共同制定的头脑风暴规则有助于完善想法

《Journal of Creativity》：Brainstorming Rules Given Together Boost Idea Elaboration

　　巴蒂斯特·范埃克豪特（Baptiste van Eeckhout）| 卡琳·勒鲁迪利埃（Karine Le Rudulier）| 埃梅琳·鲁（Emeline Roux）| 卢多维克·帕坎（Ludovic Paquin）| 尼古拉·米奇诺夫（Nicolas Michinov）
法国雷恩大学，LP3C（认知、行为与传播心理学实验室）

**摘要**
自奥斯本（Osborn）在1953年提出头脑风暴规则以来——推迟评估、产生大量想法、鼓励大胆的想法以及结合和改进想法——这些规则已被广泛用于提升团队创造力。尽管这些规则在头脑风暴研究中起着核心作用，但很少有实证研究对其进行测试，也没有研究探讨在同时或依次呈现想法时，这些规则对想法的详细化和选择的影响。在本研究中，参与者使用电子头脑写作系统生成想法，每个小组成员通过不同颜色的虚拟便签来标识。实验要求小组在20分钟的会议开始时应用全部四条规则，或者在会议开始时应用前三条规则，十分钟后再应用第四条规则。结果表明，无论小组成员身份或想法中的细节/词汇数量如何，当规则同时呈现时，小组项目的想法详细化和选择程度都更高。此外，还对一个匿名工作的类似样本的汇总数据进行了额外分析（所有成员都被分配了相同颜色的虚拟便签），结果显示，在匿名条件下，当规则同时呈现时，生成的想法更为详尽。与奥斯本的原始提议一致，这些发现表明，同时提供全部四条头脑风暴规则而非依次提供，能够增强想法的详细化，并促进小组项目中详尽想法的选择。

**引言**
头脑风暴是一种广泛使用的创造性思维技巧，已有数十年的应用历史。这一方法由奥斯本（Osborn）于1953年提出，基于四条关键规则：“如果参与者不理解并‘严格’遵循以下规则，小组的创意产出将会‘相对贫乏’：排除批评、鼓励自由发挥的想法、追求数量、寻求结合和改进想法”（Osborn, 1953, p. 155）。然而，尽管这些规则是头脑风暴技术的核心，但几乎没有研究证明它们能系统性地提升团队创造力。矛盾的是，关于这些规则对团队创造力影响的研究非常少，通常仅通过产生的想法数量来衡量团队创造力（Goldenberg et al., 2013; Litchfield, 2009; Meadow et al., 1959; Parnes & Meadow, 1959）。此外，关于这些规则在想法生成过程中何时引入，以及它们对团队项目中想法详细化和选择的影响，目前仍知之甚少。对头脑风暴研究的综述（Doboli et al., 2021; Maaravi et al., 2021; Rickards, 1999）表明，虽然许多研究关注了想法的数量，但很少有研究关注想法在团队互动中的演变过程。特别是，个体如何基于彼此的贡献进行构建的过程仍缺乏研究，尽管第四条规则明确鼓励参与者结合和改进想法。这条规则显然旨在促进团队中的想法详细化——这一过程涉及扩展、关联和精炼头脑风暴会议中产生的想法。

**本研究的主要目的**
本研究旨在通过使用电子头脑写作系统而非口头头脑风暴或其他变体（Henningsen et al., 2026）来解决这一空白。在这种系统中，参与者以书面形式生成想法，从而能够通过想法之间的明确联系来追踪想法的详细化过程。因此，本研究将“详细化”定义为想法之间存在明确联系，表明一个想法是基于另一个想法构建的，从而确保了客观和可重复的测量方法。

**1. 头脑风暴规则对团队创造力的影响**
多项研究评估了头脑风暴规则同时或分别应用时的效率。早期研究表明，当所有规则都得到执行时，与不应用任何规则的对照组相比，团队创意产出有所提高（Meadow et al., 1959; Parnes & Meadow, 1959）。其他研究分别考察了某些规则（如“排除批评”（Nemeth et al., 2004）或“追求数量”（Paulus et al., 2011）对团队创造力的影响。Nemeth等人（2004）比较了无规则、无批评规则和鼓励批评规则的条件，发现虽然团队产生的想法数量没有差异，但鼓励批评后个人后续产生了更多额外的想法。Paulus等人（2011）也发现规则指示影响了表现：接受数量导向规则的参与者产生的想法更多且质量更高。值得注意的是，只有一项研究考察了另外两条规则（Goldenberg et al., 2013）：“借鉴他人想法”（鼓励结合和改进他人想法）和“越大胆的想法越好”。在采用前一条规则的小组中，生成的类别较少；这表明鼓励结合和改进想法的规则使团队更专注于较少的想法类别。尽管这项研究没有直接考察详细化过程，但缩小想法类别范围可能促进了更深入的探索，从而在较少的主题内增加了想法详细化的潜力。实际上，研究表明，当团队专注于单一类别的想法时，会涉及一种称为“聚类”的过程（Nijstad & Stroebe, 2006），这可能与团队中更大的想法详细化相关（Deuja et al., 2014）。

