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 = 0.0329

Не нормална дистрибуција, од Спирман r = 0.0013

Покажете само резултати > r = 0.0329

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 0.0566	Слаба позитивен 0.0332	Слаба негативни -0.0170	Слаба позитивен 0.0912	Слаба позитивен 0.0308	Слаба негативни -0.0153	Слаба негативни -0.1537
Answer 2	-	Слаба позитивен 0.0223	Слаба позитивен 0.0011	Слаба негативни -0.0442	Слаба позитивен 0.0639	Слаба позитивен 0.0464	Слаба позитивен 0.0120	Слаба негативни -0.0960
Answer 3	-	Слаба негативни -0.0031	Слаба негативни -0.0104	Слаба негативни -0.0407	Слаба негативни -0.0463	Слаба позитивен 0.0475	Слаба позитивен 0.0779	Слаба негативни -0.0213
Answer 4	-	Слаба позитивен 0.0437	Слаба позитивен 0.0357	Слаба негативни -0.0197	Слаба позитивен 0.0161	Слаба позитивен 0.0311	Слаба позитивен 0.0187	Слаба негативни -0.0987
Answer 5	-	Слаба позитивен 0.0296	Слаба позитивен 0.1300	Слаба позитивен 0.0124	Слаба позитивен 0.0749	Слаба позитивен 0.0014	Слаба негативни -0.0231	Слаба негативни -0.1771
Answer 6	-	Слаба негативни -0.0008	Слаба позитивен 0.0090	Слаба негативни -0.0613	Слаба негативни -0.0070	Слаба позитивен 0.0196	Слаба позитивен 0.0803	Слаба негативни -0.0321
Answer 7	-	Слаба позитивен 0.0118	Слаба позитивен 0.0401	Слаба негативни -0.0693	Слаба негативни -0.0246	Слаба позитивен 0.0471	Слаба позитивен 0.0623	Слаба негативни -0.0505
Answer 8	-	Слаба позитивен 0.0697	Слаба позитивен 0.0875	Слаба негативни -0.0316	Слаба позитивен 0.0155	Слаба позитивен 0.0346	Слаба позитивен 0.0098	Слаба негативни -0.1373
Answer 9	-	Слаба позитивен 0.0679	Слаба позитивен 0.1707	Слаба позитивен 0.0105	Слаба позитивен 0.0676	Слаба негативни -0.0138	Слаба негативни -0.0545	Слаба негативни -0.1821
Answer 10	-	Слаба позитивен 0.0793	Слаба позитивен 0.0772	Слаба негативни -0.0208	Слаба позитивен 0.0242	Слаба позитивен 0.0343	Слаба негативни -0.0152	Слаба негативни -0.1300
Answer 11	-	Слаба позитивен 0.0590	Слаба позитивен 0.0559	Слаба негативни -0.0071	Слаба позитивен 0.0082	Слаба позитивен 0.0205	Слаба позитивен 0.0266	Слаба негативни -0.1213
Answer 12	-	Слаба позитивен 0.0405	Слаба позитивен 0.1050	Слаба негативни -0.0363	Слаба позитивен 0.0361	Слаба позитивен 0.0253	Слаба позитивен 0.0277	Слаба негативни -0.1522
Answer 13	-	Слаба позитивен 0.0655	Слаба позитивен 0.1056	Слаба негативни -0.0439	Слаба позитивен 0.0270	Слаба позитивен 0.0417	Слаба позитивен 0.0152	Слаба негативни -0.1601
Answer 14	-	Слаба позитивен 0.0728	Слаба позитивен 0.1049	Слаба негативни -0.0002	Слаба негативни -0.0088	Слаба негативни -0.0007	Слаба позитивен 0.0061	Слаба негативни -0.1187
Answer 15	-	Слаба позитивен 0.0561	Слаба позитивен 0.1378	Слаба негативни -0.0415	Слаба позитивен 0.0178	Слаба негативни -0.0162	Слаба позитивен 0.0194	Слаба негативни -0.1176
Answer 16	-	Слаба позитивен 0.0606	Слаба позитивен 0.0308	Слаба негативни -0.0348	Слаба негативни -0.0421	Слаба позитивен 0.0642	Слаба позитивен 0.0250	Слаба негативни -0.0717

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 производ SaaS SDTEST®

Валерии се квалификуваше како социјален педагог-психолог во 1993 година и оттогаш го применува своето знаење во управувањето со проекти.
Валери се здоби со магистерска диплома и квалификација за менаџер на проект и програма во 2013 година. За време на неговата магистерска програма, тој се запозна со Project Roadmap (GPM Deutsche Gesellschaft für Projektmanagement e. V.) и Spiral Dynamics.
Валери е автор на истражување на неизвесноста на V.U.C.A. концепт со користење на спирална динамика и математичка статистика во психологијата и 38 меѓународни анкети.

Овој пост има 0 Коментари

Одговори на

Откажете одговор

Оставете го вашиот коментар