A. Spence | J. Burge
诺丁汉大学心理学学院，University Park，诺丁汉，NG7 2RD，英国
**摘要**
为了实现可持续的未来并缓解气候变化，需要个体行为的改变。然而，行动中存在诸多障碍。一种激励行动的方法是通过情感诉求：尽管文献中反复强调了对气候变化信息的情感反应，但更多关注的是负面情绪（如恐惧），而非积极情绪（如希望）。Fredrickson（2004）的“扩展与构建理论”指出，积极情绪可以提高创造力和决策能力，但这一理论在环境心理学领域尚未得到充分重视。本研究探讨了“气候创造力”的概念，以及积极情绪“希望”是否能够激发气候创造力，从而促进环境行动和可持续未来的发展。
**研究1**开发了一种新的“气候创造力”测量方法，并验证了其有效性。**研究2**采用组间实验设计，通过视频激发参与者的希望或恐惧情绪，并设置了一个中性对照组进行比较。结果表明，在希望组中，自我报告的创造力、气候创造力和环境问题解决能力均有所提升。这些发现支持了“希望”情绪能够激发可持续行为创造力的观点，表明积极情绪可能有助于克服行动障碍。因此，促进积极情绪和创造力对于改变难以改变的行为尤为重要。
在全球范围内，个人和社会层面都需要采取环境行动来维护生态系统并缓解气候变化。环境心理学文献中广泛讨论了行为改变的障碍（Kollmuss & Agyeman, 2002; Dioba et al., 2024; Steg & Vlek, 2009），但关于如何克服这些障碍的研究较少。一种激励行为的方法是通过情感诉求。目前的情感诉求主要集中在负面情绪（如恐惧、愤怒和内疚）上，而对积极情绪的研究相对较少。此外，大多数研究通过行为意图量表来衡量情感诉求的影响，而非实际行为（Dolinski, 2018），这主要是由于实际操作上的困难。Fredrickson（2004）的“扩展与构建理论”强调了决策过程中的其他方面（如创造力）的重要性，但这些方面很少被研究。迄今为止，该理论在环境心理学中未受到足够关注，可能导致积极情绪的复杂影响被忽视，尤其是那些成功克服行为障碍的人所具备的创造力。从理论上讲，“扩展与构建理论”认为积极情绪能够激发创造力。本研究以“希望”为例，这种情绪常与目标导向的动机和计划相关联，在环境心理学中已被广泛认可，具有促进环保行为的创造性解决方案的潜力。
**1.1 情感诉求与环境行为**
学术文献中大量关注环境行为改变，其中情绪的作用备受重视，因为它们在驱动行为方面具有核心地位。旨在促进气候变化的信息通常针对特定情绪设计，其中恐惧诉求最为常见，但在有效性和伦理性方面存在争议（Wallace-Wells, 2017; Mann et al., 2017; Roberts, 2017）。健康领域的多项研究表明，恐惧诉求可以有效促进行为改变（Tannenbaum et al., 2015; Witte & Allen, 2000），环境行为领域也有类似的研究结果（Mejinders et al., 2001; van Zomeren et al., 2010）。然而，也有观点认为恐惧诉求可能引发焦虑（Hastings, Stead, & Webb, 2004）或防御性反应，从而阻碍行动（Peters et al., 2013; O’Neill & Nicholson-Cole, 2009; Feinberg & Willer, 2010）。当人们能够看到采取行动的途径并实现改变时，恐惧尤其有效；一些理论家认为这种感觉与“希望”相似（Nabi & Myrick, 2018），表明希望也可能是行为改变的关键驱动力。
Snyder（1991）将“希望”定义为一种基于目标导向的能量和计划以实现目标的积极状态。值得注意的是，“希望”的基础条件是存在值得追求的目标或问题，因此恐惧和希望可能存在某种联系，希望的产生可能源于最初的恐惧或改变需求（Kleres & Wettergren, 2017）。在气候变化引发的环保行为改变中，“希望”尤为重要。
“希望”的另一个条件是能够看到改变的途径。有希望的人往往在实现目标时更具灵活性，能够找到多种不同的方法（Snyder, 2002）。这一定义与创造力的描述有部分重叠（见1.2节）。Snyder对“希望”的定义侧重于认知层面，但忽略了其情感特征。Scheier和Carver（1985）则从情感角度出发，认为“希望”是对好事发生的一般性预期。
关于积极情绪（如希望）与环境行为关系的研究较少，结果不一（Ettinger et al., 2021；参见Landmann, 2020的综述）。然而，有迹象表明希望信息可以影响环保行为。例如，希望与气候参与度密切相关。Geiger等人（2023）的元分析发现，自我报告的希望与气候参与度呈正相关，但相关性较弱且结果不一。大多数研究关注的是自我报告的行为或行为意图、对气候变化的参与度或政策支持，只有两项研究包含具体行为的客观测量（Swim & Bloodhart, 2015; Russell & Ashkanasy, 2021）；没有研究关注创造性行为或其他决策过程（如问题解决）。
一些研究将积极和消极信息（尤其是希望和恐惧）进行对比，发现消极信息对环保行为的影响更大（Hornsey & Fielding, 2016; Smith & Leiserowitz, 2013），但也有研究认为两者没有差异（Ettinger et al., 2021），还有一些研究认为积极信息更有效（Lui et al., 2023）。结果差异可能与测量方法有关。许多研究使用行为意图作为衡量指标，这可能更容易发现消极情绪的影响（Fredrickson, 2004）。如果未测量积极情绪的影响（如对社会行为、长期行为和创造性行为的影响），可能会被忽略。
**1.2 积极情绪、希望与创造力**
“扩展与构建理论”认为，积极情绪不仅是幸福感的后果，还能促进心理成长和幸福感（Fredrickson, 2004）。实证研究表明，积极情绪能拓宽个体思维模式，促进创造力、建立社会联系，并提升心理和身体健康。积极情绪与更灵活的思维方式（Isen et al., 1987）、对信息的开放性（Estrada, Isen & Young, 1997）以及对多样性的渴望（Kahn & Isen, 1993）有关。此外，积极情绪与创造力之间存在直接联系：例如，促进想法生成（Mastria et al., 2021; Kühnel et al., 2022）、创造性认知（Eskine et al., 2020）、注意力扩展（Paul et al., 2021）、行为努力（Yotsidi et al., 2018）、问题解决（Kumar et al., 2022）和坚持性（Baas et al., 2011）。相反，消极情绪被认为会限制思维模式，使个体专注于特定行为选项（Fredrickson, 2004）。不过，也有证据表明消极情绪也能提高创造力（例如，Zhan et al., 2020发现快乐和愤怒都能增强创造性问题解决能力）。最近的研究还探讨了积极和消极情绪在创造力动机中的作用，发现两者都能促进创造力，但积极情绪的影响更为显著（He, 2023）。
