Fronteras de la Psicología

Introducción

Los datos de una encuesta reciente informan de que los directivos son tres veces más propensos a contratar a un trabajador maduro que a un millennial (nacido entre 1980 y 2000; Rainer y Rainer, 2011) a pesar de necesitar desesperadamente su talento creativo1. Los trabajadores maduros son atractivos para los reclutadores porque se les considera más fiables y más comprometidos que los millennials. El dilema para los directivos es, pues, contratar a millennials que sean a la vez diligentes y creativos.

Estudios recientes han demostrado que las empresas pueden asegurar la contratación de millennials diligentes basándose en medidas de habilidades cognitivas. Por ejemplo, se ha comprobado que la inteligencia es el principal predictor del rendimiento laboral general en una amplia variedad de ocupaciones y en todas las edades y géneros (por ejemplo, Hunter y Hunter, 1984; Olea y Ree, 1994; véase Schmidt, 2009 para una revisión). Se ha descubierto que las medidas estándar de la capacidad cognitiva se correlacionan positivamente con el rendimiento en las tareas (Schmidt et al., 1986; Murphy, 1989) y negativamente con los comportamientos laborales contraproducentes, como el robo o el absentismo (Dilchert et al., 2007). Además, los resultados de un estudio reciente sugieren que estos efectos pueden estar mediados por los estilos cognitivos de los individuos (Corgnet et al., 2015b). En particular, Corgnet et al. (2015b) encuentran que los millennials caracterizados por un estilo más reflexivo (medido por el Test de Reflexión Cognitiva; Frederick, 2005) son más diligentes, mostrando mayores niveles de rendimiento en las tareas y menores niveles de comportamientos laborales contraproducentes2. Una advertencia crucial es si la contratación de millennials basada en medidas cognitivas puede, en última instancia, seleccionar trabajadores menos creativos. Para abordar este punto es necesario evaluar la relación entre las habilidades cognitivas y la creatividad.

Tradicionalmente se ha considerado que la inteligencia y la creatividad no están relacionadas (Getzels y Jackson, 1962; Wallach y Kogan, 1965; Batey y Furnham, 2006; Sawyer, 2006; Weisberg, 2006; Runco, 2007; Kaufman, 2009; Kim et al., 2010). En un meta-análisis, Kim (2005) encuentra que la correlación entre las puntuaciones de las pruebas de creatividad y el coeficiente intelectual varía ampliamente y es, en promedio, pequeña (r = 0,174).

Sin embargo, ha surgido un creciente consenso en la investigación reciente que subraya una estrecha relación entre la inteligencia y el rendimiento creativo (véase Silvia, 2015, para una revisión). Este consenso emergente se basa en gran medida en estudios recientes que han empleado técnicas estadísticas más sofisticadas y métodos de evaluación más robustos que las investigaciones anteriores sobre el tema. Por ejemplo, el uso de modelos de variables latentes ha permitido a los investigadores descubrir una relación positiva y significativa entre la creatividad y la inteligencia utilizando datos de estudios anteriores que informaban de correlaciones no significativas (Silvia, 2008b). La reciente ola de investigación sobre la inteligencia y la creatividad también ha mejorado la evaluación tradicional de la creatividad que se basaba exclusivamente en métodos de puntuación basados en la originalidad y la singularidad de las respuestas en tareas creativas (como encontrar usos inusuales para un objeto). Estos métodos tradicionales de puntuación son imprecisos porque confunden varios factores, como la fluidez y el tamaño de la muestra (Hocevar, 1979; Silvia et al., 2008), por lo que pueden conducir a estimaciones inexactas de la relación entre inteligencia y creatividad (Silvia, 2008a; Nusbaum y Silvia, 2011). Los resultados de esta nueva ola de investigación sobre la creatividad y la inteligencia se han tomado como prueba de que la cognición ejecutiva es indudablemente beneficiosa para el pensamiento creativo (Silvia, 2015).

