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 = 0.033

არა ნორმალური განაწილება, Spearman- ის მიერ r = 0.0013

მხოლოდ შედეგების ჩვენება > r = 0.033

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 0.0536	სუსტი პოზიტიური 0.0297	სუსტი უარყოფითი -0.0174	სუსტი პოზიტიური 0.0910	სუსტი პოზიტიური 0.0303	სუსტი უარყოფითი -0.0114	სუსტი უარყოფითი -0.1522
Answer 2	-	სუსტი პოზიტიური 0.0197	სუსტი უარყოფითი -0.0002	სუსტი უარყოფითი -0.0449	სუსტი პოზიტიური 0.0661	სუსტი პოზიტიური 0.0446	სუსტი პოზიტიური 0.0121	სუსტი უარყოფითი -0.0926
Answer 3	-	სუსტი უარყოფითი -0.0055	სუსტი უარყოფითი -0.0120	სუსტი უარყოფითი -0.0413	სუსტი უარყოფითი -0.0450	სუსტი პოზიტიური 0.0473	სუსტი პოზიტიური 0.0789	სუსტი უარყოფითი -0.0205
Answer 4	-	სუსტი პოზიტიური 0.0427	სუსტი პოზიტიური 0.0339	სუსტი უარყოფითი -0.0192	სუსტი პოზიტიური 0.0153	სუსტი პოზიტიური 0.0305	სუსტი პოზიტიური 0.0210	სუსტი უარყოფითი -0.0983
Answer 5	-	სუსტი პოზიტიური 0.0252	სუსტი პოზიტიური 0.1256	სუსტი პოზიტიური 0.0135	სუსტი პოზიტიური 0.0733	სუსტი უარყოფითი -0.0016	სუსტი უარყოფითი -0.0198	სუსტი უარყოფითი -0.1742
Answer 6	-	სუსტი უარყოფითი -0.0024	სუსტი პოზიტიური 0.0078	სუსტი უარყოფითი -0.0633	სუსტი უარყოფითი -0.0069	სუსტი პოზიტიური 0.0198	სუსტი პოზიტიური 0.0835	სუსტი უარყოფითი -0.0330
Answer 7	-	სუსტი პოზიტიური 0.0112	სუსტი პოზიტიური 0.0375	სუსტი უარყოფითი -0.0688	სუსტი უარყოფითი -0.0225	სუსტი პოზიტიური 0.0471	სუსტი პოზიტიური 0.0647	სუსტი უარყოფითი -0.0528
Answer 8	-	სუსტი პოზიტიური 0.0698	სუსტი პოზიტიური 0.0830	სუსტი უარყოფითი -0.0314	სუსტი პოზიტიური 0.0137	სუსტი პოზიტიური 0.0350	სუსტი პოზიტიური 0.0144	სუსტი უარყოფითი -0.1376
Answer 9	-	სუსტი პოზიტიური 0.0644	სუსტი პოზიტიური 0.1664	სუსტი პოზიტიური 0.0083	სუსტი პოზიტიური 0.0702	სუსტი უარყოფითი -0.0136	სუსტი უარყოფითი -0.0517	სუსტი უარყოფითი -0.1830
Answer 10	-	სუსტი პოზიტიური 0.0760	სუსტი პოზიტიური 0.0738	სუსტი უარყოფითი -0.0199	სუსტი პოზიტიური 0.0242	სუსტი პოზიტიური 0.0319	სუსტი უარყოფითი -0.0149	სუსტი უარყოფითი -0.1320
Answer 11	-	სუსტი პოზიტიური 0.0580	სუსტი პოზიტიური 0.0514	სუსტი უარყოფითი -0.0111	სუსტი პოზიტიური 0.0076	სუსტი პოზიტიური 0.0206	სუსტი პოზიტიური 0.0318	სუსტი უარყოფითი -0.1213
Answer 12	-	სუსტი პოზიტიური 0.0367	სუსტი პოზიტიური 0.1023	სუსტი უარყოფითი -0.0355	სუსტი პოზიტიური 0.0359	სუსტი პოზიტიური 0.0245	სუსტი პოზიტიური 0.0286	სუსტი უარყოფითი -0.1524
Answer 13	-	სუსტი პოზიტიური 0.0619	სუსტი პოზიტიური 0.1049	სუსტი უარყოფითი -0.0451	სუსტი პოზიტიური 0.0281	სუსტი პოზიტიური 0.0412	სუსტი პოზიტიური 0.0173	სუსტი უარყოფითი -0.1609
Answer 14	-	სუსტი პოზიტიური 0.0707	სუსტი პოზიტიური 0.1011	სუსტი პოზიტიური 7.75E-5	სუსტი უარყოფითი -0.0083	სუსტი უარყოფითი -0.0012	სუსტი პოზიტიური 0.0083	სუსტი უარყოფითი -0.1182
Answer 15	-	სუსტი პოზიტიური 0.0549	სუსტი პოზიტიური 0.1358	სუსტი უარყოფითი -0.0409	სუსტი პოზიტიური 0.0176	სუსტი უარყოფითი -0.0163	სუსტი პოზიტიური 0.0208	სუსტი უარყოფითი -0.1180
Answer 16	-	სუსტი პოზიტიური 0.0582	სუსტი პოზიტიური 0.0259	სუსტი უარყოფითი -0.0395	სუსტი უარყოფითი -0.0403	სუსტი პოზიტიური 0.0652	სუსტი პოზიტიური 0.0283	სუსტი უარყოფითი -0.0717

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