Frontiers in Psychology

Einführung

Eine kürzlich durchgeführte Umfrage hat ergeben, dass Manager mit dreimal höherer Wahrscheinlichkeit einen reifen Arbeitnehmer einstellen als einen Millennial (geboren zwischen 1980 und 2000; Rainer und Rainer, 2011), obwohl sie dessen kreatives Talent dringend benötigen1. Ältere Arbeitnehmer sind für Personalverantwortliche attraktiv, weil sie als zuverlässiger und engagierter gelten als Millennials. Das Dilemma für Manager besteht also darin, Millennials einzustellen, die sowohl fleißig als auch kreativ sind.

Rezente Studien haben gezeigt, dass Unternehmen die Einstellung fleißiger Millennials sicherstellen können, indem sie sich auf Messungen der kognitiven Fähigkeiten verlassen. So hat sich beispielsweise herausgestellt, dass Intelligenz der wichtigste Prädiktor für die allgemeine Arbeitsleistung in einer Vielzahl von Berufen und über alle Alters- und Geschlechtsgruppen hinweg ist (z. B. Hunter und Hunter, 1984; Olea und Ree, 1994; siehe Schmidt, 2009 für eine Übersicht). Es wurde festgestellt, dass Standardmessungen der kognitiven Fähigkeiten positiv mit der Aufgabenleistung (Schmidt et al., 1986; Murphy, 1989) und negativ mit kontraproduktivem Arbeitsverhalten wie Diebstahl oder Fehlzeiten korrelieren (Dilchert et al., 2007). Darüber hinaus deuten die Ergebnisse einer neueren Studie darauf hin, dass diese Effekte durch den kognitiven Stil des Einzelnen vermittelt werden können (Corgnet et al., 2015b). Corgnet et al. (2015b) stellen insbesondere fest, dass Millennials, die sich durch einen stärker reflektierenden Stil auszeichnen (gemessen mit dem Cognitive Reflection Test; Frederick, 2005), fleißiger sind und ein höheres Maß an Aufgabenleistung und ein geringeres Maß an kontraproduktivem Arbeitsverhalten zeigen2. Ein entscheidender Vorbehalt ist die Frage, ob die Einstellung von Millennials auf der Grundlage von kognitiven Messwerten letztlich zur Auswahl von weniger kreativen Arbeitnehmern führen kann. Um diesen Punkt zu klären, müssen wir die Beziehung zwischen kognitiven Fähigkeiten und Kreativität bewerten.

Traditionell wurden Intelligenz und Kreativität als nicht miteinander verbunden angesehen (Getzels und Jackson, 1962; Wallach und Kogan, 1965; Batey und Furnham, 2006; Sawyer, 2006; Weisberg, 2006; Runco, 2007; Kaufman, 2009; Kim et al., 2010). In einer Metaanalyse stellt Kim (2005) fest, dass die Korrelation zwischen den Ergebnissen von Kreativitätstests und dem IQ stark variiert und im Durchschnitt gering ist (r = 0,174).

In der neueren Forschung hat sich jedoch ein wachsender Konsens herausgebildet, der eine enge Beziehung zwischen Intelligenz und kreativer Leistung betont (siehe Silvia, 2015, für eine Übersicht). Dieser sich abzeichnende Konsens stützt sich in hohem Maße auf neuere Studien, die ausgefeiltere statistische Verfahren und robustere Bewertungsmethoden als frühere Forschungen zu diesem Thema eingesetzt haben. Durch die Verwendung von Modellen mit latenten Variablen konnten die Forscher beispielsweise eine positive und signifikante Beziehung zwischen Kreativität und Intelligenz aufdecken, wobei sie Daten aus früheren Studien verwendeten, die nicht signifikante Korrelationen aufwiesen (Silvia, 2008b). Die jüngste Forschungswelle zu Intelligenz und Kreativität hat auch die traditionelle Kreativitätsbewertung verbessert, die sich ausschließlich auf Bewertungsmethoden stützte, die auf der Originalität und Einzigartigkeit der Antworten bei kreativen Aufgaben (z. B. ungewöhnliche Verwendungsmöglichkeiten für einen Gegenstand) basieren. Diese traditionellen Bewertungsmethoden sind ungenau, da sie mehrere Faktoren wie Geläufigkeit und Stichprobengröße berücksichtigen (Hocevar, 1979; Silvia et al., 2008), und können daher zu ungenauen Schätzungen der Beziehung zwischen Intelligenz und Kreativität führen (Silvia, 2008a; Nusbaum und Silvia, 2011). Die Ergebnisse dieser neuen Forschungswelle zu Kreativität und Intelligenz wurden als Beweis dafür gewertet, dass exekutive Kognition dem kreativen Denken zweifellos förderlich ist (Silvia, 2015).

