Федеральное агентство по образованию
Государственное образовательное учреждение
высшего профессионального образования
«Омский государственный технический университет»
Математические методы в психологии
Конспект лекций
для студентов 2 курса гуманитарных специальностей
дневного, вечернего и заочного отделений
Омск – 2008
Составитель Ананко Алла Александровна, ст. преподаватель
Печатается по решению редакционно-издательского совета Омского
государственного технического университета.
ЛЕКЦИЯ 1. Измерения и шкалы | |
1.1.Типы измерений | |
1.2. Измерительные шкалы | |
1.3. Как определить, в какой шкале измерено явление | |
ЛЕКЦИЯ 2. Дискретный вариационный ряд и его основные показатели | |
2.1. Вариация признака в совокупности и значение её изучения | |
ЛЕКЦИЯ 3. Статистический анализ выборочных средних двух выборок | |
3.1. Выбор метода и общий подход | |
3.2. t-критерий Стьюдента | |
3.3. Алгоритм расчета критерия Стьюдента для зависимых выборок измерений | |
ЛЕКЦИЯ 4 . Критерии для непараметрических распределений | |
4.1.
| |
4.2. Критерий знаков | |
ЛЕКЦИЯ 5. Вычисление и анализ коэффициента ранговой корреляции | |
5.1. Выполнить ранжирование по следующему алгоритму | |
5.2. Алгоритм расчета коэффициента ранговой корреляции Спирмена | |
ЛЕКЦИЯ 6. Многомерное шкалирование | |
6.1. Назначение | |
6.2. Многомерные методы и модели | |
6.3. Неметрическая модель | |
ЛЕКЦИЯ 7 . Кластерный анализ | |
7.1. Назначение | |
7.2. Методы кластерного анализа | |
ЛЕКЦИЯ 8. Уравнение линейной регрессии | |
8.1. Анализ статистической взаимосвязи между двумя рядами | |
8.2. Построение модели парной регрессии | |
8.3. Анализ качества модели парной регресс | |
ПРИЛОЖЕНИЯ | |
Приложение
А1. Критические значения критерия
| |
Приложение А2. Критические значения критерия знаков | |
БИБЛИОГРАФИЧЕСКИЙ СПИСОК |
Лекция 1. Измерения и шкалы
1.1. Типы измерений
Любое эмпирическое научное исследование начинается с того, что исследователь фиксирует выраженность интересующего его свойства, как правило, при помощи чисел. Таким образом, следует различать объекты исследования (в психологии это чаще всего люди, испытуемые), их свойства (то, что интересует исследователя, составляет предмет изучения) и признаки , отражающие в числовой шкале выраженность свойств.
Измерение в терминах производимых исследователем операций - это приписывание объекту числа по определенному правилу. Это правило устанавливает соответствие между измеряемым свойством объекта и результатом измерения - признаком.
В обыденном сознании, как правило, нет необходимости разделять свойства вещей и их признаки: такие свойства предметов, как вес и длина, мы отождествляем, соответственно, с количеством граммов и сантиметров. Если нет необходимости в измерении, мы ограничиваемся сравнительными суждениями: этот человек тревожный, а этот - нет, этот более сообразителен, чем другой, и т.д.
В научном исследовании нам исключительно важно отдавать себе отчет в том, что точность, с которой признак отражает измеряемое свойство, зависит от процедуры измерения.
Пример. Мы можем разделить всех наших испытуемых на две группы по сообразительности: сообразительные и не очень. И далее приписать каждому испытуемому символ (например, 1 и 0) в зависимости от его принадлежности к той или другой группе мы можем упорядочить всех испытуемых по степени выраженности сообразительности, приписывая каждому его ранг, от самого сообразительного (1 ранг), самого сообразительного из оставшихся (2 ранг) и т. д. до последнего испытуемого. В каком из этих двух случаев измеренный признак будет точнее отражать различия между испытуемыми по измеряемому свойству, догадаться нетрудно.
В зависимости от того, какая операция лежит в основе измерения признака, выделяют так называемые измерительные шкалы. Они еще называются шкалами С. Стивенса, по имени ученого-психолога, который их предложил. Эти шкалы устанавливают определенные соотношения между свойствами чисел и измеряемым свойством объектов. Шкалы разделяют на метрические (если есть или может быть установлена единица измерения) и неметрические (если единицы измерения не могут быть установлены).
Проблема повышения качества и эффективности научных исследований в сфере психологии в последние годы выступает предметом исследования большинства ученых, приводит к активному внедрению в практическую психологию современных математических и информационных методов.
Методы математической обработки данных используются для обработки данных, установления закономерностей между изучаемыми процессами, психологическими феноменами. Использование математических методов позволяет повысить достоверность, научность результатов исследований.
Подобная обработка может осуществляться вручную либо при помощи специального программного обеспечения. Результаты исследования могут быть представлены в графическом виде, в виде таблица, в числовом выражении.
На сегодняшний день основными направлениями психологического знания, в которых уровень математизации знаний оказывается наиболее важным, является экспериментальная психология, психометрика и математическая психология.
К наиболее распространенным психологическим математическим методам относят регистрацию и шкалирование, ранжирование, факторный, корреляционный анализ, различные методы многомерного представления и анализа данных.
Регистрация и шкалирование как метод математической обработки данных в психологии
Сущность данного метода заключается в выражении исследуемых феноменов в числовых показателях. Выделяют несколько видов шкал, однако, в рамках практической психологии чаще всего используется количественная, которая позволяет измерять степень выраженности исследуемых свойств у объектов, выразить разницу между ними в числовых показателях. Использование количественной шкалы позволяет осуществлять операцию ранжирования.
Определение 1
Под ранжированием в современной научной литературе понимают распределение данных в порядке убывания/ возрастания исследуемого признака.
В процессе ранжирования каждому конкретному значению присваивается определенный ранг, что позволяет перевести значения из количественной шкалы в номинальную.
Корреляционный анализ в психологии
Сущность данного метода математической обработки заключается в установлении зависимости между психологическими феноменами, процессами. В процессе корреляционного анализа измеряется уровень изменений среднего значения одного показателя при изменении параметров, с которыми он находится во взаимосвязи.
Связь между феноменами может быть положительной, когда увеличение факторного признака приводит к одновременному увеличению результативного либо отрицательной, при которой зависимость выступает обратной положительной. Зависимость может быть линейной или кривой.
Использование корреляционного анализа позволяет выявить и установить взаимосвязи между феноменами, процессами, которые выступают не очевидными на первый взгляд.