De Dreu等人（2008）提出，情绪可能通过两种途径促进创造力：一是通过提高认知灵活性（由积极情绪激发），二是通过增强毅力（由高激活度的情绪激发）。因此，具体研究特定情绪与创造力的关系可能更有意义。如前所述，“希望”与灵活的思维模式和改变途径的识别相关，可能与创造性过程密切相关。具体研究表明，有希望的人在产生和发展想法方面表现更好（Namono et al., 2022）。此外，有因果证据表明，即使控制了幸福感的影响，希望仍能预测自我评估的创造力（Tan et al., 2025）。目前尚未有研究探讨环境领域中的情绪与创造力之间的关系。
**1.3 创造力与环境行为**
除了情感驱动因素外，创造力在环境心理学中也受到一定关注，尤其是在环保创新方面。虽然关于克服环保行为障碍的文献较多（Kollmuss & Agyeman, 2002; Dioba et al., 2024; Steg & Vlek, 2009），但相关研究较少。研究表明，生成多种环保行动途径可能是实现环保行为的重要步骤。为了探讨这一点，有必要重新审视创造力的定义。
传统的创造力定义强调原创性和有效性，但实用性的判断可能具有主观性和情境依赖性（Corazza, 2016; Walia, 2019）。最近的发展定义将创造力视为“受生成目标约束的内部注意力”（Green et al., 2024），认为创造力有三个标准：1）注意力指向内部并聚焦于心理表征；2）过程聚焦于目标状态；3）目标状态涉及选项的生成而非检索（Green et al., 2024）。这种定义允许研究创造过程本身，而不受结果是否有用的限制。在生成潜在解决方案的过程中，可能涉及以下几个方面：访问心理表征；记忆检索；以及在不同表征之间建立新的联系。这有助于考虑创造力是否具有依赖于具体情境的成分（参见Brinck, 1999）。显然，独立于情境的心理表征对于创造性思维非常有用，因为它可以帮助在不同领域之间概括信息，并在产生新想法时发挥重要作用。然而，也有观点认为，依赖于情境的信息和表征也可以支持创造力，因为理解情境限制可以引导思维朝着最富有成效的方向发展，并有助于选择最合适的解决方案（同上）。Kaufman等人（2009）的实证研究支持了这一观点，他们发现自我评估的创造力在不同领域之间存在显著差异，并且与人格特质也存在关联。到目前为止，关于创造力与环境行为的有限现有文献主要集中在创新方面的创造力（Saleh & Brem, 2023）。大多数研究集中在新产品开发与采纳等领域（参见Im等人，2013；Chen & Chang, 2012），并且主要使用一种通用的（领域普遍适用的）创造力定义，而不是基于过程的定义。在个体行为层面，相关研究相对较少，实证数据也较为缺乏（Saleh & Brem, 2023）。尽管如此，初步的研究结果表明创造力与环境行为有关。例如，利用计划行为理论来研究意大利的绿色消费行为时，发现创造力是绿色消费频率的重要预测因素（Dangelico等人，2021）。此外，最近对欧洲社会调查的分析表明，自我报告的创造力与对气候变化的担忧、对人为气候变化信念以及认为自己有责任采取行动的态度相关（Dirzyte & Valatka, 2023）。在这些自我报告的创造力测量中，对创造力的本质描述并不明确，但似乎更倾向于采用基于过程的（独立于情境的）解释，重点在于报告创造性的特征而非结果。然而，在一项研究青少年与环保行为相关的人格特征的研究中，发现发散性思维与环保行为有关（Giancola等人，2023）。该研究使用了替代用途任务（AUT：Guildford, 1967）这一客观的创造力测量方法，要求参与者在限定时间内尽可能多地想出某个物品的不同用途。类似的研究也发现，发散性思维与儿童的环保行为之间存在关联，且这种关联在男孩中更为明显（Sannino等人，2024）。这些研究因使用了间接的创造力测量方法而非自我报告而值得称赞，但它们主要针对特定的人群样本。据我们所知，目前还没有针对特定情境下的气候创造力的研究。此外，迄今为止所有关于个体环境行为的研究似乎都是横断面研究，而非能够探究因果关系的实验研究。
1.3. 当前研究
当前的研究提出了一种针对气候友好行为领域的新的创造力测量方法（研究1），作为环境心理学界的资源，因为已有证据表明创造力可能具有情境依赖性，而现有的工具不足。气候创造力被定义为一种内在的关注点，旨在生成气候友好的行为选项，直接基于创造力的过程理论。我们开发了气候创造力任务（CCT）作为一种评估工具，用于考察传递希望信息在激发气候创造力方面的有效性（研究2），考虑到创造力可能在克服气候友好行为障碍方面起着重要作用。
研究1设计为一项试点研究，旨在开发一种专门针对环境领域的创造力过程测量方法。虽然现有的创造力测量方法——通常分为自我评估、艺术评估、发散性思维或收敛性思维（Guildford, 1975）——总体上是有效的，但它们往往无法衡量与环境问题相关的特定情境下的创造力方面。在这里，我们特别关注了生成采取环保行为的不同路径的创造性过程。为了验证这种测量的有效性，我们进行了一项横断面研究，使用了标准的创造力测量方法以及新设计的气候创造力任务（CCT）。选择的标准化创造力测量方法涵盖了创造力的不同方面：发散性关联任务（DAT）用于测量发散性创造力，远距离关联测试（RAT）用于测量收敛性创造力，以及自我报告的创造力量表用于评估个人对创造力的认知。新的创造力测量方法部分基于DAT（因为它能够测量想法的产生），并围绕气候变化缓解这一主题（详见2.1.3）。为了检验CCT的预测有效性，还要求参与者完成一系列环境问题解决任务，以评估较高的气候创造力是否能够转化为解决实际情境中环保行为障碍的潜在方案。我们假设CCT、通用创造力测量方法和环境问题解决任务之间会存在正相关关系。
研究2通过实验操作来检验希望的诱导是否能增加气候创造力和环境问题解决能力，从而推断出因果关系。我们使用了Ettinger等人（2021）开发的视频操作，在被试间设计中诱导参与者对气候变化的恐惧或希望情绪，并将其与关于手机的对照视频进行比较。我们研究了观看这些视频对新CCT、通用创造力和环境问题解决能力的影响。我们假设希望情绪条件会显著提高参与者对气候变化的自我报告希望水平，同时提高气候创造力、通用创造力和环境问题解决能力，相比恐惧条件而言。
2. 研究1 – 测量气候创造力
2.1. 方法
2.1.1. 参与者