Auch wenn es eine offensichtliche Verbindung zwischen Intelligenz und exekutiver Kognition gibt, sollte man aus Sicht der modernen Dual-Process-Theorie (Evans, 2008, 2009; Stanovich, 2009, 2010; Evans und Stanovich, 2013) zwischen algorithmischen und reflektiven kognitiven Prozessen unterscheiden. Algorithmische Prozesse werden in der Regel mit rechnerischer Effizienz assoziiert und durch Standard-Intelligenztests gemessen, während die reflexive Verarbeitung mit der Bereitschaft verbunden ist, die Ressourcen des algorithmischen Verstandes zu nutzen, d. h. vom autonomen „Typ 1“-Denken zum analytischen „Typ 2“-Denken (abhängig vom Arbeitsgedächtnis) zu wechseln. Der reflektive Verstand hat somit eine dispositionelle Definition („kognitive Stile“, reflektiv vs. intuitiv) und wird nicht durch Standard-Intelligenztests (die „kognitive Fähigkeiten“ bewerten), sondern durch Aufgaben zur kognitiven Reflexion wie den Cognitive Reflection Test (CRT; Frederick, 2005) angemessen gemessen. Personen, die sich durch einen stärker reflektierenden Geist auszeichnen, zeigen tendenziell ein höheres Maß an Selbstkontrolle und ein geringeres Maß an „kognitiver Impulsivität“ (Frederick, 2005; Kahneman und Frederick, 2007; Cokely und Kelley, 2009; Oechssler et al., 2009; Toplak et al., 2011; Brañas-Garza et al., 2012).

Aus dieser Perspektive lässt sich vermuten, dass kognitive Reflexion negativ mit Kreativität zusammenhängt. Dies ist der Fall, weil eine Reihe von Studien darauf hinweist, dass die Fähigkeit, die eigene Aufmerksamkeit und das eigene Verhalten zu kontrollieren, für kreatives Denken sogar nachteilig sein kann (für eine Übersicht siehe Wiley und Jarosz, 2012a). So hat sich beispielsweise gezeigt, dass kreatives Problemlösen positiv mit moderater Alkoholintoxikation zusammenhängt (Jarosz et al., 2012), von der bekannt ist, dass sie Hemmung und Aufmerksamkeitskontrolle beeinträchtigt (Peterson et al., 1990; Kovacevic et al., 2012; Marinkovic et al., 2012). In ähnlicher Weise wurde festgestellt, dass ein „erfahrungsorientierter“ Denkstil (der der Verarbeitung des Typs 1 entspricht) positiv mit kreativen Leistungen korreliert (Norris und Epstein, 2011).

Wie bereits erwähnt, kam die Literatur in der Vergangenheit zu widersprüchlichen Schlussfolgerungen hinsichtlich der Frage, ob exekutive Kognition begünstigt wird (z. B., Nusbaum und Silvia, 2011; Beaty und Silvia, 2012; Silvia, 2015) oder das kreative Denken behindert (z.B. Eysenck, 1993; Kim et al., 2007; Ricks et al., 2007; Norris und Epstein, 2011; Jarosz et al., 2012; Wiley und Jarosz, 2012b). Die Theorie der dualen Prozesse kann diese scheinbar widersprüchlichen Ergebnisse miteinander in Einklang bringen, indem sie davon ausgeht, dass Kreativität durch eine Mischung aus Prozessen des Typs 1 und des Typs 2 hervorgerufen wird (Allen und Thomas, 2011; Ball et al., 2015; Barr et al., 2015; siehe Sowden et al., 2015 für eine Übersicht). Daraus folgt, dass der duale Prozessansatz eine vielversprechende Forschungsagenda aufstellt, die darauf beruht, die genaue Mischung von Prozessen des Typs 1 und des Typs 2 zu bewerten, die die Kreativität fördert, sowie die Wirkung von algorithmischen und reflexiven Prozessen des Typs 2 auf kreatives Denken separat zu analysieren.

Barr et al. (2015), die einem dualen Prozessansatz folgen, finden experimentelle Belege für eine wichtige Wirkung von kontrollierten analytischen Prozessen des Typs 2 auf konvergentes und divergentes (Guilford, 1967) kreatives Denken. Insbesondere stellen sie fest, dass sowohl die kognitiven Fähigkeiten (gemessen als Kombination aus numerischen und verbalen Fähigkeiten) als auch der reflexive kognitive Stil (Durchschnitt der Punktzahlen in den CRT- und Base-Rate-Problemaufgaben) positiv mit der Fähigkeit zur Herstellung von Fernassoziationen, d. h. mit konvergentem kreativen Denken, kovariieren. In Bezug auf divergentes kreatives Denken zeigen Barr et al. (2015), dass kognitive Fähigkeiten, nicht aber kognitive Reflexion, höhere Originalitätswerte in einer alternativen Verwendungsaufgabe vorhersagen. Die Geläufigkeit in der letztgenannten Aufgabe war jedoch nicht mit einer der beiden kognitiven Messungen korreliert.

