Frontiers in Psychology

Introduzione

Le prove di un recente sondaggio riportano che i manager sono tre volte più propensi ad assumere un lavoratore maturo che ad assumere un millennial (nato tra il 1980 e il 2000; Rainer e Rainer, 2011) nonostante abbiano disperatamente bisogno del loro talento creativo1. I lavoratori maturi sono attraenti per i reclutatori perché sono visti come più affidabili e più impegnati dei millennial. Il dilemma per i manager è quindi quello di assumere millennial che siano allo stesso tempo diligenti e creativi.

Studi recenti hanno dimostrato che le aziende possono assicurarsi l’assunzione di millennial diligenti affidandosi a misure di abilità cognitive. Per esempio, si è scoperto che l’intelligenza è il principale predittore della performance lavorativa complessiva in un’ampia varietà di occupazioni e attraverso l’età e il genere (per esempio, Hunter e Hunter, 1984; Olea e Ree, 1994; vedi Schmidt, 2009 per una revisione). È stato riscontrato che le misure standard delle abilità cognitive sono correlate positivamente con le prestazioni (Schmidt et al., 1986; Murphy, 1989) e negativamente con comportamenti lavorativi controproducenti come il furto o l’assenteismo (Dilchert et al., 2007). Inoltre, i risultati di un recente studio suggeriscono che questi effetti possono essere mediati dagli stili cognitivi degli individui (Corgnet et al., 2015b). In particolare, Corgnet et al. (2015b) trovano che i millennial caratterizzati da uno stile più riflessivo (come misurato dal Cognitive Reflection Test; Frederick, 2005) sono più diligenti, mostrando livelli più alti di performance dei compiti e livelli più bassi di comportamenti lavorativi controproducenti2. Un avvertimento cruciale è se l’assunzione di millennial sulla base di misure cognitive possa alla fine selezionare lavoratori meno creativi. Per affrontare questo punto dobbiamo valutare la relazione tra abilità cognitive e creatività.

Tradizionalmente, l’intelligenza e la creatività sono state considerate non correlate (Getzels e Jackson, 1962; Wallach e Kogan, 1965; Batey e Furnham, 2006; Sawyer, 2006; Weisberg, 2006; Runco, 2007; Kaufman, 2009; Kim et al., 2010). In una meta-analisi, Kim (2005) trova che la correlazione tra i punteggi dei test di creatività e il QI varia ampiamente ed è, in media, piccola (r = 0,174).

Tuttavia, un crescente consenso è emerso nella ricerca recente che sottolinea una stretta relazione tra intelligenza e prestazioni creative (vedi Silvia, 2015, per una revisione). Questo consenso emergente si basa pesantemente su studi recenti che hanno impiegato tecniche statistiche più sofisticate e metodi di valutazione più robusti rispetto alle ricerche precedenti sull’argomento. Per esempio, l’uso di modelli di variabili latenti ha permesso ai ricercatori di scoprire una relazione positiva e significativa tra creatività e intelligenza utilizzando i dati di studi precedenti che riportavano correlazioni non significative (Silvia, 2008b). La recente ondata di ricerche sull’intelligenza e la creatività ha anche migliorato la valutazione tradizionale della creatività che si basava esclusivamente su metodi di punteggio basati sull’originalità e l’unicità delle risposte in compiti creativi (come trovare usi insoliti per un oggetto). Questi metodi di punteggio tradizionali sono imprecisi perché confondono diversi fattori, come la fluidità e la dimensione del campione (Hocevar, 1979; Silvia et al., 2008), e possono quindi portare a stime imprecise della relazione tra intelligenza e creatività (Silvia, 2008a; Nusbaum e Silvia, 2011). I risultati di questa nuova ondata di ricerche su creatività e intelligenza sono stati presi come prova che la cognizione esecutiva è senza dubbio vantaggiosa per il pensiero creativo (Silvia, 2015).

