Vers une approche holistique des processus cognitifs de conception : apport des neurosciences pour l’étude de la conception

Auteur : Julie Milovanovic
University of North Carolina at Charlotte, Charlotte, USA.

DOI : https://doi.org/10.48568/ytr5-1t25

[Résumé : Cet article propose un cadre d’approche holistique des processus de conception par la considération de la cognition, de la physiologie et de la neurocognition. Les travaux de recherche sur l’analyse des processus de conception par la cognition sont riches. L’accès facilité aux outils de mesures physiologiques et neurophysiologique apporte une nouvelle dimension à la recherche en sciences de la conception. Cet article, aborde les enjeux et potentiels de ces approches à travers un panorama large de la littérature scientifique.]

[Abstract: This article offers a framework to explore design processes through cognition, physiology and neurocognition. There is a rich ensemble of research that analyzes design processes through cognition. Access to tools measuring physiology and neurophysiology provide a new dimension to design research. This article presents the challenges and potentials of these new approaches through a broad overview of the scientific literature.]

Dans cet article, il est proposé de considérer trois caractéristiques relatives à l’activité de concepteurs placés dans une situation de conception: leurs pensées, leurs activités cérébrales et leurs réactions physiologiques. Trois questions sous-jacentes à cette considération sont les suivantes : Quels sont les processus de pensée engagés en activité de conception ? Quel est l’activité cérébrale engagée en activité de conception ? Quel est l’activité physiologique engagée en activité de conception ? Ces trois caractéristiques sont souvent considérées de manière indépendante en employant des outils de mesure s’intégrant soit dans le champs de la cognition en conception, soit dans le champs de la neuro cognition en conception ou celui de la physiologie en conception. La proposition qui suit s’attache à révéler l’intérêt de considérer ses caractéristiques au sein d’un unique modèle méthodologique pour étudier les processus cognitifs de conception.

1. Trois approches pour étudier les processus de conception : cognitif, neurocognitif et physiologique

Dans un article récent, nous avons proposé un cadre méthodologique d’analyse de l’activité de conception intégrant trois approches paradigmatiques (cognition, physiologie et neurocognition) pour mesurer et décrire les processus de conception [1]. Les propos de cette section sont tirés de cet article et font état de l’intérêt d’adopter une approche intégrée des processus cognitifs de conception.

1.1 Approche cognitive

Les travaux de recherche sur les processus de conception sont riches de plus de 60 ans de recherche [2]. À travers la notion de designerly ways of knowing, Nigel Cross (1982) exprime la spécificité de la conception comme mode de pensée, de faire et de connaître. La définition de l’activité de conception comme activité de résolution de problèmes [4], [5] concourt avec le développement du champ des « méthodes » de conception [6], [7] et de créativité en conception [8], [9]. L’émergence de travaux mettant en avant la dimension sociale [10], [11] et la situativité [12], [13] de l’activité de conception apporte une perspective complémentaire [14], [15]. Les concepteurs sont considérés comme des praticiens réflexifs [16] où, pendant une activité de conception, une idée ou un « concept » peut être fixé pour réduire l’ensemble des possibilités [17]. En résumé, une forme de consensus apparaît dans la définition de l’activité cognitive de conception comme une activité de résolution de problèmes mal définis [5], située dans un contexte social [10], [11] et située par rapport à l’expérience du concepteur [16].

Ce cadre théorique est renforcé par la définition de méthodologies de recherche s’appuyant sur les sciences cognitives, notamment l’analyse de protocoles consistant à induire des processus cognitifs en se basant sur les pensées verbalisées à voix haute par le concepteur [18], [19]. Les méthodologies de recherche issues des sciences cognitives, comme l’analyse de protocoles [18], [19], sont principalement utilisées pour étudier les processus cognitifs individuels. Ce type de méthode permet de mener des études empiriques analysant les processus de conception [20]–[25].

Au début des années 90, ces méthodes ont également été adoptées pour analyser les processus de co-conception [26]–[32]. Dans ces situations, l’activité de conception du groupe est analysée sous plusieurs angles : par la présence de signes implicites de collaboration à travers des actions telles que la négociation, la clarification et l’assistance à la planification ; ou par la formulation explicite de processus de conception comme la génération d’une proposition, l’analyse d’une solution ou son évaluation.