Sin embargo, aunque existe un vínculo evidente entre la inteligencia y la cognición ejecutiva, desde el punto de vista de la moderna teoría del proceso dual (Evans, 2008, 2009; Stanovich, 2009, 2010; Evans y Stanovich, 2013), hay que distinguir entre los procesos cognitivos algorítmicos y los reflexivos. Los procesos algorítmicos se asocian típicamente con la eficiencia computacional y se miden mediante pruebas de inteligencia estándar, mientras que el procesamiento reflexivo se asocia con una disposición a emplear los recursos de la mente algorítmica, es decir, a pasar del pensamiento autónomo «Tipo 1» al pensamiento analítico «Tipo 2» (dependiente de la memoria de trabajo). La mente reflexiva tiene, por tanto, una definición basada en la disposición («estilos cognitivos», reflexivo frente a intuitivo) y no se mide adecuadamente mediante pruebas de inteligencia estándar (que evalúan la «capacidad cognitiva»), sino mediante tareas de reflexión cognitiva como el Test de Reflexión Cognitiva (CRT; Frederick, 2005). Los individuos caracterizados por una mente más reflexiva tienden a mostrar mayores niveles de autocontrol y menores niveles de «impulsividad cognitiva» (Frederick, 2005; Kahneman y Frederick, 2007; Cokely y Kelley, 2009; Oechssler et al., 2009; Toplak et al., 2011; Brañas-Garza et al., 2012).

Desde esta perspectiva, se puede conjeturar que la reflexión cognitiva puede relacionarse negativamente con la creatividad. Esto es así porque varios estudios sugieren que la capacidad de controlar la propia atención y el comportamiento puede incluso ser perjudicial para el pensamiento creativo (para una revisión, véase Wiley y Jarosz, 2012a). Por ejemplo, se ha demostrado que la resolución creativa de problemas se relaciona positivamente con la intoxicación alcohólica moderada (Jarosz et al., 2012), que se sabe que perjudica la inhibición y el control atencional (Peterson et al., 1990; Kovacevic et al., 2012; Marinkovic et al., 2012). Del mismo modo, un estilo de pensamiento «experiencial» (que mapea en el procesamiento de tipo 1) se ha encontrado para correlacionar positivamente con el rendimiento creativo (Norris y Epstein, 2011).

Como se mencionó, la literatura anterior llegó a conclusiones contradictorias con respecto a si la cognición ejecutiva favorece (por ejemplo, Nusbaum y Silvia, 2011; Beaty y Silvia, 2012; Silvia, 2015) o dificulta (por ejemplo, Eysenck, 1993; Kim et al., 2007; Ricks et al., 2007; Norris y Epstein, 2011; Jarosz et al., 2012; Wiley y Jarosz, 2012b) el pensamiento creativo. La teoría del proceso dual puede reconciliar estos hallazgos aparentemente contradictorios al plantear que la creatividad puede ser generada por una mezcla de procesos de Tipo 1 y Tipo 2 (Allen y Thomas, 2011; Ball et al., 2015; Barr et al., 2015; véase Sowden et al., 2015, para una revisión). De ello se desprende que el enfoque de doble proceso establece una prometedora agenda de investigación basada en la evaluación de la mezcla exacta de procesos de Tipo 1 y Tipo 2 que refuerza la creatividad, así como en el análisis por separado del efecto de los procesos algorítmicos y reflexivos de Tipo 2 en el pensamiento creativo.

Siguiendo un enfoque de doble proceso, Barr et al. (2015) encuentran evidencia experimental de un importante efecto de los procesos analíticos controlados de Tipo 2 en el pensamiento creativo tanto convergente como divergente (Guilford, 1967). En particular, encuentran que tanto la capacidad cognitiva (medida como la combinación de habilidades numéricas y verbales) como el estilo cognitivo reflexivo (promedio de las puntuaciones en la TRC y en las tareas de problemas de tipo básico) covarían positivamente con la capacidad de hacer asociaciones remotas, es decir, con el pensamiento creativo convergente. En cuanto al pensamiento creativo divergente, Barr et al. (2015) muestran que la capacidad cognitiva, pero no la reflexión cognitiva, predice mayores puntuaciones de originalidad en una tarea de usos alternativos. La fluidez en esta última tarea, sin embargo, no estaba correlacionada con ninguna de las dos medidas cognitivas.