通过在线研究招募平台Prolific招募了160名参与者，要求参与者必须是英国居民（由于许多环境行动具有情境依赖性），并且英语是他们的第一语言（因为某些创造力任务需要语言能力）。根据Faul等人（2007）的计算方法，对于一个双变量正态模型，功效为0.80，效应量为0.2，最小样本量为153人。为了考虑可能的退出或无效回答，样本量增加到了160人。其中93名参与者报告为男性，63名为女性，2名参与者表示非二元性别，另有2名参与者未说明性别；性别被定义为一种社会认同（与招募平台Prolific的定义一致），参与者需要自我报告。参与者的年龄范围从18岁到74岁，大多数样本属于25至34岁的年龄段。
2.1.2. 材料
问卷包括发散性创造力（DAT）、收敛性创造力（RAT）、气候创造力（CCT）、自我报告的创造力以及环境问题解决能力的测量。
2.1.2.1. 气候创造力
CCT（见附录A）是根据之前的创造力任务开发的，主要参考了发散性关联任务（Olson等人，2021：见2.1.4节）和二十条陈述任务（Kuhn & McPartland, 1954；Fredrickson & Branigan, 2005）。二十条陈述任务用于探讨积极情绪体验对思维广度的影响；它要求参与者根据当前感受的情绪列出他们想立即采取的行动（Fredrickson & Branigan, 2005）。CCT要求参与者思考如何使自己的生活更加可持续，考虑生活的各个方面，并列出最多10个可以改变的要点。设置了4分钟的时限（参见DAT：Olson等人，2021），并鼓励参与者尽可能多地列出要点。
CCT的分析与其他创造力测量方法一致（例如，Guilford, 1978；Torrance, 1990；DeYoung等人，2008），这些方法考察了生成的反应数量（即流畅性）、生成的不同类别数量（即灵活性）以及与其他参与者的反应相比的原创性。原创性的评分标准根据DeYoung等人（2008）的方法：如果某个反应在其他参与者中的出现频率超过10%，则得0分；3-10%则为1分；1-3%则为2分；小于1%则为3分。原创性得分是对所有反应进行汇总得出的。
内容分析用于生成不同的反应类别。一名研究人员通过对整个数据集进行编码来初步确定类别，并生成了包含每个类别描述的编码表（见补充材料表1）。另一名编码者使用该编码表对部分数据（全样本的20%：32个反应）进行了重新编码。Cohen’s Kappa系数用于检验评分者间的一致性（参见Landis & Koch, 1977），得分为0.81，被认为是强一致性（Cohen, 1960）。
表1. 气候创造力与其他创造力和问题解决能力测量之间的相关性。
| 测量指标 | CCT - 流畅性 | CCT - 灵活性 | CCT - 原创性 | DAT | RAT | SR 数学/科学创造力 | SR 戏剧创造力 | SR 艺术创造力 | SR 互动创造力 |
|---------|---------|---------|---------|------|------------|-------------|----------------|----------------|
| 1 | 1 | 0.77** [0.69, 0.84] | 1 | 0.60** [0.50, 0.68] | 0.68** [0.55, 0.77] | 0.01 [-0.14, 0.17] | 0.09 [-0.06, 0.26] | 0.02 [-0.16, 0.20] |
| 2 | 1 | 1 | 0.60** [0.50, 0.68] | 0.14 [-0.02, 0.30] | 1.6! [-0.02, 0.31] | 0.02 [-0.14, 0.17] | 12 [-0.04, 0.29] |
| 3 | 0.9 | 0.09 [-0.10, 0.28] | 0.04 [-0.13, 0.22] | 0.04 [-0.13, 0.23] | -0.13 [-0.29, 0.06] | 0.02 [-0.16, 0.29] |
| 4 | 20* [0.03, 0.36] | 24* [0.08, 0.41] | 18 [0.02, 0.33] | -0.04 [-0.20, 0.14] | -0.09 | -0.31, 0.10 | 0.46** [0.29, 0.60] |
| 5 | 18* [0.02, 0.34] | 13 [-0.03, 0.31] | 10 [-0.05, 0.26] | -0.06 [-0.23, 0.13] | -0.17! [-0.37, 0.04] | 0.39, 0.68 | 19 [0.03, 0.43] |
| 6 | 30** [0.15, 0.43] | 20* [0.05, 0.36] | 12 [-0.06, 0.28] | -0.08 [0.26, 0.12] | 0.03 [-0.15, 0.22] | 0.33** [0.14, 0.49] | 51** [0.36, 0.63] |
| 7 | 37** [0.19, 0.52] | 24** [0.07, 0.41] | 08 [-0.10, 0.25] | -0.06 | -0.23, 0.12 | 0.2 [-0.16, 0.20] | 19* [0.03, 0.36] |
| 8 | 18* [0.01, 0.36] | 18* [0.01, 0.36] | 23** [0.06, 0.38] | 17* [0.01, 0.33] | | | |
注：表1显示了气候创造力与其他创造力和问题解决能力测量之间的部分皮尔逊相关性，控制了年龄和性别因素，采用成对删除法计算（N = 134）。括号内报告了偏差校正和加速自助法（1,000个样本）得到的置信区间。CCT = 气候创造力任务，DAT = 发散性关联任务，RAT = 远距离关联测试，SR = 自我报告。** = p < .01，* = p < .05，! = p < .07。
2.1.2.2. 发散性创造力
发散性关联任务（Olson等人，2021）要求参与者在4分钟内想出并列出10个不相关的单词。评分基于单词之间的关联频率，例如“cat”和“dog”比“cat”和“book”更常一起出现。该任务使用了一个预训练在Common Crawl语料库（Pennington等人，2014）上的计算机算法来计算，该语料库包含数十亿网页的文本。算法允许使用10个单词中的7个，即使有些单词拼写错误或不在英语词典中，也能得分。设置时间限制是为了减少参与者通过使用非常罕见的单词来人为提高分数的可能性。
2.1.2.3. 远距离关联测试
