„Wozu könnte man einen Ziegelstein gebrauchen, wenn nicht zum Bau eines Hauses?“ In der menschlichen Kreativitätsforschung werden Studienteilnehmer häufig gebeten, ungewöhnliche Verwendungsmöglichkeiten für verschiedene Objekte zu finden. An diese Phase schließt sich dann ein subjektiver und sehr zeitaufwändiger Codierungsprozess an. Aus diesem Grund streben Forscher seit langem danach, die Kreativität von Studienteilnehmern schneller und objektiver beurteilen zu können.
Eine neue Entwicklung, die sich in den letzten Jahren herausgebildet hat, ist das automatisierte und computergestützte Scoring, bei dem ein Algorithmus den semantischen Abstand zwischen den Antworten der Teilnehmer auf Kreativitätsaufgaben berechnet.
Bisher wurde diese Methode jedoch hauptsächlich bei englischsprachigen Daten angewendet. Unter der Leitung von John D. Patterson und Roger Beaty von der Pennsylvania State University, USA, hat ein großes internationales Forschungsteam, darunter auch Forscher des Max-Planck-Instituts für empirische Ästhetik (MPIEA) in Frankfurt am Main, Deutschland, die Methode nun für den Einsatz getestet andere Sprachen.
Die Studie wird in der Zeitschrift veröffentlicht Psychologie der Ästhetik, Kreativität und Kunst.
In einer Multi-Labor-Studie mit mehr als 6.500 Teilnehmern sammelten insgesamt 28 Forscher Kreativitätsdaten in 12 verschiedenen Sprachen: Arabisch, Chinesisch, Niederländisch, Englisch, Französisch, Deutsch, Hebräisch, Italienisch, Persisch (Farsi), Polnisch, Russisch, und Spanisch. Zur Berechnung der semantischen Distanz in den verschiedenen Sprachen nutzten sie zwei Modelle, die auf der KI-Methode des „Deep Learning“ basieren. Anschließend verglichen die Forscher die automatischen Messwerte mit menschlichen Bewertungen.
„Das leistungsstärkste Modell für jede Sprache stimmte mit menschlichen Bewertungen überein. Dies bestätigte die Gültigkeit der Methode für alle 12 Sprachen“, berichtet Julia F. Christensen vom MPIEA.
Die Autoren werden den mehrsprachigen Datensatz für die zukünftige Algorithmusentwicklung offen zugänglich machen, zusammen mit dem Python-Code zur Berechnung der semantischen Distanz in allen genannten Sprachen.
Mehr Informationen:
John D. Patterson et al., Mehrsprachige semantische Distanz: Automatische Beurteilung der verbalen Kreativität in vielen Sprachen., Psychologie der Ästhetik, Kreativität und Kunst (2023). DOI: 10.1037/aca0000618