In dieser Arbeit verwenden wir einen ähnlichen Ansatz wie Barr et al. (2015) und untersuchen, wie beide Arten von kognitiven Prozessen die Kreativität beeinflussen. Insbesondere analysieren wir, wie kognitive Fähigkeiten (gemessen mit Raven als Test für fluide Intelligenz) und kognitive Stile (intuitiv vs. reflektiv; gemessen mit dem CRT) mit konvergentem und divergentem kreativen Denken zusammenhängen. Wir erweitern Barr et al. (2015), indem wir andere Messgrößen für divergentes Denken wie Flexibilität und Elaboration analysieren und mögliche Nichtlinearitäten zwischen Kreativität und kognitiven Messgrößen untersuchen.

Angesichts der widersprüchlichen Ergebnisse hinsichtlich der Frage, ob exekutive Kognition für kreatives Denken förderlich oder hinderlich ist, vermuten wir, dass es eine nichtlineare Beziehung zwischen verschiedenen Messgrößen für Kreativität und Kognition geben könnte. Konkret könnte es sein, dass ein Mindestmaß an exekutiver Kognition für kreative Leistungen erforderlich ist, dass aber ab einem bestimmten Niveau die Beziehung verschwindet oder sogar negativ wird. Dies könnte erklären, warum die bisherigen Ergebnisse widersprüchlich erscheinen. Eine verwandte Argumentationslinie wurde in der sogenannten „Schwellenhypothese“ der Beziehung zwischen IQ und Kreativität vorgeschlagen (Guilford, 1967; Jauk et al., 2013). Die Schwellenhypothese besagt, dass Intelligenz bei niedrigen IQ-Werten positiv mit kreativem Denken zusammenhängt, während die Beziehung bei hohen IQ-Werten verschwimmt. Ähnliche Argumente finden sich in neueren Darstellungen der „Mad-Genius-Hypothese“: Ein moderates Maß an hemmender oder Top-Down-Kontrollstörung, die für subklinische psychiatrische Populationen charakteristisch ist (z. B. leichte ADHS- und Schizophrenie-Störungen), kann unter bestimmten Bedingungen die Kreativität fördern, während klinisch schwere Ausprägungen typischerweise zu verarmtem kreativen Denken führen (Schuldberg, 2005; Abraham et al., 2007; Jaracz et al., 2012; Acar und Sen, 2013; Abraham, 2014).

Methoden

Teilnehmer und allgemeines Protokoll

Bei den Teilnehmern handelte es sich um 150 Studenten (46,67 % weiblich; Alter: Mittelwert ± SD = 20,23 ± 1,96) der Chapman University in den USA. Diese Teilnehmer wurden aus einer Datenbank von mehr als 2000 Studenten rekrutiert. Die Einladungen zur Teilnahme an der aktuellen Studie wurden an eine zufällige Teilmenge der gesamten Datenbank geschickt. Diese Studie ist Teil eines größeren Forschungsprogramms über Kognition und wirtschaftliche Entscheidungsfindung. Die örtliche Prüfungskommission (Institutional Review Board) genehmigte diese Forschung. Alle Teilnehmer gaben vor ihrer Teilnahme eine schriftliche Einverständniserklärung ab. Wir haben insgesamt 12 Sitzungen durchgeführt, neun mit 12 Teilnehmern und drei mit 14 Teilnehmern. Im Durchschnitt dauerten die Sitzungen 45 Minuten. Alle Probanden absolvierten die gleichen Aufgaben in der folgenden Reihenfolge: (1) CRT, (2) Raven-Test, (3) Fernassoziationsaufgabe, (4) Alternate-Use-Aufgabe. Die Probanden hatten 6 Minuten Zeit, um jede Aufgabe zu lösen, und eine 2-minütige Pause nach Abschluss des Raven-Tests.

Messungen

Bewertung kognitiver Fähigkeiten

Die Teilnehmer absolvierten eine Teilmenge des Raven Progressive Matrices Test (Raven, 1936). Konkret wurde die ungerade Zahl der letzten drei Matrizenserien verwendet (Jaeggi et al., 2010; Corgnet et al., 2015a). Die Anzahl der im Raven-Test richtig gelösten Matrizen (in unserer Stichprobe zwischen 9 und 18, Mittelwert ± SD = 14,40 ± 2,42 für Männer und 14,47 ± 2,16 für Frauen) ist ein herkömmliches Maß für kognitive Fähigkeiten. Dieser Test erfasst einen wichtigen Aspekt der kognitiven Verarbeitung, der als fluide Intelligenz bezeichnet wird und eng mit dem algorithmischen Denken zusammenhängt (Stanovich, 2009, 2010).