收敛性创造力通过远距离关联测试（RAT：Mednick, 1968）进行测量。这个任务被设计成一个文字游戏：参与者被给予三个提示词，并要求他们找出一个能连接这三个词的第四个词。例如，提示词可能是“Cottage”、“Swiss”和“Cake”，目标连接词是“Cheese”。在开始任务前，参与者会得到3个示例。为了确保任务顺利进行，每个词链接的完成时间被限制为15秒。基于Lee Bae等人（2014）的研究，包含了30个词链接，其中5个词因文化原因被替换，因为这些词在英国并不广为人知（详见附录B）。得分是通过正确识别的单词链接的总和计算得出的，潜在总分为30.2.1.2.4。
2.1.2.4 自我报告的创造力
使用修订后的创造力领域问卷（CDQ-R：Kaufman等人，2009年）来衡量人们在几个不同领域对创造力的自我认知。该问卷询问人们与背景相似的人相比，在21个不同领域中的创造力水平如何，这些领域被分为四个因素：戏剧（例如，表演、唱歌、写作）、数学/科学（例如，化学、逻辑、计算机）、艺术（例如，手工艺、绘画、设计）和互动（例如，教学、领导力、销售）。所有量表的内部可靠性得分都很高，Cronbach's alpha值均超过0.70（数学/科学=0.83；戏剧=0.83；互动=0.81；艺术=0.72）。参与者在一个六点量表上对自己的创造力进行评分，从“完全不具创造力”到“极具创造力”。
2.1.2.5 环境问题解决
问题解决任务基于之前的头脑风暴任务，要求参与者考虑五种不同的环境情境，并列出如果他们处于这些情境中可能会尝试的多种行动方案。这些环境情境是基于对环境有中等或高影响的行为设计的（Wynes & Nicholas, 2017; Gardner & Stern, 2008），并且具有生态有效性，例如，在被告知屋顶不适合安装太阳能板的情况下仍建议安装（详见附录C中的所有项目）。此任务没有时间限制，评分基于生成的解决方案数量（参见Diehl & Stroebe, 1987; Mayer, 2011）。认为生成的解决方案数量与问题解决的规划和坚持方面有关，鉴于问题和回答的个人及情境性质，判断所提出行动的质量被认为是不可能的。
2.1.3 程序
参与者是通过Prolific这个参与者招募网站招募的，参与者可以通过参与研究获得经济补偿。研究被描述为考察对气候变化的看法以及更广泛的日常生活，并未提及要完成的任务会涉及创造力或问题解决。参与者被引导到一个在Qualtrics上托管的调查中，在其中按以下顺序完成所有任务：首先是CCT，然后是环境问题解决任务，接着是DAT，然后是RAT，最后是自我报告的创造力量表。自我报告的问题仅放在最后，以免让参与者意识到研究中正在测量创造力。在离开页面之前，参与者被提示回答问题，但不是强制性的，一个提示后他们可以继续。此外，他们可以通过关闭浏览器窗口随时退出研究。平均完成研究需要28分钟，时间范围从12分钟到55分钟不等。需要注意的是，有一个人花费了超过2小时完成任务，但由于该个体的结果与其他人的结果没有显著差异，因此仍被纳入分析。研究结束后，参与者会被告知任务的性质和研究的假设。该研究已在OSF上预先注册。
2.2 结果
2.2.1 数据组织
数据没有显著的异常值，尽管大部分数据接近正态分布，但有几个因素是偏态的和/或峰态的。值得注意的是，CCT中生成的条目数量（流畅性）略微负偏态，许多人产生了最大数量的响应（z = -3.79）。CCT的原创性得分也略微正偏态（z = 2.28）。此外，环境问题解决任务生成的解决方案的平均数量略微负偏态（z = -3.80）且呈扁平峰态（z = -2.35）。DAT的响应也略微负偏态（z = -3.52）且峰态（z = 3.22）。在自我报告的创造力量表中，所有量表都接近正态分布，只有戏剧创造力和互动创造力的水平略微呈扁平峰态（z = -2.07和z = -2.29）。
由于有24人在理解任务说明中的“可持续性”一词时出现了与预期不同的解释，因此他们被排除在CCT之外，最终只剩下136人参与这项任务（随后修改了说明以帮助理解，详见附录A）。尽管这个样本量低于检测初始效应所需的样本量，但它仍然足够大，可以检测到中等范围内的效应。
2.2.2 CCT的收敛效度和预测效度
使用偏 Pearson 相关性来检查CCT与其他创造力测量方法以及环境问题解决之间的关系，见表2，并调整了年龄和性别因素。由于数据不符合正态分布，因此使用自助法（1,000次重采样）来计算95%的偏差校正和加速（BCa）置信区间。为了透明度，补充材料中提供了直接相关性结果；这些结果显示了类似的结果模式。
表2. 每个条件下的参与者人口统计信息
变量 控制组 希望组 样本量
性别 男性 50.0% 48.2% 46.6%
女性 50.0% 50.9% 52.4%
非二元/第三性别 0.0% 0.9% 1.0%
年龄 18–24 13.2% 12.7% 7.8%
25–34 15.1% 12.7% 20.4%
35–44 12.3% 18.2% 20.4%
45–54 21.7% 13.6% 14.6%
55–64 27.4% 24.5% 23.3%
65–74 9.4% 15.5% 13.6%
75+ 0.9% 2.7% 0.0%
教育水平 低于GCSE/O level 1.9% 2.7% 5.8%
GCSE/O level 16.0% 16.4% 13.6%
A level / College 30.2% 25.5% 28.2%
本科（例如，BA, BSc） 33.0% 41.8% 35.9%
研究生（例如，PhD, JD, MD） 18.9% 13.6% 16.5%
CCT指标与自我报告的创造力测量方法呈正相关，其中流畅性指标与戏剧、互动和艺术自我报告的创造力显著相关，灵活性指标与戏剧和艺术自我报告的创造力也显著相关。此外，灵活性指标与RAT也有边缘显著相关性（见表1）。CCT与DAT没有显著相关性。此外，CCT的流畅性和灵活性指标也与生成的环境问题解决方案的平均数量显著相关。
2.3 讨论
观察到CCT与几种自我报告的创造力测量方法有显著的正相关关系（Kaufman等人，2009年），尽管效应量较小，但与RAT也有边缘相关性，这支持了该任务的有效性。鉴于CCT与RAT的关系以及先前的研究表明RAT侧重于评估解决方案的选项，我们提出CCT所涉及的过程包括对生成想法的某种评估。这也符合任务说明，即“考虑如何使你的生活更加可持续”和“你可以改变什么”，这意味着某种评估可能性的过程。此外，气候创造力与环境问题解决任务生成的解决方案数量显著相关，表明在这一特定领域内具有预测效度。值得注意的是，应用于环境问题的问题解决任务版本也是新的，因此这项研究在这方面具有探索性。令人鼓舞的是，所有自我报告的创造力测量方法也与问题解决任务生成的解决方案数量显著相关。
CCT与DAT没有显著相关性（Olson等人，2021年）。这令人惊讶，因为新开发的CCT部分基于DAT（以及Twenty Statements Task（Kuhn & McPartland, 1954; Frederickson & Branigan, 2005）），并且被认为是为了评估生成可持续行为选项的过程。我们认为这种差异是由于任务针对的领域不同：DAT被设计为一种通用的创造力测量方法，而CCT则是专门针对气候变化领域的创造力设计的。此外，DAT特别要求参与者生成彼此不同的单词，因此特别依赖于语言技能（Olson等人，2021年）：这不是CCT的要求。