**2. 头脑风暴规则背后的创造性思维过程**
关于头脑风暴规则实施的时机，区分每条规则背后的创造性思维过程很重要。前三条规则可能属于发散性思维过程，而第四条“结合和改进想法”规则可能更具体地涉及收敛性思维过程（Goldenberg & Wiley, 2011）。多项研究表明，在第一个想法生成阶段之后，通常会有一个第二个收敛性阶段，用于想法的精炼或选择（Baruah et al., 2021; Baruah & Green, 2023; Coursey et al., 2019; Kohn et al., 2011; Putman & Paulus, 2009）。然而，这些研究没有详细说明第二个阶段是如何向参与者呈现的，也没有说明给予了哪些指示。在Kohn等人的研究中（2011），四条规则是在第一个想法生成阶段之后才提出的，该研究主要关注想法的详细化，将“结合和改进想法”规则排除在第一个阶段之外，并在第二个想法精炼阶段明确要求参与者结合想法。结果显示，这个第二阶段使团队受益更多，产生了更多新颖且可行的组合。因此，详细化似乎对团队有益，并且在需要收敛性创造性思维的阶段更容易实现。Putman和Paulus（2009）在想法生成阶段之后引入了一个选择阶段，他们发现参与者在选择阶段而不是生成阶段选择了新想法或组合了想法。这表明，在选择阶段，想法的详细化是自发的。详细化不仅是收敛性创造性思维的唯一好处；它还促使人们批判性地思考哪些想法应该被进一步开发或纳入最终产品（Cropley, 2006）。

**3. 本研究及其假设**
本研究探讨了以下研究问题：在创意生成会议中，头脑风暴规则的呈现时机如何影响团队项目的想法详细化和选择？为此，我们比较了同时和依次接受规则的两组参与者。收集了两个不同的数据集：第一个数据集中的参与者通过不同颜色的虚拟便签进行标识，而第二个数据集中的参与者使用相同颜色的便签进行匿名处理。基于发散性和收敛性思维的区别（Goldenberg & Wiley, 2011），我们预计“结合和改进想法”规则的有效性取决于其在创意过程中的引入时机。由于这条规则与收敛性认知过程（如精炼）一致（Baruah & Green, 2023; Kohn et al., 2011），在初始发散阶段之后引入它可能更好地支持创造性思维的自然发展。

**假设1**
在前三条规则之后引入“结合和改进想法”规则的小组，其想法详细化程度将高于同时应用全部四条规则的小组。

**假设2**
在团队项目中，详细化的想法将被更频繁地选择。

**假设3**
鉴于缺乏关于规则呈现时机对想法选择影响的研究，我们没有针对顺序条件和同时条件下的选择差异制定具体假设。相反，我们以探索性方式研究了这一方面。在第一个数据集中，使用不同颜色的虚拟便签可能使参与者将想法与个人联系起来，而非内容。为了解决这个问题，我们收集了第二个数据集，其中使用修改后的电子头脑写作系统，为所有参与者分配了相同颜色的黄色便签，以确保匿名性。这种策略旨在基于内容而非个人来促进想法的详细化。一些研究考察了匿名性对团队创造性表现的影响（Baruah & Green, 2023; McLeod, 2011; Valacich et al., 1992; Worchel et al., 1998）。匿名性被认为是提升团队创造性表现的有效手段（Le Hénaff et al., 2018; Lea & Spears, 1991; Worchel et al., 1998），并能激发批判性反馈、任务参与度和想法发展（Connolly et al., 1990; Gavish et al., 2000）。结合这两个数据集，我们假设当个人贡献无法与特定小组成员关联时（匿名条件），想法的详细化和选择会更强，因为参与者会更多地关注每个想法的内容而非提出者。

**4. 研究方法**
本研究遵循《赫尔辛基宣言》和《通用数据保护条例》（GDPR）进行，并获得了大学伦理委员会的批准（伦理认证编号2025-005）。根据实验设计，功效分析确定至少需要128名参与者，测试功效（1-β）设定为0.80，错误概率（α）为0.05，效应大小（d）为0.5。第一个数据集包括178名学生（109名女性，69名男性），来自两个可比的群体（n=131和n=47）。第二个数据集包括133名学生（92名女性，41名男性），同样来自这两个群体（n=93和n=40）。合并这两个数据集后，共有311名参与者（201名女性，110名男性），分布在52个组中（见表1）。参与者被分成每组3到9人的小组，并随机分配到四种条件中之一，这些条件是规则呈现的时间顺序（同时 vs 顺序）和想法产生的方式（匿名 vs 个性化）。所有参与者都参加了一个介绍项目管理原则的实践研讨会，同时开发了一个创新小组项目，以便向潜在的资助者展示。

