Mathematical Psychology

This project investigates mathematical psychology's historical and philosophical foundations to clarify its distinguishing characteristics and relationships to adjacent fields. Through gathering primary sources, histories, and interviews with researchers, author Prof. Colin Allen - University of Pittsburgh [1, 2, 3] and his students Osman Attah, Brendan Fleig-Goldstein, Mara McGuire, and Dzintra Ullis have identified three central questions:

What makes the use of mathematics in mathematical psychology reasonably effective, in contrast to other sciences like physics-inspired mathematical biology or symbolic cognitive science?
How does the mathematical approach in mathematical psychology differ from other branches of psychology, like psychophysics and psychometrics?
What is the appropriate relationship of mathematical psychology to cognitive science, given diverging perspectives on aligning with this field?

Preliminary findings emphasize data-driven modeling, skepticism of cognitive science alignments, and early reliance on computation. They will further probe the interplay with cognitive neuroscience and contrast rational-analysis approaches. By elucidating the motivating perspectives and objectives of different eras in mathematical psychology's development, they aim to understand its past and inform constructive dialogue on its philosophical foundations and future directions. This project intends to provide a conceptual roadmap for the field through integrated history and philosophy of science.

The Project: Integrating History and Philosophy of Mathematical Psychology

This project aims to integrate historical and philosophical perspectives to elucidate the foundations of mathematical psychology. As Norwood Hanson stated, history without philosophy is blind, while philosophy without history is empty. The goal is to find a middle ground between the contextual focus of history and the conceptual focus of philosophy.

The team acknowledges that all historical accounts are imperfect, but some can provide valuable insights. The history of mathematical psychology is difficult to tell without centering on the influential Stanford group. Tracing academic lineages and key events includes part of the picture, but more context is needed to fully understand the field's development.

The project draws on diverse sources, including research interviews, retrospective articles, formal histories, and online materials. More interviews and research will further flesh out the historical and philosophical foundations. While incomplete, the current analysis aims to identify important themes, contrasts, and questions that shaped mathematical psychology's evolution. Ultimately, the goal is an integrated historical and conceptual roadmap to inform contemporary perspectives on the field's identity and future directions.

The Rise of Mathematical Psychology

The history of efforts to mathematize psychology traces back to the quantitative imperative stemming from the Galilean scientific revolution. This imprinted the notion that proper science requires mathematics, leading to "physics envy" in other disciplines like psychology.

Many early psychologists argued psychology needed to become mathematical to be scientific. However, mathematizing psychology faced complications absent in the physical sciences. Objects in psychology were not readily present as quantifiable, provoking heated debates on whether psychometric and psychophysical measurements were meaningful.

Nonetheless, the desire to develop mathematical psychology persisted. Different approaches grappled with determining the appropriate role of mathematics in relation to psychological experiments and data. For example, Herbart favored starting with mathematics to ensure accuracy, while Fechner insisted experiments must come first to ground mathematics.

Tensions remain between data-driven versus theory-driven mathematization of psychology. Contemporary perspectives range from psychometric and psychophysical stances that foreground data to measurement-theoretical and computational approaches that emphasize formal models.

Elucidating how psychologists negotiated to apply mathematical methods to an apparently resistant subject matter helps reveal the evolving role and place of mathematics in psychology. This historical interplay shaped the emergence of mathematical psychology as a field.

The Distinctive Mathematical Approach of Mathematical Psychology

What sets mathematical psychology apart from other branches of psychology in its use of mathematics?

Several key aspects stand out:

Advocating quantitative methods broadly. Mathematical psychology emerged partly to push psychology to embrace quantitative modeling and mathematics beyond basic statistics.
Drawing from diverse mathematical tools. With greater training in mathematics, mathematical psychologists utilize more advanced and varied mathematical techniques like topology and differential geometry.
Linking models and experiments. Mathematical psychologists emphasize tightly connecting experimental design and statistical analysis, with experiments created to test specific models.
Favoring theoretical models. Mathematical psychology incorporates "pure" mathematical results and prefers analytic, hand-fitted models over data-driven computer models.
Seeking general, cumulative theory. Unlike just describing data, mathematical psychology aspires to abstract, general theory supported across experiments, cumulative progress in models, and mathematical insight into psychological mechanisms.