数据显示，RAT与自我报告的互动创造力测量方法有轻微负相关。这种模式可能再次归因于通用创造力测量方法和特定领域创造力测量方法之间的差异。一个领域的创造力并不总是意味着其他领域的创造力也是如此。我们认为，这些观察到的特定领域与通用创造力测量方法之间的差异支持了我们开发的特定领域CCT的有用性。
3. 第二项研究——通过实验诱导希望来激发创造力
第二项研究探讨了传达与气候变化相关的希望是否可以提高创造力和问题解决能力，使用了第一项研究中开发的特定领域CCT。通过视频通信在受试者之间设计中实验性地操纵与气候变化相关的情绪，人们被随机分配到三个条件之一：对照组、希望组或恐惧组。然后检查了通用的创造力测量方法、新开发的CCT和环境问题解决任务。
3.1 方法
3.1.1 参与者
参与者（N = 334）通过Prolific招募平台招募，按年龄、性别和种族比例抽样，以代表英国人口。参与限制要求参与者之前没有完成此处报告的第一项研究，是英国公民，因为某些任务具有特定的背景，并且英语是他们的第一语言，以便于更清晰的分析。基于F检验的固定效应全因素方差分析（F = 0.18，Cohen, 1988）的先验功效计算表明，318名参与者足以检测到效应。为了考虑可能的退出或任务误解，样本量增加了5%。
移除了未能通过注意力检查的参与者（N = 10人）、观看视频材料时间少于50秒的参与者（N = 2人）、提交多个响应的参与者（N = 2人）以及误解说明的参与者（N = 1人）。最终保留了319名参与者。其中154名为男性，163名为女性，2名参与者表示他们是非二元性别或具有不同的性别身份。年龄范围从18岁到75岁以上，中位年龄为55-64岁。教育水平较高，大多数人表示他们获得了本科学位。不同条件下的参与者分布均匀，性别、年龄和最高教育水平方面相似（见表2）。
3.1.2 材料
向参与者展示了与气候变化相关的视频刺激，以引发情绪，包括：积极和消极情感量表（PANAS：Watson等人，1988）作为操纵检查；DAT以检查通用创造力；CCT；自我报告的创造力量表；不作为的龙心理障碍量表（DIPB：Lacroix等人，2019）；以及环境问题解决任务。DAT、自我报告的创造力量表和环境问题解决任务与第一项研究中指定的相同。DIPB采用标准形式，包括与另一项研究相关的假设，因此在此不再进一步分析。
3.1.2.1 气候创造力任务
CCT与第一项研究中指定的相同，只是对说明中的措辞进行了轻微调整，要求参与者考虑“如何使你的生活更加气候友好”，而不是“如何使你的生活更加可持续”，因为第一项研究中有些参与者对任务的解读不同，详见附录A。
与第一项研究一样，CCT使用流畅性（生成的条目数量）、灵活性（生成的条目类别数量）和原创性（生成条目的新颖性）等指标进行评估。内容分析用于识别参与者提出的关于气候变化的行为主题，生成的主题在补充材料的表3中提供。一名研究人员领导了内容分析，并制定了一个编码表来对参与者响应进行分类，第二名编码员使用该编码表对20%的参与者响应进行了编码；使用Cohen's kappa计算评分者间一致性，得分为0.80（参见Landis & Koch, 1977），这被认为是强的（Cohen, 1960）。
表3. 报告的情绪、创造力测量方法和问题解决之间的相关性
2.3.4.5.6.7.8.9.10.1. SR 希望 12. SR 恐惧 12* [0.02, 0.23]
13. SR 数学与科学 16** [0.05, 0.27]
10 [-0.01, 0.21]
14. SR 戏剧 09 [-0.04, 0.23]
15* [0.01, 0.26]
33** [0.22, 0.43]
15. SR 互动 22** [0.12, 0.33]
15** [0.03, 0.27]
54** [0.46, 0.61]
49** [0.40, 0.57]
16. SR 艺术 06 [-0.05, 0.18]
17** [0.05, 0.29]
30** [0.19, 0.42]
50** [0.41, 0.59]
38** [0.26, 0.48]
17. CCT: 流畅性 15* [0.04, 0.25]
02 [-0.11, 0.15]
17** [0.07, 0.28]
14* [0.03, 0.25]
16** [0.05, 0.27]
10 [-0.02, 0.21]
18. CCT: 灵活性 09 [-0.01, 0.19]
06 [-0.06, 0.17]
17** [0.06, 0.28]
12* [0.01, 0.26]
14* [0.03, 0.25]
13* [0.02, 0.24]
63** [0.55, 0.70]
19CCT：原创性。15** [0.04, 0.26]-.00 [-0.11, 0.10].18** [0.09, 0.27].19** [0.07, 0.32].19** [0.10, 0.29].14* [0.03, 0.24].50** [0.43, 0.57].57** [0.45, 0.67]110. DAT-.15* [-0.28,-0.03]-.14* [-0.24,-0.04].01 [-0.11, 0.13]-.05 [-0.16, 0.06]-.07 [-0.19, 0.05]-.04 [-0.15, 0.08].06 [-0.07, 0.18].00 [-0.14, 0.13].04 [-0.08, 0.15]111. 环境问题解决能力。18** [0.07, 0.29].06 [-0.05, 0.16].17** [0.07, 0.28].15** [0.03, 0.27].16** [0.05, 0.27].11! [0.00, 0.23].47** [0.37, 0.56].32** [0.21, 0.43].33** [0.23, 0.44]-.03 [-0.14, 0.09]注：表3提供了自我报告的情绪、创造力和问题解决能力之间的相关性。报告的相关性是控制了年龄、性别和教育水平的偏相关系数（皮尔逊相关系数），通过成对删除法计算得出（N=299）。CCT = 气候创造力任务，DAT = 发散联想任务，RAT = 远程关联测试，SR = 自我报告，Env = 环境。偏差相关的和加速自助法（1000个样本）置信区间在每个相关性下方用括号表示。** = p < .01，* = p < .05，! = p < .07。3.1.2.2. 视频刺激使用视频来引发人们对气候变化的希望或恐惧情绪，以及一个对照视频（由Ettinger等人于2021年开发）。