4.2. 材料和工具
Klaxoon协作数字平台被用于多个原因（https://klaxoon.com）。首先，它包含了一个电子头脑写作系统，允许参与者通过共享白板上的虚拟便签来集体产生想法（Michinov, 2012; Michinov & Jeanson, 2023）。其次，它使管理员能够构建模板来不同地组织头脑风暴规则（Van Eeckhout et al., 2025）。最后，它允许参与者通过从一个想法画箭头到另一个想法来建立想法之间的联系，从而可视化思考过程。

4.3. 程序
该实验是课程的一部分，学生需要以小组形式设计一个创业项目。在第一天，教师和实验者介绍课程时，参与者被告知了程序和评估方式。他们被告知需要找到原创且有用的想法，以便使用数字协作平台来开发一个创新项目。此外，他们已经熟悉这个平台，并知道如何将其用于他们的项目。
在参与者开始尝试寻找要开发的想法之前，不同小组的成员被分配到不同的房间工作，每个房间里有两到四个小组，所有小组都处于相同的条件下。实验者邀请各小组进行电子头脑写作任务，以寻找项目想法。每个小组都收到了任务说明、任务的目的和持续时间，以及如何使用共享白板来生成想法的方法。收到这些信息后，各小组获得了对白板的访问权限。尽管参与者已经熟悉白板，但实验者还是花了一些时间确保每个参与者都能使用它。在第一个数据集中，经过初步验证后，每个小组成员被要求选择一种独特的颜色，在虚拟便签上写下他们的想法，以便其他人能够容易识别。在第二个数据集中，所有小组成员使用了相同的黄色虚拟便签，以确保匿名性。然后他们有20分钟的时间尽可能多地生成关于潜在项目的想法，期间不允许口头交流。教师和实验者都确认了参与者在生成想法的过程中保持沉默。
规则呈现的时间顺序取决于条件。在同时条件下，参与者收到了以下书面指示：“作为你们小组项目的一部分，你们将在20分钟内以书面形式生成想法来识别和发展你们的项目。请遵循以下四条规则：推迟批评、鼓励自发想法、重视数量胜过质量，并努力结合和改进想法。为了遵循最后一条规则，每当一个新想法受到现有想法的启发或与之结合时，就用箭头将其与另一个想法连接起来。”
在顺序条件下，参与者收到了以下指示：“作为你们小组项目的一部分，你们将在20分钟内以书面形式生成想法来识别和发展你们的项目。在前10分钟内，请遵循这些规则：推迟批评、鼓励自发想法，并重视数量胜过质量。在最后的10分钟内，专注于结合和改进之前生成的想法。为了遵循这条规则，每当一个新想法受到现有想法的启发或与之结合时，就用箭头将其与另一个想法连接起来。”这些指示也通过口头方式传达，以确保参与者理解和记住它们，特别是在顺序条件的两个阶段之间的转换时。在两种条件下，白板上还画了一个虚构的例子。
任务结束后，为了分析数据，实验者下载了每个小组的白板以及一个Excel文件，其中包含了每个小组成员的想法，按时间顺序排列，从第一个到最后一个想法。

4.4. 测量方法
想法的 elaboration（细化）。想法之间的联系被用作想法细化的指标，通过检查每个白板来计数。虽然想法之间的联系是一个最低限度的指标，但它对于想法的细化仍然是必要的。实际上，为了结合或改进想法，必须在两个现有的想法之间建立联系，或者在一个现有的想法和一个由此产生的新想法之间建立联系（Van Eeckhout et al., 2025）。这些想法之间的联系是通过参与者每次认为一个想法来自另一个想法时所画的箭头来实现的，每个联系都被视为想法细化的指标。使用这种技术，每个位于箭头末端的想法都可以被视为一个细化的想法，而箭头来源的想法则被视为未细化的想法，因此被称为“原始”想法。没有任何箭头的想法被称为“孤儿”想法，也被视为未细化的想法（详见附录A）。通过计算细化的想法数量和未细化的想法数量，我们得出了一个想法细化指数，即用细化的想法数量减去未细化的想法数量。正面的想法细化指数表明参与者基于他人的想法进行了构建，而负面的指数表明大多数想法与之前的想法无关。
想法的产生。记录了每个小组成员在虚拟便签上产生的想法数量。还使用虚拟便签中的单词数量作为指标来衡量参与者想法的详细程度。
想法的选择。通过访问每个小组的最终项目，在PowerPoint幻灯片中识别了从头脑风暴会议中选出的想法。分析了每个小组项目的描述，并将其与想法产生阶段产生的想法进行了比较。由一名研究助理识别并统计了每个小组项目描述中出现的所有想法。为了评估可靠性，第二名独立编码员统计了25%的项目中选出的想法数量。两位编码员之间的一致性百分比为79.86%，表明可靠性是可以接受的。因此，分析仅基于第一名编码员选出的想法进行。那些接近描述但过于笼统或在项目中未明确提及的想法被忽略。没有在构思阶段产生任何想法的小组被排除在分析之外。一旦所有选出的想法都被识别和验证，它们就被记录为细化或未细化的想法。对于未细化的想法，还区分了“孤儿”想法和“原始”想法。“原始”想法被认为是未细化的，因为它们本身不是通过链接过程产生的。计算了小组项目中选出的细化和未细化想法的比例。

