Psykologian tieteellisen tutkimuksen laadun ja tehokkuuden parantamisen ongelma viime vuosina on ollut useimpien tiedemiesten tutkimusten kohteena, mikä on johtanut nykyaikaisten matemaattisten ja tietomenetelmien aktiiviseen käyttöönottoon käytännön psykologiaan.

Aineiston käsittelyyn käytetään matemaattisen tiedonkäsittelyn menetelmiä, kuvioiden luomista tutkittavien prosessien, psykologisten ilmiöiden välille. Matemaattisten menetelmien avulla voidaan lisätä tutkimustulosten luotettavuutta ja tieteellistä luonnetta.

Tällainen käsittely voidaan suorittaa manuaalisesti tai käyttämällä erityistä ohjelmistoa. Tutkimuksen tulokset voidaan esittää graafisessa muodossa, taulukon muodossa, numeerisesti.

Tähän mennessä psykologisen tiedon pääalueet, joilla tiedon matemaattisuuden taso on tärkein, ovat kokeellinen psykologia, psykometria ja matemaattinen psykologia.

Yleisimpiä psykologisia matemaattisia menetelmiä ovat rekisteröinti ja skaalaus, ranking, tekijä-, korrelaatioanalyysi, erilaiset moniulotteisen esityksen menetelmät ja data-analyysi.

Rekisteröinti ja skaalaus matemaattisen tiedonkäsittelyn menetelmänä psykologiassa

Tämän menetelmän ydin on tutkittujen ilmiöiden ilmaisemisessa numeerisesti. Asteikkoja on useita tyyppejä, mutta käytännön psykologian puitteissa käytetään useimmiten kvantitatiivista, jonka avulla voit mitata tutkittujen ominaisuuksien vakavuusastetta kohteissa, ilmaista niiden välinen ero numeerisesti. Kvantitatiivisen asteikon käyttö mahdollistaa luokitusoperaation suorittamisen.

Määritelmä 1

Nykyaikaisessa tieteellisessä kirjallisuudessa ranking ymmärretään tietojen jakautumisena tutkittavan ominaisuuden laskevassa/nousevassa järjestyksessä.

Luokitteluprosessissa kullekin tietylle arvolle annetaan tietty arvo, jonka avulla voit siirtää arvoja kvantitatiivisesta asteikosta nimelliseen.

Korrelaatioanalyysi psykologiassa

Tämän matemaattisen käsittelyn menetelmän ydin on luoda suhde psykologisten ilmiöiden, prosessien välille. Korrelaatioanalyysissä mitataan yhden indikaattorin keskiarvon muutosten tasoa, kun parametrit, joihin se on yhdistetty, muuttuvat.

Ilmiöiden välinen yhteys voi olla positiivinen, kun tekijäattribuutin kasvu johtaa samanaikaisesti tehokkaan kasvuun, tai negatiivinen, jossa riippuvuus on käänteisesti positiivinen. Riippuvuus voi olla lineaarinen tai kaareva.

Korrelaatioanalyysin avulla voidaan tunnistaa ja luoda suhteita ilmiöiden ja prosessien välillä, jotka eivät ole ensi silmäyksellä ilmeisiä.

Faktorianalyysi psykologiassa

Tämän menetelmän avulla voidaan ennustaa tiettyjen tekijöiden todennäköinen vaikutus tutkittavaan ilmiöön, ja kaikki vaikuttavat tekijät katsotaan aluksi yhtä merkittäviksi ja tutkittavan tekijän vaikutusaste lasketaan matemaattisesti. Tekijäanalyysin avulla voidaan selvittää useiden ilmiöiden muutosten yhteinen syy.

Näin ollen matemaattisten tietojenkäsittelymenetelmien käyttöönotto käytännön psykologiassa voi merkittävästi lisätä tutkimustulosten objektiivisuutta, vähentää subjektiivisuuden tasoa, tutkijan persoonallisuuden vaikutusta tutkimuksen toteuttamiseen, tietojen analysointiin ja tulkintaan.

Matemaattisessa prosessoinnissa saadut tulokset mahdollistavat tutkittujen psykologisten ilmiöiden olemuksen ymmärtämisen paremmin niiden kaikissa suhteissa, riittävän ennusteen tekemisen tutkittavien ilmiöiden mahdollisten muutosten suhteen, matemaattisten mallien rakentamisen. ryhmä- ja yksilökäyttäytyminen jne.

Menetelmät ja menetelmät matemaattinen ja tilastollinen käsittely humanitaaristen tiedekuntien, myös psykologisten tiedekuntien, opiskelijat aiheuttavat merkittäviä vaikeuksia ja sen seurauksena pelkoa ja ennakkoluuloja mahdollisuudesta hallita niitä. Kuten käytäntö osoittaa, nämä ovat kuitenkin vääriä harhaluuloja. On ymmärrettävä, että nykyaikaisessa psykologiassa minkä tahansa tason psykologin käytännön toiminnassa, käyttämättä matemaattisten tilastojen laitteistoa, kaikki johtopäätökset voidaan pitää vain spekulatiivisina, tietyllä subjektiivuudella. Samaan aikaan käytännön kokemusten kerryttyessä syntyy väistämättä empiiristen tutkimusten tietokannan kehittäminen, tehtävä yleistää niitä, tunnistaa trendejä, dynamiikkaa, ominaisuuksia ja piirteitä, joita ei voida järkevästi tulkita ilman kvantitatiivisen analyysin matemaattisia menetelmiä. .

Ensisijaisten tilastojen analyysi
Matemaattisen ja tilastollisen käsittelyn menetelmien määrittämiseksi on ensinnäkin arvioitava kaikkien käytettyjen parametrien (ominaisuuksien) tietojen jakautumisen luonne. Parametreille (ominaisuuksille), joilla on normaalijakauma tai lähellä normaalia, voit käyttää parametristen tilastojen menetelmiä, jotka ovat monissa tapauksissa tehokkaampia kuin ei-parametristen tilastojen menetelmät. Jälkimmäisten etuna on, että ne mahdollistavat tilastollisten hypoteesien testaamisen jakauman muodosta riippumatta.

Yksi tärkeimmistä matemaattisista tilastoista on normaalijakauman käsite.

Normaalijakauma - jonkin satunnaismuuttujan vaihtelumalli, jonka arvot määrää samanaikaisesti toimivien riippumattomien tekijöiden joukko. Tällaisten tekijöiden määrä on suuri, ja kunkin vaikutus erikseen on hyvin pieni. Tämä keskinäisten vaikutusten luonne on hyvin tyypillistä henkisille ilmiöille, joten psykologian alan tutkija paljastaa useimmiten normaalijakauman. Näin ei kuitenkaan aina ole, joten jokaisessa tapauksessa jakauman muoto on tarkistettava.

Jakauman luonne paljastetaan pääasiassa matemaattisten ja tilastollisten tietojenkäsittelymenetelmien määrittämiseksi.

Jos psykologisen ominaisuuden indikaattoreiden jakauman luonne on normaali tai lähellä Gaussin käyrän kuvaaman ominaisuuden jakauman normaalia muotoa, matemaattisten tilastojen parametrisia menetelmiä voidaan käyttää yksinkertaisimpina, luotettavimpina ja luotettavimpina: vertaileva analyysi, näytteiden välisten piirteiden erojen luotettavuuden laskeminen (Studentin kriteerin mukaan, F - Fisherin kriteerin, Pearsonin korrelaatiokertoimen jne. mukaan).

Jos psykologisen ominaisuuden indikaattoreiden jakautumiskäyrä on kaukana normaalista, käytetään ei-parametrisia tilastomenetelmiä: erojen luotettavuuden laskeminen Rosenbaum Q -kriteerin mukaan (pienille otoksille), Mann-Whitney U -kriteeri, Spearmanin kriteeri. rankkorrelaatiokerroin, tekijä-, monitekijä-, klusteri- ja muut menetelmät.

Lisäksi jakauman luonteesta johtuen tältä pohjalta voidaan saada yleinen käsitys tutkittavien otoksen yleisistä ominaisuuksista ja siitä, kuinka tämä tekniikka vastaa (eli "toimii") tätä näytettä.

Tärkeimmät perustilastot, jotka kuvaavat tutkittavan piirteen jakautumista ovat:
- Aritmeettinen keskiarvo on arvo, josta negatiivisten ja positiivisten poikkeamien summa on nolla. Tilastoissa se on merkitty kirjaimella "M" tai "X". Sen laskemiseksi sinun on summattava kaikki sarjan arvot ja jaettava summa summattujen arvojen lukumäärällä;
- keskihajonta (merkitty kreikkalaisella kirjaimella a (sigma) ja jota kutsutaan myös pää- tai standardipoikkeamaksi) - ryhmään kuuluvien esineiden monimuotoisuuden mitta; se näyttää kuinka paljon kukin variantti (estimoidun parametrin tietty arvo) poikkeaa keskimäärin aritmeettisesta keskiarvosta. Mitä hajaantuneempia vaihtoehdot ovat suhteessa keskiarvoon, sitä suurempi on keskihajonta. Arvojen leviäminen luonnehtii myös vaihteluväliä, ts. sarjan suurimman ja pienimmän arvon välinen ero. Sigma kuvaa kuitenkin täydellisemmin arvojen leviämistä suhteessa aritmeettiseen keskiarvoon;
- variaatiokerroin - osamäärä, saatu sigman erotus aritmeettisella keskiarvolla kerrottuna 100 %:lla:
CV=q/Mx 100 %
missä q on standardipoikkeama; CV - variaatiokerroin; M - aritmeettinen keskiarvo.