En este trabajo, utilizamos un enfoque similar al de Barr et al. (2015) e investigamos cómo ambos tipos de procesos cognitivos afectan a la creatividad. En particular, analizamos cómo las habilidades cognitivas (medidas usando Raven como prueba de inteligencia fluida) y los estilos cognitivos (intuitivo vs. reflexivo; medido por el CRT) se relacionan con el pensamiento creativo convergente y divergente. Ampliamos el trabajo de Barr et al. (2015) analizando otras medidas de pensamiento divergente como la flexibilidad y la elaboración y explorando posibles no linealidades entre la creatividad y las medidas cognitivas.

Dados los resultados contradictorios respecto a si la cognición ejecutiva es beneficiosa o perjudicial para el pensamiento creativo, conjeturamos que podría existir una relación no lineal entre diferentes medidas de creatividad y cognición. Específicamente, podría ser que un nivel mínimo de cognición ejecutiva es necesario para el rendimiento creativo pero, más allá de cierto nivel, la relación desaparece o incluso se vuelve negativa. Esto podría explicar por qué los resultados anteriores parecen ser inconsistentes. Se ha propuesto una línea de razonamiento relacionada con la llamada «hipótesis del umbral» de la relación entre el CI y la creatividad (Guilford, 1967; Jauk et al., 2013). La hipótesis del umbral afirma que la inteligencia está positivamente relacionada con el pensamiento creativo para niveles bajos de CI, pero la relación se difumina para niveles altos de CI. Argumentos similares surgen en los relatos recientes de la «hipótesis del genio loco»: los niveles moderados de disfunción de control inhibitorio o descendente, característicos de las poblaciones psiquiátricas subclínicas (por ejemplo, trastornos leves de TDAH y esquizofrenia), pueden estimular la creatividad en algunas condiciones, mientras que los niveles clínico-graves suelen conducir a un pensamiento creativo empobrecido (Schuldberg, 2005; Abraham et al, 2007; Jaracz et al., 2012; Acar y Sen, 2013; Abraham, 2014).

Métodos

Participantes y protocolo general

Los participantes fueron 150 estudiantes (46,67% mujeres; edad: media ± DE = 20,23 ± 1,96) de la Universidad de Chapman en EE.UU. Estos participantes fueron reclutados de una base de datos de más de 2000 estudiantes. Las invitaciones para participar en el presente estudio se enviaron a un subconjunto aleatorio de toda la base de datos. Este estudio forma parte de un programa de investigación más amplio sobre la cognición y la toma de decisiones económicas. La Junta de Revisión Institucional local aprobó esta investigación. Todos los participantes dieron su consentimiento informado por escrito antes de participar. Realizamos un total de 12 sesiones, nueve con 12 participantes y tres con 14. Las sesiones duraron una media de 45 minutos. Todos los sujetos completaron las mismas tareas en el siguiente orden: (1) CRT, (2) test de Raven, (3) tarea de asociados remotos, (4) tarea de usos alternativos. Los sujetos tuvieron 6 minutos para completar cada tarea y un descanso de 2 minutos después de completar la prueba de Raven.

Medidas

Evaluación de la capacidad cognitiva

Los participantes completaron un subconjunto de la prueba de matrices progresivas de Raven (Raven, 1936). En concreto, se utilizó el número impar de las tres últimas series de matrices (Jaeggi et al., 2010; Corgnet et al., 2015a). El número de matrices resueltas correctamente en el test de Raven (en nuestra muestra, con un rango de 9 a 18, media ± SD = 14,40 ± 2,42 para los hombres y 14,47 ± 2,16 para las mujeres) es una medida convencional de la capacidad cognitiva. Esta prueba capta un aspecto importante del procesamiento cognitivo que se denomina inteligencia fluida y está estrechamente relacionado con el pensamiento algorítmico (Stanovich, 2009, 2010).