Факторный анализ в психологии
Использование данного метода позволяет прогнозировать вероятное влияние определенных факторов на исследуемый феномен, причем все факторы воздействия изначально принимаются как имеющие равное значение, а степень влияния исследуемого фактора вычисляется математически. Применение факторного анализа позволяет установить общую причину трансформаций нескольких феноменов.
Таким образом, внедрение методов математической обработки данных в практическую психологию позволяет существенно повысить объективность результатов исследований, снизить уровень субъективности, влияния личности исследователя на реализацию изучение, анализ и интерпретацию данных.
Полученные в процессе математической обработки результаты позволяют лучше понять сущность исследуемых психологических феноменов во всем многообразии их взаимосвязей, осуществлять адекватное прогнозирование в отношении возможных изменений изучаемых феноменов, осуществлять конструирование математических моделей группового и индивидуального поведения и пр.
Методы и способы математико-статистической обработки у студентов гуманитарных факультетов, в том числе и психологических, вызывают значительные затруднения и, как следствие, боязнь и предубеждение в возможности ими овладения. Однако, как показывает практика, это ложные заблуждения. Следует понять, что в современной психологии, в практической деятельности психолога любого уровня, без использования аппарата математической статистики все выводы могут восприниматься как не более чем умозрительные, с известной долей субъективности. Вместе с тем по мере накопления практического опыта, освоения базы данных эмпирических исследований неизбежно возникает задача их обобщения, выявления тенденций, динамики, характерных черт, особенностей, которые невозможно обоснованно интерпретировать, не используя математические методы количественного анализа.
Анализ первичных статистик
Для определения способов математико-статистической обработки прежде всего необходимо оценить характер распределения данных по всем используемым параметрам (признакам). Для параметров (признаков), имеющих нормальное распределение или близкое к нормальному, можно использовать методы параметрической статистики, которые во многих случаях являются более мощными, чем методы непараметрической статистики. Достоинством последних является то, что они позволяют проверять статистические гипотезы независимо от формы распределения.
Одним из важнейших в математической статистике является понятие нормального распределения.
Нормальное распределение - модель варьирования некоторой случайной величины, значения которой определяются множеством одновременно действующих независимых факторов. Количество таких факторов велико, а эффект влияния каждого из них в отдельности очень мал. Такой характер взаимовлияний весьма характерен для психических явлений, поэтому исследователь в области психологии чаще всего выявляет нормальное распределение. Однако так бывает не всегда, поэтому в каждом случае форма распределения должна быть проверена.
Характер распределения выявляется главным образом для того, чтобы определиться в методах математико-статистической обработки данных.
Если характер распределения показателей психологического признака является нормальным или близким к нормальной форме распределения признака, описываемой кривой Гаусса, то можно использовать параметрические методы математической статистики как наиболее простые, надежные и достоверные: сравнительный анализ, расчет достоверности отличий признака между выборками (по критерию Стьюдента, F-критерию Фишера, коэффициенту корреляции Пирсона и др).
Если кривая распределения показателей психологического признака далека от нормальной, то используют методы непараметрической статистики: расчет достоверности отличий по критерию Q Розенбаума (для малых выборок), по критерию U Манна-Уитни, коэффициенту ранговой корреляции Спирмена, по факторному, многофакторному, кластерному и другим методам анализа.
Помимо этого, по характеру распределения можно составить общее представление об общей характеристике выборки испытуемых по данному признаку и тому, насколько данная методика соответствует (т. е. «работает», валидна) данной выборке.
Важнейшими первичными статистиками, характеризующими распределение исследуемого признака, являются:
- средняя арифметическая - это величина, сумма отрицательных и положительных отклонений от которой равна нулю. В статистике ее обозначают буквой «М» или «X». Чтобы ее подсчитать, надо суммировать все значения ряда и разделить сумму на количество суммированных значений;
- среднее квадратичное отклонение (обозначаемое греческой буквой а (сигма) и называемое также основным, или стандартным отклонением) - мера разнообразия входящих в группу объектов; она показывает, насколько в среднем отклоняется каждая варианта (конкретное значение оцениваемого параметра) от средней арифметической. Чем сильнее разбросаны варианты относительно средней, тем большим оказывается и среднее квадратичное отклонение. Разброс значений характеризует и размах, т.е. разность между наибольшим и наименьшим значением в ряду. Однако сигма полнее характеризует разброс значений относительно средней арифметической;
- коэффициент вариации - частное, полученное отделения сигмы на среднюю арифметическую, умноженное на 100%:
CV=q/Mx 100%,
где q - стандартное отклонение; CV - коэффициент вариации; М - среднее арифметическое.
Следует иметь в виду, что сигма (q) - величина именованная и зависит не только от степени варьирования, но и от единиц измерения. Поэтому по сигме можно сравнивать изменчивость лишь одних и тех же показателей, а сопоставлять сигмы разных признаков по абсолютной величине нельзя. Для того чтобы сравнить по уровню изменчивости признаки любой размерности (выраженные в различных единицах измерения) и избежать влияния масштаба измерений средней арифметической на величину сигмы, применяют коэффициент вариации, который представляет собой по существу приведение к одинаковому масштабу величины q.
Для нормального распределения используются точные количественные зависимости частот и значений, позволяющие прогнозировать появление новых вариант.
Таким образом, ориентируясь на характеристики нормального распределения, можно оценить степень близости к нему рассматриваемого распределения психологического признака.
Следующими по важности характеристиками распределения показателей признака являются такие первичные статистики, как коэффециент асимметрии и эксцесс.
Коэффициент асимметрии - показатель отклонения распределения в левую или правую сторону по оси абсцисс. Если правая ветвь кривой длиннее левой, говорят о правосторонней (положительной) fccbvtnhbb, если левая ветвь длиннее правой, говорят о левосторонней (отрицательной) асимметрии.
Эти параметры позволяют составить первое приближенное представление о характере распределения:
- у нормального распределения редко можно обнаружить коэффициент асимметрии, близкий к единице и более единицы (-1 и +1);
- эксцесс у признаков с нормальным распределением обычно имеет величину в диапазоне 2-4. Вычислить показатели ассиметрии и эксцесса эмпирического распределения можно, используя функцию «Описательная статистика» в программе Excel.
Следующий момент, на который следует обратить особое внимание, относится к интерпретации психологического значения, выявляемого данным характером распределения. Что же выявляет кривая Гаусса в характеристике психологических явлений? Какой психологический смысл выявляет кривая распределения данных, оценок тестовых баллов исследуемого психологического признака?