Tuttavia, sebbene ci sia un ovvio legame tra intelligenza e cognizione esecutiva, dal punto di vista della moderna teoria del doppio processo (Evans, 2008, 2009; Stanovich, 2009, 2010; Evans e Stanovich, 2013), si dovrebbe distinguere tra processi cognitivi algoritmici e riflessivi. I processi algoritmici sono tipicamente associati all’efficienza computazionale e sono misurati dai test d’intelligenza standard, mentre l’elaborazione riflessiva è associata a una disposizione a impiegare le risorse della mente algoritmica, cioè a passare dal pensiero autonomo di “tipo 1” al pensiero analitico di “tipo 2” (dipendente dalla memoria di lavoro). La mente riflessiva ha quindi una definizione basata sulla disposizione (“stili cognitivi”, riflessivi vs. intuitivi) e non è adeguatamente misurata dai test d’intelligenza standard (che valutano la “capacità cognitiva”) ma da compiti di riflessione cognitiva come il test di riflessione cognitiva (CRT; Frederick, 2005). Gli individui caratterizzati da una mente più riflessiva tendono a mostrare livelli più alti di autocontrollo e livelli più bassi di “impulsività cognitiva” (Frederick, 2005; Kahneman e Frederick, 2007; Cokely e Kelley, 2009; Oechssler et al., 2009; Toplak et al., 2011; Brañas-Garza et al., 2012).

Da questa prospettiva, si può congetturare che la riflessione cognitiva possa essere correlata negativamente alla creatività. Questo è il caso perché un certo numero di studi suggerisce che la capacità di controllare la propria attenzione e il proprio comportamento può anche essere dannosa per il pensiero creativo (per una revisione, vedi Wiley e Jarosz, 2012a). Per esempio, è stato dimostrato che il problem solving creativo è correlato positivamente a una moderata intossicazione da alcol (Jarosz et al., 2012), che è nota per compromettere l’inibizione e il controllo attenzionale (Peterson et al., 1990; Kovacevic et al., 2012; Marinkovic et al., 2012). Allo stesso modo, uno stile di pensiero “esperienziale” (che corrisponde all’elaborazione di tipo 1) è stato trovato correlato positivamente alla performance creativa (Norris e Epstein, 2011).

Come menzionato, la letteratura passata è arrivata a conclusioni contrastanti riguardo al fatto che la cognizione esecutiva favorisca (ad es, Nusbaum e Silvia, 2011; Beaty e Silvia, 2012; Silvia, 2015) o ostacoli (Eysenck, 1993; Kim et al., 2007; Ricks et al., 2007; Norris e Epstein, 2011; Jarosz et al., 2012; Wiley e Jarosz, 2012b) il pensiero creativo. La teoria del doppio processo può riconciliare questi risultati apparentemente contrastanti ipotizzando che la creatività possa essere generata da un mix di processi di tipo 1 e di tipo 2 (Allen e Thomas, 2011; Ball et al., 2015; Barr et al., 2015; vedi Sowden et al., 2015, per una revisione). Ne consegue che l’approccio a doppio processo delinea una promettente agenda di ricerca basata sulla valutazione dell’esatto mix di processi di tipo 1 e di tipo 2 che sostiene la creatività, nonché sull’analisi separata dell’effetto dei processi di tipo 2 algoritmici e riflessivi sul pensiero creativo.

Seguendo un approccio a doppio processo, Barr et al. (2015) trovano prove sperimentali di un importante effetto dei processi analitici controllati di tipo 2 sul pensiero creativo sia convergente che divergente (Guilford, 1967). In particolare, trovano che sia l’abilità cognitiva (misurata come la combinazione di abilità numeriche e verbali) che lo stile cognitivo riflessivo (media dei punteggi nel CRT e nei compiti con problemi di base) covariano positivamente con la propria capacità di fare associazioni a distanza, cioè con il pensiero creativo convergente. Per quanto riguarda il pensiero creativo divergente, Barr et al. (2015) mostrano che la capacità cognitiva ma non la riflessione cognitiva predice punteggi di originalità più alti in un compito di usi alternativi. La fluidità in quest’ultimo compito, tuttavia, non era correlata a nessuna delle due misure cognitive.