Cognitive Style Assessment

Wir haben die Tendenz der Teilnehmer, sich auf Intuition vs. Reflexion zu verlassen, mit dem von Frederick (2005) eingeführten CRT gemessen. Der Test zeichnet sich dadurch aus, dass es eine falsche Antwort gibt, die automatisch in den Sinn kommt, die aber außer Kraft gesetzt werden muss, um die richtige Lösung zu finden. Zu den ursprünglichen CRT-Fragen haben wir vier Fragen hinzugefügt, die kürzlich von Toplak et al. (2014) entwickelt wurden. Diese erweiterte Aufgabe (siehe Text S1) ermöglicht es uns, potenziell nicht-lineare Beziehungen aufzudecken, die mit der klassischen Drei-Punkte-Aufgabe (Frederick, 2005) schwer zu beobachten wären. In Tabelle S1 zeigen wir den Anteil der Probanden, die jede Frage richtig beantwortet haben, aufgeteilt nach Geschlecht. Erwartungsgemäß schnitten Männer in diesem Test besser ab als Frauen (Frederick, 2005; Bosch-Domènech et al., 2014). Unser Maß für die kognitive Reflexion wird durch die Gesamtzahl der richtigen Antworten (von 0 bis 7) angegeben. Die vollständige Verteilung der richtigen Antworten von Männern (Mittelwert ± SD = 4,09 ± 2,31) und Frauen (Mittelwert ± SD = 2,89 ± 2,03) ist in Abbildung S1 dargestellt.

Konvergentes kreatives Denken

Wir verwendeten eine Teilmenge des Remote Associate Test (RAT; Mednick, 1962), um die Fähigkeit der Probanden zu messen, entfernte Assoziationen herzustellen. Den Probanden wurden 13 Sätze von drei Wörtern gezeigt (z.B. Witwe-Biss-Affe) und sie wurden gebeten, ein Wort zu finden, das mit allen drei Wörtern in Verbindung steht (in diesem Beispiel lautet die Lösung „Spinne“). Unser Maß für konvergentes Denken ist die Anzahl der korrekt gelösten Aufgaben (von 0 bis 13).

Divergentes kreatives Denken

Wir haben divergentes Denken mit einer Variante der Alternate Uses Task (AUT; Guilford, 1967) gemessen. Die Teilnehmer wurden angewiesen, innerhalb von 6 Minuten so viele ungewöhnliche Verwendungsmöglichkeiten für einen Stift wie möglich anzugeben. Wir konstruierten vier verschiedene Maße für divergentes Denken: Geläufigkeit, Originalität, Flexibilität und Elaboration. Die Geläufigkeit wurde als Gesamtzahl der von einem Teilnehmer gegebenen Antworten gemessen. Drei Bewerter bekamen eine zufällige Liste von Antworten vorgelegt und wurden gebeten, den Grad der Originalität jedes Eintrags auf einer Likert-Skala von 1 (überhaupt nicht) bis 5 (sehr viel) zu bewerten. Wir berechneten die Originalität als die Summe der Durchschnittswerte der drei Bewerter für alle von einem Teilnehmer abgegebenen Antworten, geteilt durch die Gesamtzahl der Antworten. In Anlehnung an Troyer und Moscovitch (2006) und Gilhooly et al. (2007) wurden alle Antworten in grobe, differenzierte Kategorien eingeteilt (z. B. Verwendung des Stifts als Kleidungsstück oder Haarschmuck). Anschließend wurde die Flexibilität anhand der Anzahl der verschiedenen Kategorien gemessen, die von jedem Teilnehmer angegeben wurden. Die Ausführlichkeit schließlich bezieht sich auf die durchschnittliche Detailgenauigkeit (von 0 bis 2), die von jedem Teilnehmer angegeben wurde.

Statistische Analyse

Für die Datenanalyse werden zunächst die deskriptiven Statistiken aller verwendeten Messgrößen und ihre Korrelationen nullter Ordnung dargestellt. Zur weiteren Bewertung der Beziehungen zwischen Kreativität und kognitiven Messgrößen wird zunächst eine grafische Darstellung unter Verwendung der LOWESS-Glättung (Cleveland, 1979; Cleveland und McGill, 1985) erstellt. Anschließend führen wir Regressionen nach der Methode der gewöhnlichen kleinsten Quadrate durch, die es uns ermöglichen, die statistische Signifikanz der linearen und nichtlinearen Beziehungen zu testen, die in den LOWESS-Diagrammen dargestellt wurden. Alle Analysen wurden mit Stata 14.0 durchgeführt.