Следует иметь в виду, что кривая распределения тестовых баллов (оценок, результатов выполнения заданий и т. д.), с одной стороны, отражает свойства пунктов, из которых составлен тест (задание) а с другой - характеризует состав выборки испытуемых, т. е. насколько успешно они справляются с заданием, насколько данный тест (задание) дифференцирует выборку по соответствующему качеству, признаку.
Если кривая имеет правостороннюю асимметрию, то это значит что в тесте преобладают трудные задания (для данной выборки); если кривая имеет левостороннюю асимметрию,
то значит, большинство пунктов в тесте легкие (слабые).
Таким образом, имеются два варианта объяснения:
1) тест (задание) плохо дифференцирует испытуемых с низким уровнем развития способностей (свойств, качеств, характеристик): большинство испытуемых получают примерно одинаковый - низкий балл;
2) тест хуже дифференцирует испытуемых с высоким развитием способностей (свойств, качеств, характеристик): большинство испытуемых получают достаточно высокий балл.
Анализ эксцесса кривой распределения позволяет сделать следующие выводы в зависимости от формы распределения показателей (данных, вариант) психологического признака:
В случае, когда возникает значительный положительный эксцесс (эксцессивная кривая) и вся масса баллов скучивается вблизи среднего значения, возможны следующие объяснения:
- ключ составлен неверно: объединены при подсчете отрицательно связанные признаки, которые взаимоуничтожают баллы. Но в практике психолога, который работает с валидными и надежными методиками, такие случаи исключаются (кроме собственной невнимательности и безответственности);
- испытуемые применяют, разгадав направленность теста (опросника), специальную тактику «медианного балла» - искусственно балансируя ответы «за» и «против» одного из полюсов измеряемого психологического признака;
- если подбираются пункты, тесно положительно коррелирующие между собой (т. е. испытания не являются статистически независимыми), то в распределении баллов возникает отрицательный эксцесс, принимающий форму плато;
- максимальных величин отрицательный эксцесс достигает по мере возрастания вогнутости вершины распределения - до образования двух вершин, двух мод (с «провалом» между ними). Такая бимодальная конфигурация распределения баллов указывает на то. что выборка испытуемых разделилась на две категории, подгруппы (с плавным переходом между ними): одни справились с большинством заданий (согласились с большинством вопросов), другие - не справились (не согласились). Такое распределение свидетельствует, что в основе заданий (пунктов) имеется какой-то один общий им всем признак, соответствующий определенному свойству испытуемых: если у испытуемых есть это свойство (способность, знание, умение), то они справляются с большинством пунктов заданий, если нет этого свойства, то не справляются.
Начать с анализа первичных статистик надо еще и по той причине, что они весьма чувствительны к наличию выпадающих вариант. Большие величины эксцесса и асимметрии часто являются индикаторами ошибок при подсчетах вручную или ошибок при вве-агпни данных через клавиатуру при компьютерной обработке. Грубые промахи при введении данных для обработки можно обнаружить, если сравнить величины сигм у аналогичных параметров. Выделяющаяся величиной сигма может указывать на ошибки.
Существует правило, согласно которому все расчеты вручную должны выполняться дважды (особо ответственные - трижды), желательно, -разными способами с вариацией последовательности обращения к числовому массиву.
Иной причиной больших показателей эксцесса и асимметрии может оказаться недостаточная надежность и валидность методик, используемых для данной популяции.
В научных исследованиях по части (отдельной выборке) никогда не удается полностью охарактеризовать целое (генеральную совокупность, популяцию): всегда остается вероятность того, что оценка генеральной совокупности на основе выборочных данных недостаточно точна, имеет некоторые, большие или меньшие, ошибки. Такие ошибки, при обобщении, экстраполяции результатов, полученных при изучении отдельной выборки, на всю генеральную совокупность, называются ошибками репрезентативности.
Статистические ошибки репрезентативности показывают, в каких пределах могут отклоняться от параметров генеральной совокупности (от математического ожидания или истинных значений) частные определения, полученные на основе конкретных выборок. Очевидно, величина ошибки тем больше, чем больше варьирование признака и чем меньше выборка. Это и отражено в формулах для вычисления статистических ошибок, характеризующих варьирование выборочных показателей относительно их генеральных параметров.
Поэтому в число первичных статистик обязательно входит статистическая ошибка средней арифметической. Формула для ее вычисления такова:
mM = +(-) q/n,
где: mn - ошибка средней арифметической; q - сигма, стандарта отклонение; n - число значений признака.
Перечисленные основные первичные статистики позволяют оценить характер распределения данных в экспериментальном массиве и использовать основные методы параметрической и непараметрической статистики для обоснования результатов эмпирического психологического исследования.
Принято считать, что математика - это царица наук, и любая наука становится по-настоящему наукой, только тогда, когда она начинает использовать математику. Однако многие психологи в глубине души уверенны, что царица наук - психология, а отнюдь не математика. Может быть, это две независимые друг от друга дисциплины? Математику для доказательства своих положений вовсе не обязательно привлекать психологию, а психологу можно совершать открытия не привлекая на помощь математику. Большинство теорий личности и психотерапевтических концепций были сформулированы без всякого обращения к математике. Примером может служить концепция психоанализа, бихевиоральная концепция, аналитическая психология К.Г.Юнга, индивидуальная психология А.Адлера, объективная психология В.М. Бехтерева, культурно-историческая теория Л.С. Выготского, концепция отношений личности В.Н.Мясищева и многие другие теории. Но все это было, в основном, в прошлом. Многие психологические концепции ныне подвергаются сомнению на основании того, что они не были подтвеждены статистически. Стало принято использовать математические методы. Любые данные, полученные при экспериментальном или эмпирическим исследовании, должны подвергаться статистической обработке и быть статистически достоверными.
Одни исследователи считают, что интеграция психологического и математического знания необходимо и полезна, что эти науки дополняют друг друга. Необходимо только при обработке данных учитывать специфику психологического исследования и необычность предмета психологии - но эта одна точка зрения. Существует, однако, и другая.
Ученые которые ее придерживаются говорят о том, что предмет изучения психологии настолько специфичен, что использование математических методов не облегчает, а лишь усложняет процесс исследования.
Экспериментальный характер первоначальных исследований в области психологии, работы М.М. Сеченова, В. Вундта: первые работы Г.Т. Фехнера и Эббингауза, в которых используются математические методы анализа психических явлений. В связи с развитием теории психологии, ее экспериментальных направлений возникает интерес к использованию математических методов для описания и анализа тех явлений, которые она изучает. Наблюдается стремление выражать открываемые законы в математической форме. Так сформировалась математическая психология.