所有视频的时长相同（1分45秒），并且在总体结构上相匹配，即包含与内容相关的视觉图像、背景音乐和字幕文本。希望视频对气候变化的评论持乐观态度：强调了潜在的缓解方法，语言积极愉快，背景音乐振奋人心。恐惧视频则持悲观态度：对解决方案的有效性表示怀疑，语言令人担忧且消极，背景音乐低沉，使用的图像也带有暗色调。对照视频关注智能手机如何改变了世界：该视频的设计没有情感诉求，背景音乐中性。3.1.2.3. 积极和消极情感量表（PANAS）使用了Watson等人（1988年）改编的PANAS简表作为操纵检查工具。它包含了希望和恐惧的目标项目，以及另外六个项目（内疚、悲伤、自豪、愤怒、快乐和无聊），以减少需求效应。项目的呈现顺序是随机的，以消除顺序效应。问题为：“请指出视频在多大程度上让您感受到以下情绪：”，评分范围从1（完全不）到5（极其）。3.1.3. 程序参与者被告知研究将探讨对气候变化的看法，并需要观看相关视频。还告知他们必须在配备音频功能的台式电脑上完成研究，并且需要在适合的环境中进行。同意参与的参与者被要求提供人口统计信息，包括年龄、性别和最高教育水平。然后要求参与者准备并注意下一个屏幕上出现的视频。视频页面中隐藏了一个计时器，用于验证参与者至少在页面上停留了50秒：此时，希望视频和恐惧视频（开始时相似）在情感内容上开始分化。参与者随后完成了PANAS问卷，之后被告知将进行一系列任务和文字游戏。这些任务包括：DAT、CCT、自我报告创造力量表、DIBP量表和环境问题解决任务。这些任务的顺序对所有参与者都是相同的，因为认为DAT在更具启发性的CCT之前对参与者的要求较低。PANAS、环境问题解决任务、自我报告创造力量表和DIPB中的项目顺序是随机的，以最小化任何顺序效应。如果参与者尝试跳转到下一页，未回答的问题会触发提示要求他们回答；然而，除了同意参与之外，没有强制要求回答任何问题，参与者可以随时关闭网页退出研究。在DIBP测量中包含了一个注意力检查，内容为：“这是一个注意力检查，请点击‘有些同意’。任务结束后，向参与者解释了研究的全部性质和计划中的分析。提醒他们如果有任何疑问或投诉可以联系研究联系人，并提供了可能感兴趣的相关阅读材料。然后向参与者展示了一个关于气候变化的卡通片，以提升他们的情绪，确保他们的情绪与开始研究时相同或更好，之后将他们重定向回Prolific招募平台。3.1.4. 结果3.1.4.1. 数据组织检查了异常值，以识别任务完成中的错误，并因误解指示而排除了9名参与者的CCT数据。此外，8名参与者在DAT中记录了缺失或无效的回答：常见的无效回答是参与者在同一个回答选项中包含了两个不同的词，而不是每个选项中只填写一个词。此外，我们的几个变量中存在一些偏度和峰度。自我报告的希望和恐惧都显著正偏（z = 4.87和z = 4.69），表明参与者倾向于报告较低的情绪水平。自我报告的希望还略微呈扁平峰态（z = -2.47）。气候创造力的流畅性和灵活性测量也呈负偏（z = -11.52和z = -3.16），流畅性测量呈峰态（z = 4.32），反映了许多人在回答中提供了最大数量的情况。另一方面，气候创造力的原创性测量略微正偏（z = 5.28），也略微呈峰态（z = 3.12），表明人们的回答在原创性方面大多较低。DAT得分略微呈峰态（z = 2.61）。自我报告的创造力得分大多呈正态分布，除了数学和科学量表以及戏剧量表略微正偏（z = 2.36和z = 4.40），戏剧和互动量表略微呈扁平峰态（z = -3.28和z = 5.15）。环境问题解决得分呈峰态（z = 5.15），再次反映了许多人提供了所有问题的最大数量的情况。3.1.4.2. 视频沟通对自我报告的希望和恐惧的影响为了检验视频条件是否对与气候变化相关的情绪有显著影响，使用了MANCOVA，其中视频条件作为固定因素（3个水平：希望、恐惧、对照），自我报告的希望和恐惧作为结果变量，年龄、性别和教育作为协变量（见图1，显示了各条件下的平均水平）。结果表明视频条件有显著影响，F(4, 622) = 55.48, p < .001, np2 = .26，后续ANOVA表明希望视频条件下的自我报告希望水平高于对照组和恐惧组（p < .001, 95% CI [1.07, 1.69] 和 p < .001, 95% CI [1.12, 1.74]），而恐惧视频条件下的自我报告恐惧水平高于对照组和希望组（p < .001, 95% CI [0.77, 1.43] 和 p < .001, 95% CI [0.27, 0.94]）。下载：下载高分辨率图片（230KB）下载：下载全尺寸图片图1. 不同视频条件下的自我报告希望和恐惧。注：显示了不同条件下的自我报告希望和恐惧的平均水平。希望视频条件下的自我报告希望更高，恐惧视频条件下的自我报告恐惧更高。误差条代表平均值的标准误差。性别和年龄是显著的协变量（F(2,310 = 12.79, p < .001, np2 = .08 和 F(2,310 = 4.76, p < .01, np2 = .03），但教育对数据没有显著影响。Box’s M显著（M = 18.66, F(6, 2410392.39, p < .01），表明结果变量的协方差矩阵在不同组之间不相等，进一步地，Levene检验对于后续ANOVA也是显著的（F(2,314) = 3.71, p = .03 和 F(2, 314) = 5.46, p < .01），表明误差方差在不同组之间也不相等。因此，为了检验观察到的效果的可靠性，使用Welch’s ANOVA进行了重复检验，该检验对不等方差具有鲁棒性，结果模式相同（见补充材料）。3.1.4.3. 视频沟通对自我报告创造力的影响使用MANCOVA检验了视频沟通对自我报告创造力的显著影响，其中视频条件作为固定因素（3个水平：希望、恐惧、对照），自我报告创造力的四个子维度（数学与科学、戏剧、互动、艺术）作为结果变量，年龄、性别和教育作为协变量。结果表明，不同组之间的自我报告创造力水平差异接近显著性（F(8, 618) = 1.88, p = .06, np2 = .02）。后续测试表明，只有互动创造力维度在不同组之间存在显著差异，希望视频条件下的平均得分（M = 3.74, SD = 0.91）显著高于对照组（M = 3.39, SD = 0.92, p = .01, 95% CI [0.06, 0.65]），但恐惧条件下的得分与对照组没有显著差异（M = 3.64, SD = 0.86, p = 1.00, 95% CI [-0.19, 0.40]）；年龄在分析中不是显著协变量（F(4, 308) = 0.65, p = .63），但性别和教育是显著协变量（F(4, 308) = 16.98, p < .01, np2 = .18 和 F(4, 308) = 5.96, p < .01, np2 = .07）。