On pidettävä mielessä, että sigma (q) on nimetty arvo ja se ei riipu vain vaihteluasteesta, vaan myös mittayksiköistä. Siksi sigman mukaan on mahdollista verrata vain samojen indikaattoreiden vaihtelua, eikä eri merkkien sigmoja voi verrata absoluuttisesti. Minkä tahansa ulottuvuuden etumerkkien vaihtelutason vertaamiseksi (eri mittayksiköissä ilmaistuna) ja aritmeettisen keskiarvon mitta-asteikon vaikutuksen välttämiseksi sigma-arvoon käytetään variaatiokerrointa, joka on olennaisesti vähennys samalle asteikolle q.

Normaalijakaumaa varten taajuuksien ja arvojen tarkkoja kvantitatiivisia riippuvuuksia käytetään ennustamaan uusien varianttien ilmaantumista.

Näin ollen normaalijakauman ominaisuuksiin keskittymällä on mahdollista arvioida psykologisen piirteen tarkastellun jakauman läheisyysaste siihen.

Seuraavaksi tärkeimmät piirreindikaattoreiden jakauman ominaisuudet ovat sellaiset primaaritilastot kuin vinouskerroin ja kurtoosi.

Epäsymmetriakerroin - indikaattori jakauman poikkeamasta vasemmalle tai oikealle puolelle abskissaa pitkin. Jos käyrän oikea haara on pidempi kuin vasen, puhutaan oikeanpuoleisesta (positiivisesta) fccbvtnhbb, jos vasen haara on pidempi kuin oikea, puhutaan vasemmanpuoleisesta (negatiivisesta) epäsymmetriasta.

Näiden parametrien avulla voit tehdä ensimmäisen likimääräisen käsityksen jakelun luonteesta:
- normaalijakaumassa on harvoin mahdollista löytää vinovuuskerroin lähellä yhtä tai useampaa kuin yhtä (-1 ja +1);
- normaalijakauman merkkien kurtosis-arvo on yleensä välillä 2-4. Voit laskea empiirisen jakauman vinouden ja kurtoosin Excelin Descriptive Statistics -toiminnolla.

Seuraava seikka, johon on kiinnitettävä erityistä huomiota, liittyy tämän jakautumismallin paljastaman psykologisen merkityksen tulkintaan. Mitä Gaussin käyrä paljastaa psykologisten ilmiöiden karakterisoinnissa? Mitä psykologista merkitystä paljastavat aineiston jakautumiskäyrä, tutkitun psykologisen ominaisuuden testipisteiden arvioinnit?

On syytä muistaa, että testipisteiden (arvosanat, tehtävien tulokset jne.) jakautumiskäyrä heijastaa toisaalta niiden kohteiden ominaisuuksia, joista testi (tehtävä) koostuu, ja toisaalta , luonnehtii koehenkilöotoksen kokoonpanoa eli - kuinka hyvin he selviävät tehtävästä, kuinka paljon tämä testi (tehtävä) erottaa otoksen vastaavan laadun, ominaisuuden mukaan.

Jos käyrällä on oikeanpuoleinen epäsymmetria, tämä tarkoittaa, että testissä on vaikeita tehtäviä (tälle otokselle); jos käyrällä on vasemmanpuoleinen epäsymmetria,
Tämä tarkoittaa, että useimmat testin kohteet ovat kevyitä (heikkoja).

On siis kaksi mahdollista selitystä:
1) testi (tehtävä) erottaa huonosti koehenkilöt, joiden kykyjen (ominaisuudet, ominaisuudet, ominaisuudet) kehitystaso on alhainen: suurin osa koehenkilöistä saa suunnilleen saman - alhaisen pistemäärän;
2) testi erottaa koehenkilöt, joiden kyvyt (ominaisuudet, ominaisuudet, ominaisuudet) ovat kehittyneet huonommin: suurin osa koehenkilöistä saa melko korkean pistemäärän.

Jakaumakäyrän kurtoosin analyysi antaa meille mahdollisuuden tehdä seuraavat johtopäätökset psykologisen piirteen indikaattorien (datan, muunnelman) jakautumismuodon mukaan:
Siinä tapauksessa, että on olemassa merkittävä positiivinen kurtoosi (liiallinen käyrä) ja koko pisteen massa ryhmittyy keskiarvon ympärille, seuraavat selitykset ovat mahdollisia:
- avain on käännetty väärin: laskettaessa yhdistettiin negatiivisesti toisiinsa liittyviä ominaisuuksia, jotka kumoavat toisensa. Mutta pätevin ja luotettavin menetelmin työskentelevän psykologin käytännössä tällaiset tapaukset suljetaan pois (lukuun ottamatta hänen omaa piittaamattomuuttaan ja vastuuttomuuttaan);
- koehenkilöt soveltavat testin (kyselylomakkeen) suunnan arvattuaan "mediaanipisteen" erityistaktiikkaa - tasapainottaa keinotekoisesti vastauksia "puoleen" ja "vastaan" yhtä mitatun psykologisen ominaisuuden napoista;
- jos valitaan kohteita, jotka korreloivat läheisesti positiivisesti keskenään (eli testit eivät ole tilastollisesti riippumattomia), niin pistejakaumassa tapahtuu negatiivinen kurtoosi, joka on tasanteen muodossa;
- negatiivinen kurtoosi saavuttaa maksimiarvonsa, kun jakauman yläosan koveruus kasvaa - kunnes muodostuu kaksi huippua, kaksi tilaa (joiden välillä on "dip"). Tämä bimodaalinen pisteytyskonfiguraatio osoittaa sen. että koehenkilöotos jaettiin kahteen luokkaan, alaryhmiin (joiden välillä oli sujuva siirtyminen): toiset selviytyivät useimmista tehtävistä (yhtyivät useimmista kysymyksistä), toiset eivät selviytyneet (ei olleet samaa mieltä). Tällainen jakauma osoittaa, että tehtävät (kohteet) perustuvat johonkin yhteiseen ominaisuuteen, joka niillä kaikilla on ja joka vastaa tiettyä tutkittavien ominaisuutta: jos koehenkilöillä on tämä ominaisuus (kyky, tieto, taito), he selviävät useimmat kohteet tehtäviä, jos ei tämä ominaisuus, ne eivät selviä.

On myös tarpeen aloittaa primaaritilastojen analysoinnista, koska ne ovat erittäin herkkiä poikkeamien esiintymiselle. Suuret määrät kurtoosia ja vinoutta ovat usein merkki virheistä manuaalisessa laskennassa tai näppäimistön syöttövirheistä tietokonekäsittelyssä. Karkeat virheet tietojen syöttämisessä käsittelyä varten voidaan havaita vertaamalla vastaavien parametrien sigma-arvoja. Näyttävä sigma voi olla merkki virheistä.

On olemassa sääntö, jonka mukaan kaikki manuaaliset laskelmat on suoritettava kahdesti (erityisesti vastuulliset - kolme kertaa), mieluiten eri tavoilla numeerisen taulukon käyttöjärjestyksen vaihtelulla.

Toinen syy suureen kurtoosiin ja vinoon voi olla tälle populaatiolle käytettyjen menetelmien luotettavuuden ja validiteetin puute.

Tieteellisessä tutkimuksessa osassa (erillinen näyte) ei koskaan ole mahdollista täysin karakterisoida kokonaisuutta (yleispopulaatio, populaatio): aina on olemassa mahdollisuus, että otantatietoihin perustuva estimaatti yleisestä populaatiosta ei ole riittävän tarkka, sillä on jonkin verran , suurempia tai pienempiä, virheitä. Tällaisia ​​virheitä, kun yleistetään, ekstrapoloidaan erillisen otoksen tutkimisesta saatuja tuloksia koko populaatioon, kutsutaan edustavuusvirheiksi.

Tilastolliset edustavuusvirheet osoittavat, missä määrin tiettyjen otosten perusteella saadut yksityiset määritelmät voivat poiketa yleisen perusjoukon parametreista (matemaattisista odotuksista tai todellisista arvoista). Ilmeisesti virheen suuruus on sitä suurempi, mitä suurempi on ominaisuuden vaihtelu ja mitä pienempi näyte. Tämä näkyy tilastovirheiden laskentakaavoissa, jotka kuvaavat otosindikaattoreiden vaihtelua suhteessa niiden yleisiin parametreihin.

Siksi ensisijaisten tilastojen lukumäärä sisältää välttämättä aritmeettisen keskiarvon tilastollisen virheen. Sen laskentakaava on:
mM = +(-)q/n,
missä: mn - aritmeettisen keskiarvon virhe; q - sigma, keskihajonta; n on piirrearvojen lukumäärä.

Luettelon tärkeimmät primaaritilastot antavat meille mahdollisuuden arvioida kokeellisen taulukon tietojen jakautumisen luonnetta ja käyttää parametrisen ja ei-parametrisen tilaston päämenetelmiä empiirisen psykologisen tutkimuksen tulosten perustelemiseen.

Lähetä hyvä työsi tietokanta on yksinkertainen. Käytä alla olevaa lomaketta

Opiskelijat, jatko-opiskelijat, nuoret tutkijat, jotka käyttävät tietopohjaa opinnoissaan ja työssään, ovat sinulle erittäin kiitollisia.