Evaluación del estilo cognitivo

Medimos la tendencia de los participantes a confiar en la intuición frente a la reflexión utilizando la TRC introducida por Frederick (2005). La prueba se caracteriza por la existencia de una respuesta incorrecta que viene automáticamente a la mente pero que tiene que ser anulada para encontrar la solución correcta. A las preguntas originales de la TRC, añadimos cuatro preguntas desarrolladas recientemente por Toplak et al. (2014). Esta tarea ampliada (véase el texto S1) nos permitirá descubrir relaciones potencialmente no lineales que serían difíciles de observar utilizando la tarea clásica de tres ítems (Frederick, 2005). En la Tabla S1, mostramos la proporción de sujetos que respondieron correctamente a cada pregunta, divididos por género. Como era de esperar, los hombres obtuvieron mejores resultados en la prueba que las mujeres (Frederick, 2005; Bosch-Domènech et al., 2014). Nuestra medida de reflexión cognitiva viene dada por el número total de respuestas correctas (de 0 a 7). La distribución completa de respuestas correctas por parte de los varones (media ± SD = 4,09 ± 2,31) y de las mujeres (media ± SD = 2,89 ± 2,03) se proporciona en la Figura S1.

Pensamiento Creativo Convergente

Utilizamos un subconjunto del Test de Asociación Remota (RAT; Mednick, 1962) para medir la capacidad de los sujetos para realizar asociaciones remotas. En concreto, se mostró a los sujetos 13 conjuntos de tres palabras (por ejemplo, viuda-mordedura-mono) y se les pidió que encontraran una palabra que se relacionara con las tres palabras proporcionadas (en este ejemplo la solución es «araña»). Nuestra medida del pensamiento convergente es el número de problemas resueltos correctamente (de 0 a 13).

Pensamiento creativo divergente

Medimos el pensamiento divergente utilizando una variante de la Tarea de Usos Alternativos (AUT; Guilford, 1967). Los participantes fueron instruidos para proporcionar tantos usos inusuales de un bolígrafo como fuera posible durante 6 minutos. Construimos cuatro medidas diferentes de pensamiento divergente: fluidez, originalidad, flexibilidad y elaboración. Medimos la fluidez como el número total de respuestas proporcionadas por un participante. Se presentó a tres evaluadores una lista aleatoria de respuestas y se les pidió que puntuaran el grado de originalidad de cada entrada utilizando una escala de Likert de 1 (nada) a 5 (mucho). Calculamos la originalidad como la suma de la puntuación media de los tres calificadores para todas las entradas proporcionadas por un participante, dividida por el número total de respuestas. Siguiendo a Troyer y Moscovitch (2006) y a Gilhooly et al. (2007), todas las respuestas se clasificaron en categorías amplias y diferenciadas (por ejemplo, usos del bolígrafo como accesorios para la ropa o el pelo). A continuación, la flexibilidad se midió como el número de categorías diferentes proporcionadas por cada participante. Por último, la elaboración se refiere a la cantidad media de detalles (de 0 a 2) proporcionada por cada participante.

Análisis estadístico

Para el análisis de los datos, comenzamos mostrando los estadísticos descriptivos de todas las medidas utilizadas y sus correlaciones de orden cero. Para evaluar más a fondo las relaciones entre la creatividad y las medidas cognitivas, primero proporcionamos una representación gráfica utilizando el suavizado LOWESS (Cleveland, 1979; Cleveland y McGill, 1985). A continuación, realizamos regresiones por mínimos cuadrados ordinarios que nos permiten comprobar la significación estadística de las relaciones lineales y no lineales que aparecen en los gráficos LOWESS. Todos los análisis se realizaron utilizando Stata 14.0.

