Barrett, J. D., Vessey, W. B., Griffith, J. A., Mracek, D., & Mumford, M. D. (2014). Predicting Scientific Creativity: The Role of Adversity, Collaborations, and Work Strategies.Creativity Research Journal, 26(1), 39–52.
摘译：帅瑶（北京大学教育学院硕士生）
摘要：毫无疑问，职业经历有助于取得科学成就；但是这种关系尚未就其对科学创造力方面的影响进行彻底的研究。本研究采用历史计量学的方法来研究与科学成就共有的成人职业经历的三个领域。在此过程中，已有的理论成果用来确定与科学成就相关的职业经历，并在此基础上提出三个理论模型来解释这些经历，即逆境模型、合作模型和工作策略模型。然后，对杰出科学家的传记进行内容编码和分析。研究结果表明，逆境模型并不能预测科学创造力。但是，工作策略模型和合作模型有望解释科学家创造潜力的发展过程。本文不仅讨论了模型组成部分和科学创造力之间关系的本质，还讨论了它们对科学家创造性潜力发展的影响作用。
一、引言
在很多领域中，创造力和创新对工作表现和职业成就至关重要。由于不同职业对创造力和创新的需求程度不同，许多学者试图通过研究某些领域因创造力而取得出色职业成就的人来解释相关问题。因此，本研究的目的是调查特定类型的职业经历如何影响科学领域的创新性表现。
研究职业经历和成就的主要目标是理解影响创造性潜力发展的因素。最初的研究试图通过询问取得高成就的科学家的家庭背景来了解创造性潜力在早期生活经历中的发展过程。有研究表明，在童年之后，接触多个复杂并且新颖的问题可以提高创造性的解决问题的能力，例如问题发现、概念组合和想法评估等。因此，创造性的发展很可能会持续到成年，甚至持续到从事科学家的工作阶段。还有研究表明，职业经验比诸如智力、批判思维等传统的性格变量能更好地预测科学生产力。同时性格变量并不对创新性表现产生影响，而是通过职业经历产生影响。因此，我们将把逆境模型、合作模型以及工作策略模型纳入研究，解释其与科学创造力的关系。
二、研究假设
·逆境模型及假设
假设1：科学职业经历的逆境模型将预测着科学家创造性生产的收益。
·合作模型及假设
假设2：科学职业经历的合作模型将预测着科学家创造性生产的收益。
假设3：科学职业经历的合作模型将比逆境模型更好地预测科学创造力。
·工作策略及假设
假设4：科学职业经历的⼯作策略模型将预测科学家在创造性⽣产⽅⾯的收益。
假设5：科学职业经历的⼯作策略模型将⽐逆境或合作模型更能预测科学创造⼒。
三、研究方法
本研究采用历史计量学的方法来检验这三种模型如何影响创新性表现。
抽样：
首先通过互联网普通搜索，生成一份跨领域的潜在科学家名单，剔除1920年之前去世的人，筛选出93名科学家作为科学家样本。然后，使用WorldCat图书数据库进行传记搜索，过滤掉1950年以前的出版物、自传和为青年读者撰写的书。之后，邀请评委阅读书籍并经两次筛选，选出传记中包含信息涉及科学家的逆境经历、合作经历以及从事工作策略的段落。
对照：
为了确保关于逆境、合作和工作策略对科学创造力影响的结论不受外来变量的影响，基于评委对所选段落的评价和科学家本人的评价，采取两组控制措施。第一组措施主要考虑传记相关信息，第二组措施主要考虑科学家的特征。每组控制由6位来自工业/组织心理学专业，并且对创造力感兴趣的研究生来评分。
预测因子：
基于所提出的预测科学创造力的三个模型，确定了与模型的每个组成部分相关的具体指标。在识别并可操作地定义了模型的每个组成部分的指标后，采用行为标记来识别传记中的每个指标。基准评级量表使用的是1993年Redmond, Mumford和Teach推荐的量表。
创新性表现的测量：
为检验逆境、合作和工作策略与创新性表现之间的关系，本研究使用了三种表现衡量标准，以测量科学家的创新性表现。
第一种是测量科学家对他人的不同类型的影响的指标。具体包括(a)个人，(b)小组，(c)组织，(d)工作的领域，(e)该领域的理论工作，以及(f)该领域的技术工作。
第二种是测量科学生产力的客观指标。具体包括(a)科学家的创造性产品数量，(b)科学家领导的组织数量，(c)科学家领导的团体数量，(d)科学家领导的个人数量。
第三个指标是使用Jorge E. Hirsch的h指数来计算科学家的研究贡献（生产率和出版物的影响力）。每个科学家的h指数通过Google Scholar中的引用工具获得。
为了将这些创新性表现评级简化为潜在因素，运用可变旋转的主成分分析法进行因子分析，得到一个五因素模型。其中五因素包括：社会影响力（如对个人、团体和组织的影响），理论影响力（如理论工作的广度），技术影响力（如技术工作和创造性产品），组织领导力（如领导的团队数量）和专业影响力（H指数）。
五、研究结论与讨论
1.逆境模型并不能预测科学家的创造力；
2.合作模型在一定程度上能预测科学家的创造力；其中，参与活动和与他人合作能正向预测科学家的理论影响力；科学家不仅要参与活动，而且要有多种与他人合作的机会，这也有助于扩大他们的理论影响力。
3.工作策略模型是预测科学家创造力的最佳预测指标。其中，声望对技术影响力和定性推理能力具有负面影响。科学家的网络活动与理论影响力呈负相关。领域知识和研究可以预测理论影响力。Root-Bernstein、Bernstein 和 Garnier (1995) 发现，对于杰出的科学家来说，定期改变研究重点是长期生产力的必要条件。由于创造性工作往往需要非常密集的认知资源，因此工作转变和项目混合或许可以让科学家更有效地管理他们的认知资源，从而让他们有更多机会进行创造性思考。
边缘搜索、个人意外发现、以及用原始方式重组数据的程度是技术影响力的最强预测因子。使用特殊的策略负向预测技术影响力。
研究局限性：
1.著名科学家数量、适合被研究的传记数量以及高质量的传记数量非常有限，因此在概括本研究的发现时需要格外注意样本的特异性；
2.尽管传记可以提供关于科学家活动的大量信息，但是评价可能局限于作者认为重要的细节，需要进一步努力确定哪些传记提供了关于科学家活动的大量信息。
3.与传记相关的变量（例如详细程度等）最初包括在所有分析中，但是这些变量不是显著的预测因子。
总之，本研究的一个主要观点是，需要通过应用强相互作用模型来试图理解科学潜力的发展过程。本研究的结果，特别是那些涉及创造性工作策略和合作的研究结果，在某种程度上证明了，科学成就确实涉及创造力。本研究的三个模型也提供了对创造力生产过程的一些初步理解，未来还需要更多的研究来理解科学创造力是如何随着时间的推移而发展的。
