หนังสือการทดสอบตาม «Spiral Dynamics:
Mastering Values, Leadership, and
Change» (ISBN-13: 978-1405133562)
ผู้สนับสนุน

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: 

  1. 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? 
  2. How does the mathematical approach in mathematical psychology differ from other branches of psychology, like psychophysics and psychometrics? 
  3. 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:

  1. Advocating quantitative methods broadly. Mathematical psychology emerged partly to push psychology to embrace quantitative modeling and mathematics beyond basic statistics.
  2. Drawing from diverse mathematical tools. With greater training in mathematics, mathematical psychologists utilize more advanced and varied mathematical techniques like topology and differential geometry.
  3. Linking models and experiments. Mathematical psychologists emphasize tightly connecting experimental design and statistical analysis, with experiments created to test specific models.
  4. Favoring theoretical models. Mathematical psychology incorporates "pure" mathematical results and prefers analytic, hand-fitted models over data-driven computer models.
  5. 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) การกระทำของ บริษัท ที่เกี่ยวข้องกับบุคลากรในเดือนที่แล้ว (ใช่ / ไม่ใช่)

2) การกระทำของ บริษัท ที่เกี่ยวข้องกับบุคลากรในเดือนที่แล้ว (ข้อเท็จจริงใน%)

3) ความกลัว

4) ปัญหาที่ใหญ่ที่สุดที่ประเทศของฉันเผชิญ

5) คุณภาพและความสามารถใดที่ผู้นำที่ดีใช้เมื่อสร้างทีมที่ประสบความสำเร็จ?

6) Google. ปัจจัยที่ส่งผลกระทบต่อความเป็นของทีม

7) ลำดับความสำคัญหลักของผู้หางาน

8) อะไรทำให้เจ้านายเป็นผู้นำที่ยิ่งใหญ่?

9) อะไรทำให้ผู้คนประสบความสำเร็จในการทำงาน?

10) คุณพร้อมที่จะรับเงินน้อยลงในการทำงานจากระยะไกลหรือไม่?

11) อายุมีอยู่หรือไม่?

12) อายุในอาชีพ

13) อายุในชีวิต

14) สาเหตุของอายุนิยม

15) เหตุผลที่ผู้คนยอมแพ้ (โดย Anna Vital)

16) เชื่อมั่น (#WVS)

17) การสำรวจความสุขออกซ์ฟอร์ด

18) ความเป็นอยู่ที่ดีทางจิตวิทยา

19) โอกาสที่น่าตื่นเต้นที่สุดครั้งต่อไปของคุณจะเป็นที่ไหน?

20) สัปดาห์นี้คุณจะทำอะไรเพื่อดูแลสุขภาพจิตของคุณ?

21) ฉันใช้ชีวิตคิดถึงอดีตปัจจุบันหรืออนาคตของฉัน

22) การทำบุญ

23) ปัญญาประดิษฐ์และจุดจบของอารยธรรม

24) ทำไมคนถึงผัดวันประกันพรุ่ง?

25) ความแตกต่างทางเพศในการสร้างความมั่นใจในตนเอง (IFD Allensbach)

26) การประเมินวัฒนธรรม Xing.com

27) The Five Dysfunctions ของ Patrick Lencioni

28) ความเอาใจใส่คือ ...

29) อะไรคือสิ่งจำเป็นสำหรับผู้เชี่ยวชาญด้านไอทีในการเลือกข้อเสนองาน?

30) ทำไมผู้คนต่อต้านการเปลี่ยนแปลง (โดยSiobhán McHale)

31) คุณควบคุมอารมณ์ของคุณได้อย่างไร? (โดย Nawal Mustafa M.A. )

32) 21 ทักษะที่จ่ายให้คุณตลอดไป (โดย Jeremiah Teo / 赵汉昇)

33) อิสรภาพที่แท้จริงคือ ...

34) 12 วิธีในการสร้างความไว้วางใจกับผู้อื่น (โดย Justin Wright)

35) ลักษณะของพนักงานที่มีความสามารถ (โดยสถาบันการจัดการความสามารถ)

36) 10 กุญแจในการสร้างแรงจูงใจให้ทีมของคุณ

37) พีชคณิตแห่งมโนธรรม (โดย Vladimir Lefebvre)

38) ความเป็นไปได้ที่แตกต่างสามประการแห่งอนาคต (โดย ดร. แคลร์ ดับเบิลยู เกรฟส์)


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.