In questo articolo, usiamo un approccio simile a Barr et al. (2015) e indaghiamo come entrambi i tipi di processi cognitivi influenzano la creatività. In particolare, analizziamo come le abilità cognitive (misurate usando Raven come test di intelligenza fluida) e gli stili cognitivi (intuitivo vs. riflessivo; come misurato dal CRT) si riferiscono al pensiero creativo convergente e divergente. Estendiamo Barr et al. (2015) analizzando altre misure di pensiero divergente come la flessibilità e l’elaborazione ed esplorando possibili non linearità tra la creatività e le misure cognitive.

Dati i risultati contrastanti riguardo al fatto che la cognizione esecutiva sia benefica o dannosa per il pensiero creativo, ipotizziamo che possa esistere una relazione non lineare tra diverse misure di creatività e cognizione. In particolare, potrebbe essere che un livello minimo di cognizione esecutiva sia necessario per la performance creativa ma, oltre un certo livello, la relazione scompare o addirittura diventa negativa. Questo potrebbe spiegare perché i risultati precedenti sembrano essere incoerenti. Una linea di ragionamento correlata è stata proposta nella cosiddetta “ipotesi della soglia” della relazione tra QI e creatività (Guilford, 1967; Jauk et al., 2013). L’ipotesi della soglia afferma che l’intelligenza è positivamente correlata al pensiero creativo per bassi livelli di QI, ma la relazione si confonde per alti livelli di QI. Argomentazioni simili sorgono nei recenti resoconti dell'”ipotesi del genio pazzo”: livelli moderati di disfunzione inibitoria o di controllo top-down, caratteristici delle popolazioni psichiatriche subcliniche (ad esempio, ADHD lieve e disturbi schizofrenici), possono stimolare la creatività in alcune condizioni, mentre livelli clinico-gravi portano tipicamente a un impoverimento del pensiero creativo (Schuldberg, 2005; Abraham et al, 2007; Jaracz et al., 2012; Acar e Sen, 2013; Abraham, 2014).

Metodi

Partecipanti e protocollo generale

I partecipanti erano 150 studenti (46,67% donne; età: media ± SD = 20,23 ± 1,96) della Chapman University negli Stati Uniti. Gli inviti a partecipare allo studio attuale sono stati inviati a un sottoinsieme casuale dell’intero database. Questo studio fa parte di un più ampio programma di ricerca sulla cognizione e sul processo decisionale economico. Il locale Institutional Review Board ha approvato questa ricerca. Tutti i partecipanti hanno fornito un consenso informato scritto prima di partecipare. Abbiamo condotto un totale di 12 sessioni, nove avevano 12 partecipanti e tre avevano 14 partecipanti. In media, le sessioni sono durate 45 minuti. Tutti i soggetti hanno completato gli stessi compiti nel seguente ordine: (1) CRT, (2) test di Raven, (3) compito dei soci a distanza, (4) compito degli usi alternativi. I soggetti hanno avuto 6 minuti per completare ogni compito e una pausa di 2 minuti dopo aver completato il test di Raven.

Misure

Cognitive Ability Assessment

I partecipanti hanno completato un sottoinsieme del test delle matrici progressive di Raven (Raven, 1936). In particolare, abbiamo utilizzato il numero dispari delle ultime tre serie di matrici (Jaeggi et al., 2010; Corgnet et al., 2015a). Il numero di matrici risolte correttamente nel test di Raven (nel nostro campione, che va da 9 a 18, media ± SD = 14,40 ± 2,42 per i maschi e 14,47 ± 2,16 per le femmine) è una misura convenzionale della capacità cognitiva. Questo test cattura un aspetto importante dell’elaborazione cognitiva a cui ci si riferisce come intelligenza fluida ed è strettamente legato al pensiero algoritmico (Stanovich, 2009, 2010).