Le pan cognitif de l’analyse des processus de conception est le plus développé [2]. L’approche cognitive de l’analyse des processus de conception vise à mesurer, entre autres, le raisonnement (design thinking) [33] ; les processus de pensée divergente et convergente [34] ; la notion de fixation dans l’activité de conception [35], [36] ; la créativité en conception [37], [38] ; la coévolution de l’espace de conception [39] et la conception collaborative [28], [32], [40]. Plusieurs méthodes peuvent être exploitées pour étudier les processus cognitifs de conception tels que la méthode de réflexion à haute voix avec l’analyse de protocoles, l’observation des dessins ou croquis des concepteurs, l’ethnographie, auxquels on peut ajouter l’utilisation d’entretiens rétrospectifs et d’enquêtes [18], [19], [41]–[44].

1.2 Approche neurocognitive

La richesse des travaux en sciences cognitives de la conception nous permet d’avoir une pléthore de cadres théoriques, méthodologiques et empiriques caractérisant l’activité de conception. La frontière entre science de la conception et neuroscience est poreuse, et cette interface émerge comme porteuse dynamique d’initiatives comme le démontre la création de l’Academy of Neuroscience for Architecture (ANFA)1 en 2002. Si l’ANFA se focalise principalement sur l’avancement des connaissances en ce qui concerne l’impact de l’environnement bâti sur les usagers, d’autres organismes de recherche placent leurs efforts sur l’exploitation de données neurophysiologiques comme support de l’activité de conception au sens large. Un exemple est le développement du programme Neurodesign Science par le Hasso Plattner Institut et l’université de Stanford2 en 2018.

Les travaux précurseurs d’Alexiou et ses collaborateurs, parus dans Design Studies en 2009, ont lancé un engouement de la communauté de recherche en science de la conception pour explorer les spécificités de la neurocognition des processus de conception [46]–[51]. Les outils de mesures de l’activité neuronale issus des neurosciences, comme l’électroencéphalogramme, apportent une nouvelle approche pour enrichir nos connaissances sur les processus cognitifs de conception. L’analyse de la mesure neurophysiologique de concepteurs vise à informer sur des aspects des processus cognitifs de conception non accessibles par l’utilisation de méthodes de mesures issues des sciences cognitives. L’utilisation des outils des neurosciences pour la recherche en science de la conception nous permet de réviser les cadres théoriques établis précédemment [2], [23], [24], et de réfléchir à l’extension et le renouveau des modèles actuels. L’enjeu est en fin de compte de tendre vers la définition d’un cadre théorique complet intégrant neurophysiologie et cognition de la conception.

L’étude de la neurocognition de l’activité de conception vise à explorer les liens entre processus cognitifs de conception et activité cérébrale. Trois familles d’outils sont communément exploitées pour mesurer l’activation de zones du cerveau lors d’une activité de conception : l’électroencéphalographie (EEG), l’imagerie par résonnance magnétique (IRM) ou l’imagerie spectroscopique proche infrarouge fonctionnelle (ISPIf) [51]. L’électroencéphalographie mesure l’activité électrique du cerveaux, synonyme d’activation. L’imagerie par résonnance magnétique (IRM) génèrent des images du cerveaux, ce qui permet de mesurer les variations d’oxygène dans le cerveaux, relatives à l’activité cérébrale. L’imagerie spectroscopique proche infrarouge fonctionnelle (ISPIf) mesure l’oxygénation du cerveau pour en déduire son activité. L’IRM est la seule méthode permettant l’analyse des couches inférieures du cortex cérébral, car l’EEG et l’ISPIf ne capturent que les variations (électriques pour l’un et d’oxygène pour l’autre) apparaissant sur les couches supérieures du cortex cérébral.

1.3 Approche physiologique

Les outils de mesures de la physiologie des concepteurs permettent de capturer leur réactivité émotionnelle dans un contexte d’activité de conception [46]. Cette caractéristique est pertinente à analyser afin d’approfondir notre compréhension de la cognition de la conception. Pour mesurer la réponse physiologique du concepteur lors d’une activité de conception, plusieurs signaux peuvent être évalués par l’oculométrie [52]–[54], la conductance cutanée [55], l’électrocardiogramme (ECG) [56], [57] et le suivi des émotions, par exemple par la reconnaissance faciale [58]–[60].