Проникновение математических методов в психологию связано с развитием экспериментальных и прикладных исследований, оказывает довольно сильное влияние на ее развитие :
- 1. появляются новые возможности исследований психологических явлений.
- 2. предъявляются более высокие требования постановки исследовательских задач и определению способов решения.
Математика выступает как средство абстракции анализа и обобщения данных, а следовательно, как средство построения психологических теорий.
Три стадии математизации психологической науки :
- 1. применение математических методов для анализа и обработки результатов экспериментов и наблюдений и установление простейших количественных закономерностей (психофизический закон, экспотенциональная кривая научений);
- 2. попытки моделирования психических процессов и явлений с помощью готового математического аппарата, разработанного ранее для других наук;
- 3. начало разработки специализированного математического аппарата для исследования моделирования психических процессов и явлений, формирования математической психологии как самостоятельного раздела теоретической (абстрактно-аналитической) психологии.
Важно при построении психологических явлений иметь ввиду их реальные характеристики:
- 1. В любом действии всегда присутствуют эмоциональные компоненты.
- 2. Психологические явления чрезвычайно динамичны.
- 3. В психологии все изучается в развитии.
В настоящее время психология стоит на пороге нового этапа развития - создание специализированного математического аппарата для описания психических явлений и связанного с ним поведения, требуется создание нового математического аппарата.
Стремление дать математическое описание психического явления безусловно способствует развитию общепсихологической теории.
Существует несколько математических подходов в психологии .
- 1. Иллюстративный/дискурсивный, состоящий в замене естественного языка математической символикой. Символики заменяют длинные рассуждения. Служит мнемоническим средством - удобным для памяти кодом. Позволяет экономным образом наметить направление поиска зависимостей между явлениями.
- 2. Функциональный - состоит в описании зависимости между теми или иными величинами, из которых один результат принимается в качестве аргумента, другой - в качестве функции. Получил широкое распространение (аналитическое описание)
- 3. Структурный - описание взаимосвязей между различными сторонами изучаемого явления.
К сожалению, психология практически не имеет ни собственных единиц измерения, ни отчетливого представления о том, как заимствованные ей единицы измерения соотносятся с психическими феноменами. Однако ни у кого не возникает возражения по поводу того, что психология не может отказаться от математики полностью, это нецелесообразно и не нужно. В любом случае, следует помнить о том, что математика, несомненно, систематизирует мышление и позволяет выявить закономерности, на первый взгляд не всегда очевидные. Использование математической обработки данных имеет массу преимуществ. Другое дело, что заимствование этих методов и их интеграция в психологию должно быть максимально корректным, а психологи, которые их используют, должны иметь достаточно глубокие знания в области математики и уметь правильно использовать математические методы.
В настоящее время психология переживает период активного развития: расширение ее проблематики, обогащение методов исследования и фактических данных, формирование новых направлений, усиление связи с практикой. Развитие психологии науки: 1). экстенсивное (расширяющееся) - проявляется в дифференциации (разделении): психология управления, космическая, авиационная и так далее 2). дифференциация психологии как науки противостоит интеграции ее областей и направлений. Чем глубже проникает та или иная специальная дисциплина в изучаемый ею предмет и чем полнее раскрывает его, тем более необходимыми становятся для нее контакты с другими дисциплинами. Например, инженерная психология связана с социальной психологией, психологией труда, психофизиологией, психофизикой. Связь между общей теорией и ее специальными областями двусторонняя: общая теория питается данными, накапливаемыми в отдельных областях. А. отдельные области могут успешно развиваться лишь при условии развития общей теории психологии.
left">
Негосударственное образовательное частное учреждение
высшего профессионального образования
«Московский социально-гуманитарный институт»
КОНСПЕКТ ЛЕКЦИЙ ПО ДИСЦИПЛИНЕ
«МАТЕМАТИЧЕСКИЕ МЕТ ОДЫ В ПСИХОЛОГИИ»
ЧАСТЬ 1
Лекция № 1
ВВЕДЕНИЕ В КУРС «МАТЕМАТИЧЕСКИЕ МЕТОДЫ В ПСИХОЛОГИИ»
Вопросы:
1.Математика и психология
2.Методологические вопросы применения математики в психологии
3.Математическая психология
3.1.Введение
3.2.История развития
3.3.Психологические измерения
3.4.Нетрадиционные методы моделирования
1822 г . Именно тогда в Королевском немецком научном обществе прочел доклад «О возможности и необходимости применять в психологии математику». Основная идея доклада сводилась к упомянутому выше мнению: если психология хочет быть наукой, подобно физике, в ней нужно и можно применять математику.
Спустя два года после этого программного по своей сути доклада издал книгу «Психология как наука, заново основанная на опыте, метафизике и математике». Эта книга примечательна во многих отношениях. Она, на мой взгляд (см. Г. В Суходольский, ), явилась первой попыткой создания психологической теории, опирающейся на тот круг явлений, которые непосредственно доступны каждому субъекту, а именно на поток представлений, сменяющих друг друга в сознании. Никаких эмпирических данных о характеристиках этого потока, полученных, подобно физике, экспериментальным путем, тогда не существовало. Поэтому Гербарт в отсутствие этих данных, как он сам писал, должен был придумывать гипотетические модели борьбы всплывающих и исчезающих в сознании представлений. Облекая эти модели в аналитическую форму, например φ =α(l-exp[-βt]) ,где t-время, φ-скорость изменения представлений, α и β - константы, зависящие от опыта, Гербарт, манипулируя числовыми значениями параметров, пытался описать возможные характеристики смены представлений.
По-видимому, первому принадлежит мысль о том, что свойства потока сознания - это величины и, следовательно, они в дальнейшем развитии научной психологии подлежат измерению. Ему также принадлежит идея «порога сознания», и он первый употребил выражение «математическая психология».
У в Лейпцигском университете нашелся ученик и последователь, позднее ставший профессором философии и математики, - Мориц-Вильгельм Дробиш. Он воспринял, развил и по-своему реализовал программную идею учителя. В словаре Брокгауза и Ефрона о Дробише сказано, что еще в 30-х годах Х1Х века он занимался исследованиями по математике и психологии и публиковался на латинском языке. Но в 1842г . биш издал в Лейпциге на немецком языке монографию под недвусмысленным названием: «Эмпирическая психология согласно естественнонаучному методу».