Cognitive Style Assessment

Abbiamo misurato la tendenza dei partecipanti ad affidarsi all’intuizione rispetto alla riflessione utilizzando il CRT introdotto da Frederick (2005). Il test è caratterizzato dall’esistenza di una risposta errata che viene in mente automaticamente, ma che deve essere ignorata per trovare la soluzione corretta. Alle domande CRT originali, abbiamo aggiunto quattro domande recentemente sviluppate da Toplak et al. (2014). Questo compito esteso (vedi testo S1) ci permetterà di scoprire relazioni potenzialmente non lineari che sarebbero difficili da osservare usando il classico compito a tre domande (Frederick, 2005). Nella tabella S1, mostriamo la percentuale di soggetti che rispondono correttamente a ciascuna domanda, divisi per sesso. Come previsto, i maschi hanno ottenuto risultati migliori nel test rispetto alle femmine (Frederick, 2005; Bosch-Domènech et al., 2014). La nostra misura della riflessione cognitiva è data dal numero totale di risposte corrette (da 0 a 7). La distribuzione completa delle risposte corrette da parte dei maschi (media ± SD = 4,09 ± 2,31) e delle femmine (media ± SD = 2,89 ± 2,03) è fornita nella Figura S1.

Pensiero creativo convergente

Abbiamo utilizzato un sottoinsieme del Remote Associate Test (RAT; Mednick, 1962) per misurare la capacità dei soggetti di fare associazioni remote. In particolare, ai soggetti sono stati mostrati 13 insiemi di tre parole (ad esempio, vedova-morso-scimmia) ed è stato chiesto di trovare una parola che si riferisce a tutte e tre le parole fornite (in questo esempio la soluzione è “ragno”). La nostra misura del pensiero convergente è il numero di problemi risolti correttamente (da 0 a 13).

Pensiero creativo divergente

Abbiamo misurato il pensiero divergente usando una variante dell’Alternate Uses Task (AUT; Guilford, 1967). I partecipanti sono stati istruiti a fornire il maggior numero possibile di usi insoliti di una penna durante 6 minuti. Costruiamo quattro diverse misure del pensiero divergente: fluidità, originalità, flessibilità ed elaborazione. Abbiamo misurato la fluidità come il numero totale di risposte fornite da un partecipante. A tre valutatori è stata presentata una lista casuale di risposte e gli è stato chiesto di valutare il grado di originalità di ogni voce utilizzando una scala Likert da 1 (per niente) a 5 (molto). Abbiamo calcolato l’originalità come la somma del punteggio medio dei tre valutatori per tutte le voci fornite da un partecipante, diviso per il numero totale di risposte. Seguendo Troyer e Moscovitch (2006) e Gilhooly et al. (2007), tutte le risposte sono state classificate in ampie categorie differenziate (ad esempio, gli usi della penna come accessori di stoffa o per capelli). Poi, la flessibilità è stata misurata come il numero di categorie diverse fornite da ogni partecipante. Infine, l’elaborazione si riferisce alla quantità media di dettagli (da 0 a 2) forniti da ogni partecipante.

Analisi statistica

Per l’analisi dei dati, iniziamo mostrando le statistiche descrittive di tutte le misure utilizzate e le loro correlazioni di ordine zero. Per valutare ulteriormente le relazioni tra creatività e misure cognitive, forniamo prima una rappresentazione grafica utilizzando lo smoothing LOWESS (Cleveland, 1979; Cleveland e McGill, 1985). Poi eseguiamo regressioni ordinarie ai minimi quadrati che ci permettono di testare la significatività statistica delle relazioni lineari e non lineari che sono state mostrate nei grafici LOWESS. Tutte le analisi sono state eseguite usando Stata 14.0.