Lähetetty http://www.allbest.ru

VENÄJÄN FEDERAATIOIN OPETUS- JA TIETEMINISTERIÖ

YKSITYINEN OPETUSLAITOS

"OO FPO INTERNATIONAL ACADEMY OF EXPERTIES & ARVIOINTI"

MATEMAATISET MENETELMÄT psykologiassa

Wasteland Svetlana Nikolaevna

Saratov 2016

Johdanto

1. Matemaattinen psykologia teoreettisen psykologian haarana

2. Psykologia ja matematiikka. Matematiikan arvo luotettavan psykologisen tiedon hankkimisessa

3. Psykologian metodologiset perusperiaatteet

4. Matematiikan soveltamisen metodologiset kysymykset psykologiassa

Johtopäätös

Luettelo käytetyistä lähteistä

Johdanto

Matemaattinen psykologia on teoreettisen psykologian haara, joka käyttää matemaattista laitteistoa teorioiden ja mallien rakentamiseen.

Nykyaikainen psykologia liittyy hyvin läheisesti matematiikkaan. Matemaattisen lohkon tieteenalat ovat (psykologisen ja lääketieteellisen - biologisen koulutuksen tieteenalojen ohella) profilointi opiskelijoiden - psykologien koulutuksessa. Matemaattisen (ja usein myös tietokoneen) tietojenkäsittelyn taidot katsotaan ehdottoman välttämättömäksi psykologian alalla työskenteleville asiantuntijoille.

Päätimme, että esseemme aihe on relevantti.

Tiivistelmän tarkoitus: paljastaa matemaattisten menetelmien perusteet perinteisinä ja ei-perinteisinä psykologian mallinnusmenetelminä. matemaattinen psykologian mallinnus

1) Paljastaa matematiikan merkitys luotettavan psykologisen tiedon hankkimisessa;

2) Kuvaile ja paljastaa psykologian metodologisten periaatteiden ydin, matematiikan soveltamisen metodologiset kysymykset psykologiassa.

3) Kuvaile matemaattisia menetelmiä psykologiassa käytettäviksi perinteisiksi ja ei-perinteisiksi mallinnusmenetelmiksi.

1. Matemaattinen psykologiateoreettisen psykologian osana

Matemaattinen psykologia on teoreettisen psykologian haara, joka käyttää matemaattista laitteistoa teorioiden ja mallien rakentamiseen.

"Matemaattisen psykologian puitteissa tulisi toteuttaa abstrakti-analyyttisen tutkimuksen periaate, joka ei tutki subjektiivisten todellisuusmallien erityistä sisältöä, vaan henkisen toiminnan yleisiä muotoja ja malleja" [Krylov, 2012].

Matemaattisen psykologian kohde : luonnolliset järjestelmät, joilla on henkisiä ominaisuuksia; mielekkäitä psykologisia teorioita ja tällaisten järjestelmien matemaattisia malleja. Asia -- muodollisen laitteiston kehittäminen ja soveltaminen mentaalisia ominaisuuksia omaavien järjestelmien riittävään mallintamiseen. Menetelmä-- matemaattinen mallinnus.

Psykologian matematisointiprosessi alkoi siitä hetkestä, kun se erotettiin kokeelliseksi tieteenalaksi.

Tämä prosessi menee sarja vaiheita.

Ensimmäinen - matemaattisten menetelmien käyttö kokeellisen tutkimuksen tulosten analysointiin ja käsittelyyn sekä yksinkertaisten lakien johtamiseen (1800-luvun loppu - 1900-luvun alku). Tämä on oppimislain, psykofyysisen lain, tekijäanalyysimenetelmän kehittämisen aika.

Toinen(40-50s) - henkisten prosessien ja ihmisen käyttäytymisen mallien luominen käyttämällä aiemmin kehitettyä matemaattista laitteistoa.

Kolmas(60-luvulta nykypäivään) - matemaattisen psykologian erottaminen erilliseksi tieteenalaksi, jonka päätavoitteena on kehittää matemaattinen laite henkisten prosessien mallintamiseen ja psykologisen kokeen tietojen analysointiin.

Neljäs vaihe ei ole vielä saapunut. Tälle ajanjaksolle pitäisi olla ominaista teoreettisen psykologian muodostuminen ja matemaattisen psykologian kuihtuminen.

Usein matemaattinen psykologia tunnistetaan matemaattisiin menetelmiin, mikä on virheellistä.

Matemaattinen psykologia ja matemaattiset menetelmät liittyvät toisiinsa samalla tavalla kuin teoreettinen ja kokeellinen psykologia.

2. Psykologia ja matematiikka. Matematiikan arvo luotettavan psykologisen tiedon hankkimisessa

On yleisesti hyväksyttyä, että matematiikka on tieteiden kuningatar, ja mistä tahansa tieteestä tulee todellinen tiede vasta, kun se alkaa käyttää matematiikkaa. Monet psykologit ovat kuitenkin varmoja siitä, että tieteiden kuningatar on psykologia, eikä suinkaan matematiikka. Ehkä nämä ovat kaksi itsenäistä tieteenalaa? Matemaatikko ei tarvitse psykologiaa todistaakseen kantaansa, ja psykologi voi tehdä löytöjä ilman matematiikkaa avuksi. Useimmat persoonallisuusteoriat ja psykoterapeuttiset käsitteet on muotoiltu ilman turvautumista matematiikkaan. Esimerkkinä on psykoanalyysin käsite, käyttäytymiskäsite, C.G. Jungin analyyttinen psykologia, A. Adlerin yksilöpsykologia, V.M.:n objektiivinen psykologia. Bekhterev, L.S.:n kulttuurinen ja historiallinen teoria Vygotsky, V. N. Myasishchevin käsite persoonallisuussuhteista ja monet muut teoriat. Mutta kaikki tämä oli enimmäkseen menneisyyttä. Monet psykologiset käsitteet kyseenalaistetaan nyt sillä perusteella, että niitä ei ole tilastollisesti vahvistettu. Tuli tapana käyttää matemaattisia menetelmiä. Kaikki kokeellisesta tai empiirisesta tutkimuksesta saadut tiedot tulee käsitellä tilastollisesti ja niiden on oltava tilastollisesti merkittäviä.

Jotkut tutkijat uskovat, että psykologisen ja matemaattisen tiedon yhdistäminen on välttämätöntä ja hyödyllistä, että nämä tieteet täydentävät toisiaan. On vain tarpeen ottaa tietoja käsiteltäessä huomioon psykologisen tutkimuksen erityispiirteet ja psykologian aiheen epätavallinen luonne - mutta tämä on yksi näkökulma. On kuitenkin toinenkin.

Sitä noudattavat tutkijat sanovat, että psykologian aihe on niin spesifinen, että matemaattisten menetelmien käyttö ei helpota, vaan vain vaikeuttaa tutkimusprosessia.

Psykologian alan alkututkimuksen kokeellinen luonne, M.M. Sechenov, W. Wundt: G.T.:n ensimmäiset teokset. Fechner ja Ebbinghaus, jotka käyttävät matemaattisia menetelmiä henkisten ilmiöiden analysointiin. Psykologian teorian ja sen kokeellisten suuntien kehityksen yhteydessä on kiinnostusta matemaattisten menetelmien käyttöön kuvaamaan ja analysoimaan sen tutkimia ilmiöitä. On olemassa halu ilmaista löydetyt lait matemaattisessa muodossa. Näin syntyi matemaattinen psykologia.

Matemaattisten menetelmien tunkeutuminen psykologiaan liittyy kokeellisen ja soveltavan tutkimuksen kehittämiseen, tekee aika vahva vaikuttaa sen kehitykseen:

1. uusia mahdollisuuksia psykologisten ilmiöiden tutkimukseen ilmaantuu.

2. Tutkimusongelmien asettamiselle ja niiden ratkaisutapojen määrittämiselle on korkeammat vaatimukset.

Matematiikka toimii välineenä tiedon analysoinnin ja yleistämisen abstraktion tekemiseen ja siten psykologisten teorioiden rakentamiseen.

Psykologian matematisoinnin kolme vaihetta:

1. matemaattisten menetelmien soveltaminen kokeiden ja havaintojen tulosten analysointiin ja käsittelyyn sekä yksinkertaisimpien kvantitatiivisten mallien muodostamiseen (psykofyysinen laki, eksponentiaalinen oppimiskäyrä);

2. yrittää mallintaa henkisiä prosesseja ja ilmiöitä käyttämällä valmiita matemaattisia laitteita, jotka on kehitetty aikaisemmin muita tieteitä varten;

3. henkisten prosessien ja ilmiöiden mallintamisen tutkimukseen erikoistuneen matemaattisen laitteen kehittämisen alku, matemaattisen psykologian muodostuminen itsenäisenä teoreettisen (abstrakti-analyyttisen) psykologian osana.

Psykologisia ilmiöitä rakennettaessa on tärkeää pitää mielessä niiden todelliset ominaisuudet:

1. Kaikissa toimissa on aina tunnekomponentteja.

2. Psykologiset ilmiöt ovat erittäin dynaamisia.

3. Psykologiassa kaikkea tutkitaan kehityksessä.

Tällä hetkellä psykologia on uuden kehitysvaiheen partaalla - erikoistuneen matemaattisen laitteen luominen henkisten ilmiöiden ja siihen liittyvän käyttäytymisen kuvaamiseksi; uusi matemaattinen laite on luotava.

Halu antaa matemaattinen kuvaus henkisestä ilmiöstä edistää varmasti yleisen psykologisen teorian kehittymistä.

Psykologiassa on useita matemaattisia lähestymistapoja.