На мой взгляд, эта книга М.-В. Дробиша дает замечательный пример первичной формализации знаний в области психологии сознания. Там нет математики в смысле формул, символики и расчетов, но там есть четкая система понятий о характеристиках потока представлений в сознании как взаимосвязанных величинах. Уже в предисловии М.-В. Дробиш написал, что эта книга предваряет другую, уже готовую, - имеется в виду книга по математической психологии. Но поскольку его коллеги-психологи недостаточно подготовлены в математике, постольку он счел необходимым продемонстрировать эмпирическую психологию сначала безо всякой математики, а лишь на твердых естественнонаучных основах.
Не знаю, подействовала ли эта книга на тогдашних философов и богословов , занимавшихся психологией. Скорее всего - нет. Но она, несомненно, подействовала, как и работы, на лейпцигских ученых с естественнонаучным образованием.
Лишь через восемь лет, в 1850 г . в Лейпциге вышла в свет вторая основополагающая книга М.-В. Дробиша-«Первоосновы математической психологии». Таким образом, у этой психологической дисциплины тоже есть точная дата появления в науке. Некоторые современные психологи, пишущие в области математической психологии, ухитряются начинать ее развитие с американского журнала, появившегося в 1963 г. Воистину, «все новое - это хорошо забытое старое». Целое столетие до американцев развивалась математическая психология, точнее - математизированная психология. И начало процессу математизации нашей науки положили и М.-В. Дробиш.
Надо сказать, что по части новаций математическая психология Дробиша уступает сделанному его учителем - Гербартом. Правда, Дробиш к двум борющимся в сознании представлениям добавил третье, а это сильно усложнило решения. Но главное, по-моему, в другом. Большую часть объема книги составляют примеры численного моделирования. К сожалению, ни современники, ни потомки не поняли и не оценили научного подвига, совершенного М.-В. Дробишем: у него ведь не было компьютера для численного моделирования. А в современной психологии математическое моделирование - это продукт второй половины XX века. В предисловии к нечаевскому переводу гербартианской психологии российский профессор, знаменитый своей «психологией без всякой метафизики», весьма пренебрежительно отозвался о попытке Гербарта применять в психологии математику. Но не такова была реакция естествоиспытателей. И психофизики, в частности Теодор Фехнер, и знаменитый Вильгельм Вундт, работавшие в Лейпциге, не могли пройти мимо основополагающих публикаций М.-В. Дробиша. Ведь именно они математически реализовали в психологии идеи Гербарта о психологических величинах, порогах сознания, времени реакций сознания человека, причем реализовали с использованием современной им математики.
Основные методы тогдашней математики-дифференциальное и интегральное исчисления, уравнения сравнительно несложных зависимостей - оказались вполне пригодными для выявления и описания простейших психофизических законов и различных реакций человека Но они не годились для изучения сложных психических явлений и сущностей. Не зря В. Вундт категорически отрицал возможность эмпирической психологии исследовать высшие психические функции. Они оставались, по Вундту, в ведении особой, по сути метафизической, психологии народов.
Математические средства для изучения сложных многомерных объектов, в том числе высших психических функции - интеллекта, способностей, личности, стали создавать англоязычные ученые. Среди других результатов оказалось, что рост потомков как бы стремится возвратиться к среднему росту предков. Появилось понятие «регрессия», и были получены уравнения, выражающие эту зависимость. Был усовершенствован коэффициент, раньше предложенный французом Бравэ. Этот коэффициент количественно выражает соотношение двух изменяющихся переменных, т. е. корреляцию. Теперь этот коэффициент - одно из важнейших средств многомерного анализа данных, дажесимвол сохранил аббревиатурный : малое латинское «г» от английского relation - отношение.
Еще будучи студентом Кембриджа, Фрэнсис Гальтон заметил, что рейтинг успешности сдачи экзаменов по математике,-а это был выпускной экзамен, -- изменяется от нескольких тысяч до немногих сотен баллов. Позднее, связав это с распределением талантов, Гальтон пришел к мысли о том, что специальные испытания позволяют прогнозировать дальнейшие жизненные успехи людей. Так в 80-х гг. XIX века родился гальтоновский метод тестов.
Идею тестов подхватили и развили французы-А. Бит, В. Анри и другие, создавшие первые тесты для селекции социально отсталых детей. Это послужило началом психологической тестологии, что, в свою очередь, повлекло за собой развитие психологических измерений.
Большие массивы числовых результатов измерений по тестам- в баллах, стали объектом многочисленных исследований, в том числе математико-психологических. Особая роль здесь принадлежит английскому инженеру, работавшему в Америке, -Чарльзу Спирмену
Во-первых , Ч. Спирмен, полагавший, что для вычисления корреляции между рядами целочисленных баллов, или рангов, нужна специальная мера, перепробовав разные варианты (я читал его объемную статью в Американском психологическом журнале за 1904 г.), остановился, наконец, на той форме коэффициента корреляции рангов, которая с тех пор носит его имя.
Во-вторых , имея дело с большими массивами числовых результатов по тестам и корреляций между этими результатами, Ч. Спирмен предположил, что эти корреляции вовсе не выражают взаимовлияние результатов, а эксплицируют их совместную изменчивость под влиянием обшей латентной психической причины, или фактора, например интеллекта. Соответственно этому Спирмен предложил теорию «генерального» фактора, определяющего совместную изменчивость переменных тестовых результатов, а также разработал метод выявления этого фактора по корреляционной матрице. Это был первый метод факторного анализа , созданный в психологии и для психологических целей.
У однофакторной теории Ч. Спирмена быстро нашлись оппоненты. Противоположную, многофакторную теорию, объясняющую корреляции, предложил Леон Терстоун. Ему же принадлежит первый метод мультифакторного анализа, основанный на применении линейной алгебры. После Ч. Спирмена и Л. Терстоуна факторный анализ, не только стал одним из важнейших математических методов многомерного анализа данных в психологии, но и вышел далеко за ее пределы, превратился в общенаучный метод анализа, данных.
С конца 20-х гг XX века математические методы все шире проникают в психологию и творчески используются в ней. Интенсивно развивается психологическая теория измерений. На основе аппарата цепей Маркова разрабатываются стохастические модели научения в психологии поведения. Созданный в области биологии Рональдом Фишером дисперсионный анализ становится основным математическим методом в генетической психологии. Математические модели из теории автоматического регулирования и шенноновская теория информации широко применяются в инженерной и общей психологии. В итоге современная научная психология во многих своих отраслях математизирована значительным образом. При этом вновь появляющиеся математические новации нередко заимствуются психологами для своих целей. К примеру, появление алгоритмического языка для задач управления, предложенного и, почти сразу же бьшо использовано для составления алгоритмов деятельности железнодорожного диспетчера.