ความกลัว

ประเทศ
ภาษา
-
Mail
คำนวณใหม่
คุ้มค่าที่สำคัญของค่าสัมประสิทธิ์สหสัมพันธ์
การกระจายปกติโดย William Sealy Gosset (นักเรียน) r = 0.033
การกระจายปกติโดย William Sealy Gosset (นักเรียน) r = 0.033
การกระจายที่ไม่ใช่ปกติโดย Spearman r = 0.0013
การกระจายไม่ปกติไม่ปกติไม่ปกติปกติปกติปกติปกติปกติ
คำถามทั้งหมด
คำถามทั้งหมด
ความกลัวที่ยิ่งใหญ่ที่สุดของฉันคือ
ความกลัวที่ยิ่งใหญ่ที่สุดของฉันคือ
Answer 1-
บวกอ่อนแอ
0.0558
บวกอ่อนแอ
0.0311
อ่อนแอเชิงลบ
-0.0169
บวกอ่อนแอ
0.0917
บวกอ่อนแอ
0.0304
อ่อนแอเชิงลบ
-0.0128
อ่อนแอเชิงลบ
-0.1541
Answer 2-
บวกอ่อนแอ
0.0229
อ่อนแอเชิงลบ
-0.0006
อ่อนแอเชิงลบ
-0.0443
บวกอ่อนแอ
0.0632
บวกอ่อนแอ
0.0453
บวกอ่อนแอ
0.0130
อ่อนแอเชิงลบ
-0.0942
Answer 3-
อ่อนแอเชิงลบ
-0.0032
อ่อนแอเชิงลบ
-0.0122
อ่อนแอเชิงลบ
-0.0413
อ่อนแอเชิงลบ
-0.0464
บวกอ่อนแอ
0.0469
บวกอ่อนแอ
0.0786
อ่อนแอเชิงลบ
-0.0196
Answer 4-
บวกอ่อนแอ
0.0437
บวกอ่อนแอ
0.0345
อ่อนแอเชิงลบ
-0.0196
บวกอ่อนแอ
0.0152
บวกอ่อนแอ
0.0307
บวกอ่อนแอ
0.0204
อ่อนแอเชิงลบ
-0.0981
Answer 5-
บวกอ่อนแอ
0.0303
บวกอ่อนแอ
0.1280
บวกอ่อนแอ
0.0134
บวกอ่อนแอ
0.0733
อ่อนแอเชิงลบ
-0.0005
อ่อนแอเชิงลบ
-0.0203
อ่อนแอเชิงลบ
-0.1759
Answer 6-
อ่อนแอเชิงลบ
-0.0003
บวกอ่อนแอ
0.0082
อ่อนแอเชิงลบ
-0.0630
อ่อนแอเชิงลบ
-0.0082
บวกอ่อนแอ
0.0195
บวกอ่อนแอ
0.0830
อ่อนแอเชิงลบ
-0.0315
Answer 7-
บวกอ่อนแอ
0.0124
บวกอ่อนแอ
0.0382
อ่อนแอเชิงลบ
-0.0694
อ่อนแอเชิงลบ
-0.0241
บวกอ่อนแอ
0.0473
บวกอ่อนแอ
0.0641
อ่อนแอเชิงลบ
-0.0514
Answer 8-
บวกอ่อนแอ
0.0696
บวกอ่อนแอ
0.0850
อ่อนแอเชิงลบ
-0.0333
บวกอ่อนแอ
0.0150
บวกอ่อนแอ
0.0346
บวกอ่อนแอ
0.0134
อ่อนแอเชิงลบ
-0.1364
Answer 9-
บวกอ่อนแอ
0.0667
บวกอ่อนแอ
0.1676
บวกอ่อนแอ
0.0077
บวกอ่อนแอ
0.0694
อ่อนแอเชิงลบ
-0.0128
อ่อนแอเชิงลบ
-0.0517
อ่อนแอเชิงลบ
-0.1817
Answer 10-
บวกอ่อนแอ
0.0780
บวกอ่อนแอ
0.0754
อ่อนแอเชิงลบ
-0.0211
บวกอ่อนแอ
0.0249
บวกอ่อนแอ
0.0347
อ่อนแอเชิงลบ
-0.0132
อ่อนแอเชิงลบ
-0.1303
Answer 11-
บวกอ่อนแอ
0.0579
บวกอ่อนแอ
0.0528
อ่อนแอเชิงลบ
-0.0090
บวกอ่อนแอ
0.0083
บวกอ่อนแอ
0.0201
บวกอ่อนแอ
0.0308
อ่อนแอเชิงลบ
-0.1198
Answer 12-
บวกอ่อนแอ
0.0389
บวกอ่อนแอ
0.1036
อ่อนแอเชิงลบ
-0.0362
บวกอ่อนแอ
0.0359
บวกอ่อนแอ
0.0255
บวกอ่อนแอ
0.0297
อ่อนแอเชิงลบ
-0.1521
Answer 13-
บวกอ่อนแอ
0.0645
บวกอ่อนแอ
0.1041
อ่อนแอเชิงลบ
-0.0438
บวกอ่อนแอ
0.0262
บวกอ่อนแอ
0.0423
บวกอ่อนแอ
0.0174
อ่อนแอเชิงลบ
-0.1603
Answer 14-
บวกอ่อนแอ
0.0710
บวกอ่อนแอ
0.1022
อ่อนแอเชิงลบ
-0.0015
อ่อนแอเชิงลบ
-0.0085
อ่อนแอเชิงลบ
-0.0006
บวกอ่อนแอ
0.0087
อ่อนแอเชิงลบ
-0.1169
Answer 15-
บวกอ่อนแอ
0.0555
บวกอ่อนแอ
0.1365
อ่อนแอเชิงลบ
-0.0429
บวกอ่อนแอ
0.0179
อ่อนแอเชิงลบ
-0.0158
บวกอ่อนแอ
0.0223
อ่อนแอเชิงลบ
-0.1178
Answer 16-
บวกอ่อนแอ
0.0591
บวกอ่อนแอ
0.0271
อ่อนแอเชิงลบ
-0.0384
อ่อนแอเชิงลบ
-0.0401
บวกอ่อนแอ
0.0655
บวกอ่อนแอ
0.0283
อ่อนแอเชิงลบ
-0.0709