Risultati

Statistiche descrittive e correlazioni

Le medie, le deviazioni standard e le correlazioni sono riportate nella tabella 1. Non sorprende che troviamo una moderata correlazione positiva tra il numero di risposte corrette nei test CRT e Raven (r = 0,26, p < 0,01) che suggerisce che CRT e Raven non misurano interamente le stesse abilità cognitive (Frederick, 2005; Stanovich, 2009, 2010). Allo stesso modo, le diverse misure del pensiero divergente (AUT) sono significativamente correlate (tutti i p < 0,01), tranne l’originalità e la flessibilità (p = 0,28).

Per quanto riguarda le nostre misure cognitive, troviamo che sia i punteggi Raven (p < 0,01) che CRT (p = 0.03) sono positivamente correlati al pensiero convergente (RAT). Tuttavia, la relazione tra abilità cognitive e pensiero divergente è più complicata. Alti livelli di abilità cognitiva (Raven) sono correlati positivamente con l’originalità (p = 0,01) e l’elaborazione (p < 0,01), ma negativamente con il numero di risposte fornite (fluidità; p = 0,04) e non correlati con la flessibilità (p = 0,20). Infine, non troviamo una correlazione significativa tra gli stili cognitivi (punteggi CRT) e nessuna misura di pensiero divergente (tutti i p’s > 0,26).

Effetti non lineari e analisi di regressione

Passiamo ora allo studio di possibili relazioni non lineari tra le nostre misure di cognizione e creatività. La figura 1 mostra tutte le relazioni in studio utilizzando LOWESS (larghezza di banda = 0,8; Cleveland, 1979; Cleveland e McGill, 1985). LOWESS è una tecnica di lisciatura senza modello basata su regressioni ponderate localmente che può rilevare sia relazioni lineari che non lineari. Per confrontare le dimensioni degli effetti, abbiamo standardizzato tutte le misure (deviazioni standard dalla media). Abbiamo anche eseguito regressioni ordinarie ai minimi quadrati per valutare la significatività statistica delle relazioni osservate. Nelle tabelle S2-S6, presentiamo i risultati di una serie di regressioni in cui abbiamo stimato gli effetti lineari e quadratici di ciascuno dei predittori (Raven e CRT) separatamente su ogni misura di creatività (colonne a ). Da queste regressioni, abbiamo selezionato i modelli con il miglior adattamento, lineare o quadratico in ogni caso, utilizzando il criterio di informazione di Akaike (AIC) e li abbiamo riportati nella tabella riassuntiva 2. Inoltre, abbiamo eseguito regressioni simili in cui entrambi i predittori (termini lineari e quadratici) sono inclusi simultaneamente (colonne e nelle tabelle S2-S6) al fine di verificare eventuali effetti di mediazione o di confondimento. L’interazione tra CRT e punteggi Raven non è mai significativa nel predire la creatività (tutti i p’s > 0,3) e quindi non è riportata nelle tabelle per brevità. I risultati rimangono qualitativamente simili se controlliamo anche il sesso e l’età.

I modelli con il best fit (Tabella 2) riportano una relazione lineare positiva del pensiero convergente (RAT) sia con i punteggi Raven (p < 0,01) che CRT (p = 0,03), che è coerente con le correlazioni positive e significative riportate nella sezione precedente. Le dimensioni dell’effetto sono sostanziali: in entrambi i casi, un aumento SD nel predittore è associato a circa il 20% di un aumento SD nella RAT (0,22 e 0,17 per Raven e CRT, rispettivamente; vedi coefficienti nella tabella 2). È interessante notare che l’effetto di Raven su RAT rimane significativo (p = 0,02) se includiamo entrambi i punteggi Raven e CRT come predittori (vedi colonna nella tabella S2) mentre l’effetto di CRT diventa non significativo (p = 0,15). Questo risultato suggerisce che l’effetto significativo dei punteggi CRT sul pensiero convergente è guidato più dall’abilità cognitiva (le abilità computazionali di base sono anche necessarie per risolvere correttamente la CRT) piuttosto che dalla riflessività.