Должен возникнуть вопрос: какими особыми свойствами обладает математика, если одни и те же математические методы успешно применяются в различных науках. Отвечая на этот вопрос, следует обратиться к предмету математики и ее объектам.
На протяжении многих столетий считалось, что предметом математики является все сущее - природа в широком смысле. Математики древности полагали, что математические формы имеют божественное происхождение. Так, Платон рассматривал геометрические фигуры как идеальные эйдосы, т. е. образы, созданные высшими богами для копирования людьми, конечно, уже не в той совершенной форме. А знаменитый Пифагор видел в числах и определенных числовых сочетаниях предустановленную гармонию небесных сфер.
Религиозное мировоззрение людей веками связывало божественное творение мира с математическими средствами, с помощью которых выражаются законы природы. Глубоко религиозный сэр Исаак Ньютон верил, что «книга природы написана на языке математики», и широко использовал математические методы в своей натуральной философии.
Надо сказать, что, даже отказавшись от веры в божественное творение мира, многие математики продолжали считать природу предметом математики. Нам широко известна формулировка, данная в свое время Ф. Энгельсом : «Предметом математики служат пространственные формы и количественные отношения материального мира». Еще и сегодня можно встретить эту формулировку в учебной литературе. Правда, появились и другие трактовки предмета - как наиболее абстрактных моделей всего сущего. Но здесь, намой взгляд, предмет математики опять-таки сужен до служебной функции - моделирования и снова природы в широком смысле.
Спрашивается, а правильно ли это, отказавшись от идеи творения, по-прежнему считать природу предметом математики? Ведь это не только не последовательно. Дело в том, что один и тот же природный закон можно выразить математически по-разному и в пределах научной точности нельзя доказать, какое из выражений истинно. Примером могут служить логарифмический закон Вебера-Фехнера и степенной закон Стивенса, которые, как показал, оба выводятся при определенных допущениях из некоего обобщенного психофизического закона. То обстоятельство, что один и тот же математический метод описывает явления из разных наук, тоже свидетельствует не в пользу природы как предмета математики.
Так если не природа, то что же является предметом математики? Мой ответ, несомненно, крайне удивит многих представителей физико-математических наук: предметом математики является ее собственный продукт-те математические объекты, из которых состоит математика как наука.
Математический объект - это продукт человеческой мысли, материализованный хотя бы в одной из пяти основных форм: вербальной, графической, табличной, символической или аналитической. Конечно, древний мыслитель мог найти в природе аналоги математическим объектам - геометрическим формам, числам, как-либо физически воплощенным (прямая тростинка, пять камней и т. п.). Но ведь математическую сущность надо было абстрагировать от материальной природной формы. Лишь после этого она становилась математической, а не физической (биологической и т. д.). И сделать это мог только человек. В длинном ряду поколений - и для практических целей, и ради интереса - люди создавали тот мир математических объектов (включая отношения и операции над объектами, которые тоже суть математические объекты), который называется математикой.
Подобно психологии, математика - это обширная и бурно развивающаяся область знаний. Но она также далеко не однородна: в ее составе выделяются не только многочисленные отрасли, но и «разные математики». Существуют «чистая» и прикладная, «непрерывная» и дискретная, «не конструктивная» и конструктивная, формально-логическая и содержательная математики.
Пожалуй, так же как нет психолога, знающего все отрасли психологии, так нет и математика, знающего все отрасли и направления современной математики. Ведь даже энциклопедии и справочники наряду с классическими, традиционными разделами, общими для всех, содержат различные дополнительные, причем отнюдь не новые разделы математических сведений. Обилие и разнообразие математических теорий и методов порождает проблемы выбора и практического использования математики за ее пределами, в том числе в психологии. Но об этом мы поговорим в последней главе книги.
Абстрактный характер математики, ее независимость от природы в широком смысле и позволяют использовать математические методы в самых разных приложениях. Разумеется, при этом важно, чтобы метод был адекватен объекту, для изучения которого применяется.
Для того чтобы завершить рассмотрение общих вопросов, остановимся на том, что понимается под математическими методами.
В каждой науке, помимо ее предмета, предполагают существующими особые, свойственные данной науке методы. Так, для современной психологии характерным является метод тестов. Используемые в ней методы наблюдения, беседы, эксперимента и т. д., о которых пишется в учебниках, не являются специфичными для психологии и широко используются в других науках. Вообще, за редким исключением, современные научные методы универсальны и применяются везде, где можно.
Аналогично обстоит дело с математикой. И хотя большинство математиков убеждены в специфичности аксиоматического подхода, математической индукции и доказательств, на самом деле все эти методы используются и за пределами математики.
Как я уже отмечал, математические объекты существуют в текстах и мыслях думающих о них людей в одной, нескольких или всех из пяти основных форм - словесной, графической, табличной, символической и аналитической. Это названия объектов, геометрические фигуры или чертежи и графики, различные таблицы, символы объектов, операций и отношений, наконец, различные формулы, которыми выражаются отношения между объектами. Так вот математические методы представляют собой правила или процедуры построения, преобразования, метризации и вычисления математических объектов-всего четыре основных типа методов. Среди каждого из них есть простые и сложные, как, например, суммирование двух чисел и факторизация корреляционной матрицы. Пятый тип - комбинированный из основных - открывает неограниченные возможности конструирования новых математических методов, необходимых для определенных научных приложений.
Заканчивая, отмечу, что многие методы играют служебную роль в самой математике, как, в частности, доказательства теорем или определенные строгости изложения, так приветствуемые математиками. Для практических приложений математических методов за пределами математики, в том числе в психологии, математические строгости и тонкости не нужны: они затеняют суть результатов, в которых математика должна находиться на заднем плане, как, например, логарифмическая основа психофизического закона Вебера-Фехнера.
Вопрос 2. МЕТОДОЛОГИЧЕСКИЕ ВОПРОСЫ ПРИМЕНЕНИЯ МАТЕМАТИКИ В ПСИХОЛОГИИ
Маститые психологи, имеющие базовое гуманитарное образование, критически относятся к применению математических методов в психологии, сомневаются в их полезности. Их аргументы таковы: математические методы создавались в науках, объекты которых не сравнимы по сложности с психологическими объектами; психология слишком специфична, что бы в ней была польза от математики.
Первый аргумент в определенной мере справедлив. Поэтому именно в психологии создавались математические методы, специально рассчитанные на сложные объекты, например, корреляционный и факторный анализы. Но второй аргумент явно ошибочен: психология не специфичнее многих других наук, где применяется математика. И сама история психологии подтверждает это. Вспомним идеи И. Гербарта и М.-В. Дробиша, да и весь путь развития современной психологии. Он подтверждает расхожую истину: область знания становится наукой, когда начинает применять математику.