ส่งออกไปยัง MS Excel
ฟังก์ชั่นนี้จะมีให้ในการสำรวจ VUCA ของคุณเอง
ตกลง

You can not only just create your poll in the ภาษี «ออกแบบการสำรวจความคิดเห็น V.U.C.A» (with a unique link and your logo) but also you can earn money by selling its results in the ภาษี «ร้านค้าสำรวจความคิดเห็น», 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 ภาษี «ฉัน SDT»





[1] https://twitter.com/wileyprof
[2] https://colinallen.dnsalias.org
[3] https://philpeople.org/profiles/colin-allen

2023.10.13
valerii kosenko
เจ้าของผลิตภัณฑ์ SaaS Pet Project SDTest®

Valerii มีคุณสมบัติเป็นนักจิตวิทยาการสอนสังคมในปี 1993 และได้ใช้ความรู้ในการจัดการโครงการ
Valerii ได้รับปริญญาโทและคุณสมบัติของผู้จัดการโครงการและโปรแกรมในปี 2013 ในระหว่างโปรแกรมปริญญาโทของเขาเขาคุ้นเคยกับโครงการ Roadmap (GPM Deutsche Gesellschaft für projektmanagement e. V. ) และพลวัตเกลียว
Valerii ทำการทดสอบพลวัตเกลียวต่างๆและใช้ความรู้และประสบการณ์ของเขาในการปรับรุ่น SDTest ในปัจจุบัน
Valerii เป็นผู้เขียนสำรวจความไม่แน่นอนของ V.U.C.A. แนวคิดการใช้พลวัตเกลียวและสถิติทางคณิตศาสตร์ในด้านจิตวิทยามากกว่า 20 โพลระหว่างประเทศ
โพสต์นี้มี 0 ความเห็น
ตอบกลับ
ยกเลิกการตอบกลับ
แสดงความคิดเห็นของคุณ
×
พบข้อผิดพลาด
PROPOSE รุ่นที่ถูกต้องของคุณ
ใส่อีเมลของคุณตามที่ต้องการ
ส่ง
ยกเลิก
Bot
sdtest
1
สวัสดี! ให้ฉันถามคุณคุณคุ้นเคยกับพลวัตเกลียวแล้วหรือยัง?