La relazione tra le nostre misure cognitive e il pensiero divergente è più complessa. I modelli con il miglior adattamento riportano una relazione lineare e significativa tra l’abilità cognitiva e tutte le misure del pensiero divergente (tutti i p’s < 0,03), tranne la flessibilità (p = 0,22; vedi Tabella 2). I soggetti con un punteggio Raven più alto tendono a generare meno usi (minore fluidità), anche se questi sono più elaborati e originali. Di nuovo, per queste tre misure di creatività, un aumento di SD in Raven produce una variazione nella variabile dipendente di circa il 20% di una SD. L’effetto di Raven sulla flessibilità sembra essere leggermente a forma di U nella Figura 1, ma le regressioni non riportano alcuna relazione lineare o quadratica significativa (tutti i p’s > 0,22; vedi colonne e della Tabella S5). Come mostrato nelle colonne e delle Tabelle S3-S6, l’effetto di Raven sulle misure di pensiero divergente rimane praticamente identico quando si controlla per CRT, il che indica che la riflessione cognitiva non media nessuna di queste relazioni.

Contrariamente ai risultati osservati con Raven, non troviamo alcuna relazione lineare significativa tra stili cognitivi e pensiero divergente (tutti p’s > 0,28; vedi colonna nelle Tabelle S3-S6). Questi risultati si mantengono quando controlliamo per Raven (tutti i p’s > 0,63; vedi colonna nelle tabelle S3-S6). Tuttavia, troviamo una significativa relazione a forma di U invertita di CRT sia con la fluidità che con la flessibilità, come riportato nella tabella 2 (p < 0,01 e p = 0,02, rispettivamente). I soggetti con un livello medio di riflessione cognitiva tendono a produrre più risposte e a utilizzare più categorie rispetto ai soggetti caratterizzati da uno stile cognitivo più intuitivo o più riflessivo. Inoltre, il fatto che il coefficiente del termine lineare nella specificazione della regressione quadratica non è significativamente diverso da zero in entrambi i casi (p = 0,52 e p = 0,88, rispettivamente) indica che i livelli massimi di fluidità e flessibilità sono osservati al punteggio medio CRT, come suggerito dalla Figura 1. Le dimensioni dell’effetto sono paragonabili a quelle riportate sopra nella misura in cui, in entrambi i casi, lo spostamento di una SD sopra o sotto il CRT medio è associato a una diminuzione di circa il 20% di una SD nella variabile dipendente. Tuttavia, gli effetti sono più grandi per i valori CRT più estremi. Si noti che la metà delle osservazioni cadono al di fuori del range medio ± una SD (vedi anche Figura S1). Il controllo per Raven non altera queste relazioni (p = 0,01 e p = 0,02, rispettivamente; vedi colonna nelle Tabelle S4, S5), il che indica ancora una volta un’assenza di effetti di mediazione.

Discussione

L’approccio a doppio processo della cognizione è stato recentemente suggerito per conciliare precedenti risultati conflittuali sulla relazione tra creatività e cognizione esecutiva (Allen e Thomas, 2011; Ball et al., 2015; Barr et al., 2015; Sowden et al., 2015). Noi contribuiamo a questa letteratura differenziando tra le menti algoritmiche e riflessive (Evans e Stanovich, 2013), e analizzando i loro effetti separati sul pensiero convergente e su quattro diverse dimensioni del pensiero divergente. Replichiamo parzialmente i risultati di Barr et al. (2015) trovando che la capacità degli individui di fare associazioni a distanza correla positivamente con l’abilità cognitiva e la riflessione cognitiva. Tuttavia, troviamo che questo effetto sul pensiero convergente è principalmente guidato dall’abilità cognitiva. Analogamente a Barr et al. (2015), troviamo anche che livelli più alti di abilità cognitiva sono correlati con punteggi di originalità più alti e punteggi di fluidità più bassi nel pensiero divergente. A differenza di Barr et al. (2015), analizziamo anche gli effetti non lineari e troviamo una relazione a forma di U rovesciata tra la riflessione cognitiva e le nostre misure di flessibilità e fluidità nel compito di pensiero divergente. Questi nuovi risultati suggeriscono che gli individui che sono altamente deliberativi possono avere uno svantaggio nel produrre un gran numero di idee nuove e creative.