, Об индивидных, субъектных и личностных проявленияхиндивидуальнойтревожности//Ананьевскиечтения - 2003. СПб., Изд-во СПбГУ. С. 58-59.
В психологии всегда было много мигрантов из естественных наук, а в XX веке - из наук технических. Неплохо подготовленные в области математики мигранты, естественно, применяли доступную им математику в новой психологической области, не достаточно учитывая существенную психологическую специфику, которая, конечно, существует в психологии, как и в любой науке. В результате в психологических отраслях появилась масса математических моделей, малоадекватных в содержательном отношении. Особенно это относится к психометрии и инженерной психологии, но и к общей, социальной и другим «популярным» психологическим отраслям.
Малоадекватные математические формализмы отталкивают от себя гуманитарно ориентированных психологов и подрывают доверие к математическим методам. А между тем мигранты в психологию из естественных и технических наук уверены в необходимости математизации психологии вплоть до такого уровня, когда само существо психики будет выражено математически. При этом считается, что в математике достаточно методов для психологического использования и психологам нужно только выучить математику.
В основе этих воззрений лежит ошибочная, как я считаю, мысль о всесилии математики, о ее способности, так сказать, вооружившись пером и бумагой, открывать новые тайны, подобно тому, как в физике был предсказан позитрон.
При всем моем уважении и даже любви к математическим методам, должен сказать, что математика не всесильна; она является одной из наук, но, благодаря абстрактности своих объектов, легко и с пользой применимой в других науках. Действительно, в любой науке полезен расчет, и важно представлять закономерности в лаконичной символической форме, использовать наглядные схемы и чертежи. Однако, применение математических методов за пределами математики должно приводить к утрате математической специфики.
Идущая из глубины веков вера в то, что «книга природы написана на языке математики», идущем от господа Бога - создавшего всего и вся, привела к тому, что и в языке и в мышлении ученых закрепились выражения «математические модели», «математические методы» в экономике, биологии, психологии, физике, но как могут существовать математические модели в физике? Ведь в ней должны быть и, конечно, существуют физические модели, построенные с помощью математики. И создают их физики, владеющие математикой, или математики, владеющие физикой.
Короче говоря, в математической физике должны быть математико-физические модели и методы, а в математической психологии - математико-психологические. Иначе, в традиционном варианте «математических моделей» имеет место математический редукционизм.
Редукционизм вообще является одной из основ математической культуры: всегда сводить неизвестную, новую задачу к известной и решать ее апробированными методами. Именно математический редукционизм служит причиной появления малоадекватных моделей в психологии и других науках.
Еще недавно среди наших психологов было распространенным мнение: психолога должны формулировать задачи для математиков, которые смогут их корректно решить. Это мнение явно ошибочное: решать специфические задачи могут лишь специалисты, но являются ли таковыми в психологии математики, - нет, конечно. Рискну утверждать, что математикам также трудно решать психологические задачи, как психологам - задачи математические: ведь надо изучать ту научную область, к которой задача относится, а на это годы нужны и еще интерес к «чужой» научной области, в которой иные критерии научных достижений. Так, математику для научной стратификации необходимо совершать «математические» открытия-доказывать новые теоремы. Причем же здесь психологические задачи? Их должны решать сами психологи, которым надо научиться использовать подходящие математические методы. Таким образом, снова возвращаемся к вопросу об адекватности и полезности математических методов в психологии.
Не только в психологии, но в любой науке, полезность математики состоит в том, что ее методы обеспечивают возможность количественных сравнений, лаконичные символические интерпретации, обоснованность прогнозов и решений, экспликацию правил управления. Но все это - при условии адекватности применяемых математических методов.
Адекватность - это соответствие: метод должен соответствовать содержанию, причем соответствовать в том смысле, что бы отображение не математического содержания математическими средствами было гомоморфным. К примеру, обычные множества не адекватны для описания процессов познания: в них не отображается частота необходимых повторений. Адекватными здесь будут лишь мультимножества. Читатель, познакомившийся с содержанием текста предыдущих глав, легко поймет, что рассмотренные математические методы в целом адекватны для психологических приложений, а в деталях адекватность нужно оценивать конкретно.
Общее правило таково: если психологический объект характеризуется конечным набором свойств, то адекватный метод отобразит весь набор, а если, что-то не отобразится, то и адекватность снижается. Таким образом, мерой адекватности служит количество отображаемых методом содержательных свойств. При этом важны два обстоятельства: наличие конкурирующих, эквивалентных по возможности применения, методов и возможность взаимных вербально-символических, табличных, графических и аналитических отображений результатов.
Среди конкурирующих методов следует выбирать наиболее простые, либо понятные, и желательно проверять результат разными методами. Например, дисперсионным анализом и математическим планированием эксперимента можно обоснованно выявлять зависимости в науке.
Не следует ограничиваться одной-двумя из математических форм, нужно, по видимости (а она всегда существует) использовать их все, создавая определенную избыточность в математическом описании результатов.
Важнейшим условием конкретного применения математических методов является, - помимо их понимания, разумеется, - содержательная и формальная интерпретация. В психологии следует различать и уметь выполнять четыре вида интерпретаций; психолого-психологические, психолого-математические, математико-математические и (обратные) математико-психологические. Они организованы в цикл.
Любая научно-исследовательская или практическая задача в психологии сначала подвергается психолого-психологическим интерпретациям, посредством которых от теоретических воззрений переходят к операционально определяемым понятиям и эмпирическим процедурам. Затем наступает черед психолого-математических интерпретаций, с помощью которых выбираются и реализуются математические методы эмпирического исследования. Полученные данные надо обработать и в процессе обработки осуществляются математико-математические интерпретации. Наконец, результаты обработки следует интерпретировать содержательно, т. е. выполнить математико-психологическую интерпретацию уровней значимости, аппроксимированных зависимостей и т. д. Цикл замкнулся, и либо задача решена и можно переходить к другой, либо необходимо уточнить предыдущую и повторить исследование. Такова логика действий в применении математики, - и не только в психологии, но и в других науках.
И последнее. Нельзя досконально изучить все рассмотренные в этой книге математические методы впрок, раз и навсегда. Для овладения любым достаточно сложным методам нужны многие десятки, а то и сотни обучающих попыток. Но познакомится с методами и попытаться их понять в общем и целом нужно впрок, а с деталями можно познакомится в дальнейшем, по мере надобности.
Вопрос 3. Математическая психология
3.1. Введение
Математическая психология - это раздел теоретической психологии, использующий для построения теорий и моделей математический аппарат.
