金筹集、概念构思。