1. Havainnollistava / diskursiivinen, joka koostuu luonnollisen kielen korvaamisesta matemaattisilla symboleilla. Symbolit korvaavat pitkät argumentit. Toimii muistikuvana - kätevä koodi muistille. Mahdollistaa taloudellisesti hahmotella ilmiöiden välisten riippuvuuksien etsinnän suunnan.

2. Funktionaalinen - koostuu tiettyjen suureiden välisen suhteen kuvaamisesta, joista yksi tulos otetaan argumenttina, toinen - funktiona. Laajalle levinnyt (analyyttinen kuvaus)

3. Rakenteellinen - kuvaus tutkittavan ilmiön eri näkökohtien välisestä suhteesta.

Valitettavasti psykologialla ei käytännössä ole omia mittayksiköitään eikä selkeää käsitystä siitä, kuinka sen lainaamat mittayksiköt korreloivat mielen ilmiöiden kanssa. Kukaan ei kuitenkaan vastusta sitä, että psykologia ei voi kokonaan hylätä matematiikkaa, tämä on tarpeetonta ja tarpeetonta. Joka tapauksessa on muistettava, että matematiikka epäilemättä systematisoi ajattelua ja mahdollistaa kuvioiden tunnistamisen, jotka eivät aina ole ensi silmäyksellä ilmeisiä. Matemaattisen tietojenkäsittelyn käytöllä on monia etuja. Toinen asia on, että näiden menetelmien lainaamisen ja integroinnin psykologiaan tulee olla mahdollisimman oikeaa, ja niitä käyttävillä psykologeilla tulee olla melko syvät tiedot matematiikan alalta ja osata käyttää oikein matemaattisia menetelmiä.

Tällä hetkellä psykologia elää aktiivisen kehityksen aikaa: sen ongelmien laajeneminen, tutkimusmenetelmien ja todisteiden rikastuminen, uusien suuntien muodostuminen ja siteiden vahvistaminen käytäntöön. Tieteen psykologian kehitys: 1). laaja (laajeneva) - ilmenee erilaistumisena (erotteluna): johtamispsykologia, avaruus, ilmailu ja niin edelleen 2). psykologian eriyttäminen tieteenä vastustaa sen alueiden ja suuntausten integrointia. Mitä syvemmälle yksi tai toinen erikoistiede tunkeutuu tutkimaansa aiheeseen ja mitä täydellisemmin se paljastaa sen, sitä tarpeellisemmaksi kontaktit muihin tieteenaloihin tulevat sille. Esimerkiksi insinööripsykologia liittyy sosiaalipsykologiaan, työpsykologiaan, psykofysiologiaan ja psykofysiikkaan. Yhteys yleisen teorian ja sen erityisalueiden välillä on kaksisuuntainen: yleinen teoria ruokkii yksittäisille alueille kertyneitä tietoja. A. erilliset alueet voivat kehittyä menestyksekkäästi vain yleisen psykologian teorian kehittyessä.

3. Psykologian metodologiset perusperiaatteet

Psykologian metodologiset periaatteet ovat ajan ja käytännön koettelemia pääsäännöksiä, jotka määräävät psykologian jatkokehityksen ja sen soveltamisen.

Tärkeimmät metodologiset periaatteet ovat: determinismin periaate; persoonallisuuden, tietoisuuden ja toiminnan yhtenäisyyden periaate; ihmisen psyyken refleksin ja sosiohistoriallisen ehdollisuuden periaate; psyyken kehityksen periaate; hierarkian periaate; johdonmukaisuuden periaate, henkilökohtaisen lähestymistavan periaate; teorian, kokeilun ja käytännön yhtenäisyyden periaate.

Determinismin periaate - yksi tieteellisen tiedon tärkeimmistä selittävistä periaatteista, joka edellyttää tutkittavien ilmiöiden selittämistä empiirisen valvonnan käytettävissä olevien tosiasioiden luonnollisella vuorovaikutuksella.

Persoonallisuuden, tietoisuuden ja toiminnan yhtenäisyyden periaate - psykologian periaate, jonka mukaan tietoisuus henkisen reflektoinnin korkeimpana yhtenäisenä muotona, henkilö, joka on henkilö tietoisuuden kantajana, toiminta ihmisen ja maailman välisen vuorovaikutuksen muotona, jossa hän saavuttaa tietoisesti asettavat päämäärää, ovat olemassa, ilmenevät ja muodostavat ei identiteettissään, vaan kolminaisuuteen, jonka määrää heidän syy-seuraus -suhteidensa dialektiikka. Toisin sanoen tietoisuus on persoonallista ja aktiivista, persoonallisuus on tietoista ja aktiivista, toiminta on tietoista ja henkilökohtaista.

Refleksin ja sosiohistoriallisen ehdollisuuden periaate ihmisen psyyke - kaikki henkiset ilmiöt ovat suoran tai epäsuoran henkisen heijastuksen tuloksia (sen fysiologinen mekanismi on aivojen refleksit), joiden sisällön määrää objektiivinen maailma.

Johdonmukaisuuden periaate - tieteellisen tiedon selittävä periaate, joka edellyttää ilmiöiden tutkimista niiden riippuvuudessa niiden muodostamasta sisäisesti liittyvästä kokonaisuudesta, hankkien tästä johtuen uusia kokonaisuuteen sisältyviä ominaisuuksia.

Kehittämisperiaate psykologian selittävänä periaatteena liittyy sisäisesti muihin tieteellisen tiedon säätelijöihin - determinismin periaatteeseen ja johdonmukaisuuden periaatteeseen. Kehityksen periaate sisältää sen pohtimisen, kuinka ilmiöt muuttuvat kehitysprosessissa niitä synnyttävien syiden vaikutuksesta, ja samalla sisältää oletuksen, jonka mukaan näiden ilmiöiden muuntuminen riippuu niiden osallistumisesta niiden muodostamaan kokonaisuuteen. keskinäinen suuntautuminen.

Hierarkian periaate - kaikki henkiset ilmiöt tulee katsoa hierarkkisten tikkaiden portaiksi, joissa alemmat portaat ovat alisteisia korkeammille, ja ylempiä - mukaan lukien alemmat modifioidussa, mutta ei eliminoidussa muodossa ja niihin luottaen - ei vähennetä heille.

Henkilökohtaisen ja systeemisen lähestymistavan periaate - tieteellisen tiedon menetelmä, joka perustuu esineiden tarkastelemiseen järjestelminä; psykologiassa sitä käytetään tutkittaessa ihmiselle, ryhmälle luontaista henkistä ilmiöjärjestelmää.

Teorian, kokeilun ja käytännön yhtenäisyyden periaate- teorialla perustellut kokeilu testaa ja jalostaa sitä, ja yhdessä sen kanssa, käytännössä testattuina korkeimpana totuuden kriteerinä, palvelee sitä parantaen sitä. Tämän periaatteen merkityksen osoitti B.F. Lomov.

Jokaista metodologista periaatetta on myös pidettävä psykologian lakina.

Psykologiat voivat näitä niille yhteisiä periaatteita käyttäen täydentää niitä lähitieteiden periaatteilla, niiden risteyksessä, jonka kanssa ne kehittyvät.

Johdonmukaisuuden periaate tieteellisen tiedon selittävänä periaatteena

Johdonmukaisuuden periaate - tieteellisen tiedon periaate, joka perustuu esineiden tarkastelemiseen järjestelminä; psykologiassa sitä käytetään tutkittaessa ihmiselle, ryhmälle luontaista henkistä ilmiöjärjestelmää.

Johdonmukaisuuden periaate - (kreikan kielestä systema - verrataan osista, yhteys) - metodologinen lähestymistapa mielen ilmiöiden analysointiin, kun vastaavaa ilmiötä pidetään järjestelmänä, joka ei ole pelkistettävissä sen elementtien summaan ja jolla on rakenne, ja elementtien ominaisuudet määräytyvät niiden sijainnin mukaan rakenteessa. Johdonmukaisuuden periaatteen merkitys teoreettiselle psykologialle on valtava. Valitettavasti johdonmukaisuuden periaate toistuvasti ja viimeisen kahden tai kolmen vuosikymmenen aikana, vaikka se on julistettu psykologian ensisijaiseksi tavoitteeksi, ei ole saanut konkreettista toteutusta ja teoreettista perustetta. Yleisiä psykologisia järjestelmää muodostavia piirteitä ja periaatteita ei tuotu esiin. Systeemisyyden merkki on ikään kuin se tosiasia, että siinä toteutuu ajatus nousta abstraktista konkreettiseen, ajatus nousevasta ja laskevasta determinismistä, ajatus ykseydestä. sosiogeneesiä ja ontogeneesiä korostamalla niiden keskinäisten siirtymien luokkaa.

Lopuksi on todettava, että minkä tahansa nykyaikaisen tieteellisen teorian tulee rakentuessaan ja ideoidensa kehittämisessä perustua johdonmukaisuuden periaatteeseen, koska se on yksi modernin psykologian teorian perusperiaatteista.

Kehityksen periaate psykologiassa. Kehitys on filosofinen ja yleinen tieteellinen tapa selittää ympäröivän todellisuuden ilmiöitä.

Kehityksen periaate liittyy sisäisesti muihin tieteellisen tiedon säätelijöihin - determinismiin ja johdonmukaisuuteen. Siinä pohditaan, kuinka ilmiöt muuttuvat kehitysprosessissa niitä tuottavien syiden vaikutuksesta.