La mesure de la physiologie est particulièrement pertinente lorsque l’on considère la dimension de l’émotion lié au processus de conception et de co-conception. Les émotions sont importantes pour mieux comprendre les comportements de manière générale, et cela s’applique aux comportements des concepteurs. Par exemple, des mesures oculométriques comme les microsaccades ou la fixation permettent de déterminer des changements de charges cognitives ou d’engagement émotionnel [61].

1.4 Mesurer la conception en intégrant ses trois approches

Nous avons accès aux outils permettant de mesurer cognition, neurocognition et physiologie de la conception. Dans l’exemple ci-dessous (Figure 1), la participante est engagée dans une tache de conception sur un logiciel de modélisation 3D. Elle est équipée d’un casque de mesure EEG, d’un eye-tracker et de reconnaissance faciale pour analyser les émotions. Grace à ces outils, l’engagement émotionnel (bleu foncé sur la Figure 1) et la charge cognitive (bleu cyan et orange sur la Figure 1) sont mesurés. L’analyse de ces données en parallèle de celle de l’activité de conception offre une nouvelle perspective pour mieux comprendre ce qu’il se passe lorsqu’un concepteur s’engage dans un processus de conception.

Figure 1. Exemple de mesures neurophysiologiques lors du session de conception (image : J. Milovanovic)

2. Intérêts et enjeux

La combinaison de ces trois approches paradigmatiques soutient le développement de nouveaux modèles pour décrire les processus de conception à travers l’intégration de la cognition, de la physiologie et de la neurocognition. Pour cela, nous devons construire des passerelles entre le champ des sciences de la conception et les neurosciences cognitives. Il existe un ensemble de thématiques de recherche en neurocognition de l’activité de conception commun à ces deux champs de recherche : l’idéation, la créativité [62], l’évaluation d’artefact conçu, la résolution de problèmes, les états psychophysiologiques du concepteur à différentes étapes du processus de conception ou encore les interactions sociales lors de session de conception collaborative. L’intégration de multiples champs disciplinaires est nécessaire pour enrichir nos connaissances dans ce domaine interdisciplinaire. De plus, les retombées des travaux dans cette lignée seront pertinentes pour l’ensemble de la communauté de recherche en science de la conception : concepteurs, chercheurs et enseignants.

2.1. Intérêts et enjeux pour les concepteurs

Les études sur les processus de conception apportent une compréhension plus riche de la cognition de la conception, ce qui sert de base au développement d’outils d’aide à la conception. En mesurant la neurophysiologie des concepteurs lors d’une tâche de conception, des informations peuvent leur être transmises en temps réel pour les accompagner dans leur tâche. Nous pouvons établir un parallèle entre le biofeedback pour mesurer les performances sportives et le biofeedback pour mesurer les performances d’un concepteur. Par exemple, un bracelet connecté mesurant le rythme cardiaque peut adapter une séance d’endurance d’un athlète en fonction de sa variation cardiaque, de manière à augmenter sa performance. Un bandeau intégrant des capteurs EEG3 permet d’accompagner une séance de méditation avec un feedback audio pour favoriser la concentration. De même, un neuro-feedback peut améliorer à la créativité lors de sessions d’idéation [63], [64]. Un neuro-feedback pourrait également fournir de manière adéquate des stimuli pour aider les concepteurs à générer des idées [65].

Une correspondance entre modèles cognitifs et modèles neurocognitifs de l’activité de conception peut également servir de point de départ pour développer des interfaces cerveau-ordinateur (BCI) pour les outils et logiciels d’aide à la conception [66]. Ce n’est pas la seule perspective qui s’ouvre à nous. Les outils de conceptions existants, comme ceux utilisant des agents co-créatifs pour accompagner le concepteur [67], peuvent être améliorés en fonction des réactions neurophysiologiques des concepteurs.

