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:
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.
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 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.
What sets mathematical psychology apart from other branches of psychology in its use of mathematics?
Several key aspects stand out:
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.
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.
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.
1) Ενέργειες εταιρειών σε σχέση με το προσωπικό τον τελευταίο μήνα (ναι / όχι) 2) Δράσεις εταιρειών σε σχέση με το προσωπικό τον τελευταίο μήνα (γεγονός σε%) 3) Φόβοι 4) Τα μεγαλύτερα προβλήματα που αντιμετωπίζουν η χώρα μου 6) Google. Παράγοντες που επηρεάζουν την αποτελεσματικότητα της ομάδας 7) Οι κύριες προτεραιότητες των αιτούντων εργασίας 8) Τι κάνει ένα αφεντικό ένας μεγάλος ηγέτης; 9) Τι κάνει τους ανθρώπους επιτυχημένους στη δουλειά; 10) Είστε έτοιμοι να λάβετε λιγότερη αμοιβή για να εργαστείτε εξ αποστάσεως; 13) Ολισμός στη ζωή 14) Αιτίες ηλικίας 15) Λόγοι για τους οποίους οι άνθρωποι παραιτούνται (από την Άννα ζωτική) 17) Έρευνα ευτυχίας της Οξφόρδης 19) Πού θα ήταν η επόμενη πιο συναρπαστική ευκαιρία; 20) Τι θα κάνετε αυτήν την εβδομάδα για να φροντίσετε την ψυχική σας υγεία; 21) Ζω να σκεφτώ το παρελθόν, το παρόν ή το μέλλον μου 22) Αξιοκρατία 23) Τεχνητή νοημοσύνη και το τέλος του πολιτισμού 24) Γιατί οι άνθρωποι χρονοτριβούν; 25) Διαφορά φύλου στην οικοδόμηση αυτοπεποίθησης (IFD Allensbach) 26) Xing.com Αξιολόγηση πολιτισμού 27) Οι πέντε δυσλειτουργίες μιας ομάδας του Patrick Lencioni 29) Τι είναι απαραίτητο για τους ειδικούς πληροφορικής στην επιλογή μιας προσφοράς εργασίας; 30) Γιατί οι άνθρωποι αντιστέκονται στην αλλαγή (από το Siobhán McHale) 31) Πώς ρυθμίζετε τα συναισθήματά σας; (από τον Nawal Mustafa M.A.) 32) 21 δεξιότητες που σας πληρώνουν για πάντα (από τον Jeremiah Teo / 赵汉昇) 33) Η πραγματική ελευθερία είναι ... 34) 12 τρόποι για να οικοδομήσουμε εμπιστοσύνη με άλλους (από τον Justin Wright) 35) Χαρακτηριστικά ενός ταλαντούχου υπαλλήλου (από το Ινστιτούτο Διαχείρισης Ταλέντων) 36) 10 κλειδιά για την παρακίνηση της ομάδας σας 37) Άλγεβρα της συνείδησης (του Βλαντιμίρ Λεφέβρ) 38) Τρεις διακριτές δυνατότητες του μέλλοντος (από τον Δρ. Clare W. Graves)
Διανομή | Μηφυσιολογικός | Μηφυσιολογικός | Μηφυσιολογικός | Κανονικός | Κανονικός | Κανονικός | Κανονικός | Κανονικός |
Όλες οι ερωτήσεις
Όλες οι ερωτήσεις
Ο μεγαλύτερος φόβος μου είναι
| ||||||||
Ο μεγαλύτερος φόβος μου είναι | ||||||||
Answer 1 | - | Αδύνατο θετικό 0.0559 | Αδύνατο θετικό 0.0315 | Αδύνατο αρνητικό -0.0170 | Αδύνατο θετικό 0.0920 | Αδύνατο θετικό 0.0294 | Αδύνατο αρνητικό -0.0124 | Αδύνατο αρνητικό -0.1539 |