Kehityksen periaate edellyttää, että muutokset tapahtuvat luonnollisesti, että siirtymät muodosta toiseen eivät ole kaoottisia, vaikka niihin sisältyy sattuman ja vaihtelun elementtejä. Tämä tulee myös esiin, kun korreloidaan kahta päätyyppiä kehitystä; evoluutionaalinen ja vallankumouksellinen. Niiden suhde on sellainen, että toisaalta tasojen muutoksen jatkuvuus varmistetaan kehitysprosessin radikaalimpien muutosten aikana, toisaalta syntyy laadullisesti uusia muotoja, joita ei voida pelkistää aikaisempiin.

Siten tulee ilmeiseksi käsitteiden yksipuolisuus, joka joko jatkuvuutta korostaen pelkistää kehityksen aikana uudet muodostelmat tämän prosessin alemmille vaiheille tyypillisiksi muotoiksi tai vallankumouksellisten muutosten merkitystä korostaen näkee laadullisesti aiempaa erilaiset rakenteet, eräänlaisen katastrofin vaikutus "aikojen yhteyden" katkaiseminen. Näiden metodologisten asenteiden vaikutuksesta on kehitetty erilaisia ​​lähestymistapoja selittämään psyyken eri muodoissa ja mittakaavassa tapahtuvia muutoksia - fylogeneesissä ja ontogeneesissä.

Lopuksi on todettava, että determinismin ja johdonmukaisuuden periaatteen ohella kehityksen periaate on yksi modernin psykologian perusperiaatteista. Kehityksen periaate löytää käytännön sovelluksen kehitys- ja pedagogisessa psykologiassa, eläinpsykologiassa ja useilla muilla psykologian aloilla.

4. Mmetodologinenkysymyksiä matematiikan soveltamisesta psykologiassa

Arvostetut humanitaarisen peruskoulutuksen omaavat psykologit suhtautuvat kriittisesti matemaattisten menetelmien käyttöön psykologiassa ja epäilevät niiden hyödyllisyyttä. Heidän argumenttinsa ovat: matemaatikkoikaliset menetelmät luotiin vuonnaukah, jonka objektit eivät ole monimutkaisuudeltaan verrattavissa n:äänshichololoogisia objekteja; psykologia on liian spesifistä ollakseen hyödyllistä matematiikassa. Ensimmäinen väite on tietyssä määrin oikea. Siksi psykologiassa luotiin matemaattisia menetelmiä, jotka oli suunniteltu erityisesti monimutkaisille objekteille, esimerkiksi korrelaatio- ja tekijäanalyysit. Mutta toinen argumentti on selvästi väärä: psykologia ei ole tarkempi kuin monet muut tieteet, joissa matematiikkaa sovelletaan. Ja itse psykologian historia vahvistaa tämän. Muistakaamme I. Herbartin ja M.-V. Drobish ja koko modernin psykologian kehityspolku. Hän vahvistaa yhteisen totuuden: tiedon alasta tulee tiede, kun se alkaa soveltaa matematiikkaa.

Psykologiassa on aina ollut paljon siirtolaisia ​​luonnontieteistä ja 1900-luvulla teknisistä tieteistä. Maahanmuuttajat, jotka eivät olleet huonosti koulutettuja matematiikan alalla, luonnollisesti sovelsivat heidän käytettävissään olevaa matematiikkaa uudella psykologisella alalla, ottamatta riittävästi huomioon olennaista psykologista erityispiirrettä, joka tietysti on olemassa psykologiassa, kuten missä tahansa tieteessä. . Tämän seurauksena psykologisille aloille ilmestyi joukko matemaattisia malleja, jotka ovat sisällöltään riittämättömiä.

Tämä koskee erityisesti psykometriikkaa ja insinööripsykologiaa, mutta myös yleisiä, sosiaalisia ja muita "suosittuja" psykologisia aloja.

Riittämättömät matemaattiset formalismit vieraannuttavat humanitaarisia psykologeja ja heikentävät luottamusta matemaattisiin menetelmiin.

Samaan aikaan psykologiaan luonnontieteistä ja teknisistä tieteistä muuttaneet luottavat psykologian matematisoinnin tarpeeseen jopa tasolle, jossa psyyken olemus ilmaistaan ​​matemaattisesti. Samalla uskotaan, että matematiikassa on riittävästi menetelmiä psykologiseen käyttöön, ja psykologien tarvitsee vain opetella matematiikkaa. Nämä näkemykset perustuvat virheelliseen, kuten uskon, käsitykseen matematiikan kaikkivaltiudesta, sen kyvystä niin sanotusti kynällä ja paperilla aseistettuna löytää uusia salaisuuksia, aivan kuten fysiikassa positronia ennustettiin.

Voimme sanoa, että matematiikka ei ole kaikkivoipa; se on yksi tieteistä, mutta objektiensa abstraktisuuden ansiosta se on helposti ja hyödyllisesti sovellettavissa muihin tieteisiin. Itse asiassa missä tahansa tieteessä laskeminen on hyödyllistä, ja on tärkeää esittää kuviot ytimekkäässä symbolisessa muodossa, käyttää visuaalisia kaavioita ja piirustuksia. Matemaattisten menetelmien soveltaminen matematiikan ulkopuolella pitäisi kuitenkin johtaa matemaattisen spesifisyyden menettämiseen. Uskomus, että "luonnon kirja on kirjoitettu matematiikan kielellä", joka tulee Herralta Jumalalta, joka loi kaiken ja kaiken, on johtanut siihen, että ilmaisut "matemaattiset mallit", "matemaattiset menetelmät" ovat vakiintuneet. kielessä ja tiedemiesten ajattelussa. » taloustieteessä, biologiassa, psykologiassa, fysiikassa, mutta miten matemaattisia malleja voi olla fysiikassa? Loppujen lopuksi sen pitäisi olla ja tietysti on olemassa matematiikan avulla rakennettuja fyysisiä malleja. Ja ne ovat fyysikot, jotka tuntevat matematiikan, tai matemaatikot, jotka tuntevat fysiikan.

Matemaattisessa fysiikassa tulee olla matemaattis-fysikaalisia malleja ja menetelmiä, ja matemaattisessa psykologiassa - matemaattis-psykologisia. Muuten "matemaattisten mallien" perinteisessä versiossa on matemaattista redukcionismia.

Redukcionismi ylipäänsä on yksi matemaattisen kulttuurin perusteista: pelkistää aina tuntematon, uusi ongelma tunnetuksi ja ratkaista se hyväksi havaituilla menetelmillä. Juuri matemaattinen redukcionismi aiheuttaa riittämättömien mallien ilmaantumista psykologiassa ja muissa tieteissä. Viime aikoihin asti psykologiemme keskuudessa oli yleinen mielipide: psykologien tulisi muotoilla ongelmia matemaatikoille, jotka voivat ratkaista ne oikein. Tämä mielipide on selvästi virheellinen: vain asiantuntijat voivat ratkaista tiettyjä ongelmia, mutta ovatko matemaatikot sellaisia ​​​​psykologiassa, ei tietenkään. Uskaltaisin väittää, että matemaatikoiden on yhtä vaikeaa ratkaista psykologisia ongelmia kuin psykologien ratkaista matemaattisia ongelmia: loppujen lopuksi on tutkittava tieteenalaa, johon ongelma kuuluu, ja tätä varten vuosia Tarvitaan myös kiinnostusta "vieraan" tieteenalaan, jossa muitakin tieteellisten saavutusten kriteerejä. Joten tieteellistä kerrostumista varten matemaatikon on tehtävä "matemaattisia" löytöjä - todistaakseen uusia lauseita. Entä psykologiset ongelmat? Ne on ratkaistava psykologien itsensä toimesta, ja heidän on opittava käyttämään sopivia matemaattisia menetelmiä. Näin ollen palaamme jälleen kysymykseen matemaattisten menetelmien riittävyydestä ja hyödyllisyydestä psykologiassa.

Ei vain psykologiassa, vaan missä tahansa tieteessä matematiikan hyödyllisyys piilee siinä, että sen menetelmät tarjoavat mahdollisuuden kvantitatiivisiin vertailuihin, lakonisiin symbolisiin tulkintoihin, ennusteiden ja päätösten pätevyyteen sekä ohjaussääntöjen selittämiseen. Mutta kaikki tämä riippuu käytettyjen matemaattisten menetelmien riittävyydestä.

Riittävyys-- tämä on vastaavuus: menetelmän on vastattava sisältöä ja vastattava siinä mielessä, että ei-matemaattisen sisällön kartoitus matemaattisin keinoin olisi homomorfista. Esimerkiksi tavalliset joukot eivät riitä kuvaamaan kognitiivisia prosesseja: ne eivät näytä tarpeellisten toistojen tiheyttä. Vain multisetit riittävät tähän.

Käsitellyt matemaattiset menetelmät ovat pääsääntöisesti riittäviä psykologisiin sovelluksiin, ja yksityiskohdissa riittävyys on arvioitava erityisesti.

Yleinen sääntö on tämä: jos psykologiselle objektille on ominaista äärellinen ominaisuuksien joukko, niin adekvaattinen menetelmä näyttää koko joukon, ja jos jotain ei näy, niin riittävyys vähenee.

Näin ollen riittävyyden mitta on menetelmän näyttämien merkityksellisten ominaisuuksien lukumäärä. Tässä tapauksessa kaksi seikkaa ovat tärkeitä: kilpailevien, sovellusten, menetelmien ja menetelmien osalta samanarvoisten tulosten molemminpuolisen verbaal-symbolisen, taulukkomuodon, graafisen ja analyyttisen esittelyn olemassaolo.