«В рамках математической психологии должен осуществляться принцип абстрактно-аналитического исследования, в котором изучается не конкретное содержание субъективных моделей действительности, а общие формы и закономерности психической деятельности» [Крылов, 1995].
Объект математической психологии : естественные системы, обладающие психическими свойствами; содержательные психологические теории и математические модели таких систем. Предмет - разработка и применение формального аппарата для адекватного моделирования систем, обладающих психическими свойствами. Метод - математическое моделирование.
Процесс математизации психологии начался с момента ее выделения в экспериментальную дисциплину. Этот процесс проходит ряд этапов.
Первый - применение математических методов для анализа и обработки результатов экспериментального исследования, а также выведение простых законов (конец XIX в. - начало XX в.). Это время разработки закона научения, психофизического закона, метода факторного анализа.
Второй (40-50-е гг.) - создание моделей психических процессов и поведения человека с использованием ранее разработанного математического аппарата.
Третий (60-е гг. по настоящее время) - выделение математической психологии в отдельную дисциплину, основная цель которой - разработка математического аппарата для моделирования психических процессов и анализа данных психологического эксперимента.
Четвертый этап еще не наступил. Этот период должен характеризоваться становлением психологии теоретической и отмиранием - математической.
Часто математическую психологию отождествляют с математическими методами, что является ошибочным. Математическая психология и математические методы соотносятся друг с другом так же, как теоретическая и экспериментальная психология.
3.2. История развития
Термин «математическая психология» стал применяться с появлением в 1963 г. в США «Руководства по математической психологии» . В эти же годы здесь начинает издаваться журнал «Journal of Mathematical Psychology».
Проведенный в лаборатории математической психологии ИП РАН анализ работ позволил выделить основные тенденции развития математической психологии.
В 60-70-е гг. получили широкое распространение работы по моделированию обучения, памяти, обнаружения сигналов, поведения, принятия решений. Для их разработки использовался математический аппарат вероятностных процессов, теории игр, теории полезности и др. Было завершено создание математической теории обучения. Наиболее известны модели Р. Буша, Ф. Мостеллера, Г. Бауэра, В. Эс-теса, Р. Аткинсона. (В последующие годы наблюдается снижение количества работ по данной проблематике.) Появляется множество математических моделей по психофизике, например С. Стивенса, Д. Экмана, Ю. Забродина, Дж. Светса, Д. Грина, М. Михайлевской, Р. Льюса (см. разд. 3.1). В работах по моделированию группового и индивидуального поведения, в том числе в ситуации неопределенности, использовались теории полезности, игр, риска и стохастические процессы. Это модели Дж. Неймана, М. Цетлина, В. Крылова, А. Тверского, Р. Льюса. В рассматриваемый период создавались глобальные математические модели основных психических процессов.
В период до 80-х гг. появляются первые работы по психологическим измерениям: осуществляется разработка методов факторного анализа, аксиоматики и моделей измерения, предлагаются различные классификации шкал, ведется работа над созданием методов классификации и геометрического представления данных,
строятся модели, основанные на лингвистической переменной (Л. Заде).
В 80-е гг. особое внимание уделяется уточнению и развитию моделей, связанных с разработкой аксиоматики различных теорий.
В психофизике это: современная теория обнаружения сигналов (Д. Свете, Д. Грин), структуры сенсорных пространств (Ю. Забродин, Ч. Измайлов), случайных блужданий (Р. Льюс, 1986), различения Линка и др.
В области моделирова ния группового и индивидуального поведения : модель решения и действия в психомоторных актах (Г. Коренев, 1980), модель целенаправленной системы (Г. Коренев), «деревья» предпочтения А. Тверского, модели системы знаний (Дж. Грино), вероятностная модель научения (А. Дрынков, 1985), модель поведения в диадном взаимодействии (Т. Савченко, 1986) моделирование процессов поиска и извлечения информации из памяти (Р. Шифрин, 1974), моделирование стратегий принятия решений в процессе обучения (В. Венда, 1982) и др.
В теории измерения:
множество моделей многомерного шкалирования (МШ), в которых прослеживается тенденция к снижению точности описания сложных систем - модели предпочтения, неметрическое шкалирование, шкалирование в псевдоевклидовом пространстве, МШ на «размытых» множествах (Р. Шепард, К. Кумбс, Д. Краскал, В. Крылов, Г Головина, А. Дрынков);
Модели классификации: иерархические, дендритные, на «размытых» множествах (А. Дрынков, Т. Савченко, В. Плюта);
Модели конфирматорного анализа, позволяющие формировать культуру проведения экспериментального исследования;
Применение математичеекого моделирования в психодиагностике (А. Анастази, П. Клайн, Д. Кендалл, В. Дружинин)
В 90-х гг. глобальные математические модели психических процессов практически не разрабатываются, однако значительно возрастает количество работ по уточнению и дополнению существующих моделей, продолжает интенсивно развиваться теория измерений, теория конструирования тестов; разрабатываются новые шкалы, более адеквантые реальности (Д. Льюс, П. Саппес, А. Тверски, А. Марли); широко внедряется в психологию синергетический подход к моделированию.
Если в 70-е гг. работы по математической психологии в основном появлялись в США, то в 80-е наблюдается бурный рост ее развития в России, в настоящее время, к сожалению, заметно снизившийся из-за недостаточного финансирования фундаментальной науки.
Наиболее значимые модели появились в 70-е-начале 80-х гг., далее они дополнялись и уточнялись. В 80-е гг. интенсивно развивалась теория измерений. Эта работа продолжается и сегодня. Особенно важно, что многие методы многомерного анализа получили широкое применение в экспериментальных исследованиях; появляется множество специально ориентированных на психологов программ анализа данных психологического тестирования.
В США большое внимание уделяется чисто математическим вопросам моделирования. В России же, наоборот, математические модели зачастую не обладают достаточной строгостью, что приводит к неадекватному описанию реальности.
Математические модели в психологии. В математической психологии принято выделять два направления: математические модели и математические методы. Мы нарушили эту традицию, так как считаем, что нет необходимости выделять отдельно методы анализа данных психологического эксперимента. Они являются средством построения моделей: классификации, латентных структур, семантических пространств и др.
3.3. Психологические измерения
В основе применения математических методов и моделей в любой науке лежит измерение. В психологии объектами измерения являются свойства системы психики или ее подсистем, таких, как восприятие, память, направленность личности, способности и т. д. Измерение - это приписывание объектам числовых значений, отражающих меру наличия свойства у данного объекта.