So while not unique to mathematical psychology, these key elements help characterize how its use of mathematics diverges from adjacent fields like psychophysics and psychometrics. Mathematical psychology carved out an identity embracing quantitative methods but also theoretical depth and broad generalization.

Situating Mathematical Psychology Relative to Cognitive Science

What is the appropriate perspective on mathematical psychology's relationship to cognitive psychology and cognitive science? While connected historically and conceptually, essential distinctions exist.

Mathematical psychology draws from diverse disciplines that are also influential in cognitive science, like computer science, psychology, linguistics, and neuroscience. However, mathematical psychology appears more skeptical of alignments with cognitive science.

For example, cognitive science prominently adopted the computer as a model of the human mind, while mathematical psychology focused more narrowly on computers as modeling tools.

Additionally, mathematical psychology seems to take a more critical stance towards purely simulation-based modeling in cognitive science, instead emphasizing iterative modeling tightly linked to experimentation.

Overall, mathematical psychology exhibits significant overlap with cognitive science but strongly asserts its distinct mathematical orientation and modeling perspectives. Elucidating this complex relationship remains an ongoing project, but preliminary analysis suggests mathematical psychology intentionally diverged from cognitive science in its formative development.

This establishes mathematical psychology's separate identity while retaining connections to adjacent disciplines at the intersection of mathematics, psychology, and computation.

Looking Ahead: Open Questions and Future Research

This historical and conceptual analysis of mathematical psychology's foundations has illuminated key themes, contrasts, and questions that shaped the field's development. Further research can build on these preliminary findings.

Additional work is needed to flesh out the fuller intellectual, social, and political context driving the evolution of mathematical psychology. Examining the influences and reactions of key figures will provide a richer picture.

Ongoing investigation can probe whether the identified tensions and contrasts represent historical artifacts or still animate contemporary debates. Do mathematical psychologists today grapple with similar questions on the role of mathematics and modeling?

Further analysis should also elucidate the nature of the purported bidirectional relationship between modeling and experimentation in mathematical psychology. As well, clarifying the diversity of perspectives on goals like generality, abstraction, and cumulative theory-building would be valuable.

Finally, this research aims to spur discussion on philosophical issues such as realism, pluralism, and progress in mathematical psychology models. Is the accuracy and truth value of models an important consideration or mainly beside the point? And where is the field headed - towards greater verisimilitude or an indefinite balancing of complexity and abstraction?

By spurring reflection on this conceptual foundation, this historical and integrative analysis hopes to provide a roadmap to inform constructive dialogue on mathematical psychology's identity and future trajectory.

The SDTEST^®

The SDTEST^® is a simple and fun tool to uncover our unique motivational values that use mathematical psychology of varying complexity.

The SDTEST^® helps us better understand ourselves and others on this lifelong path of self-discovery.

Here are reports of polls which SDTEST^® makes:

1) Акции на компании во врска со персоналот во минатиот месец (да / не)

2) Акции на компании во однос на персоналот во последниот месец (факт во%)

3) Стравувања

4) Најголеми проблеми со кои се соочува мојата земја

5) Кои квалитети и способности ги користат добрите лидери при градење успешни тимови?

6) Google. Фактори кои влијаат на ефикасноста на тимот

7) Главните приоритети на барателите на работа

8) Што го прави шефот одличен водач?

9) Што ги прави луѓето успешни на работа?

10) Дали сте подготвени да добиете помалку плата за далечински од далечина?

11) Дали постои агизам?