Ergebnisse

Deskriptive Statistik und Korrelationen

Mittelwerte, Standardabweichungen und Korrelationen sind in Tabelle 1 dargestellt. Es überrascht nicht, dass wir eine mäßige positive Korrelation zwischen der Anzahl der richtigen Antworten in den CRT- und Raven-Tests finden (r = 0,26, p < 0,01), was darauf hindeutet, dass CRT und Raven nicht vollständig die gleichen kognitiven Fähigkeiten messen (Frederick, 2005; Stanovich, 2009, 2010). Auch die verschiedenen Maße für divergentes Denken (AUT) sind signifikant korreliert (alle p < 0,01), mit Ausnahme von Originalität und Flexibilität (p = 0,28).

Bezüglich unserer kognitiven Maße stellen wir fest, dass sowohl Raven (p < 0,01) als auch CRT-Scores (p = 0.03) sind positiv mit konvergentem Denken (RAT) korreliert. Die Beziehung zwischen kognitiven Fähigkeiten und divergentem Denken ist jedoch komplizierter. Hohe kognitive Fähigkeiten (Raven) stehen in positiver Beziehung zu Originalität (p = 0,01) und Elaboration (p < 0,01), aber in negativer Beziehung zur Anzahl der gegebenen Antworten (Fluency; p = 0,04) und nicht zur Flexibilität (p = 0,20). Schließlich finden wir keine signifikante Korrelation zwischen den kognitiven Stilen (CRT-Werte) und keinem Maß für divergentes Denken (alle p’s > 0,26).

Nicht-lineare Effekte und Regressionsanalyse

Wir wenden uns nun der Untersuchung möglicher nicht-linearer Beziehungen zwischen unseren Maßzahlen für Kognition und Kreativität zu. Abbildung 1 zeigt alle untersuchten Beziehungen unter Verwendung von LOWESS (Bandbreite = 0,8; Cleveland, 1979; Cleveland und McGill, 1985). LOWESS ist eine modellfreie Glättungsmethode, die auf lokal gewichteten Regressionen basiert und sowohl lineare als auch nicht-lineare Beziehungen aufdecken kann. Um die Effektgrößen vergleichen zu können, haben wir alle Maße standardisiert (Standardabweichungen vom Mittelwert). Wir führten auch Regressionen nach der Methode der kleinsten Quadrate durch, um die statistische Signifikanz der beobachteten Beziehungen zu bewerten. In den Tabellen S2-S6 sind die Ergebnisse einer Reihe von Regressionen dargestellt, in denen wir sowohl die linearen als auch die quadratischen Effekte der einzelnen Prädiktoren (Raven und CRT) separat für jedes Kreativitätsmaß (Spalten bis ) geschätzt haben. Aus diesen Regressionen haben wir mit Hilfe des Akaike-Informationskriteriums (AIC) die Modelle mit der besten Anpassung, entweder linear oder quadratisch, ausgewählt und sie in der zusammenfassenden Tabelle 2 aufgeführt. Darüber hinaus haben wir ähnliche Regressionen durchgeführt, in denen beide Prädiktoren (lineare und quadratische Terme) gleichzeitig enthalten sind (Spalten und in den Tabellen S2-S6), um auf mögliche Mediations- oder Störungseffekte zu testen. Die Interaktion zwischen CRT und Raven-Scores ist für die Vorhersage der Kreativität nie signifikant (alle p’s > 0,3) und wird daher der Kürze halber nicht in den Tabellen aufgeführt. Die Ergebnisse bleiben qualitativ ähnlich, wenn wir auch für Geschlecht und Alter kontrollieren.

Die bestangepassten Modelle (Tabelle 2) zeigen eine positive lineare Beziehung zwischen konvergentem Denken (RAT) und den Raven- (p < 0,01) und CRT-Scores (p = 0,03), was mit den positiven und signifikanten Korrelationen im vorherigen Abschnitt übereinstimmt. Die Effektgrößen sind beträchtlich: In beiden Fällen ist ein Anstieg des Prädiktors um eine SD mit einem Anstieg des RAT um etwa 20 % einer SD verbunden (0,22 bzw. 0,17 für Raven und CRT; siehe Koeffizienten in Tabelle 2). Interessanterweise bleibt der Effekt von Raven auf die RAT signifikant (p = 0,02), wenn wir sowohl Raven- als auch CRT-Werte als Prädiktoren einbeziehen (siehe Spalte in Tabelle S2), während der Effekt von CRT nicht signifikant wird (p = 0,15). Dieses Ergebnis deutet darauf hin, dass der signifikante Effekt der CRT-Werte auf das konvergente Denken eher durch die kognitiven Fähigkeiten (grundlegende rechnerische Fähigkeiten sind auch für das korrekte Lösen des CRT erforderlich) als durch das Reflexionsvermögen bedingt ist.