注意，这里的Box’s M和Levene检验表明协方差矩阵和误差方差在不同组之间相似。下载：下载高分辨率图片（279KB）下载：下载全尺寸图片图2. 不同视频条件下的自我报告创造力。注：不同条件下的自我报告互动创造力存在显著差异，希望条件下的平均得分显著高于对照组。误差条代表平均值的标准误差。性别和年龄是显著协变量（F(2,310 = 12.79, p < .001, np2 = .08 和 F(2,310 = 4.76, p < .01, np2 = .03），但教育对数据没有显著影响。Box’s M显著（M = 18.66, F(6, 2410392.39, p < .01），表明结果变量的协方差矩阵在不同组之间不相等，此外，Levene检验对于后续ANOVA也是显著的（F(2,314) = 3.71, p = .03 和 F(2, 314) = 5.46, p < .01），表明误差方差在不同组之间也不相等。因此，为了检验观察到的效果的可靠性，使用Welch’s ANOVA进行了重复检验，该检验对不等方差具有鲁棒性，结果模式相同（见补充材料）。3.1.4.4. 视频沟通对创造力和问题解决能力的间接测量的影响进一步使用MANCOVA检验了视频沟通对创造力和问题解决能力的间接测量的影响，其中视频条件作为固定因素（3个水平：希望、恐惧、对照），自我报告创造力的四个子维度（数学与科学、戏剧、互动、艺术）作为结果变量，年龄、性别和教育作为协变量。结果表明，不同组之间的自我报告创造力水平差异接近显著性（F(8, 618) = 1.88, p = .06, np2 = .02）。后续测试表明，只有互动创造力维度在不同组之间存在显著差异，希望视频条件下的平均得分（M = 3.74, SD = 0.91）显著高于对照组（M = 3.39, SD = 0.92, p = .01, 95% CI [0.06, 0.65]），但恐惧条件下的得分与对照组没有显著差异（M = 3.64, SD = 0.86, p = 1.00, 95% CI [-0.19, 0.40]）；年龄在分析中不是显著协变量（F(4, 308) = 0.65, p = .63），但性别和教育是显著协变量（F(4, 308) = 16.98, p < .01, np2 = .18 和 F(4, 308) = 5.96, p < .01, np2 = .07）。注意，这里的Box’s M和Levene检验表明协方差矩阵和误差方差在不同组之间相似。下载：下载高分辨率图片（279KB）下载：下载全尺寸图片图2. 不同视频条件下的自我报告创造力。注：不同条件下的自我报告互动创造力存在显著差异，希望条件下的平均得分显著高于对照组。误差条代表平均值的标准误差。3.1.4.4. 视频沟通对创造力和问题解决能力的间接测量的影响进一步使用MANCOVA检验了视频沟通对创造力和问题解决能力的间接测量的影响。这里重复了之前的MANCOVA，其中视频条件作为固定因素（3个水平：希望、恐惧、对照），CCT的流畅性、灵活性和原创性测量、DAT测量以及问题解决任务作为结果变量，年龄、性别和教育作为协变量。结果表明，总体而言，视频沟通对创造力和问题解决的间接测量没有显著影响（F(10, 580) = 1.51, p = .13, np2 = .03）。然而，后续单变量检验表明，CCT的原创性测量在不同组之间存在显著差异（F(2) = 3.26, p = .04, np2 = .02），DAT在不同组之间也接近显著性（F(2) = .03, p = .05, np2 = .02）；CCT的流畅性和灵活性测量（F(2) = .54, p = .59 和 F(2) = .29, p = .075）以及问题解决任务没有显著差异（F(2) = 1.20, p = .30）。在CCT的原创性测量中，希望条件下的得分显著更高（M = 5.27, SD = 2.61），相比之下对照组（M = 4.38, SD = 2.50, p = .04, 95% CI [0.04, 1.72]），但与恐惧组（M = 4.71, SD = 2.29, p = .32, 95% CI [-0.27, 1.40]）没有显著差异。在DAT中，成对比较表明希望条件下的得分（M = 74.45, SD = 6.49）与对照组（M = 76.40, SD = 5.56, p = .07, 95% CI [-3.79, 0.12]）或恐惧组（M = 74.57, SD = 5.40, p = 1.00, 95% CI [-2.18, 1.71]）没有显著差异，见图3。下载：下载高分辨率图片（306KB）下载：下载全尺寸图片图3. 不同视频条件下的气候创造力和问题解决能力。注：希望视频条件下的环境原创性得分显著高于对照组。误差条代表平均值的标准误差。由于DAT的测量尺度与其它变量存在显著差异，因此图中省略了其得分。年龄、性别和教育水平在分析中均为显著协变量（F(5, 289) = 6.28, p < .01, np2 = .10；F(5, 289) = 3.18, p < .01, np2 = .05；F(5, 289) = 5.75, p < .01, np2 = .09）。Box’s M检验和Levene’s检验表明，各组之间的协方差矩阵和误差方差相似。
3.1.4.5. 希望、恐惧与创造力及问题解决能力之间的关系
通过控制年龄和性别的情况下，使用部分皮尔逊相关系数（partial Pearson’s correlations）研究了自我报告的希望与恐惧与自我报告的创造力、CCT（气候创造力任务）、DAT（创造性思维测试）及问题解决能力指标之间的相关性（直接相关性见补充材料）。自我报告的希望与数学与科学领域的创造力、CCT的流畅性和原创性指标以及环境问题解决任务之间存在显著相关性。值得注意的是，自我报告的希望（和恐惧）与DAT呈负相关。CCT的所有指标都与自我报告的创造力维度相关，其中多数相关性达到显著水平。CCT指标与DAT无关，但与环境问题解决任务存在相关性。
4. 总结
我们的数据表明，激发人们对气候变化的希望能够提升他们的气候创造力和问题解决能力。这是首次研究发现，希望的沟通能够提高气候创造力和问题解决能力，这进一步支持了先前的研究结果，即希望可以激发可持续行为（Geiger等人，2023年；Swim & Bloodhart，2015年；Russell & Ashkanasy，2021年）。我们采用了多种不同的创造力测量方法进行研究，并在研究1中引入了一种新的气候创造力测量工具（CCT），用于研究2；两项研究均表明CCT与其他创造力测量工具具有一致性。这些发现对于评估基于情感的气候变化沟通方式具有重要意义，因为绝大多数研究（参见Geiger等人，2023年或Landmann，2020年的综述）主要关注即时行为后果（通常是自我报告的结果），而我们的研究支持“扩展与构建理论”（Fredrickson，2004年）的观点，即积极情绪可能对行为产生更微妙的影响，这些影响往往被忽视。
