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 = 0.0335

Не нормална дистрибуција, од Спирман r = 0.0014

Покажете само резултати > r = 0.0335

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

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 производи Saas PET PECTION SDTEST®

Валери беше квалификуван како социјален педагог-психолог во 1993 година и оттогаш го примени своето знаење за управување со проекти.
Валери се стекна со магистерски студии и квалификација на проект и програмски менаџер во 2013 година. За време на магистерската програма, тој се запозна со Project Moadmap (GPM Deutsche Gesellschaft für Projektmanagement e. V.) и спирална динамика.
Валери зеде разни тестови за спирална динамика и го искористи своето знаење и искуство за да ја прилагоди тековната верзија на SDTEST.
Валери е автор на истражување на неизвесноста на V.U.C.A. Концепт со употреба на спирална динамика и математичка статистика во психологијата, повеќе од 20 меѓународни анкети.

Овој пост има 0 Коментари

Одговори на

Откажете одговор

Оставете го вашиот коментар