12) Агизам во кариерата

13) Агизам во животот

14) Причини за агизам

15) Причини зошто луѓето се откажуваат (од Ана Витал)

16) Доверба (#WVS)

17) Анкета за среќа во Оксфорд

18) Психолошка благосостојба

19) Каде би била вашата следна највозбудлива можност?

20) Што ќе направите оваа недела за да се грижите за вашето ментално здравје?

21) Liveивеам размислувајќи за моето минато, сегашност или иднина

22) Меритократија

23) Вештачка интелигенција и крај на цивилизацијата

24) Зошто луѓето се одложуваат?

25) Родова разлика во градењето на самодоверба (IFD Allensbach)

26) Xing.com Проценка на културата

27) „Петте дисфункции на тимот“ на Патрик Ленциони

28) Емпатијата е ...

29) Што е неопходно за специјалистите за ИТ при изборот на понуда за работа?

30) Зошто луѓето се спротивставуваат на промените (од Сиобан Мекхајл)

31) Како ги регулирате вашите емоции? (од Навал Мустафа М.А.)

32) 21 вештини што ви плаќаат засекогаш (од Еремија Тео / 赵汉昇)

33) Вистинската слобода е ...

34) 12 начини да се изгради доверба со другите (од Justinастин Рајт)

35) Карактеристики на талентиран вработен (од Институт за управување со таленти)

36) 10 клучеви за мотивирање на вашиот тим

37) Алгебра на совеста (од Владимир Лефевр)

38) Три различни можности на иднината (од д-р Клер В. Грејвс)

Below you can read an abridged version of the results of our VUCA poll “Fears“. The full version of the results is available for free in the FAQ section after login or registration.