Resultados

Estadística descriptiva y correlaciones

Las medias, desviaciones estándar y correlaciones se muestran en la Tabla 1. No es de extrañar que encontremos una correlación positiva moderada entre el número de respuestas correctas en las pruebas de CRT y Raven (r = 0,26, p < 0,01), lo que sugiere que CRT y Raven no miden totalmente las mismas habilidades cognitivas (Frederick, 2005; Stanovich, 2009, 2010). Del mismo modo, las diferentes medidas de pensamiento divergente (AUT) están significativamente correlacionadas (todas las p’s < 0,01), excepto para la originalidad y la flexibilidad (p = 0,28).

Respecto a nuestras medidas cognitivas, encontramos que tanto las puntuaciones de Raven (p < 0,01) como las de CRT (p = 0.03) están positivamente correlacionadas con el pensamiento convergente (RAT). Sin embargo, la relación entre las habilidades cognitivas y el pensamiento divergente es más complicada. Los niveles altos de habilidad cognitiva (Raven) se relacionan positivamente con la originalidad (p = 0,01) y la elaboración (p < 0,01), pero negativamente con el número de respuestas proporcionadas (fluidez; p = 0,04) y no se correlacionan con la flexibilidad (p = 0,20). Finalmente, no encontramos una correlación significativa entre los estilos cognitivos (puntuaciones CRT) y ninguna medida de pensamiento divergente (todas las p’s > 0,26).

Efectos no lineales y análisis de regresión

Ahora pasamos a estudiar las posibles relaciones no lineales entre nuestras medidas de cognición y creatividad. La Figura 1 muestra todas las relaciones en estudio utilizando LOWESS (ancho de banda = 0,8; Cleveland, 1979; Cleveland y McGill, 1985). LOWESS es una técnica de suavización sin modelo basada en regresiones ponderadas localmente que puede detectar relaciones tanto lineales como no lineales. Para comparar los tamaños del efecto, estandarizamos todas las medidas (desviaciones estándar de la media). También realizamos regresiones por mínimos cuadrados ordinarios para evaluar la importancia estadística de las relaciones observadas. En las tablas S2-S6, presentamos los resultados de una serie de regresiones en las que estimamos los efectos lineales y cuadráticos de cada uno de los predictores (Raven y CRT) por separado en cada medida de creatividad (columnas a ). A partir de estas regresiones, seleccionamos los modelos con el mejor ajuste, ya sea lineal o cuadrático en cada caso, utilizando el Criterio de Información de Akaike (AIC) y los reportamos en la Tabla resumen 2. Además, realizamos regresiones similares en las que ambos predictores (términos lineales y cuadráticos) se incluyen simultáneamente (columnas y en las Tablas S2-S6) con el fin de comprobar posibles efectos de mediación o confusión. La interacción entre la TRC y las puntuaciones de Raven nunca es significativa en la predicción de la creatividad (todas las p’s > 0,3) y por lo tanto no se informa en las tablas en aras de la brevedad. Los resultados siguen siendo cualitativamente similares si también controlamos el género y la edad.

Los modelos con mejor ajuste (Tabla 2) informan de una relación lineal positiva del pensamiento convergente (RAT) tanto con las puntuaciones de Raven (p < 0,01) como con las de CRT (p = 0,03), lo que es coherente con las correlaciones positivas y significativas informadas en la sección anterior. Los tamaños de los efectos son sustanciales: en ambos casos, un aumento de la SD en el predictor se asocia con alrededor del 20% de un aumento de la SD en el RAT (0,22 y 0,17 para Raven y CRT, respectivamente; ver los coeficientes en la Tabla 2). Curiosamente, el efecto de Raven sobre la RAT sigue siendo significativo (p = 0,02) si incluimos las puntuaciones de Raven y CRT como predictores (véase la columna de la Tabla S2), mientras que el efecto de CRT pasa a ser no significativo (p = 0,15). Este resultado sugiere que el efecto significativo de las puntuaciones de la TRC sobre el pensamiento convergente está impulsado más por la capacidad cognitiva (las habilidades computacionales básicas también son necesarias para resolver la TRC correctamente) que por la reflexividad.