Kilpailevista menetelmistä kannattaa valita yksinkertaisin tai ymmärrettävin, ja tulos on toivottavaa tarkistaa eri menetelmillä. Esimerkiksi varianssianalyysi ja kokeen matemaattinen suunnittelu voivat kohtuudella paljastaa riippuvuuksia tieteessä. Ei pidä rajoittua yhteen tai kahteen matemaattiseen muotoon, vaan on ilmeisesti (ja se on aina olemassa) käyttää niitä kaikkia, mikä luo tiettyä redundanssia tulosten matemaattiseen kuvaukseen.

Matemaattisten menetelmien konkreettisen soveltamisen tärkein edellytys on niiden ymmärtämisen lisäksi tietysti mielekäs ja muodollinen tulkinta. psykoosissalogiikka pitäisi erottaa mielestäsuorittaa neljä erilaista interväitteet; psykopsykolooginen, psykologinen matematiikkacal, matemaattinen - matemaattinen ja (käänteis) matemaattis-psykologinen. Ne on järjestetty sykleiksi..

Mikä tahansa psykologian tutkimus tai käytännön tehtävä joutuu ensin psykologisille ja psykologisille tulkinnoille, joiden kautta siirrytään teoreettisista näkemyksistä toiminnallisesti määriteltyihin käsitteisiin ja empiirisiin menettelyihin.

Sitten tulee psykologisten ja matemaattisten tulkintojen vuoro, joiden avulla valitaan ja toteutetaan empiirisen tutkimuksen matemaattiset menetelmät. Saatu data on käsiteltävä ja käsittelyn aikana suoritetaan matemaattisia ja matemaattisia tulkintoja. Lopuksi käsittelyn tulokset tulee tulkita mielekkäästi, eli suorittaa matemaattinen ja psykologinen tulkinta merkitsevyystasoista, likimääräisistä riippuvuuksista ja niin edelleen. Kierto on suljettu, ja joko ongelma on ratkaistu ja voit siirtyä toiseen, tai sinun on selvennettävä edellinen ja toistettava tutkimus. Tällainen on toiminnan logiikka matematiikan soveltamisessa, eikä vain psykologiassa, vaan myös muissa tieteissä.

Ja viimeinen. On mahdotonta tutkia perusteellisesti kaikkia tässä abstraktin osassa tarkasteltuja matemaattisia menetelmiä tulevaisuutta varten kerta kaikkiaan. Kaikkien melko monimutkaisten menetelmien hallitseminen vaatii useita kymmeniä tai jopa satoja harjoitusyrityksiä. Mutta sinun on tutustuttava menetelmiin ja yritettävä ymmärtää niitä yleisesti ja kokonaisuutena tulevaisuutta varten, ja voit tutustua yksityiskohtiin tulevaisuudessa tarpeen mukaan.

Psykologisten mittausten tyypit

Luonnontieteissä pitäisi erottaa, kuten S.S. Papovyan, kolme mittaustyyppiä:

1. Perusmittaus perustuu perustavanlaatuisiin empiirisiin malleihin, joiden avulla voit johtaa suoraan numeerisen relaatiojärjestelmän empiirisesta järjestelmästä.

2. Johdetulla mittauksella tarkoitetaan muuttujien mittaamista kuvioiden perusteella, jotka yhdistävät nämä muuttujat muihin. Johdettu mittaus edellyttää sellaisten lakien luomista, jotka kuvaavat yksittäisten todellisuuden parametrien välistä suhdetta, jolloin voit johtaa "piilotettuja" muuttujia suoraan mitattujen muuttujien perusteella.

3. Mittaus "määritelmän mukaan" tehdään, kun mielivaltaisesti oletetaan, että havaittujen piirteiden järjestelmä luonnehtii tätä, ei jokin muu kohteen ominaisuus tai tila.

Psykologisia mittausmenetelmiä voidaan luokitella eri perusteiden mukaan.:

1) "raakatietojen" keräämismenettely;

2) mittauskohde;

3) käytetyn vaa'an tyyppi;

4) skaalatun materiaalin tyyppi;

5) skaalausmallit;

6) mittojen lukumäärä (yksiulotteinen ja moniulotteinen);

7) tiedonkeruumenetelmän teho (vahva tai heikko);

8) henkilön vastauksen tyyppi;

9) mitä ne ovat: deterministisiä vai probabilistisia.

Psykologi-kokeilijan kannalta tärkeimmät syyt ovat tiedonkeruumenettely ja mittauskohde.

Yleisimmin käytetyt subjektiiviset skaalausmenetelmät ovat::

· Ranking-menetelmä. Kaikki objektit esitetään tutkittavalle samanaikaisesti, hänen on järjestettävä ne mitatun attribuutin arvon mukaan.

· Parivertailumenetelmä. Kohteet esitellään koehenkilölle pareittain. Koehenkilö arvioi parien jäsenten välisiä yhtäläisyyksiä - eroja.

· Absoluuttisen arvioinnin menetelmä. Stimulit esitetään yksi kerrallaan. Koehenkilö antaa arvion ärsykkeestä ehdotetun asteikon yksiköissä.

· Valintamenetelmä. Henkilölle tarjotaan useita esineitä (ärsykkeitä, lausuntoja ja niin edelleen), joista hänen on valittava ne, jotka täyttävät annetun kriteerin.

Mittauskohteen mukaan kaikki menetelmät on jaettu osoitteessa:

a) kohteiden skaalausmenetelmät; b) yksilöiden skaalausmenetelmät; c) kohteiden ja yksilöiden yhteisen skaalausmenetelmät.

Objektien (ärsykkeet, lausunnot ja muut) skaalaustekniikat on rakennettu kokeellisen tai mittausmenettelyn kontekstiin. Pohjimmiltaan ne eivät ole tutkijan tehtävä, vaan edustavat kohteen kokeellista tehtävää. Tutkija käyttää tätä tehtävää tunnistaakseen kohteen käyttäytymisen (tässä tapauksessa reaktiot, toimet, sanalliset arvioinnit ja muut) saadakseen selville hänen psyykensä ominaisuudet.

Subjektiivisella skaalalla koehenkilö suorittaa mittauslaitteen toimintoja, ja kokeen suorittaja ei juurikaan ole kiinnostunut koehenkilön "mittaamien" kohteiden ominaisuuksista ja tutkii itse "mittauslaitetta".

Ei-perinteiset menetelmät mallinnus

Mallinnus "sumeilla" sarjoilla

Epätavanomaiseen mallinnustapaan liittyy tietyn numeerisen arvon antaminen elementille, jota ei voida selittää objektiivisella tai subjektiivisella todennäköisyydellä, vaan se tulkitaan elementin kuuluvuusasteeksi johonkin joukkoon. Tällaisten elementtien joukkoa kutsutaan "fuzzy" tai "fuzzy" joukko.

Jokaista luonnollisen kielen sanaa X voidaan pitää päättelyalueen U täydellisen joukon sumean osajoukon M(x) sumeana kuvauksena, missä M(x) on x:n arvo. Tässä mielessä koko kieli kokonaisuutena katsotaan järjestelmäksi, jonka mukaan alkeis- tai yhdistelmäsymbolit (eli sanat, sanaryhmät ja lauseet) määrätään joukon U sumeisiin osajoukkoon. Joten objektin väri on kuin jokin muuttuja, tämän muuttujan arvot (punainen, sininen, keltainen, vihreä ja niin edelleen) voidaan tulkita kaikkien objektien täyden joukon sumeiden osajoukkojen symboleiksi.

Tässä mielessä väri on sumea muuttuja, eli muuttuja, jonka arvot ovat sumeiden joukkojen symboleja. Jos muuttujien arvot ovat lauseita jollain erikoiskielellä, niin tässä tapauksessa vastaavia muuttujia kutsutaan kielellisiksi (L. Zadeh, Yu. Schreider).

Synergia psykologiassa

Toinen vaihtoehto perinteiselle matemaattiselle laitteistolle on synerginen lähestymistapa, jossa matemaattinen idealisointi ilmenee herkkyydellä alkuolosuhteille ja tuloksen ennakoimattomuudella järjestelmän kannalta. Käyttäytymistä voidaan kuvata käyttämällä jaksollisia ja siksi arvaamattomia aikasarjoja, ei rajoittuen stokastisten prosessien mallintamiseen. Epäjärjestys yhteiskunnassa voi edeltää uuden rakenteen ilmaantumista, kun taas stokastisilla järjestelmillä on pieni todennäköisyys luoda mielenkiintoisia rakenteita. Itseorganisoituvia rakenteita kuvaavien determinististen yhtälöiden aperiodiset ratkaisut auttavat ymmärtämään itseorganisoitumisen psykologisia mekanismeja (Freeman, 1992). Näissä teoksissa mieli nähdään "outona houkuttimena", jota ohjaa tietoisuuden yhtälö. Matemaattisesti "outo attraktori" on joukko pisteitä, joihin liikerata lähestyy ohimenevien prosessien vaimenemisen jälkeen.

Useimpien perinteisten psykoterapiamallien ytimessä on tasapainon käsite. Synergettisen lähestymistavan mukaan mieli on epälineaarinen järjestelmä, joka tasapainosta kaukana olevissa olosuhteissa muuttuu monimutkaisten attraktoreiden osiksi, ja tasapaino on vain ääritapaus. Tämän opinnäytetyön ovat kehittäneet psykoterapian teoreetikot valitessaan kaaosteorian yhden tai toisen puolen. Joten esimerkiksi kaoottinen ilmiö psykofysiologisessa itsesäätelyssä erotetaan (Stephen, Franes, 1992) ja houkuttelevia tekijöitä löytyy perheen vuorovaikutusmalleista (L. Chamber, 1991).