Стравувања

графикони Корелација

VUCA

Критична вредност на коефициентот на корелација

Нормална дистрибуција, од Вилијам Сеали Госет (студент) r = 0.0331

Не нормална дистрибуција, од Спирман r = 0.0013

Покажете само резултати > r = 0.0331

Дистрибуција	Не нормално	Не нормално	Не нормално	Нормално	Нормално	Нормално	Нормално	Нормално
Сите прашања Сите прашања Мојот најголем страв е
Мојот најголем страв е
Answer 1	-	Слаба позитивен 0.0563	Слаба позитивен 0.0317	Слаба негативни -0.0161	Слаба позитивен 0.0907	Слаба позитивен 0.0298	Слаба негативни -0.0126	Слаба негативни -0.1537
Answer 2	-	Слаба позитивен 0.0216	Слаба позитивен 0.0002	Слаба негативни -0.0458	Слаба позитивен 0.0654	Слаба позитивен 0.0445	Слаба позитивен 0.0124	Слаба негативни -0.0937
Answer 3	-	Слаба негативни -0.0035	Слаба негативни -0.0111	Слаба негативни -0.0421	Слаба негативни -0.0456	Слаба позитивен 0.0466	Слаба позитивен 0.0786	Слаба негативни -0.0201
Answer 4	-	Слаба позитивен 0.0435	Слаба позитивен 0.0353	Слаба негативни -0.0181	Слаба позитивен 0.0145	Слаба позитивен 0.0301	Слаба позитивен 0.0197	Слаба негативни -0.0979
Answer 5	-	Слаба позитивен 0.0299	Слаба позитивен 0.1279	Слаба позитивен 0.0136	Слаба позитивен 0.0730	Слаба негативни -0.0007	Слаба негативни -0.0207	Слаба негативни -0.1746
Answer 6	-	Слаба негативни -0.0004	Слаба позитивен 0.0082	Слаба негативни -0.0629	Слаба негативни -0.0078	Слаба позитивен 0.0193	Слаба позитивен 0.0830	Слаба негативни -0.0318
Answer 7	-	Слаба позитивен 0.0122	Слаба позитивен 0.0381	Слаба негативни -0.0686	Слаба негативни -0.0242	Слаба позитивен 0.0471	Слаба позитивен 0.0636	Слаба негативни -0.0513
Answer 8	-	Слаба позитивен 0.0698	Слаба позитивен 0.0849	Слаба негативни -0.0321	Слаба позитивен 0.0146	Слаба позитивен 0.0345	Слаба позитивен 0.0130	Слаба негативни -0.1368
Answer 9	-	Слаба позитивен 0.0665	Слаба позитивен 0.1674	Слаба позитивен 0.0092	Слаба позитивен 0.0691	Слаба негативни -0.0128	Слаба негативни -0.0528	Слаба негативни -0.1812
Answer 10	-	Слаба позитивен 0.0778	Слаба позитивен 0.0755	Слаба негативни -0.0180	Слаба позитивен 0.0231	Слаба позитивен 0.0346	Слаба негативни -0.0146	Слаба негативни -0.1298
Answer 11	-	Слаба позитивен 0.0584	Слаба позитивен 0.0524	Слаба негативни -0.0096	Слаба позитивен 0.0081	Слаба позитивен 0.0199	Слаба позитивен 0.0318	Слаба негативни -0.1197
Answer 12	-	Слаба позитивен 0.0380	Слаба позитивен 0.1042	Слаба негативни -0.0352	Слаба позитивен 0.0357	Слаба позитивен 0.0254	Слаба позитивен 0.0286	Слаба негативни -0.1515
Answer 13	-	Слаба позитивен 0.0644	Слаба позитивен 0.1057	Слаба негативни -0.0448	Слаба позитивен 0.0268	Слаба позитивен 0.0416	Слаба позитивен 0.0169	Слаба негативни -0.1600
Answer 14	-	Слаба позитивен 0.0717	Слаба позитивен 0.1026	Слаба негативни -0.0006	Слаба негативни -0.0089	Слаба негативни -0.0012	Слаба позитивен 0.0080	Слаба негативни -0.1168
Answer 15	-	Слаба позитивен 0.0549	Слаба позитивен 0.1375	Слаба негативни -0.0420	Слаба позитивен 0.0178	Слаба негативни -0.0160	Слаба позитивен 0.0216	Слаба негативни -0.1180
Answer 16	-	Слаба позитивен 0.0591	Слаба позитивен 0.0273	Слаба негативни -0.0386	Слаба негативни -0.0399	Слаба позитивен 0.0653	Слаба позитивен 0.0282	Слаба негативни -0.0708

Извоз во MS Excel

Оваа функционалност ќе биде достапна во вашите избори во VUCA

Добро

You can not only just create your poll in the тарифа «V.U.C.A анкета дизајнер» (with a unique link and your logo) but also you can earn money by selling its results in the тарифа «Продавница за анкети», as already the authors of polls.

If you participated in VUCA polls, you can see your results and compare them with the overall polls results, which are constantly growing, in your personal account after purchasing тарифа «Мојата SDT»

[1] https://twitter.com/wileyprof

[2] https://colinallen.dnsalias.org

[3] https://philpeople.org/profiles/colin-allen

2023.10.13

Валери Косенко

Сопственик на производи Saas PET PECTION SDTEST®

Валери беше квалификуван како социјален педагог-психолог во 1993 година и оттогаш го примени своето знаење за управување со проекти.
Валери се стекна со магистерски студии и квалификација на проект и програмски менаџер во 2013 година. За време на магистерската програма, тој се запозна со Project Moadmap (GPM Deutsche Gesellschaft für Projektmanagement e. V.) и спирална динамика.
Валери зеде разни тестови за спирална динамика и го искористи своето знаење и искуство за да ја прилагоди тековната верзија на SDTEST.
Валери е автор на истражување на неизвесноста на V.U.C.A. Концепт со употреба на спирална динамика и математичка статистика во психологијата, повеќе од 20 меѓународни анкети.

Овој пост има 0 Коментари

Одговори на

Откажете одговор

Оставете го вашиот коментар