2.2. Intérêt et enjeux pour les chercheurs en science de la conception

Les méthodes d’analyse pour étudier les processus cognitifs de conception sont souvent basées sur l’analyse de protocoles [18, 19, 68, 69]. Ces méthodes sont chronophages, ce qui impacte la faisabilité d’études à grande échelle. Le développement des connaissances sur la neurophysiologie des processus de conception ouvre la porte à des nouveaux outils et cadres méthodologiques hybrides, qui bien qu’intrusifs, nous permettraient d’élargir le nombre de participants aux études sur les processus cognitifs de conception. L’utilisation de données neurocognitives pour étudier l’activité de conception peut être un moyen plus efficace d’analyser les situations de conception. Comme l’expliquent Nguyen et ses collègues, la segmentation de protocoles basée sur les données EEG des concepteurs par les microstates (motifs répétitifs et transitoires basé sur les signaux EEG) est pertinente pour identifier différentes actions de conception au fil du temps [70], [71].

L’exploration des corrélations entre processus cognitifs et mesures neurophysiologiques liées à ces processus a le potentiel de produire des connaissances objectives définissant ces processus cognitifs [72]. Les modèles actuels décrivant les processus de conception prennent racine dans les sciences cognitives. Un riche ensemble de processus cognitifs est identifié comme caractéristique de l’activité de conception, comme la définition des problèmes de conception, la structuration des problèmes de conception, la génération de concepts, le raisonnement visuel pour n’en nommer que quelques-uns. En facilitant l’intégration du champ des sciences de la conception et des neurosciences [73], nous pouvons ré-explorer les fondements de ces modèles. Par exemple, au niveau neurocognitif, l’activité de conception engage-t-elle des régions du cerveau différentes que lors d’une activité de résolution de problèmes bien définis ?

2.3. Intérêt et enjeux pour les enseignants en conception

La recherche en science de la conception alimente les stratégies pédagogiques du studio de projet (pierre angulaire de la formation en design où les étudiants développent un projet sur plusieurs semaines), environnent clé dans l’apprentissage de la conception [74], [75]. L’intégration de méthodes de conception, adaptées au niveau d’expertise des étudiants permet de démystifier le processus de conception [76–78]. L’enseignement de la conception représente un défi particulier en raison de la nature de l’activité de conception, mêlant connaissances tacites et explicites. Dans un contexte éducatif, la mesure des réactions neurophysiologiques des étudiants et des enseignants lors des studios de projet permet d’analyser les effets des stratégies pédagogiques utilisées [55]. De telles études fournissent une nouvelle perspective sur différentes stratégies pédagogiques pour enseigner la conception en studio de projet.

3. Conclusion

Les intérêts et les enjeux d’adopter une approche intégrée pour explorer l’activité de conception ont été clarifiés dans cet article et sont résumés dans le schéma ci-dessous (Figure 2). Le développement de ce champ de recherche nous permettra d’affiner notre compréhension des processus spécifiques à l’activité de conception. Cette proposition est un point de départ pour étendre nos connaissances sur la conception se basant les processus de pensée ainsi que les réactions neurophysiologiques sous-jacentes a ces processus cognitifs.

Figure 2. Schéma représentant une approche méthodologique d’études du design intégrant cognition, neurocognition et physiologie du concepteur (image : J. Milovanovic [1]).

 


Bibliographie

[1]        J. S. Gero and J. Milovanovic, “A framework for studying design thinking through measuring designers’ minds, bodies and brains,” Des. Sci., vol. 6, no. e19, 2020, doi: 10.1017/dsj.2020.15.

[2]        N. Cross, “Forty years of design research,” Design Studies, vol. 28, no. 1, pp. 1–4, Jan. 2007, doi: 10.1016/j.destud.2006.11.004.

[3]        N. Cross, “Designerly ways of knowing,” Design Studies, vol. 3, no. 4, pp. 221–227, 1982, doi: 10.1016/0142-694X(82)90040-0.

[4]        A. H. Simon, The sciences of the artificial. Dunod, 1969.

[5]        H. A. Simon, “The structure of ill structured problems,” Artificial Intelligence, vol. 4, no. 3–4, pp. 181–201, 1973.

[6]        C. Alexander, Notes on the Synthesis of Form. Harvard University Press, 1964.

[7]        M. Asimow, Introduction to design. Englewood Cliffs, N.J., Prentice-Hall, 1962.

[8]        G. Altshuller, 40 Principles: TRIZ Keys to Technical Innovation, Technical Innovation Center, INC. 1997.