Johtopäätös

Psykologian matemaattisia menetelmiä käytetään tutkimusaineiston käsittelyyn ja kuvioiden luomiseen tutkittavien ilmiöiden välille. Yksinkertaisinkaan tutkimus ei ole täydellinen ilman matemaattista tietojenkäsittelyä. Tietojen käsittely voidaan suorittaa manuaalisesti tai ehkä käyttämällä erityistä ohjelmistoa. Lopputulos voi näyttää taulukolta; psykologian matemaattisten tilastojen menetelmät mahdollistavat myös saadun tiedon graafisen esittämisen. Erityyppisille tiedoille (kvantitatiivinen, laadullinen ja järjestysluku) käytetään erilaisia ​​arviointityökaluja.

Psykologian matemaattisia menetelmiä ovat sekä numeeristen riippuvuuksien määrittäminen että tilastollisen käsittelyn menetelmät. Katsotaanpa tarkemmin yleisimpiä niistä. Datan mittaamiseksi on ensinnäkin määritettävä mittausasteikko. Ja täällä käytetään sellaisia ​​​​psykologian matemaattisia menetelmiä kuin rekisteröinti ja skaalaus, jotka koostuvat tutkittujen ilmiöiden ilmaisemisesta numeerisesti. Vaakatyyppejä on useita. Kuitenkin vain osa niistä soveltuu matemaattiseen käsittelyyn. Tämä on pääasiassa määrällinen mittakaava, jonka avulla voit mitata tiettyjen ominaisuuksien ilmaisuastetta tutkittavissa kohteissa ja ilmaista numeerisesti niiden välinen ero. Yksinkertaisin esimerkki on älykkyysosamäärän mittaus. Kvantitatiivisen asteikon avulla voit suorittaa sijoitustietojen toiminnan (katso alla). Kvantitatiiviselta asteikolta luokiteltaessa tiedot muunnetaan nimellisiksi (esimerkiksi indikaattorin matala, keskitaso tai korkea arvo), kun taas käänteinen siirtyminen ei ole enää mahdollista.

Rangeissa on datan jakautuminen arvioitavan ominaisuuden laskevassa (nousevassa) järjestyksessä. Tässä tapauksessa käytetään kvantitatiivista asteikkoa. Jokaiselle arvolle on määritetty tietty arvo (indikaattori, jonka vähimmäisarvo on sijoitus 1, seuraava arvo on sijoitus 2 ja niin edelleen), jonka jälkeen on mahdollista siirtää arvot kvantitatiivisesta asteikosta nimellisarvoon. Esimerkiksi mitattu indikaattori on ahdistuksen taso. Testattiin 100 ihmistä, tulokset asetetaan paremmuusjärjestykseen, ja tutkija näkee kuinka monella ihmisellä on matala (korkea tai keskimääräinen) pistemäärä. Tämä tietojen esittämistapa johtaa kuitenkin osittaiseen tiedon menettämiseen jokaiselle vastaajalle. Korrelaatioanalyysi on ilmiöiden välisen suhteen luominen.

Samalla mitataan, kuinka yhden indikaattorin keskiarvo muuttuu, kun indikaattori, sen suhteen, johon se sijaitsee, muuttuu. Korrelaatiota tarkastellaan kahdella tavalla: vahvuudessa ja suunnassa. Se voi olla positiivinen (yhden indikaattorin kasvaessa, toinen myös kasvaa) ja negatiivinen (ensimmäisen kasvaessa toinen indikaattori laskee: esimerkiksi mitä korkeampi ahdistustaso yksilössä on, sitä epätodennäköisempää on että hän ottaa johtavan aseman ryhmässä). Suhde voi olla lineaarinen tai yleisemmin kaareva. Yhteydet, jotka auttavat määrittämään korrelaatioanalyysin, eivät ehkä ole ensi silmäyksellä ilmeisiä, jos käytetään muita psykologian matemaattisen käsittelyn menetelmiä. Tämä on sen tärkein ansio. Haittoja ovat korkea työvoimaintensiteetti, joka johtuu tarpeesta käyttää huomattavaa määrää kaavoja ja huolellisia laskelmia - tämä on toinen tilastollinen menetelmä, jonka avulla voit ennustaa eri tekijöiden todennäköisen vaikutuksen tutkittavaan prosessiin. Samalla kaikki vaikuttavat tekijät katsotaan alun perin samanarvoisiksi ja niiden vaikutuksen aste lasketaan matemaattisesti. Tällainen analyysi mahdollistaa useiden ilmiöiden vaihtelun yhteisen syyn selvittämisen kerralla. Saatujen tietojen näyttämiseen voidaan käyttää taulukointimenetelmiä (taulukoiden luominen) ja graafista rakennetta (kaavioita ja kaavioita, jotka eivät ainoastaan ​​anna visuaalista esitystä saatuista tuloksista, vaan mahdollistavat myös prosessin kulun ennustamisen). Tärkeimmät edellytykset, joilla yllä mainitut psykologian matemaattiset menetelmät varmistavat tutkimuksen luotettavuuden, ovat riittävän näytteen läsnäolo, mittausten tarkkuus ja tehtyjen laskelmien oikeellisuus.

Jokaisen koulutusjärjestelmässä opettajana, opettaja-psykologina työskentelevän asiantuntijan tulee tuntea matemaattiset menetelmät tutkittavasta kohteesta (ilmiöstä) saatujen tietojen käsittelyssä ja osata soveltaa niitä käytännössä.

Näin ollen tämän esseen tarkoitus ja tavoitteet täyttyvät.

Luettelo käytetyistä lähteistä

1. Birkhoff G. Matematiikka ja psykologia: Per. englannista. / G. Birkhoff. - M., 2012. - 96 s.

2. Blaginin A. A. Matemaattiset menetelmät psykologiassa ja pedagogiikassa / A. A. Blaginin, V. V. Torchilo. - Pietari, 2012. - 84 s.

3. Ermolaev O.Yu. Matemaattiset tilastot psykologeille: oppikirja / O.Yu. Ermolaev. - M.: Mosk. psykologinen ja sosiaalinen. in-t, 2012. - 336 s.

4. Ermolaev-Tomin, O.Yu. Psykologian matemaattiset menetelmät: Oppikirja kandidaateille / O.Yu. Ermolaev-. - M.: Yurayt, 2013. - 511 s.

5. Kuteinikov A.N. Psykologian matemaattiset menetelmät: oppikirja.-menetelmä. kompleksi / A.N. Kuteinikov. - Pietari. : Puhe, 2013. - 172 s.

6. Nasledov, A.D. Psykologisen tutkimuksen matemaattiset menetelmät. Aineiston analysointi ja tulkinta: Oppikirja / A.D. Nasledov. - Pietari: Puhe, 2012. - 392 s.

7. Nemov R.S. Psykologia: oppikirja: 3 kirjassa. / R.S. Nemov. - 4. painos - M.: Vlados, 2012. - Kirja. 3: Psykodiagnostiikka: johdatus tieteelliseen. psychol. tutkimusta mattoelementeillä. tilastot. - 630 s.

8. Ostapuk Yu. V., Sukhodolsky G.V. Yksilöllisen ahdistuksen yksilöllisistä, subjektiivisista ja henkilökohtaisista ilmenemismuodoista//Ananiev Readings - 2013. St. Petersburg, Publishing House of St. Petersburg State University. s. 58-59)

9. Partyka, T.L. Matemaattiset menetelmät: Oppikirja / T.L. Partyka, I.I. Popov. - M.: Forum, NIC INFRA-M, 2013. - 464 s.

10. Sidorenko E.V. Matemaattisen käsittelyn menetelmät psykologiassa / E.V. Sidorenko. - Pietari. : Puhe, 2013. - 350 s.

11. Sukhodolsky G.V. Matemaattinen psykologia / G.V. Sukhodolsky. - Pietari. : St. Petersburg State University, 2015. - 322 s.

12. Shapkin, A.S. Operaatiotutkimuksen matemaattiset menetelmät ja mallit: Oppikirja / A.S. Shapkin, V.A. Shapkin. - M.: Dashkov i K, 2013. - 400 s.

Isännöi osoitteessa Allbest.ru

...