5. 结果
5.1. 第一个数据集的分析
5.1.1. 初步分析
在测试假设之前，进行了初步分析，以验证两个群体之间是否存在差异。Welch的t检验显示，第1组与第2组在产生的想法数量上没有差异（M=8.47和M=7.61；平均差异=0.86，95%置信区间或CI=[-0.89, 2.61]，t(75.7)=0.97，p=.33，Cohen’s d=0.17），或者在想法细化指数上也没有差异（M=0.04和M=-1.32；平均差异=1.36，95%置信区间或CI=[-0.39, 3.12]，t(85.7)=1.54，p=.13，Cohen’s d=0.26）。因此，这两个群体被合并在一起，在相同的实验设计中进行分析。
5.1.2. 想法的细化
对分布的视觉检查，包括Q-Q图和直方图，表明想法细化指数并没有显著偏离正态性。为了测试规则呈现的时间顺序（同时 vs 顺序）是否预测了想法的细化，我们使用了基于R语言的GAMLj3包的线性混合效应模型（LMM），该模型在Jamovi软件中可用（The Jamovi project, 2022）。选择这个模型是因为它可以通过根据定义的簇（在这种情况下是小组）对个体数据进行分组，并考虑固定效应和随机效应来进行多层次数据分析。在模型中，参与者想法细化得分被视为因变量，规则呈现的时间顺序被视为固定因素。模型包括了组的随机截距，以解释在生成和细化想法时的数据非独立性。由于想法细化的程度可能取决于参与者在回答中使用的单词数量（Maio et al., 2020），我们在分析中控制了这个数量作为协变量。这种方法允许我们在保持数据多层次结构的同时，控制想法生成细节水平的变异性。它也比简单地计算产生的想法数量提供了更精细的控制。实际上，一个参与者可能用少量的词产生许多想法，而另一个参与者可能用大量的词产生很少的想法。
由于本研究在较高层次上使用了相对较小的样本量（28个小组），因此优先选择了受限的最大似然估计，因为它比完全的最大似然估计表现更好（McNeish, 2017）。使用赤池信息准则（AIC）和贝叶斯信息准则（BIC）以及报告边际和条件决定系数（R2）来评估模型的适用性，分别代表仅由固定效应和完整模型（固定效应和随机效应结合）解释的方差。模型拟合指数表明模型拟合得当，AIC=1052和BIC=1068。边际R2为.17，条件R2为.44，表明模型解释了相当大一部分想法细化的方差。与假设1相反，结果显示规则呈现的时间顺序有显著影响，β=4.50，SE=1.25，t(25.5)=3.59，p<.001，处于“同时”条件下的参与者表现出更多的想法细化（M=1.35和SD=4.47），而处于“顺序”条件下的参与者则较少（M=-2.98和SD=5.28）。在参与者想法中使用的单词数量上没有发现显著影响，β=0.04，SE=0.09，t(173.0)=0.43，p=.66。
5.1.3. 想法的产生
同样的线性混合效应模型也被用于分析产生的想法数量，控制了参与者想法中的单词数量。结果显示规则呈现的时间顺序对这一指标没有显著影响，β=-1.43，SE=1.16，t(22.7)=-1.23，p=.23，无论是同时呈现（M=7.06和SD=4.56）还是顺序呈现（M=8.52和SD=5.23）。在参与者想法中使用的单词数量上也没有发现显著影响，β=-0.09，SE=0.09，t(174.8)=-0.93，p=.35。
5.1.4. 想法的选择
进行了描述性分析，以检查在构思阶段产生的想法是否被选入参与者开发的小组项目中。六个没有将初始想法纳入最终工作的小组被排除在分析之外。区分了两种类型的想法：细化的想法或未细化的想法（“原始”和“孤儿”）。由于某些单元格中选出的想法数量很少（有时少于五个），无法进行卡方分析。
无论在什么条件下呈现头脑风暴规则，正如假设2所预测的，总体上细化的想法被优先选择。实际上，在小组项目中选出的细化想法的比例更高（n=53，67.1%），未细化的想法较少（n=26，32.9%）。额外的描述性分析显示，同时接受规则呈现（与顺序呈现相比）的组选择了更多详细的想法（32个对比21个），更少的“孤立”想法（1个对比9个），以及相似数量的“原创”想法（9个对比7个）。总体而言，这些结果表明，在选择阶段，参与者更倾向于选择详细的想法，尤其是在他们同时接收到头脑风暴规则的情况下（n=32，76.2%），而不是顺序接收规则的情况下（n=24，56.8%）。这表明大多数小组使用了在构思阶段产生的想法来塑造他们的项目。