I modelli a doppio processo della creatività suggeriscono che entrambi i processi generativi e valutativi interagiscono durante il processo creativo (Finke et al., 1992; Basadur, 1995; Howard-Jones, 2002; Gabora, 2005; Nijstad et al., 2010; Gabora e Ranjan, 2013). Anche se questi modelli non hanno una mappatura diretta sui modelli a doppio processo della cognizione, l’interazione tra i processi cognitivi di tipo 1 e di tipo 2 può svolgere un ruolo diverso nelle diverse fasi del processo creativo. In questa linea, Sowden et al. (2015) invitano la ricerca futura “…a indagare la misura in cui la creatività è determinata dalla capacità di spostarsi tra processi di pensiero di tipo 1 e di tipo 2 in funzione delle circostanze e della fase dei processi creativi” (p. 55). I nostri risultati suggeriscono che la riflessione cognitiva, cioè la disposizione a ignorare le risposte automatiche legate all’elaborazione di tipo 1 e a impegnarsi nel pensiero controllato di tipo 2, ha un effetto complesso sul pensiero divergente. In una certa misura, la riflessione cognitiva può essere necessaria per spostarsi tra i processi generativi e valutativi coinvolti nella produzione di nuove idee. Tuttavia, gli individui caratterizzati da alti livelli di riflessione possono essere meno in grado di fare affidamento sulla loro mente intuitiva e autonoma che può anche essere necessaria per liberare il proprio potere creativo (ad esempio, Dorfman et al., 1996; Norris e Epstein, 2011; Jarosz et al, 2012).

La scoperta di una relazione a forma di U rovesciata tra la riflessione cognitiva (e, analogamente, l’elaborazione intuitiva) e la creatività è coerente con i recenti progressi sull'”ipotesi del genio pazzo”: livelli lievi di disfunzione del controllo top-down possono essere benefici per la creatività, ma una grave compromissione porta a scarse prestazioni creative (per una revisione, vedi Abraham, 2014).

Relativamente, la ricerca neuropsicologica ha mostrato una relazione a forma di U rovesciata tra i tassi di battito di ciglia spontaneo e la flessibilità in compiti di pensiero creativo divergente (Chermahini e Hommel, 2010). Nella misura in cui i tassi di battito delle palpebre riflettono l’attività dopaminergica (Karson, 1983), che è a sua volta legata al controllo inibitorio (Cohen e Servan-Schreiber, 1992), i nostri risultati sono in linea con la scoperta di Chermahini e Hommel (2010).

Al di là della sua connessione alla ricerca cognitiva di base, i nostri risultati offrono spunti ai manager alla ricerca del talento creativo dei millennials. Un’implicazione essenziale del nostro studio è che pensare troppo può ostacolare aspetti importanti del pensiero creativo divergente. Questo risultato è di primaria rilevanza per i responsabili delle assunzioni che potrebbero voler fare affidamento sulla riflessione cognitiva come criterio principale per reclutare millennials diligenti (Corgnet et al., 2015b) e creativi. I nostri risultati suggeriscono che i test cognitivi utilizzati per reclutare i lavoratori devono essere adattati alla natura del lavoro offerto. Per esempio, il reclutamento per lavori che richiedono fondamentalmente di trovare soluzioni ben definite ai problemi (come la contabilità o i lavori attuariali) può basarsi su un mix di test di abilità cognitiva e di riflessione che sono buoni predittori di pensiero creativo convergente e diligenza. Tuttavia, il reclutamento per i lavori che richiedono principalmente il pensiero creativo divergente (come il marketing, il design industriale o i lavori di psicologia) non dovrebbe basarsi solo su misure cognitive. Il reclutamento basato sulle capacità di riflessione cognitiva può effettivamente impedire l’assunzione di lavoratori altamente creativi. Queste raccomandazioni stanno diventando sempre più rilevanti poiché un numero crescente di lavori nelle economie moderne richiede un pensiero creativo divergente (Pink, 2005).