La relación entre nuestras medidas cognitivas y el pensamiento divergente es más compleja. Los modelos con mejor ajuste informan de una relación lineal y significativa entre la capacidad cognitiva y todas las medidas de pensamiento divergente (todas las p’s < 0,03), excepto la flexibilidad (p = 0,22; ver Tabla 2). Los sujetos con una puntuación más alta de Raven tienden a generar menos usos (menor fluidez), aunque éstos son más elaborados y originales. De nuevo, para estas tres medidas de creatividad, un aumento de SD en Raven produce una variación en la variable dependiente de aproximadamente el 20% de una SD. El efecto de Raven sobre la flexibilidad parece tener una ligera forma de U en la Figura 1, pero las regresiones no informan de ninguna relación lineal o cuadrática significativa (todas las p’s > 0,22; ver columnas y de la Tabla S5). Como se muestra en las columnas y de las Tablas S3-S6, el efecto de Raven sobre las medidas de pensamiento divergente sigue siendo prácticamente idéntico cuando se controla por CRT, lo que indica que la reflexión cognitiva no media en ninguna de estas relaciones.

Contrariamente a los resultados observados con Raven, no encontramos ninguna relación lineal significativa entre los estilos cognitivos y el pensamiento divergente (todas las p’s > 0,28; véase la columna de las Tablas S3-S6). Estos resultados se mantienen cuando controlamos por Raven (todos los p’s > 0.63; ver columna en las Tablas S3-S6). Sin embargo, encontramos una relación significativa en forma de U invertida de la TRC tanto con la fluidez como con la flexibilidad, como se indica en la Tabla 2 (p < 0,01 y p = 0,02, respectivamente). Los sujetos con un nivel medio de reflexión cognitiva tienden a producir más respuestas y a utilizar más categorías que los sujetos caracterizados por un estilo cognitivo más intuitivo o más reflexivo. Además, el hecho de que el coeficiente del término lineal en la especificación de la regresión cuadrática no sea significativamente diferente de cero en ninguno de los dos casos (p = 0,52 y p = 0,88, respectivamente) indica que los niveles máximos de fluidez y flexibilidad se observan en la puntuación media de la TRC, como sugiere la Figura 1. Los tamaños de los efectos son comparables a los indicados anteriormente en la medida en que, en ambos casos, moverse una DE por encima o por debajo de la media de la TRC se asocia con una disminución de aproximadamente el 20% de una DE en la variable dependiente. Sin embargo, los efectos son mayores para los valores de CRT más extremos. Obsérvese que la mitad de las observaciones se sitúan fuera de la media del rango ± una DE (véase también la Figura S1). Controlar por Raven no altera estas relaciones (p = 0,01 y p = 0,02, respectivamente; véase la columna de las Tablas S4, S5), lo que indica de nuevo una ausencia de efectos de mediación.

Discusión

El enfoque de proceso dual de la cognición se ha sugerido recientemente para reconciliar los hallazgos conflictivos anteriores sobre la relación entre la creatividad y la cognición ejecutiva (Allen y Thomas, 2011; Ball et al., 2015; Barr et al., 2015; Sowden et al., 2015). Contribuimos a esta literatura diferenciando entre las mentes algorítmica y reflexiva (Evans y Stanovich, 2013), y analizando sus efectos por separado en el pensamiento convergente y en cuatro dimensiones diferentes del pensamiento divergente. Replicamos parcialmente los resultados de Barr et al. (2015) al encontrar que la capacidad de los individuos para hacer asociaciones remotas se correlaciona positivamente con la capacidad cognitiva y la reflexión cognitiva. Sin embargo, encontramos que este efecto sobre el pensamiento convergente es impulsado principalmente por la capacidad cognitiva. De manera similar a Barr et al. (2015), también encontramos que los niveles más altos de habilidad cognitiva están relacionados con puntuaciones más altas de originalidad y puntuaciones más bajas de fluidez en el pensamiento divergente. A diferencia de Barr et al. (2015), también analizamos los efectos no lineales y encontramos una relación en forma de U invertida entre la reflexión cognitiva y nuestras medidas de flexibilidad y fluidez en la tarea de pensamiento divergente. Estos nuevos resultados sugieren que los individuos que son altamente deliberativos pueden tener una desventaja en la producción de un gran número de ideas nuevas y creativas.