5.2. 第二数据集的分析
5.2.1. 想法详述
使用与第一数据集相同的分析策略，我们重复了关于想法详述指数的先前结果。观察到规则呈现时间的显著影响，β = 7.05，SE = 1.17，t(21.7) = 6.05，p < 0.001，其中“同时”条件下的参与者表现出更多的想法详述（M = 4.70，SD = 5.00），而“顺序”条件下的参与者则较少（M = -2.35，SD = 4.36）。没有发现参与者想法中使用单词数量的显著影响，β = 0.05，SE = 0.09，t(129.7) = 0.54，p = 0.59。对产生的想法数量的单独分析也没有发现显著影响，β = 0.97，SE = 1.35，t(20.6) = 0.72，p = 0.48。还使用了一种基于产生的想法总数中链接想法百分比的替代策略，它在两个数据集上都显示了类似的效果（见脚注1）。

5.2.2. 想法生成
对产生的想法数量进行了相同的线性混合效应模型分析，控制了参与者想法中的单词数量。结果显示，规则呈现时间对这一指标没有显著影响，β = 0.97，SE = 1.35，t(20.6) = 0.72，p = 0.48，无论是同时呈现（M = 9.09，SD = 5.03）还是顺序呈现（M = 8.04，SD = 6.13）。也没有发现参与者想法中使用单词数量的显著影响，β = -0.21，SE = 0.11，t(129.8) = -1.92，p = 0.057。

5.2.3. 想法选择
无论头脑风暴规则在何种条件下呈现，与假设2相反，总体上并没有优先选择详细的想法。实际上，虽然非详细的想法被选择的频率略高一些，但详细想法（42.6%）和非详细想法（57.4%）的比例相对接近。额外的描述性分析显示，同时接受规则呈现（与顺序呈现相比）的组选择了更多详细的想法（16个对比4个），更少的“孤立”想法（2个对比7个），以及相似数量的“原创”想法（10个对比8个）。

5.3. 综合数据集的分析
将两个数据集合并为一个数据集，并在综合设计中进行分析。合并样本的决定基于方法论等效性和汇总估计的统计优势。尽管两个数据集是在不同时间收集的，但它们都来自相似的学生群体，并遵循相同的实验协议，包括相同的任务材料、实验者和教师、时间安排、指导说明、编码程序和依赖性测量。从统计角度来看，合并两个数据集提高了统计功效，改善了参数估计的稳定性，并允许我们将想法生成模式作为一个明确的组间因素，而不是作为一个不受控制的方差来源。这种策略符合结合独立但方法论上等效的样本以检验潜在调节因素的最佳实践。此外，合并这两个数据集使得对两个独立收集的数据集效果的普遍性进行了更稳健的测试，从而增强了研究结果的有效性。

5.3.1. 想法详述
与对第一数据集进行的先前分析一样，为了考虑嵌套数据结构，应用了线性混合效应模型来分析想法详述指数（详细想法的数量减去非详细想法的数量）。对分布的视觉检查，包括Q-Q图和直方图，表明想法详述指数没有显著偏离正态性。因此，规则呈现时间（同时 vs. 顺序）和想法生成模式（匿名 vs. 个性化）被作为固定效应纳入模型，而组分配被建模为随机截距，以解释组内观察值的非独立性。与之前一样，每个小组成员产生的想法中使用的单词数量也被作为协变量纳入。结果证实了之前的分析，并显示规则呈现时间对想法详述指数有显著的主效应，β = 5.77，SE = 0.87，t(47.9) = 6.64，p < 0.001。当头脑风暴规则同时呈现时，想法详述程度更高（M = 2.85，SD = 4.93），而当它们顺序呈现时则较低（M = -2.72，SD = 4.88）。还发现了想法生成模式的显著效应，匿名条件下的想法详述程度高于个性化条件（M = 1.20，SD = 5.86对比M = -0.96，SD = 5.28），β = 1.81，SE = 0.88，t(50.4) = 2.06，p = 0.045。与假设3相反，没有发现交互效应，β = 2.54，SE = 1.73，t(47.9) = 1.46，p = 0.15，也没有发现协变量的效应，β = 0.06，SE = 0.06，t(303.0) = 0.91，p = 0.36。