Die Beziehung zwischen unseren kognitiven Maßen und dem divergenten Denken ist komplexer. Die Modelle mit der besten Anpassung zeigen eine lineare und signifikante Beziehung zwischen den kognitiven Fähigkeiten und allen Maßen des divergenten Denkens (alle p’s < 0,03), mit Ausnahme der Flexibilität (p = 0,22; siehe Tabelle 2). Probanden mit einem höheren Raven-Score neigen dazu, weniger Verwendungen zu generieren (geringere Geläufigkeit), obwohl diese ausgefeilter und origineller sind. Auch für diese drei Kreativitätsmaße führt ein Anstieg des Raven-Wertes um eine SD zu einer Veränderung der abhängigen Variable um etwa 20 % einer SD. Der Effekt von Raven auf die Flexibilität scheint in Abbildung 1 leicht U-förmig zu sein, aber die Regressionen zeigen keine signifikante lineare oder quadratische Beziehung (alle p’s > 0,22; siehe Spalten und in Tabelle S5). Wie in den Spalten und Tabellen S3-S6 gezeigt, bleibt der Effekt von Raven auf die Maße für divergentes Denken praktisch identisch, wenn für CRT kontrolliert wird, was darauf hindeutet, dass die kognitive Reflexion keine dieser Beziehungen vermittelt.

Im Gegensatz zu den Ergebnissen, die mit Raven beobachtet wurden, finden wir keine signifikante lineare Beziehung zwischen kognitiven Stilen und divergentem Denken (alle p’s > 0,28; siehe Spalte in den Tabellen S3-S6). Diese Ergebnisse gelten auch, wenn wir für Raven kontrollieren (alle p’s > 0,63; siehe Spalte in den Tabellen S3-S6). Wir finden jedoch eine signifikante umgekehrte U-förmige Beziehung zwischen CRT und Geläufigkeit und Flexibilität, wie in Tabelle 2 berichtet (p < 0,01 bzw. p = 0,02). Probanden mit einem durchschnittlichen Niveau kognitiver Reflexion neigen dazu, mehr Antworten zu produzieren und mehr Kategorien zu verwenden als Probanden, die entweder durch einen eher intuitiven oder einen eher reflektiven kognitiven Stil gekennzeichnet sind. Die Tatsache, dass der Koeffizient des linearen Terms in der quadratischen Regressionsspezifikation in beiden Fällen nicht signifikant von Null abweicht (p = 0,52 bzw. p = 0,88), deutet außerdem darauf hin, dass die maximalen Werte für Geläufigkeit und Flexibilität bei der mittleren CRT-Punktzahl beobachtet werden, wie in Abbildung 1 angedeutet. Die Effektgrößen sind insofern mit den oben berichteten vergleichbar, als in beiden Fällen eine Verschiebung um einen SD über oder unter den mittleren CRT-Wert mit einem Rückgang der abhängigen Variablen um etwa 20 % eines SD verbunden ist. Allerdings sind die Auswirkungen bei extremeren CRT-Werten größer. Man beachte, dass die Hälfte der Beobachtungen außerhalb des Bereichs Mittelwert ± 1 SD liegt (siehe auch Abbildung S1). Die Kontrolle für Raven ändert diese Beziehungen nicht (p = 0,01 bzw. p = 0,02; siehe Spalte in Tabellen S4, S5), was wiederum auf das Fehlen von Vermittlungseffekten hindeutet.

Diskussion

Der Dual-Prozess-Ansatz der Kognition wurde kürzlich vorgeschlagen, um frühere widersprüchliche Befunde zur Beziehung zwischen Kreativität und exekutiver Kognition in Einklang zu bringen (Allen und Thomas, 2011; Ball et al., 2015; Barr et al., 2015; Sowden et al., 2015). Wir leisten einen Beitrag zu dieser Literatur, indem wir zwischen dem algorithmischen und dem reflektierenden Verstand (Evans und Stanovich, 2013) unterscheiden und ihre separaten Auswirkungen auf konvergentes Denken und vier verschiedene Dimensionen des divergenten Denkens analysieren. Wir replizieren teilweise die Ergebnisse von Barr et al. (2015), indem wir feststellen, dass die Fähigkeit von Individuen, Fernassoziationen herzustellen, positiv mit kognitiven Fähigkeiten und kognitiver Reflexion korreliert. Wir stellen jedoch fest, dass dieser Effekt auf das konvergente Denken hauptsächlich durch die kognitiven Fähigkeiten bedingt ist. Ähnlich wie Barr et al. (2015) stellen wir fest, dass höhere kognitive Fähigkeiten mit höheren Werten für Originalität und niedrigeren Werten für Geläufigkeit im divergenten Denken verbunden sind. Im Gegensatz zu Barr et al. (2015) analysieren wir auch nicht-lineare Effekte und finden eine umgekehrt U-förmige Beziehung zwischen kognitiver Reflexion und unseren Messungen von Flexibilität und Geläufigkeit bei der divergenten Denkaufgabe. Diese neuen Ergebnisse deuten darauf hin, dass Personen, die sehr nachdenklich sind, einen Nachteil bei der Produktion einer großen Anzahl neuer und kreativer Ideen haben können.

