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) კომპანიების ქმედებები ბოლო ერთი თვის განმავლობაში პერსონალთან მიმართებაში (დიახ / არა)

2) კომპანიების ქმედებები გასულ თვეში პერსონალის მიმართ (ფაქტობრივად)

3) Შიში

4) ჩემი ქვეყნის წინაშე ყველაზე დიდი პრობლემები

5) რა თვისებებსა და შესაძლებლობებს იყენებენ კარგი ლიდერები წარმატებული გუნდების შექმნისას?

6) Google. ფაქტორები, რომლებიც გავლენას ახდენს გუნდის ეფექტურობაზე

7) სამუშაოს მაძიებელთა ძირითადი პრიორიტეტები

8) რა ხდის უფროსს დიდ ლიდერს?

9) რა ხდის ხალხს წარმატებულად სამსახურში?

10) მზად ხართ მიიღოთ ნაკლები ანაზღაურება დისტანციურად სამუშაოდ?

11) არსებობს ასაკისიზმი?

12) ასაკისზმი კარიერაში

13) ასაკისიზმი ცხოვრებაში

14) ასაკისიზმის მიზეზები

15) მიზეზები, რის გამოც ხალხი უარს ამბობს (ანა ვიტალი)

16) ᲜᲓᲝᲑᲐ (#WVS)

17) ოქსფორდის ბედნიერების კვლევა

18) ფსიქოლოგიური კეთილდღეობა

19) სად იქნება თქვენი შემდეგი ყველაზე საინტერესო შესაძლებლობა?

20) რას გააკეთებთ ამ კვირაში, რომ გაითვალისწინოთ თქვენი ფსიქიკური ჯანმრთელობა?

21) მე ვცხოვრობ ვფიქრობ ჩემს წარსულზე, აწმყოზე ან მომავალზე

22) დამსახურება

23) ხელოვნური ინტელექტი და ცივილიზაციის დასასრული

24) რატომ ხდება ხალხის შეფერხება?

25) გენდერული განსხვავება თავდაჯერებულობის მშენებლობაში (IFD Allensbach)

26) Xing.com კულტურის შეფასება

27) პატრიკ ლენსიონის "გუნდის ხუთი დისფუნქცია"

28) ემპათია ...

29) რა არის აუცილებელი IT სპეციალისტებისთვის სამუშაოს შეთავაზების არჩევაში?

30) რატომ უწევს ხალხი წინააღმდეგობას ცვლილებას (Siobhán McHale- ის მიერ)

31) როგორ არეგულირებთ თქვენს ემოციებს? (Nawal Mustafa M.A.)

32) 21 უნარები, რომლებიც სამუდამოდ გიხდიან (იერემიას თეო / 赵汉昇)

33) ნამდვილი თავისუფლებაა ...

34) 12 გზა სხვებთან ნდობის შესაქმნელად (ჯასტინ რაიტის მიერ)

35) ნიჭიერი თანამშრომლის მახასიათებლები (ნიჭიერების მენეჯმენტის ინსტიტუტის მიერ)

36) 10 გასაღები თქვენი გუნდის მოტივაციისთვის

37) სინდისის ალგებრა (ვლადიმერ ლეფევრის ავტორი)

38) მომავლის სამი განსხვავებული შესაძლებლობა (Dr. Clare W. Graves)

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.