除了分析想法详述指数外，我们还进行了进一步分析，专门关注链接想法的数量作为详述的指标。这一决定是基于概念和统计考虑。从概念上讲，链接想法代表了与详述过程最直接相关的组成部分。从统计上讲，该指数结合了两个部分独立的组成部分，对这些组成部分的相反或不对称效应可能会减弱或掩盖潜在的交互效应。因此，关注链接想法可以更敏感地评估规则呈现时间和想法生成模式之间的交互作用。由于关于链接想法数量的数据通过Q-Q图和直方图的可视化显示非正态分布，因此应用了对数转换以满足线性建模的假设，从而允许进行参数分析。结果显示，规则呈现时间对链接想法数量（经过对数转换后）有显著的主效应，β = 0.51，SE = 0.11，t(48.5) = 4.66，p < 0.001。当头脑风暴规则同时呈现时，参与者产生了更多的链接想法（M = 1.46，SD = 0.80），而当它们顺序呈现时则较少（M = 1.01，SD = 0.72）。还发现了想法生成模式的显著效应，匿名条件下的想法详述程度高于个性化条件（M = 1.38，SD = 0.83对比M = 1.13，SD = 0.74），β = 0.24，SE = 0.11，t(51.7) = 2.15，p = 0.036。作为协变量的参与者想法中使用的单词数量没有显著效应，β = -0.01，SE = 0.01，t(252.9) = -1.37，p = 0.17。最后，规则呈现时间的效果受到想法生成模式的调节，β = 0.63，SE = 0.22，t(48.7) = 2.89，p = 0.006。使用Bonferroni校正的事后分析表明，只有当规则同时呈现时，匿名条件下的链接想法数量显著高于个性化条件（见表2和图1）。

表2. 不同条件下对数转换后链接想法的平均值和标准差。
| 规则呈现时间 | 想法生成模式 |
|---------|---------|
| 同时 | 顺序 |
| NMSD | NMSD |
| 个性化 | 80 | 1.22a |
| 0.74 | 0.74 |
| 7 | 1.77a |
| 0.73 | 0.73 |
| 匿名 | 62 | 1.77a |
| 0.76 | 0.76 |
| 57 | 0.96b |
| 0.70 | 0.70 |

注：下标不同的平均值在p < 0.05时具有显著差异。
下载：下载高分辨率图片（118KB）
下载：下载全尺寸图片

图1. 规则呈现时间（同时 vs. 顺序）和想法生成模式（匿名 vs. 个性化）对链接想法数量的影响。

5.3.2. 想法生成
对产生的想法数量进行了类似的线性混合效应模型分析，控制了参与者想法中的单词数量，结果显示同时或顺序呈现规则对这一指标没有显著影响（M = 8.08对比M = 8.32），β = -0.23，SE = 0.88，t(43.6) = -0.26，p = 0.79。想法生成模式（匿名 vs. 个性化；M = 8.67对比M = 7.73）也没有显著影响，β = 0.93，SE = 0.90，t(46.2) = 1.03，p = 0.313，也没有发现显著的交互效应，β = 2.42，SE = 1.77，t(43.6) = 1.37，p = 0.18。只发现了协变量的显著效应：参与者产生的想法越多，他们的想法就越详细，β = -0.15，SE = 0.07，t(305.6) = -2.05，p = 0.041。

5.3.3. 想法选择
对整个样本进行了想法选择的描述性分析。除了在个性化条件下被排除的六个组外，匿名条件下的三个组也没有将构思阶段产生的任何想法纳入他们的最终小组工作中，因此也被排除在分析之外。如表3所示，详细想法的选择频率高于非详细想法，占总选择的57.9%，而非详细想法占42.1%。这表明在不同条件下普遍更倾向于选择更成熟的想法。个性化条件和匿名条件之间的区别突出了基于规则呈现时间的差异。在个性化条件下，同时呈现导致了更高比例的详细想法（76.2%对比56.8%），在匿名条件下也观察到了类似的模式，尽管效果不那么明显（57.1%对比21.1%）。这些结果表明，同时呈现规则有助于选择更详细的想法，而顺序呈现似乎会阻碍这种趋势。

表3. 不同条件下选择的详细和非详细想法（孤立和原创）的数量和百分比。
| 组别 | 详细想法 | 非详细想法 | 孤立想法 | 原创想法 | 总计 |
|---------|---------|-----------|-----------|-----------|---------|
| 个性化 | 12 | 32 | 53 | 1 | 16 | 26 |
| | (76.2%) | (67.1%) | (2.4%) | (12.7%) | (20.2%) |
| | | | | | |
| 同时呈现 | 10 | 21 | 9 | 7 | 16 | 26 |
| | (56.8%) | (23.3%) | (18.9%) | (43.2%) |
| 匿名 | 11 | 16 | 20 | 2 | 9 | 18 |
| | (57.1%) | (42.6%) | (7.1%) | (19.1%) | (35.7%) |
| | | | | | |
| | 12 | 12 | 4 | 7 | 15 | (78.9%) |
| | | | | | |
| 合计 | 43 | 73 | 53 | 53 | |