[9]        A. F. Osborn, Applied Imagination: Principles and Procedures of Creative Problem-Solving 3rd Edition, 3rd Rev edition. Buffalo, NY: Creative Education Foundation, 1993.

[10]      L. L. Bucciarelli, “An ethnographic perspective on engineering design,” Design studies, vol. 9, no. 3, pp. 159–168, 1988.

[11]      M. Callon, “Le travail de conception en architecture.,” Les Cahiers de la Recherche Architecturale, no. 37, pp. 25–35, 1996.

[12]      J. S. Gero and U. Kannengiesser, “The situated function–behaviour–structure framework,” Design Studies, vol. 25, no. 4, pp. 373–391, Jul. 2004, doi: 10.1016/j.destud.2003.10.010.

[13]      D. Schön, “Designing as reflective conversation with the materials of a design situation,” Research in Engineering Design, vol. 3, no. 3, pp. 131–147, 1992, doi: 10.1007/BF01580516.

[14]      W. Visser, The cognitive artifacts of designing, Lawrence Erlbaum Associates. 2006.

[15]      W. Visser, “Design: one, but in different forms,” Design Studies, vol. 30, no. 3, pp. 187–223, May 2009, doi: 10.1016/j.destud.2008.11.004.

[16]      D. Schön, The reflective practitioner: How professionals think in action. London: Temple Smith, 1983.

[17]      J. Darke, “The primary generator and the design process,” Design studies, vol. 1, no. 1, pp. 36–44, 1979, doi: 10.1016/0142-694X(79)90027-9.

[18]      K. A. Ericsson and A. H. Simon, Protocol Analysis: Verbal reports as data. MIT Press, 1984.

[19]      M. W. Van Someren, Y. F. Barnard, and J. A. C. Sandberg, The think aloud method: A practical guide to modelling cognitive processes. London: Academic Press, 1994.

[20]      Ö. Akin and C. Lin, “Design protocol data and novel design decisions,” Design Studies, vol. 16, no. 2, pp. 211–236, 1995.

[21]      C. Eastman, “Cognitive processes and ill-defined problems: a case study from design,” presented at the Proceedings of the 1st international joint conference on Artificial intelligence, Washington, DC, 1969, pp. 669–690.

[22]      V. Goel and P. Pirolli, “The Structure of Design Problem Spaces,” Cognitive Science, vol. 16, pp. 395–429, 1992.

[23]      L. Hay, A. H. B. Duffy, C. McTeague, L. M. Pidgeon, T. Vuletic, and M. Grealy, “A systematic review of protocol studies on conceptual design cognition: Design as search and exploration,” Design Science, vol. 3, 2017, doi: 10.1017/dsj.2017.11.

[24]      L. Hay, A. H. B. Duffy, C. McTeague, L. M. Pidgeon, T. Vuletic, and M. Grealy, “Towards a shared ontology: A generic classification of cognitive processes in conceptual design,” Design Science, vol. 3, 2017, doi: 10.1017/dsj.2017.6.

[25]      J.-C. Lebahar, Le dessin d’architecte. Simulation graphique et réduction d’incertitude, Parenthèses. Roquevaire, France, 1983.

[26]      X. Calixte and P. Leclercq, “Nouvelles pratiques communicationnelles en co-conception synchrone.,” IARIA journals, p. 13, 2018.

[27]      F. Darses, F. Détienne, P. Falzon, and W. Visser, “COMET. A method for analysing collective design processes,” INRIA, RR-4258, 2001.

[28]      T. Dorta, A. Lesage, E. Pérez, and J. C. Bastien, “Signs of collaborative ideation and the hybrid ideation space,” in Design Creativity, T. Taura and Y. Nagai, Eds. London: Springer, 2011, pp. 199–206. Accessed: Sep. 22, 2017. [Online]. Available: https://link.springer.com/chapter/10.1007/978-0-85729-224-7_26

[29]      J. S. Gero and J. Milovanovic, “The situated function-behavior-structure co-design model,” CoDesign, 2019, doi: 10.1080/15710882.2019.1654524.

[30]      J. Stempfle and P. Badke-Schaub, “Thinking in design teams – an analysis of team communication,” Design Studies, vol. 23, no. 5, pp. 473–496, Sep. 2002, doi: 10.1016/S0142-694X(02)00004-2.