Შიში

დიაგრამები კორელაცია

VUCA

კრიტიკული ღირებულების კორელაციის კოეფიციენტი

ნორმალური განაწილება, უილიამ სეილი გოსეტის მიერ (სტუდენტი) r = 0.0335

არა ნორმალური განაწილება, Spearman- ის მიერ r = 0.0014

მხოლოდ შედეგების ჩვენება > r = 0.0335

გავრცელება	არა ნორმალური	არა ნორმალური	არა ნორმალური	ნორმალური	ნორმალური	ნორმალური	ნორმალური	ნორმალური
ყველა კითხვა ყველა კითხვა ჩემი ყველაზე დიდი შიშია
ჩემი ყველაზე დიდი შიშია
Answer 1	-	სუსტი პოზიტიური 0.0521	სუსტი პოზიტიური 0.0294	სუსტი უარყოფითი -0.0147	სუსტი პოზიტიური 0.0885	სუსტი პოზიტიური 0.0316	სუსტი უარყოფითი -0.0110	სუსტი უარყოფითი -0.1513
Answer 2	-	სუსტი პოზიტიური 0.0213	სუსტი პოზიტიური 0.0013	სუსტი უარყოფითი -0.0432	სუსტი პოზიტიური 0.0618	სუსტი პოზიტიური 0.0453	სუსტი პოზიტიური 0.0103	სუსტი უარყოფითი -0.0918
Answer 3	-	სუსტი უარყოფითი -0.0042	სუსტი უარყოფითი -0.0116	სუსტი უარყოფითი -0.0406	სუსტი უარყოფითი -0.0477	სუსტი პოზიტიური 0.0487	სუსტი პოზიტიური 0.0767	სუსტი უარყოფითი -0.0191
Answer 4	-	სუსტი პოზიტიური 0.0421	სუსტი პოზიტიური 0.0350	სუსტი უარყოფითი -0.0115	სუსტი პოზიტიური 0.0112	სუსტი პოზიტიური 0.0307	სუსტი პოზიტიური 0.0175	სუსტი უარყოფითი -0.0980
Answer 5	-	სუსტი პოზიტიური 0.0288	სუსტი პოზიტიური 0.1272	სუსტი პოზიტიური 0.0146	სუსტი პოზიტიური 0.0697	სუსტი პოზიტიური 0.0037	სუსტი უარყოფითი -0.0215	სუსტი უარყოფითი -0.1746
Answer 6	-	სუსტი უარყოფითი -0.0001	სუსტი პოზიტიური 0.0042	სუსტი უარყოფითი -0.0607	სუსტი უარყოფითი -0.0115	სუსტი პოზიტიური 0.0231	სუსტი პოზიტიური 0.0826	სუსტი უარყოფითი -0.0309
Answer 7	-	სუსტი პოზიტიური 0.0117	სუსტი პოზიტიური 0.0372	სუსტი უარყოფითი -0.0653	სუსტი უარყოფითი -0.0283	სუსტი პოზიტიური 0.0495	სუსტი პოზიტიური 0.0626	სუსტი უარყოფითი -0.0505
Answer 8	-	სუსტი პოზიტიური 0.0658	სუსტი პოზიტიური 0.0830	სუსტი უარყოფითი -0.0310	სუსტი პოზიტიური 0.0139	სუსტი პოზიტიური 0.0334	სუსტი პოზიტიური 0.0134	სუსტი უარყოფითი -0.1322
Answer 9	-	სუსტი პოზიტიური 0.0660	სუსტი პოზიტიური 0.1658	სუსტი პოზიტიური 0.0051	სუსტი პოზიტიური 0.0691	სუსტი უარყოფითი -0.0093	სუსტი უარყოფითი -0.0498	სუსტი უარყოფითი -0.1820
Answer 10	-	სუსტი პოზიტიური 0.0758	სუსტი პოზიტიური 0.0724	სუსტი უარყოფითი -0.0173	სუსტი პოზიტიური 0.0236	სუსტი პოზიტიური 0.0312	სუსტი უარყოფითი -0.0115	სუსტი უარყოფითი -0.1263
Answer 11	-	სუსტი პოზიტიური 0.0577	სუსტი პოზიტიური 0.0544	სუსტი უარყოფითი -0.0075	სუსტი პოზიტიური 0.0082	სუსტი პოზიტიური 0.0185	სუსტი პოზიტიური 0.0293	სუსტი უარყოფითი -0.1190
Answer 12	-	სუსტი პოზიტიური 0.0376	სუსტი პოზიტიური 0.1007	სუსტი უარყოფითი -0.0342	სუსტი პოზიტიური 0.0296	სუსტი პოზიტიური 0.0273	სუსტი პოზიტიური 0.0341	სუსტი უარყოფითი -0.1500
Answer 13	-	სუსტი პოზიტიური 0.0627	სუსტი პოზიტიური 0.1017	სუსტი უარყოფითი -0.0443	სუსტი პოზიტიური 0.0248	სუსტი პოზიტიური 0.0434	სუსტი პოზიტიური 0.0189	სუსტი უარყოფითი -0.1576
Answer 14	-	სუსტი პოზიტიური 0.0732	სუსტი პოზიტიური 0.1036	სუსტი პოზიტიური 0.0048	სუსტი უარყოფითი -0.0105	სუსტი უარყოფითი -0.0039	სუსტი პოზიტიური 0.0041	სუსტი უარყოფითი -0.1157
Answer 15	-	სუსტი პოზიტიური 0.0539	სუსტი პოზიტიური 0.1381	სუსტი უარყოფითი -0.0424	სუსტი პოზიტიური 0.0163	სუსტი უარყოფითი -0.0147	სუსტი პოზიტიური 0.0216	სუსტი უარყოფითი -0.1173
Answer 16	-	სუსტი პოზიტიური 0.0590	სუსტი პოზიტიური 0.0274	სუსტი უარყოფითი -0.0375	სუსტი უარყოფითი -0.0429	სუსტი პოზიტიური 0.0687	სუსტი პოზიტიური 0.0253	სუსტი უარყოფითი -0.0698

ექსპორტი MS Excel

ეს ფუნქცია ხელმისაწვდომი იქნება თქვენი VUCA გამოკითხვაში

Კარგი

You can not only just create your poll in the ტარიფი «V.U.C.A გამოკითხვა დიზაინერი» (with a unique link and your logo) but also you can earn money by selling its results in the ტარიფი «გამოკითხვების მაღაზია», 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 ტარიფი «ჩემი SDT»

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

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

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

2023.10.13

ვალერი კოზენკო

პროდუქტის მფლობელი Saas Pet Project Sdtest®

1993 წელს ვალერი იყო კვალიფიციური, როგორც სოციალური პედაგოგა-ფსიქოლოგი და მას შემდეგ გამოიყენა ცოდნა პროექტის მენეჯმენტში.
ვალერიმ მოიპოვა მაგისტრის ხარისხი და პროექტისა და პროგრამის მენეჯერის კვალიფიკაცია 2013 წელს. მისი სამაგისტრო პროგრამის განმავლობაში იგი გაეცნო პროექტის საგზაო რუქას (GPM Deutsche Gesellschaft Für Projektmanagement E. V.) და Spiral Dynamics.
ვალერიმ ჩაატარა სხვადასხვა სპირალური დინამიკის ტესტები და გამოიყენა თავისი ცოდნა და გამოცდილება SDTest– ის ამჟამინდელი ვერსიის ადაპტაციისთვის.
ვალერი არის ავტორი V.U.C.A.- ს გაურკვევლობის შესწავლით. კონცეფცია სპირალური დინამიკისა და მათემატიკური სტატისტიკის გამოყენებით ფსიქოლოგიაში, 20 -ზე მეტი საერთაშორისო გამოკითხვა.

ამ პოსტს აქვს 0 კომენტარები

Გამოეხმაუროთ

გააუქმეთ პასუხი

დატოვე შენი კომენტარი