“孤立”想法与“原创”想法的分布总体上频率较低，“孤立”想法在各种条件下的比例都很低（见表3）。

6. 讨论
本研究旨在探讨在电子头脑风暴会议中施加强森的四条规则（Osborn's four rules，1953）的时间是否会影响想法的详述以及小组项目中详细想法的选择。尽管关于头脑风暴规则对想法生成影响的实证研究仍然有限（Goldenberg等人，2013；Meadow等人，1959；Nemeth等人，2004；Parnes & Meadow，1959；Paulus等人，2011），但据我们所知，之前没有研究探讨这些规则如何根据它们是同时还是顺序呈现给小组成员来影响想法的详述和选择。本研究通过使用一个数字协作平台来管理头脑风暴规则，并通过虚拟便签上生成的想法之间的链接来衡量想法的详述。基于发散性思维和收敛性思维之间的理论区别（Baruah & Green，2023；Goldenberg & Wiley，2011；Kohn等人，2011），我们预期延迟引入收敛性思维规则（“结合并改进想法”）可能会增强对创造性思维自然进程的支持，因此应该观察到比同时接收所有四条规则的组更多的想法详述。与这一预测相反，结果显示，在构思阶段的第二部分单独给出收敛性思维规则并没有对想法详述产生积极影响。相反，那些在构思任务开始时同时接收到所有四条规则的组产生了更多的详细想法。他们还选择了更多详细的想法，并且当规则同时给出时，为他们的小组项目选择了更少的非详细想法。

这些发现可以通过可用于详述的想法储备来解释，当所有规则在开始时就提供时，这种储备可能更大。实际上，当参与者同时接收到所有规则时，他们可以从任务开始时就基于其他想法进行构建，而那些在构思阶段后期才接收到第四条规则的参与者则必须从更大的想法池中构建他们的想法，使得任务更加复杂。同样合理的是，假设在“顺序”条件下，从发散性阶段立即转向收敛性阶段可能会给任务增加额外的难度，因为参与者可能不得不阅读已经产生的大量想法才能从中构建新的想法。这些结果至少部分支持了Goldschmidt（2016）的观察，即发散性和收敛性思维在构思阶段同时发生，因此不应该分开。规则的同时呈现导致了更多详细想法的产生和更少的非详细想法的产生，而顺序呈现模式则没有这种效果。然而，与Osborn的建议相反，同时给出所有四条规则并没有影响产生的想法数量。这一结果与Henningsen和Henningsen（2023）的发现不一致，他们的研究表明，在Osborn的四条规则中，只有“结合并改进想法”规则的感知能够预测产生的想法数量。确实，本研究并未发现任何对想法数量有显著影响的证据。这种差异可以解释为：Henningsen和Henningsen（2023）研究的是参与者对规则的感知，而本研究则是实际实施了这些规则。在想法选择方面，参与者更倾向于选择经过充分阐述的想法，尤其是在同时收到规则的情况下。由于在规则同时给出的条件下，这些想法得到了更多的阐述，因此它们更有可能被选用于小组项目中。这一结果表明，在创意构思阶段促进想法的阐述有助于提高这些想法在小组项目中的使用率。尽管Gillier和Bayus（2022）的研究表明小组成员倾向于选择“刺激”性想法（即作为进一步阐述起点的想法），但本研究的发现并未复制这一模式。具体来说，在所有实验条件下，“起源”性想法的被选比例相当。值得注意的是，Gillier和Bayus（2022）没有区分“起源”性想法（称为“刺激”性想法）和经过阐述的想法，假设前者也是经过阐述的。在我们的研究中，“起源”性想法被定义为通过与其他想法联系而能够进一步展开的初始想法；因此，它本身不被视为经过阐述的想法。

在本次研究中，想法的阐述是通过在数字白板上建立想法之间的明确链接来衡量的，每个想法都写在代表小组成员的彩色虚拟便签上（每人一种颜色）。这种设计可能导致参与者根据贡献者而非内容本身来链接想法。因此，我们招募了另一组类似的参与者，并将第一组数据与新数据合并，在新数据中所有小组成员都使用相同的黄色虚拟便签，从而使得贡献者的身份匿名。结合两组数据的进一步分析显示，匿名性对想法的阐述有积极影响，尤其是在同时呈现头脑风暴规则的情况下。当参与者无法被个人识别，也无法识别其他人时，他们更有可能通过在不同想法之间建立链接来扩展他人的想法，从而促进以内容为中心的头脑风暴。值得注意的是，研究并未观察到想法数量的变化，这与关于电子头脑风暴的文献综述结果一致，这些文献也指出匿名性没有一致的影响（Baruah & Green, 2023; McLeod, 2011; Valacich et al., 1992; Worchel et al., 1998）。总体而言，这些发现提供了证据，表明在匿名条件下合作可以通过促进想法的阐述来提高创造性表现，尤其是在将想法相互联系时。研究还显示，在开发小组项目时，参与者倾向于选择经过阐述的想法而非未经过阐述的想法，这种偏好在同时呈现头脑风暴规则的情况下尤为明显。在这种情况下，小组选择了更多的经过阐述的想法，而未经过阐述的想法（尤其是“孤立”想法）显著减少，这表明同时呈现规则促进了创意构思阶段产生的想法的更深层次整合和再利用。