[31]      R. Valkenburg and K. Dorst, “The reflective practice of design teams,” Design studies, vol. 19, no. 3, pp. 249–271, 1998.

[32]      S. Wiltschnig, B. T. Christensen, and L. J. Ball, “Collaborative problem–solution co-evolution in creative design,” Design Studies, vol. 34, no. 5, pp. 515–542, Sep. 2013, doi: 10.1016/j.destud.2013.01.002.

[33]      B. Lawson, How designers think: the design process demystified, 4. ed. Amsterdam: Elsevier/Architectural Press, 2006.

[34]      G. Goldschmidt, “Linkographic evidence for concurrent divergent and convergent thinking in creative design,” Creativity Research Journal, vol. 28, no. 2, pp. 115–122, Apr. 2016, doi: 10.1080/10400419.2016.1162497.

[35]      J. S. Gero, “Fixation and commitment while designing and its measurement,” The Journal of Creative Behavior, vol. 45, no. 2, pp. 108–115, 2011.

[36]      A. T. Purcell, P. Williams, J. S. Gero, and B. Colbron, “Fixation effects: do they exist in design problem solving?,” Environ. Plann. B, vol. 20, no. 3, pp. 333–345, 1993, doi: 10.1068/b200333.

[37]      K. Dorst and N. Cross, “Creativity in the design process: co-evolution of problem–solution,” Design Studies, vol. 22, no. 5, pp. 425–437, 2001, doi: 10.1016/S0142-694X(01)00009-6.

[38]      M. Csikszentmihalyi, Creativity: flow and the Psychology of Discovery and Invention, Harper Perennial. New York, 1996.

[39]      M. L. Maher and J. Poon, “Modeling design exploration as co-evolution,” Computer-Aided Civil and Infrastructure Engineering, vol. 11, no. 3, pp. 195–209, 1996, doi: 10.1111/j.1467-8667.1996.tb00323.x.

[40]      F. Détienne, “Collaborative design: Managing task interdependencies and multiple perspectives,” Interacting with Computers, vol. 18, no. 1, pp. 1–20, Jan. 2006, doi: 10.1016/j.intcom.2005.05.001.

[41]      J. Blizzard, L. Klotz, G. Potvin, Z. Hazari, J. Cribbs, and A. Godwin, “Using survey questions to identify and learn more about those who exhibit design thinking traits,” Design Studies, vol. 38, pp. 92–110, May 2015, doi: 10.1016/j.destud.2015.02.002.

[42]      E. Coleman Todoroff, T. Shealy, J. Milovanovic, A. Godwin, and F. Paige, “Comparing Design Thinking Traits between National Samples of Civil Engineering and Architecture Students,” J. Civ. Eng. Educ., vol. 147, no. 2, p. 04020018, Apr. 2021, doi: 10.1061/(ASCE)EI.2643-9115.0000037.

[43]      F. Coley, O. Houseman, and R. Roy, “An introduction to capturing and understanding the cognitive behaviour of design engineers,” Journal of Engineering Design, vol. 18, no. 4, pp. 311–325, Aug. 2007, doi: 10.1080/09544820600963412.

[44]      T. Dorta, Beaudry-Marchand, Emmanuel, and D. Pierini, “Externalizing Co-Design Cognition through Immersive Retrospection,” in Design Computing and Cognition DCC’18, Springer., J. S. Gero, Ed. 2018, pp. 101–119.

[45]      K. Alexiou, T. Zamenopoulos, J. H. Johnson, and S. J. Gilbert, “Exploring the neurological basis of design cognition using brain imaging: some preliminary results,” Design Studies, vol. 30, no. 6, pp. 623–647, Nov. 2009, doi: 10.1016/j.destud.2009.05.002.

[46]      S. Balters and M. Steinert, “Capturing emotion reactivity through physiology measurement as a foundation for affective engineering in engineering design science and engineering practices,” J Intell Manuf, vol. 28, no. 7, pp. 1585–1607, Oct. 2017, doi: 10.1007/s10845-015-1145-2.

[47]      Y. Borgianni and L. Maccioni, “Review of the use of neurophysiological and biometric measures in experimental design research,” AIEDAM, pp. 1–38, Feb. 2020, doi: 10.1017/S0890060420000062.