研究2中使用的气候变化沟通视频之前已经过评估，结果显示它们不太可能促使行为改变或气候行动（Ettinger等人，2021年）。然而，从“扩展与构建理论”（Fredrickson，2004年）的角度来看，仅比较积极情绪（如希望）和消极情绪（如恐惧）对结果指标的影响可能会限制研究的范围。我们发现，关于气候变化的希望沟通对一种新的气候创造力测量指标产生了影响，该指标要求参与者以开放的方式提出应对气候变化的想法，这与以往的创造力测量方法一致。激发希望的沟通视频也影响了自我报告的创造力指标，这与环境领域外的研究结果一致（Namono等人，2022年；Tan等人，2025年）。我们的研究还扩展了以往的研究，探讨了针对特定主题（即气候变化）的沟通对创造力的影响，而不是偶然产生的情绪（如心情）。我们的数据发现，希望对互动领域的自我报告创造力有显著影响。这里的“互动领域”指的是涉及与他人互动的活动，例如教学、领导力、销售等。观察到的互动领域创造力显著提升具有理论意义，因为“扩展与构建理论”（Fredrickson，2004年）认为积极情绪可能会促进更多的社会行为。总体而言，特定领域的关系表明，应该针对具体领域来考察创造力，而不仅仅是使用通用测量工具。
新开发的CCT在研究1和研究2中与其他通用创造力测量工具显示出一定的一致性。具体来说，我们发现它与自我报告的创造力指标在两项研究中均呈正相关，在研究1中还与RAT（Rapid Association Test）呈边缘相关。鉴于CCT与RAT之间的正相关关系，这种新的CCT可能测量的是关注想法有效性的创造力过程（这通常被认为是收敛性创造力任务的焦点）。然而，在研究1和研究2中，CCT与我们测量的通用发散性创造力（DAT）始终没有相关性，这表明CCT可能并未如预期那样测量新想法的生成。有可能参与者是从记忆中检索想法并在气候领域进行测试，而不是需要生成新的想法。未来研究中通过使用不同的发散性创造力测量工具来进一步探讨这一现象将是有益的，特别是考虑到DAT依赖于语言技能。CCT与环境问题解决任务之间的正相关关系为它的预测有效性提供了一些支持，尽管我们也注意到这里使用的环境问题解决任务本身具有一定的新颖性。我们还注意到，创造力和问题解决的概念化及测量方法往往存在重叠（Green等人，2024年），因此很难将它们完全视为独立的构念。进一步研究气候创造力与问题解决能力、决策能力及行为（包括长期行为）之间的关系将是有价值的。目前，关于促进环保行为的障碍的研究很多（Kollmuss & Agyeman，2002年；Dioba等人，2024年；Steg & Vlek，2009年），而创造力可能是克服这些障碍的一种方式。
迄今为止，将“扩展与构建理论”（Fredrickson，2004年）应用于环境心理学领域的程度有限。我们的研究表明，积极情绪能够促进创造力，这鼓励人们在考虑基于情感的沟通效果时考虑这一模型。我们使用的希望沟通比对照沟通更有效，数据表明希望与恐惧之间存在显著关系。这支持了希望与恐惧常常交织在一起的观点，希望通常与变革需求相关（Kleres & Wettergren，2017年）。然而，我们使用的恐惧沟通在任何创造力或问题解决指标上都没有表现出与对照条件不同的效果，这表明恐惧本身并不能激发创造力。
基于“扩展与构建理论”（Fredrickson，2004年）的观点，除了我们在这里发现的积极情绪对创造力的影响外，积极情绪还可能激发社会行为和更持久的行为，这对于鼓励共同努力应对气候变化尤为重要。在这里，我们重点关注希望这一关键积极情绪在气候变化沟通中的作用；然而，进一步的研究还应考虑其他在环保行为中被认为重要的积极情绪，例如自豪感、感激和敬畏（Landmann，2020年）。实际上，我们的结果表明，希望以及更广泛的积极沟通在促进环保行动方面起着重要作用。当项目旨在促进创新或寻找克服现有挑战的方法时，我们的结果表明，积极框架的沟通可能会激发创造力。
5. 结论
总之，我们发现，关于气候变化的积极情绪——希望——在促进气候创造力方面是有效的，有助于人们克服环保行动的障碍。我们认为，在环境心理学中评估创造力可能被忽视了，并提出了一种新的气候创造力任务（CCT），可供更广泛的应用。我们的研究表明，对于那些特别困难、需要克服障碍的行为倡导活动，激发创造力的积极沟通可能有助于促进行动。
**作者贡献声明**
Alexa Spence：撰写——审阅与编辑、初稿撰写、可视化、验证、监督、软件使用、资源管理、项目管理、方法论设计、调查实施、资金获取、正式数据分析、数据整理、概念构建。
Jo Burge：撰写——审阅与编辑、验证、项目管理、方法论设计、调查实施、正式数据分析、概念构建。
**未引用参考文献**
Estrada等人，1997年；Guilford，1967年；Guilford等人，1978年；Lee Bae等人，2014年；Mednick，1968年；Meijnders等人，2001年；Nabi和Myrick，2019年；Torrance，1974年。
**伦理声明**
这些研究遵循了英国心理学会（BPS）的《伦理与行为准则》（2021年）、英国《通用数据保护条例》（GDPR，2021年）和《人权法》（HRA，1998年）。所有参与者都是自愿参与研究的，并在参与前签署了知情同意书，之后还获得了关于研究的进一步信息。参与者的隐私权得到了保护，数据在分析和存档前已匿名处理。
**研究设计与材料**
两项研究的相关设计和材料均经过了诺丁汉大学心理学伦理委员会的审查，审查结果于2024年6月11日获得批准（参考编号：F1547）。这一过程由独立于研究团队的专家进行，以确保程序符合严格的伦理标准和英国心理学会的要求。
**数据声明**
支持本研究结果的材料和数据已在开放科学基金会公开发布：研究1的数据位于https://osf.io/3sjgc/overview?view_only=369189bf9ea24888a5baa3ee0b5c81e9，研究2的数据位于https://osf.io/y32gp/overview?view_only=ba3f7d21363d48a99932fbd5e163b26c。
**利益冲突声明**
Alexa Spence声明获得了英国研究与创新经济与社会研究委员会（UK Research and Innovation Economic and Social Research Council）的财政支持，作为Smart Data UK项目的一部分（ES/Y01068X/1）。其他作者声明没有已知的可能影响本文工作的财务利益或个人关系。
打赏
