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)

39) Акции за градење на непоколеблива самодоверба (од Сурен Самарчан)

40)

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 = 0.0318

Не нормална дистрибуција, од Спирман r = 0.0013

Покажете само резултати > r = 0.0318

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 0.0554	Слаба позитивен 0.0283	Слаба негативни -0.0173	Слаба позитивен 0.0940	Слаба позитивен 0.0355	Слаба негативни -0.0157	Слаба негативни -0.1559
Answer 2	-	Слаба позитивен 0.0194	Слаба негативни -0.0048	Слаба негативни -0.0394	Слаба позитивен 0.0659	Слаба позитивен 0.0490	Слаба позитивен 0.0117	Слаба негативни -0.0981
Answer 3	-	Слаба негативни -0.0011	Слаба негативни -0.0085	Слаба негативни -0.0450	Слаба негативни -0.0440	Слаба позитивен 0.0474	Слаба позитивен 0.0740	Слаба негативни -0.0192
Answer 4	-	Слаба позитивен 0.0427	Слаба позитивен 0.0272	Слаба негативни -0.0230	Слаба позитивен 0.0182	Слаба позитивен 0.0351	Слаба позитивен 0.0239	Слаба негативни -0.0995
Answer 5	-	Слаба позитивен 0.0268	Слаба позитивен 0.1299	Слаба позитивен 0.0101	Слаба позитивен 0.0772	Слаба негативни -0.0003	Слаба негативни -0.0182	Слаба негативни -0.1785
Answer 6	-	Слаба негативни -0.0028	Слаба позитивен 0.0050	Слаба негативни -0.0621	Слаба негативни -0.0081	Слаба позитивен 0.0241	Слаба позитивен 0.0856	Слаба негативни -0.0347
Answer 7	-	Слаба позитивен 0.0102	Слаба позитивен 0.0340	Слаба негативни -0.0661	Слаба негативни -0.0304	Слаба позитивен 0.0518	Слаба позитивен 0.0687	Слаба негативни -0.0515
Answer 8	-	Слаба позитивен 0.0632	Слаба позитивен 0.0732	Слаба негативни -0.0275	Слаба позитивен 0.0143	Слаба позитивен 0.0371	Слаба позитивен 0.0173	Слаба негативни -0.1337
Answer 9	-	Слаба позитивен 0.0732	Слаба позитивен 0.1619	Слаба позитивен 0.0069	Слаба позитивен 0.0644	Слаба негативни -0.0108	Слаба негативни -0.0489	Слаба негативни -0.1811
Answer 10	-	Слаба позитивен 0.0756	Слаба позитивен 0.0681	Слаба негативни -0.0139	Слаба позитивен 0.0290	Слаба позитивен 0.0341	Слаба негативни -0.0122	Слаба негативни -0.1343
Answer 11	-	Слаба позитивен 0.0631	Слаба позитивен 0.0536	Слаба негативни -0.0091	Слаба позитивен 0.0113	Слаба позитивен 0.0239	Слаба позитивен 0.0247	Слаба негативни -0.1260
Answer 12	-	Слаба позитивен 0.0442	Слаба позитивен 0.0943	Слаба негативни -0.0340	Слаба позитивен 0.0342	Слаба позитивен 0.0335	Слаба позитивен 0.0256	Слаба негативни -0.1535
Answer 13	-	Слаба позитивен 0.0700	Слаба позитивен 0.0962	Слаба негативни -0.0393	Слаба позитивен 0.0295	Слаба позитивен 0.0412	Слаба позитивен 0.0147	Слаба негативни -0.1624
Answer 14	-	Слаба позитивен 0.0783	Слаба позитивен 0.0900	Слаба негативни -0.0019	Слаба негативни -0.0089	Слаба позитивен 0.0043	Слаба позитивен 0.0139	Слаба негативни -0.1221
Answer 15	-	Слаба позитивен 0.0538	Слаба позитивен 0.1282	Слаба негативни -0.0345	Слаба позитивен 0.0152	Слаба негативни -0.0176	Слаба позитивен 0.0237	Слаба негативни -0.1159
Answer 16	-	Слаба позитивен 0.0699	Слаба позитивен 0.0263	Слаба негативни -0.0371	Слаба негативни -0.0377	Слаба позитивен 0.0699	Слаба позитивен 0.0205	Слаба негативни -0.0788

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