Duale Prozessmodelle der Kreativität legen nahe, dass sowohl generative als auch evaluative Prozesse während des kreativen Prozesses zusammenwirken (Finke et al., 1992; Basadur, 1995; Howard-Jones, 2002; Gabora, 2005; Nijstad et al., 2010; Gabora und Ranjan, 2013). Obwohl diese Modelle nicht direkt auf Dual-Prozess-Modelle der Kognition abgebildet werden können, kann die Interaktion zwischen kognitiven Prozessen des Typs 1 und des Typs 2 in den verschiedenen Phasen des kreativen Prozesses eine unterschiedliche Rolle spielen. In diesem Sinne fordern Sowden et al. (2015), dass künftige Forschungen „… das Ausmaß untersuchen, in dem Kreativität durch die Fähigkeit bestimmt wird, zwischen Denkprozessen des Typs 1 und des Typs 2 in Abhängigkeit von den Umständen und dem Stadium des kreativen Prozesses zu wechseln“ (S. 55). Unsere Ergebnisse deuten darauf hin, dass kognitive Reflexion, d. h. die Bereitschaft, automatische Reaktionen im Zusammenhang mit Typ-1-Verarbeitung außer Kraft zu setzen und sich auf kontrolliertes Denken vom Typ 2 einzulassen, eine komplexe Wirkung auf divergentes Denken hat. Bis zu einem gewissen Grad kann kognitive Reflexion notwendig sein, um zwischen den generativen und evaluativen Prozessen zu wechseln, die an der Produktion neuer Ideen beteiligt sind. Personen, die sich durch ein hohes Maß an Reflexion auszeichnen, sind jedoch möglicherweise weniger in der Lage, sich auf ihren intuitiven, autonomen Verstand zu verlassen, der auch für die Entfesselung der eigenen kreativen Kraft erforderlich sein kann (z. B. Dorfman et al., 1996; Norris und Epstein, 2011; Jarosz et al, 2012).

Der Befund einer umgekehrt U-förmigen Beziehung zwischen kognitiver Reflexion (und analog dazu intuitiver Verarbeitung) und Kreativität steht im Einklang mit den jüngsten Fortschritten bei der „Mad-Genie-Hypothese“: Leichte Grade von Top-down-Kontrollstörungen können sich positiv auf die Kreativität auswirken, schwere Beeinträchtigungen führen jedoch zu schlechter kreativer Leistung (für eine Übersicht siehe Abraham, 2014).

In diesem Zusammenhang hat die neuropsychologische Forschung eine umgekehrt U-förmige Beziehung zwischen spontanen Augenblinzelraten und Flexibilität bei divergenten kreativen Denkaufgaben gezeigt (Chermahini und Hommel, 2010). In dem Maße, in dem die Augenblinzelraten die dopaminerge Aktivität widerspiegeln (Karson, 1983), die wiederum mit der hemmenden Kontrolle verbunden ist (Cohen und Servan-Schreiber, 1992), stimmen unsere Ergebnisse mit den Erkenntnissen von Chermahini und Hommel (2010) überein.

Über die Verbindung zur kognitiven Grundlagenforschung hinaus bieten unsere Ergebnisse Einblicke für Manager, die auf der Suche nach dem kreativen Talent von Millennials sind. Eine wesentliche Implikation unserer Studie ist, dass zu viel Denken wichtige Aspekte des divergenten kreativen Denkens behindern kann. Dieses Ergebnis ist vor allem für Personalverantwortliche von Bedeutung, die sich bei der Einstellung von fleißigen (Corgnet et al., 2015b) und kreativen Millennials auf kognitive Reflexion als Hauptkriterium verlassen wollen. Unsere Ergebnisse legen nahe, dass die kognitiven Tests, die zur Einstellung von Arbeitnehmern verwendet werden, an die Art der angebotenen Stelle angepasst werden müssen. So kann man sich bei der Rekrutierung für Stellen, bei denen es im Wesentlichen darum geht, klar definierte Problemlösungen zu finden (wie z. B. in der Buchhaltung oder in der Versicherungsmathematik), auf eine Mischung aus kognitiven Fähigkeiten und Reflexionstests stützen, die gute Prädiktoren für konvergentes kreatives Denken und Fleiß sind. Bei der Einstellung für Berufe, die hauptsächlich divergentes kreatives Denken erfordern (wie Marketing, Industriedesign oder Psychologie), sollte man sich jedoch nicht ausschließlich auf kognitive Tests verlassen. Eine Einstellung auf der Grundlage kognitiver Reflexionsfähigkeiten kann die Einstellung hochkreativer Arbeitnehmer verhindern. Diese Empfehlungen gewinnen zunehmend an Bedeutung, da eine wachsende Zahl von Arbeitsplätzen in der modernen Wirtschaft divergentes kreatives Denken erfordert (Pink, 2005).