Los modelos de proceso dual de la creatividad sugieren que tanto los procesos generativos como los evaluativos interactúan durante el proceso creativo (Finke et al., 1992; Basadur, 1995; Howard-Jones, 2002; Gabora, 2005; Nijstad et al., 2010; Gabora y Ranjan, 2013). Aunque estos modelos no tienen una correspondencia directa con los modelos de proceso dual de la cognición, la interacción entre los procesos cognitivos de tipo 1 y de tipo 2 puede desempeñar un papel diferente en las distintas fases del proceso creativo. En esta línea, Sowden et al. (2015) piden que en futuras investigaciones «…se investigue hasta qué punto la creatividad está determinada por la capacidad de cambiar entre los procesos de pensamiento Tipo 1 y Tipo 2 en función de las circunstancias y la fase de los procesos creativos» (p. 55). Nuestros resultados sugieren que la reflexión cognitiva, es decir, la disposición a anular las respuestas automáticas relacionadas con el procesamiento de tipo 1 y dedicarse al pensamiento controlado de tipo 2, tiene un efecto complejo sobre el pensamiento divergente. Hasta cierto punto, la reflexión cognitiva puede ser necesaria para cambiar entre los procesos generativos y evaluativos implicados en la producción de nuevas ideas. Sin embargo, los individuos caracterizados por altos niveles de reflexión pueden ser menos capaces de confiar en su mente intuitiva y autónoma, que también puede ser necesaria para liberar el propio poder creativo (por ejemplo, Dorfman et al., 1996; Norris y Epstein, 2011; Jarosz et al., 2012).

El hallazgo de una relación en forma de U invertida entre la reflexión cognitiva (y, análogamente, el procesamiento intuitivo) y la creatividad es coherente con los recientes avances en la «hipótesis del genio loco»: los niveles leves de disfunción del control descendente pueden ser beneficiosos para la creatividad, pero el deterioro severo conduce a un pobre rendimiento creativo (para una revisión, véase Abraham, 2014).

En relación con esto, la investigación neuropsicológica ha mostrado una relación en forma de U invertida entre las tasas de parpadeo espontáneo y la flexibilidad en tareas de pensamiento creativo divergente (Chermahini y Hommel, 2010). En la medida en que las tasas de parpadeo reflejan la actividad dopaminérgica (Karson, 1983), que a su vez está vinculada al control inhibitorio (Cohen y Servan-Schreiber, 1992), nuestros resultados están en consonancia con el hallazgo de Chermahini y Hommel (2010).

Más allá de su conexión con la investigación cognitiva básica, nuestros hallazgos ofrecen ideas a los gerentes en busca del talento creativo de los millennials. Una implicación esencial de nuestro estudio es que pensar demasiado puede obstaculizar aspectos importantes del pensamiento creativo divergente. Este resultado es de primordial relevancia para los directores de contratación que quieran confiar en la reflexión cognitiva como criterio principal para reclutar millennials diligentes (Corgnet et al., 2015b) y creativos. Nuestros resultados sugieren que las pruebas cognitivas utilizadas para reclutar trabajadores tienen que adaptarse a la naturaleza del trabajo ofrecido. Por ejemplo, la contratación para trabajos que requieren fundamentalmente encontrar soluciones bien definidas a los problemas (como los trabajos de contabilidad o actuariales) puede basarse en una mezcla de pruebas de capacidad cognitiva y de reflexión que son buenos predictores del pensamiento creativo convergente y de la diligencia. Sin embargo, la contratación para puestos que requieren principalmente un pensamiento creativo divergente (como los de marketing, diseño industrial o psicología) no debería basarse únicamente en medidas cognitivas. El reclutamiento basado en las habilidades de reflexión cognitiva puede en realidad impedir la contratación de trabajadores altamente creativos. Estas recomendaciones son cada vez más relevantes, ya que un número creciente de puestos de trabajo en las economías modernas requieren un pensamiento creativo divergente (Pink, 2005).