综上所述，这些发现表明，在想法生成任务开始时一次性提供全部四条规则有助于促进想法的阐述，而不是在过程中分阶段提供规则，而且当贡献者匿名时这种效果更为显著。此外，这种好处不仅体现在创意构思阶段的想法阐述上，还体现在选择用于小组项目的经过阐述的想法上。本研究的局限性之一在于衡量想法阐述的方式。具体来说，基于一个想法与另一个想法之间链接数量的测量方法可能较为有限。然而，以这种方式链接想法可以代表想法阐述过程的第一阶段，促进想法的结合和后续的精细化。尽管本研究似乎建议在头脑风暴任务中同时提供四条规则，但这一建议应谨慎对待。实际上，本研究使用了一个数字协作平台，允许参与者可视化他们自己的想法与其他人的想法之间的关系。可以推测，通过不同的方式（如口头或书面形式）向参与者呈现规则可能会对想法的阐述产生不同的影响。未来的研究应该探讨引导者在口头头脑风暴会议（Kramer et al., 2001; Offner et al., 1996; Oxley et al., 1996）或传统的纸笔或便签头脑风暴会议（Korde & Paulus, 2017; Le Hénaff et al., 2018）中同时或依次呈现规则的影响。

我们发现的另一个局限性涉及不同条件下想法阐述的时间动态。在顺序条件下，当引入“组合和改进”规则时，参与者可能不会重新审视之前生成的想法，而主要是链接新生成的想法。尽管指导参与者仅在初始阶段产生的想法之间建立链接，但这并不完全排除对后期生成的想法进行阐述的可能性。此外，同时条件为阐述过程提供了更多时间，这可能部分解释了在这种条件下观察到的链接想法数量较多的现象。由于我们的数据缺乏足够精确的时间戳记录，我们无法在特定时间段（例如最后十分钟）内分离出阐述行为。然而，这一局限性可以理解为：在头脑风暴会议结束时产生的想法数量往往会减少（Brown & Paulus, 2002; Paulus & Dzindolet, 1993）。因此，在最后阶段产生的想法会较少。未来的研究应通过细粒度的时间跟踪来研究想法生成和链接的过程，以更好地理解阐述过程在小组创意构思中的发生时间和方式。最后，本研究未评估参与者对头脑风暴规则的感知（Henningsen & Henningsen, 2023）或对想法的评价（Runco, 2020），这可能限制了可以得出的结论。因此，未来的研究应包括规则感知和想法质量的测量。

这些发现为提高组织环境中的团队创造力提供了一些启示。首先，在头脑风暴会议开始时同时呈现Osborn的规则可能有助于促进想法的阐述，并增加更丰富、更成熟的想法被整合到小组项目中的可能性。其次，我们的发现表明，用于电子（或虚拟）头脑风暴的数字协作平台可能有助于可视化想法之间的联系，并支持小组创意构思过程中提案的发展和整合。然而，需要强调的是，这一观察基于所有参与者使用同一平台，本研究未对不同平台进行比较分析。进一步的研究需要评估各种平台对团队创造性过程的具体影响。最后，在头脑风暴的早期阶段实施匿名性可能促进更以内容为中心的参与，并鼓励个人无论贡献者身份如何都能对他人想法进行阐述，从而支持更好的团队创造力。总之，这项研究表明，头脑风暴规则的时间结构在塑造小组内想法的链接方式中起着关键作用，尤其是在匿名条件下，这种效果尤为明显，突显了社会背景与认知过程在小组创意构思中的相互作用。

脚注：在使用比率测量方法（即链接想法的数量除以总想法数量）时也观察到了相似且显著的效果，在第一个数据集（64% 对 32%，p < .001）和第二个数据集（68% 对 37%，p < .001）中，“同时”条件下的比例都更高。

利益冲突声明：作者声明与本研究、作者身份和/或文章发表没有潜在的利益冲突。

资金支持：本研究得到了法国国家研究机构（ANR-21-DMES-0001）的支持。

数据开放获取：支持本研究结果的数据和补充材料可在OSF上公开获取：https://osf.io/xv9ct

关于生成式AI和AI辅助技术在写作过程中的声明：在准备这项工作时，作者使用了ChatGPT-5来重写部分手稿并改进英语。使用该工具后，作者根据需要对内容进行了审查和编辑，并对发表文章的内容负全责。

CRediT作者贡献声明：
Baptiste van Eeckhout：写作——审阅与编辑、初稿撰写、方法论、数据管理、概念化。
Karine Le Rudulier：写作——审阅与编辑、验证、监督、资源管理、方法论、概念化。
Emeline Roux：写作——审阅与编辑、验证、资源管理、项目管理。
Ludovic Paquin：写作——审阅与编辑、监督、项目管理、调查。
Nicolas Michinov：写作——审阅与编辑、初稿撰写、验证、监督、项目管理、调查、概念化。