[48]      E. G. Chrysikou and J. S. Gero, “Using neuroscience techniques to understand and improve design cognition,” AIMS Neuroscience, vol. 7, no. 3, pp. 319–326, 2020, doi: 10.3934/Neuroscience.2020018.

[49]      L. Lazar, “The Cognitive Neuroscience of Design Creativity,” J Exp Neurosci, vol. 12, p. 117906951880966, Jan. 2018, doi: 10.1177/1179069518809664.

[50]      L. M. Pidgeon et al., “Functional neuroimaging of visual creativity: a systematic review and meta-analysis,” Brain and Behavior, vol. 6, no. 10, p. e00540, Oct. 2016, doi: 10.1002/brb3.540.

[51]      P. Seitamaa-Hakkarainen, M. Huotilainen, M. Mäkelä, C. Groth, and K. Hakkarainen, “How can neuroscience help understand design and craft activity? The promise of cognitive neuroscience in design studies,” FORMakademisk, vol. 9, no. 1, Jun. 2016, doi: 10.7577/formakademisk.1478.

[52]      A. Laspia, F. Montagna, and P. Törlind, “Contrasting Divergent and Convergent Thinking by Electroencephalography and Eye Tracking,” in Research into Design for a Connected World, vol. 1, A. Chakrabarti, Ed. Singapore: Springer Singapore, 2019, pp. 179–188. doi: 10.1007/978-981-13-5974-3_16.

[53]      L. Sun, T. Fukuda, and B. Resch, “A synchronous distributed cloud-based virtual reality meeting system for architectural and urban design,” Frontiers of Architectural Research, vol. 3, no. 4, pp. 348–357, Dec. 2014, doi: 10.1016/j.foar.2014.05.001.

[54]      R. Yu and J. S. Gero, “Using eye-tracking to study designers’ cognitive behaviour when designing with CAAD,” in Engaging architectural Science: Meeting the Challenges of Higher Density, Melbourne, Australia, 2018.

[55]      I. Villanueva, B. D. Campbell, A. C. Raikes, S. H. Jones, and L. G. Putney, “A Multimodal Exploration of Engineering Students’ Emotions and Electrodermal Activity in Design Activities: A Multimodal Exploration of Engineering Students’ Emotions,” J. Eng. Educ., vol. 107, no. 3, pp. 414–441, Jul. 2018, doi: 10.1002/jee.20225.

[56]      M. Leinikka, M. Huotilainen, P. Seitamaa-Hakkarainen, and M. Mäkelä, “Physiological measurements of drawing and forming activities,” in Design Research Society Conference, Brighton, UK, 2016.

[57]      T. A. Nguyen and Y. Zeng, “A physiological study of relationship between designer’s mental effort and mental stress during conceptual design,” Computer-Aided Design, vol. 54, pp. 3–18, Sep. 2014, doi: 10.1016/j.cad.2013.10.002.

[58]      I. Behoora and C. S. Tucker, “Machine learning classification of design team members’ body language patterns for real time emotional state detection,” Design Studies, vol. 39, pp. 100–127, Jul. 2015, doi: 10.1016/j.destud.2015.04.003.

[59]      K. Ochsner and J. Gross, “The cognitive control of emotion,” Trends in Cognitive Sciences, vol. 9, no. 5, pp. 242–249, May 2005, doi: 10.1016/j.tics.2005.03.010.

[60]      S. Stöckli, M. Schulte-Mecklenbeck, S. Borer, and A. C. Samson, “Facial expression analysis with AFFDEX and FACET: A validation study,” Behav Res, vol. 50, no. 4, pp. 1446–1460, Aug. 2018, doi: 10.3758/s13428-017-0996-1.

[61]      V. Skaramagkas et al., “Review of eye tracking metrics involved in emotional and cognitive processes,” IEEE Rev. Biomed. Eng., pp. 1–1, 2021, doi: 10.1109/RBME.2021.3066072.

[62]      W. Zhang, Z. Sjoerds, and B. Hommel, “Metacontrol of human creativity: The neurocognitive mechanisms of convergent and divergent thinking,” NeuroImage, vol. 210, p. 116572, Apr. 2020, doi: 10.1016/j.neuroimage.2020.116572.