Die aktuelle Studie weist einige notwendige Einschränkungen auf, die künftige Forschungen beheben könnten. Um den Fokus zu wahren, verwendet unsere Studie nur ein Maß für die fluide Intelligenz (Raven) und ein einziges Maß für den kognitiven Stil (CRT). Zukünftige Forschungen könnten die Robustheit unserer Ergebnisse in Bezug auf andere Messungen der fluiden Intelligenz und des kognitiven Stils bewerten und die Analyse möglicherweise auf die kristallisierte Intelligenz ausweiten. Außerdem bestand unsere Stichprobe ausschließlich aus Studenten mit einer begrenzten Alters-, Bildungs- und Einkommensspanne. Obwohl dies eine methodische Entscheidung war, die es uns ermöglichte, die Arbeitskräfte der Zukunft zu untersuchen, könnten weitere Studien die Robustheit unserer Ergebnisse für andere Populationen bewerten. Was unsere Kreativitätsmaße betrifft, so könnten künftige Forschungsarbeiten versuchen, unsere Analyse auf praktische kreative Aufgaben auszudehnen, die zum Beispiel am Arbeitsplatz häufig vorkommen. Zu diesem Zweck könnte die künftige Forschung die Untersuchung der Kreativität in ein organisatorisches Umfeld einbetten, das es ermöglicht, die Beziehung zwischen Problemlösung am Arbeitsplatz und kognitiven Fähigkeiten zu untersuchen.

Zur Methodik ist anzumerken, dass wir eine feste Reihenfolge verwendet haben, die die Ergebnisse beeinflusst haben könnte, da unter anderem Müdigkeit die Testergebnisse beeinträchtigen kann. Die 2-minütige Pause in der Mitte des Experiments könnte zwar Spillover-Effekte zwischen dem ersten und dem zweiten Teil des Experiments abgemildert haben, doch bestehen weiterhin Bedenken. Wir regen an, in zukünftigen Untersuchungen mögliche Ordnungseffekte zu untersuchen. Darüber hinaus ist zukünftige Forschung, die sich auf Analysen der Rolle von Intuition und Reflexion bei kreativen Leistungen konzentriert, notwendig, um die Robustheit (und Kausalität) unserer Ergebnisse auf Merkmalsebene zu bewerten und unser Verständnis der kognitiven Grundlagen von Kreativität zu vertiefen. In diesem Sinne wäre es für künftige Forschungen interessant, die Auswirkungen kognitiver Manipulationen wie kognitive Belastung, Ich-Erschöpfung, Priming oder Zeitdruck/-verzögerung auf die kreative Leistung zu testen. Unsere Ergebnisse legen nahe, dass künftige Forschungen zu diesem Thema versuchen sollten, potenziell nichtlineare Effekte zu erfassen und daher Versuchspläne auszuarbeiten, die das Auftreten solcher Effekte ermöglichen. Dies kann zum Beispiel durch die Berücksichtigung von mindestens drei Ebenen pro Behandlungsbedingung geschehen.

Beiträge der Autoren

Alle aufgeführten Autoren haben einen substanziellen, direkten und intellektuellen Beitrag zu dieser Arbeit geleistet und sie zur Veröffentlichung freigegeben.

Finanzierung

Die Autoren bedanken sich für die finanzielle Unterstützung durch die International Foundation for Research in Experimental Economics, die Argyros School of Business and Economics an der Chapman University, das spanische Bildungsministerium , das Ministerium für Wirtschaft und Kompetenz , den spanischen Plan Nacional I+D MCI , 2014-17, und Proyectos de Excelencia de la Junta Andalucía , 2014-18.

Erklärung zu Interessenkonflikten

Die Autoren erklären, dass die Forschung in Abwesenheit jeglicher kommerzieller oder finanzieller Beziehungen durchgeführt wurde, die als potenzieller Interessenkonflikt ausgelegt werden könnten.

Ergänzendes Material

Das ergänzende Material zu diesem Artikel finden Sie online unter: https://www.frontiersin.org/article/10.3389/fpsyg.2016.01626

Fußnoten