La presente investigación tiene algunas limitaciones necesarias que futuras investigaciones podrían remediar. Para mantener el enfoque, nuestro estudio utiliza sólo una medida de inteligencia fluida (Raven) y una única medida de estilo cognitivo (CRT). La investigación futura podría evaluar la solidez de nuestros hallazgos a otras medidas de inteligencia fluida y estilo cognitivo, posiblemente ampliando el análisis para incluir la inteligencia cristalizada. Además, nuestra muestra estaba formada en su totalidad por estudiantes universitarios, con un rango limitado de edad, educación e ingresos. Aunque esta fue una elección metodológica que nos permitió estudiar la mano de obra del futuro, otros estudios pueden evaluar la solidez de nuestros hallazgos en diferentes poblaciones. En cuanto a nuestras medidas de creatividad, las investigaciones futuras pueden intentar ampliar nuestro análisis al caso de las tareas creativas prácticas que se encuentran habitualmente, por ejemplo, en el lugar de trabajo. Para ello, las investigaciones futuras pueden incluir el estudio de la creatividad en un entorno organizativo que permita estudiar la relación entre la resolución de problemas en el lugar de trabajo y las habilidades cognitivas.

En una nota metodológica, utilizamos un ordenamiento fijo que puede haber influido en los resultados ya que, entre otros factores, la fatiga puede interferir en los resultados de las pruebas. Aunque la pausa de 2 minutos en la mitad del experimento podría haber mitigado los efectos indirectos entre la primera y la segunda parte del experimento, siguen existiendo preocupaciones. Animamos a que en futuras investigaciones se estudien los posibles efectos de ordenación. Además, son necesarias futuras investigaciones que se centren en análisis a nivel de estado del papel de la intuición frente a la reflexión en el rendimiento creativo para evaluar la solidez (y la causalidad) de nuestros hallazgos a nivel de rasgo, así como para profundizar en nuestra comprensión de la base cognitiva de la creatividad. En este sentido, sería interesante para futuras investigaciones comprobar el efecto de las manipulaciones cognitivas, como la carga cognitiva, el agotamiento del ego, el cebado o la presión/retraso del tiempo en el rendimiento creativo. Nuestros resultados sugieren que las futuras investigaciones sobre el tema deberían intentar captar los efectos potencialmente no lineales, elaborando para ello diseños experimentales que permitan materializar dichos efectos. Esto puede hacerse, por ejemplo, considerando al menos tres niveles por condición de tratamiento.

Contribuciones de los autores

Todos los autores listados, han hecho una contribución sustancial, directa e intelectual al trabajo, y lo han aprobado para su publicación.

Financiación

Los autores reconocen el apoyo financiero de la Fundación Internacional para la Investigación en Economía Experimental, la Escuela Argyros de Negocios y Economía de la Universidad de Chapman, el Ministerio de Educación español , el Ministerio de Economía y Competencia , el Plan Nacional de I+D español MCI , 2014-17, y Proyectos de Excelencia de la Junta Andalucía , 2014-18.

Declaración de conflicto de intereses

Los autores declaran que la investigación se llevó a cabo en ausencia de cualquier relación comercial o financiera que pudiera interpretarse como un potencial conflicto de intereses.

Material complementario

El material complementario de este artículo se puede encontrar en línea en: https://www.frontiersin.org/article/10.3389/fpsyg.2016.01626

Notas a pie de página