随着教育范式的改革，现代教育目标逐渐从强调知识获取转向培养学生的创造性思维。尤其在科学教育领域，学生不仅要掌握知识，更要能够基于已有知识提出新问题、形成新观点并生成原创性科学想法。然而，知识并不会自动转化为创造性思维，在其中起关键作用的，是个体头脑中知识的组织方式，即知识结构。认知建构主义认为，知识结构作为人类认知中知识的组织化认知表征，不仅是知识单元的储存库，更是支持认知发展的解释框架与心理模型。它决定了学习者能否高效提取、整合与重组已有知识，是个体创造性思维产生的认知支架与基础。尽管已有理论普遍认为知识结构是创造性思维的重要基础，但知识结构究竟如何转化为科学创造性思维，及其背后的脑机制仍缺乏直接证据。

近日，陕西师范大学现代教学技术教育部重点实验室胡卫平教授团队在国际学习科学与教育心理学领域顶级期刊 Learning and Instruction (中科院一区 TOP, SSCI Q1, 影响因子4.9)在线发表了题为“How knowledge structures transform into scientific creative thinking in the science education context: Behavioral and neural evidence”的研究论文。现代教学技术教育部重点实验室为通讯单位，博士研究生叶超群为第一作者，胡卫平教授为通讯作者。

该研究发现，与知识结构较差的个体相比，知识结构良好的个体在科学创造性思维任务中表现出更高的流畅性、灵活性和独创性。并且知识结构得分与科学创造性思维得分成正相关关系。在神经活动层面，脑电时频分析结果表明，知识结构显著调节了科学创造性思维的认知加工模式和神经振荡特征。知识结构良好的个体在创造过程中表现出更强的额叶、额中央、颞叶与顶叶 theta–alpha 振荡，这类神经活动主要与知识整合、认知控制和概念重组有关；而知识结构较差的个体则表现出更强的额叶、枕叶beta与 gamma 振荡活动，更多反映视觉加工与情景记忆提取的参与。

脑--行为联合分析表明，额中央区和顶叶区的theta–alpha神经振荡以及枕叶beta神经振荡，共同表征了知识结构转化为科学创造性思维的关键神经动力学机制。

综合以上发现，本研究进一步构建了机器学习分类预测模型，结果表明上述研究发现的神经振荡模式能够有效预测个体知识结构水平差异，机器学习模型的平均分类准确率达到 77.73%，平均AUC达到 0.86。

该研究的意义在于，它不仅为知识结构是科学创造性思维的重要基础的理论观点提供了实证证据，更为知识结构转化为科学创造性思维的认知神经机制提供了神经动力学证据。启示我们，科学创造力培养不能仅停留在知识传授层面，更应重视帮助学生建构清晰、连通、灵活重组的知识结构。该研究为理解科学创造力的认知神经机制提供了新的证据，也为未来基于脑科学的创造力评估、科技创新后备人才培养以及科学教育中的认知干预提供了重要启示。

论文信息：Ye, C., Qi, S., Lin, Y., Li, Y., Hu, W^*. (2026). How Knowledge Structures Transform into Scientific Creative Thinking in the Science Education Context: Behavioral and Neural Evidence. Learning and Instruction, 103, 102322. 

https://doi.org/10.1016/j.learninstruc.2026.102322.