Answer 2 | - | Αδύνατο θετικό 0.0229 | Αδύνατο αρνητικό -0.0002 | Αδύνατο αρνητικό -0.0448 | Αδύνατο θετικό 0.0636 | Αδύνατο θετικό 0.0445 | Αδύνατο θετικό 0.0134 | Αδύνατο αρνητικό -0.0939 |
Answer 3 | - | Αδύνατο αρνητικό -0.0032 | Αδύνατο αρνητικό -0.0121 | Αδύνατο αρνητικό -0.0416 | Αδύνατο αρνητικό -0.0462 | Αδύνατο θετικό 0.0466 | Αδύνατο θετικό 0.0788 | Αδύνατο αρνητικό -0.0195 |
Answer 4 | - | Αδύνατο θετικό 0.0438 | Αδύνατο θετικό 0.0348 | Αδύνατο αρνητικό -0.0195 | Αδύνατο θετικό 0.0153 | Αδύνατο θετικό 0.0300 | Αδύνατο θετικό 0.0207 | Αδύνατο αρνητικό -0.0980 |
Answer 5 | - | Αδύνατο θετικό 0.0304 | Αδύνατο θετικό 0.1282 | Αδύνατο θετικό 0.0135 | Αδύνατο θετικό 0.0734 | Αδύνατο αρνητικό -0.0013 | Αδύνατο αρνητικό -0.0200 | Αδύνατο αρνητικό -0.1757 |
Answer 6 | - | Αδύνατο αρνητικό -0.0002 | Αδύνατο θετικό 0.0082 | Αδύνατο αρνητικό -0.0627 | Αδύνατο αρνητικό -0.0083 | Αδύνατο θετικό 0.0193 | Αδύνατο θετικό 0.0831 | Αδύνατο αρνητικό -0.0315 |
Answer 7 | - | Αδύνατο θετικό 0.0126 | Αδύνατο θετικό 0.0381 | Αδύνατο αρνητικό -0.0687 | Αδύνατο αρνητικό -0.0243 | Αδύνατο θετικό 0.0469 | Αδύνατο θετικό 0.0642 | Αδύνατο αρνητικό -0.0515 |
Answer 8 | - | Αδύνατο θετικό 0.0698 | Αδύνατο θετικό 0.0848 | Αδύνατο αρνητικό -0.0327 | Αδύνατο θετικό 0.0148 | Αδύνατο θετικό 0.0345 | Αδύνατο θετικό 0.0134 | Αδύνατο αρνητικό -0.1365 |
Answer 9 | - | Αδύνατο θετικό 0.0668 | Αδύνατο θετικό 0.1676 | Αδύνατο θετικό 0.0083 | Αδύνατο θετικό 0.0693 | Αδύνατο αρνητικό -0.0131 | Αδύνατο αρνητικό -0.0516 | Αδύνατο αρνητικό -0.1818 |
Answer 10 | - | Αδύνατο θετικό 0.0782 | Αδύνατο θετικό 0.0753 | Αδύνατο αρνητικό -0.0204 | Αδύνατο θετικό 0.0247 | Αδύνατο θετικό 0.0342 | Αδύνατο αρνητικό -0.0131 | Αδύνατο αρνητικό -0.1304 |
Answer 11 | - | Αδύνατο θετικό 0.0578 | Αδύνατο θετικό 0.0532 | Αδύνατο αρνητικό -0.0096 | Αδύνατο θετικό 0.0087 | Αδύνατο θετικό 0.0195 | Αδύνατο θετικό 0.0311 | Αδύνατο αρνητικό -0.1196 |
Answer 12 | - | Αδύνατο θετικό 0.0390 | Αδύνατο θετικό 0.1037 | Αδύνατο αρνητικό -0.0358 | Αδύνατο θετικό 0.0358 | Αδύνατο θετικό 0.0250 | Αδύνατο θετικό 0.0299 | Αδύνατο αρνητικό -0.1520 |
Answer 13 | - | Αδύνατο θετικό 0.0644 | Αδύνατο θετικό 0.1048 | Αδύνατο αρνητικό -0.0448 | Αδύνατο θετικό 0.0268 | Αδύνατο θετικό 0.0417 | Αδύνατο θετικό 0.0178 | Αδύνατο αρνητικό -0.1600 |
Answer 14 | - | Αδύνατο θετικό 0.0712 | Αδύνατο θετικό 0.1021 | Αδύνατο αρνητικό -0.0007 | Αδύνατο αρνητικό -0.0088 | Αδύνατο αρνητικό -0.0011 | Αδύνατο θετικό 0.0088 | Αδύνατο αρνητικό -0.1169 |
Answer 15 | - | Αδύνατο θετικό 0.0557 | Αδύνατο θετικό 0.1365 | Αδύνατο αρνητικό -0.0423 | Αδύνατο θετικό 0.0177 | Αδύνατο αρνητικό -0.0162 | Αδύνατο θετικό 0.0224 | Αδύνατο αρνητικό -0.1179 |
Answer 16 | - | Αδύνατο θετικό 0.0591 | Αδύνατο θετικό 0.0273 | Αδύνατο αρνητικό -0.0386 | Αδύνατο αρνητικό -0.0400 | Αδύνατο θετικό 0.0653 | Αδύνατο θετικό 0.0284 | Αδύνατο αρνητικό -0.0708 |