La ricerca attuale ha alcune limitazioni necessarie che la ricerca futura potrebbe rimediare. Per mantenere la concentrazione, il nostro studio utilizza solo una misura di intelligenza fluida (Raven) e una sola misura di stile cognitivo (CRT). La ricerca futura potrebbe valutare la robustezza dei nostri risultati con altre misure di intelligenza fluida e stile cognitivo, possibilmente estendendo l’analisi per includere l’intelligenza cristallizzata. Inoltre, il nostro campione era composto interamente da studenti universitari, con una gamma limitata di età, istruzione e reddito. Anche se questa è stata una scelta metodologica che ci ha permesso di studiare la forza lavoro del futuro, ulteriori studi possono valutare la robustezza dei nostri risultati a popolazioni diverse. Per quanto riguarda le nostre misure di creatività, la ricerca futura può tentare di estendere la nostra analisi al caso di compiti creativi pratici che si incontrano comunemente, per esempio, sul posto di lavoro. A tal fine, la ricerca futura può incorporare lo studio della creatività in un contesto organizzativo che permette di studiare la relazione tra il problem solving sul posto di lavoro e le competenze cognitive.

In una nota metodologica, abbiamo usato un ordine fisso di che può aver influenzato i risultati come, tra gli altri fattori, la fatica può interferire con i risultati dei test. Mentre la pausa di 2 minuti nel mezzo dell’esperimento potrebbe aver mitigato gli effetti di spillover tra la prima e la seconda parte dell’esperimento, le preoccupazioni rimangono ancora. Incoraggiamo la ricerca futura ad esplorare possibili effetti di ordinamento. Inoltre, la ricerca futura che si concentra su analisi a livello di stato del ruolo dell’intuizione rispetto alla riflessione nella performance creativa è necessaria per valutare la robustezza (e la causalità) dei nostri risultati a livello di tratto e per approfondire la nostra comprensione della base cognitiva della creatività. Lungo queste linee, sarebbe interessante per la ricerca futura testare l’effetto di manipolazioni cognitive come il carico cognitivo, l’esaurimento dell’ego, il priming, o la pressione temporale/il ritardo sulla performance creativa. I nostri risultati suggeriscono che la ricerca futura sull’argomento dovrebbe tentare di catturare effetti potenzialmente non lineari, elaborando così disegni sperimentali che permettano a tali effetti di materializzarsi. Questo può essere fatto, per esempio, considerando almeno tre livelli per condizione di trattamento.

Contributi degli autori

Tutti gli autori elencati, hanno dato un contributo sostanziale, diretto e intellettuale al lavoro, e lo hanno approvato per la pubblicazione.

Finanziamento

Gli autori riconoscono il sostegno finanziario della Fondazione Internazionale per la Ricerca in Economia Sperimentale, la Argyros School of Business and Economics della Chapman University, il Ministero dell’Istruzione spagnolo, il Ministero dell’Economia e delle Competenze, il Plan Nacional I+D MCI spagnolo, 2014-17, e i Proyectos de Excelencia de la Junta Andalucía, 2014-18.

Dichiarazione di conflitto di interessi

Gli autori dichiarano che la ricerca è stata condotta in assenza di relazioni commerciali o finanziarie che potrebbero essere interpretate come un potenziale conflitto di interessi.

Materiale supplementare

Il materiale supplementare per questo articolo può essere trovato online su: https://www.frontiersin.org/article/10.3389/fpsyg.2016.01626

Footnotes