[63]      M. Hu, T. Shealy, J. Milovanovic, and J. S. Gero, “Neuro-cognitive feedback: A prospective approach to sustain idea generation during design brainstorming,” In review.

[64]      T. Shealy, J. Gero, J. Milovanovic, and M. Hu, “Sustaining creativity with neuro-cognitive feedback: a preliminary study,” presented at the The Sixth International Conference on Design Creativity (ICDC2020), Virtual Conference, 2020, p. 8.

[65]      K. Goucher-Lambert, J. Moss, and J. Cagan, “A neuroimaging investigation of design ideation with and without inspirational stimuli—understanding the meaning of near and far stimuli,” Design Studies, vol. 60, pp. 1–38, Jan. 2019, doi: 10.1016/j.destud.2018.07.001.

[66]      E. T. Esfahani and V. Sundararajan, “Classification of primitive shapes using brain–computer interfaces,” Computer-Aided Design, vol. 44, no. 10, pp. 1011–1019, Oct. 2012, doi: 10.1016/j.cad.2011.04.008.

[67]      N. Davis, Y. Popova, I. Sysoev, C.-P. Hsiao, D. Zhang, and B. Magerko, “Building Artistic Computer Colleagues with an Enactive Model of Creativity,” presented at the The International Association for Computational Creativity, 2014, pp. 38–45.

[68]      J. S. Gero and T. Mc Neill, “An approach to the analysis of design protocols,” Design Studies, vol. 19, no. 1, pp. 21–61, 1998, doi: https://doi.org/10.1016/S0142-694X(97)00015-X.

[69]      H. Jiang and C.-C. Yen, “Protocol Analysis in Design Research: a Review,” in Design, rigor & Relevance, Seoul, Korea, 2009, pp. 147–156.

[70]      P. Nguyen, T. A. Nguyen, and Y. Zeng, “Physiologically based segmentation of design protocol,” presented at the Proceedings of the 20th International Conference on Engineering Design (ICED15), Milan, Italy, 2015.

[71]      P. Nguyen, T. A. Nguyen, and Y. Zeng, “Segmentation of design protocol using EEG,” AIEDAM, vol. 33, no. 1, pp. 11–23, Feb. 2019, doi: 10.1017/S0890060417000622.

[72]      J. Cacioppo, L. Tassinary, and G. Berntson, Eds., Handbook of Psychophysiology, Third Edition. Cambridge: Cambridge University Press, 2012.

[73]      S. Balters, N. Mayseless, J. Auernhammer, M. Steinert, L. Leifer, and A. L. Reiss, “Neuro science and Design science: A review of the emergent field of NeuroDesign / Design Neurocognition,” Design Science, to come.

[74]      R. Parnell, R. Sara, C. Doidge, and M. L. Parsons, The crit: an architecture student’s handbook, 2nd ed. Amsterdam ; Boston: Elsevier : Architectural Press, 2007.

[75]      D. A. Schön, The Design Studio. London: RIBA, 1985.

[76]      T. Curry, “A theoretical basis for recommending the use of design methodologies as teaching strategies in the design studio,” Design Studies, vol. 35, no. 6, pp. 632–646, Nov. 2014, doi: 10.1016/j.destud.2014.04.003.

[77]      J.-C. Lebahar, “Approche didactique de l’enseignement du projet en architecture: étude comparative de deux cas,” 2001, Accessed: Feb. 03, 2016. [Online]. Available: http://documents.irevues.inist.fr/handle/2042/23908

[78]      B. Sidawi, “The role of healthy social interaction and communications in provoking creativity in the design studio,” Higher Education Pedagogies, vol. 1, no. 1, pp. 64–81, Jan. 2016, doi: 10.1080/23752696.2015.1134205.

  1. http://www.anfarch.org/
  2. https://hpi.de/neurodesign/home.html 
  3. Exemple du bandeau Muse https://choosemuse.com/fr/
About author
Submit your comment

Please enter your name

Your name is required

Please enter a valid email address

An email address is required

Please enter your message

Licence Creative Commons
Cette œuvre est mise à disposition selon les termes de la Licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Partage à l'Identique 2.0 France.
Designed by WPSHOWER
Powered by WordPress
ISSN : 2647-8447