Samanlaisia ​​asiakirjoja

Matematiikan käytön metodologiset ongelmat psykologiassa. Psykologiset asteikot ja mittaukset. Kokeilun suunnittelu, kokeellinen tiedonkäsittely. Matemaattiset menetelmät ihmisen toiminnan suunnittelussa. Psykologian järjestelmäanalyysi.

tiivistelmä, lisätty 22.6.2013


Psykologisen vaikuttamisen strategioiden analyysi psykologian metodologian tasojen ja metodologisten periaatteiden tutkimiseksi. Psykologiassa käytetyt selittävät periaatteet. Tärkeimmät lähestymistavat psykologisten ongelmien ratkaisemisen aikana.

lukukausityö, lisätty 10.12.2015


Psykologian aiheen määritelmien historiallinen muutos. Psykologian tutkimuksen aihe. Psykologian luonnontieteelliset perusteet. Psykologian tutkimusmenetelmät. Psykologian yleiset ja erikoisalat. Menetelmät psykologisten ilmiöiden tutkimiseen.

luento, lisätty 14.2.2007


Psykologian paikka tieteiden järjestelmässä. Tiedonhankintamenetelmät jokapäiväisessä ja tieteellisessä psykologiassa: havainnointi, reflektio, kokeilu. Psykologian alat: lasten, ikä, pedagoginen, sosiaalinen, neuropsykologia, patopsykologia, insinööritiede, työvoima.

tiivistelmä, lisätty 12.2.2012


Sanan "psykologia" alkuperä ja sen historia. Psykologian tehtävänä on tutkia mielen ilmiöitä. Psykologian tutkimat ilmiöt. Psykologian ongelmat. Psykologian tutkimusmenetelmät. Psykologian alat. Ihminen yleisen psykologian aiheena.

lukukausityö, lisätty 12.2.2002


Neuvostoliiton jälkeisen ajan psykologian metodologisten asenteiden kriittinen tarkistus. Venäjän modernin psykologian ajankohtaisia ​​kysymyksiä ja ongelmia. Psykologisen tiedon ja psykologian tieteenalojen erilaistumisen ja kansainvälistymisen suuntaukset.

valvontatyö, lisätty 11.2.2014


Modernin psykologian kohde. Psykologian kehittäminen ja tukeminen. Fyysikkojen kiinnostus psykologiaan. Modernin psykologian haarat. Psykologian perusteet. Käytännön psykologian ohjeet. Yleinen psykologia ja sosiaalipsykologia.

testi, lisätty 16.10.2011


Psykologian määritelmä tieteelliseksi tutkimukseksi käyttäytymisestä ja sisäisistä henkisistä prosesseista sekä saadun tiedon käytännön soveltamisesta. Psykologia tieteenä. Aiheena psykologia. Psykologian kommunikaatio muiden tieteiden kanssa. Psykologian tutkimusmenetelmät.

valvontatyö, lisätty 21.11.2008


Psykologian muodostumisen piirteet. Psykologian determinismin periaatteet, johdonmukaisuus ja kehitys, sen metodologisten periaatteiden sisältö ja tunnusmerkit. Ajattelun toimintaperiaatteet, sen merkitykselliset muodot, psykologian tutkimuksen prosessin organisointi.

tiivistelmä, lisätty 18.11.2010


Psykologian paikka tieteiden järjestelmässä. Psykologian aihe, kohde ja menetelmät. Modernin psykologian rakenne. Ihmisten toiminnan syyt ja mallit, käyttäytymisen lait yhteiskunnassa. Psykologian ja filosofian suhde. Ero jokapäiväisen psykologian ja tieteellisen välillä.

Liittovaltion koulutusvirasto

Valtion oppilaitos

korkeampi ammatillinen koulutus

"Omskin valtion teknillinen yliopisto"

Matemaattiset menetelmät psykologiassa

Luentomuistiinpanot

humanitaaristen erikoisalojen 2. vuoden opiskelijoille

päivä-, ilta- ja kirjeosastot

Omsk - 2008

Kokoonpannut Ananko Alla Aleksandrovna, Art. opettaja

Julkaistu Omskin toimitus- ja julkaisuneuvoston päätöksellä

valtion teknillinen yliopisto.

LUENTO 1. Mitat ja asteikot
1.1 Mittaustyypit
1.2. Mittausvaa'at
1.3. Kuinka määrittää, millä asteikolla ilmiötä mitataan
LUENTO 2. Diskreetti variaatiosarja ja sen pääindikaattorit
2.1. Ominaisuuden vaihtelu aggregaatissa ja sen tutkimuksen merkitys
LUENTO 3. Kahden näytteen näytteen keskiarvojen tilastollinen analyysi
3.1. Menetelmän valinta ja yleinen lähestymistapa
3.2. Opiskelijan t-testi
3.3. Algoritmi Studentin t-testin laskentaan riippuville mittausnäytteille
LUENTO 4. Ei-parametristen jakaumien kriteerit
4.1. Mann-Whitneyn testi
4.2. Merkkien kriteerit
LUENTO 5 Rankkorrelaatiokertoimen laskenta ja analysointi
5.1. Suorita luokitus seuraavan algoritmin mukaan
5.2. Algoritmi Spearmanin rankkorrelaatiokertoimen laskemiseksi
LUENTO 6 Moniulotteinen skaalaus
6.1. Tarkoitus
6.2. Moniulotteiset menetelmät ja mallit
6.3. ei-metrinen malli
LUENTO 7. ryhmäanalyysi
7.1. Tarkoitus
7.2. Klusterianalyysimenetelmät
LUENTO 8 Lineaarinen regressioyhtälö
8.1. Kahden sarjan välisen tilastollisen suhteen analyysi
8.2. Pariregressiomallin rakentaminen
8.3 Parillisen regressiomallin laadun analyysi
SOVELLUKSET
Liite A1. Kriteerin kriittiset arvot Manna Whitney.
Liite A2. Kriteerin kriittiset arvot merkkejä
VIITTEET

Luento 1. Mittaukset ja asteikot

1.1. Mittaustyypit

Mikä tahansa empiirinen tieteellinen tutkimus alkaa siitä, että tutkija vahvistaa häntä kiinnostavan ominaisuuden vakavuuden pääsääntöisesti numeroiden avulla. Siksi pitäisi erottaa tutkimuskohteita (psykologiassa nämä ovat useimmiten ihmisiä, aiheita), heidän ominaisuuksia (mikä kiinnostaa tutkijaa, on tutkimuksen kohteena) ja merkkejä , heijastaa ominaisuuksien vakavuutta numeerisella asteikolla.

Mittaus tutkijan suorittamien toimintojen kannalta- tämä on numeron osoittaminen objektille tietyn säännön mukaan. Tämä sääntö määrittää vastaavuuden kohteen mitatun ominaisuuden ja mittaustuloksen - merkin - välille.

Jokapäiväisessä tietoisuudessa asioiden ja niiden merkkien ominaisuuksia ei pääsääntöisesti tarvitse erottaa: tunnistamme sellaiset esineiden ominaisuudet kuin paino ja pituus vastaavasti grammojen ja senttimetrien lukumäärällä. Jos mittausta ei tarvita, rajoitamme vertaileviin arvioihin: tämä henkilö on ahdistunut, tämä ei, tämä henkilö on älykkäämpi kuin toinen ja niin edelleen.

Tieteellisessä tutkimuksessa meidän on äärimmäisen tärkeää tiedostaa, että se tarkkuus, jolla ominaisuus heijastaa mitattavaa ominaisuutta, riippuu mittausmenettelystä.

Esimerkki. Voimme jakaa kaikki aiheemme kahteen ryhmään älykkyyden mukaan: älykkäät ja ei kovin älykkäät. Ja sitten määritä jokaiselle kohteelle symboli (esimerkiksi 1 ja 0), riippuen hänen kuulumisestaan ​​yhteen tai toiseen ryhmään, voimme järjestää kaikki aiheet älykkyysasteen mukaan ja määrittää kullekin hänen arvonsa älykkäimmistä (1 arvo), älykkäin jäljellä olevista (sijoitus 2) jne. viimeiseen koehenkilöön asti. Kummassa näistä kahdesta tapauksesta mitattu attribuutti heijastaa tarkemmin koehenkilöiden välisiä eroja mitatun ominaisuuden suhteen, ei ole vaikea arvata.

Sen mukaan, mikä operaatio on ominaisuuden mittauksen taustalla, erotetaan ns. mitta-asteikot. Niitä kutsutaan myös S. Stevensin asteikoksi niitä ehdottaneen psykologin nimen mukaan. Nämä asteikot luovat tiettyjä suhteita lukujen ominaisuuksien ja objektien mitatun ominaisuuden välille. Asteikot jaetaan metrisiin (jos mittayksikkö on tai voidaan asettaa) ja ei-metrisiin (jos mittayksikköä ei voi asettaa).

Kurssin materiaalit

"MATEMATTISIA TAVANNUT ODIT psykologiassa"

OSA 1

@Opettaja: Sergei Vasilyevich Golev, psykologian apulaisprofessori (apulaisprofessori).

@Assistant: Goleva Olga Sergeevna, psykologian maisteri

(OMURCH "Ukraina" HF. - 2008)

IPIS KSU – 2008)

Luennoissa käytettiin seuraavien kirjoittajien aineistoja:

Godefroy J. Mitä psykologia on? M.: Mir, 1996. T2. Kulikov L.V. Psykologinen tutkimus: ohjeet suorittamiseen. - SPb., 1995. Nemov R.S. Psykologia: Kokeellinen pedagoginen psykologia ja psykodiagnostiikka. - M., 1999. - T. 3. Työpaja in General Experimental Psychology / Toim. A.A. Krylov. - L. Leningradin valtionyliopisto, 1987. Sidorenko E.V. Matemaattisen käsittelyn menetelmät psykologiassa. -SPb.: LLC "Rech", 2000. -350 s. Shevandrin N.I. Psykodiagnostiikka, korjaus ja persoonallisuuden kehittäminen. - M.: Vlados, 1998.-s. 123. Sukhodolsky G.V. Matemaattiset menetelmät psykologiassa. - Kharkiv: Humanitaarisen keskuksen kustantaja, 2004. - 284 s.

Kurssi "Psykologian matemaattiset menetelmät"

(Materiaaleja opiskelijoiden itseopiskeluun)

Luento #1

JOHDANTO KURSSILLE "MATEMAATISET MENETELMÄT psykologiassa"

Kysymyksiä:

1. Matematiikka ja psykologia

2. Matematiikan soveltamisen metodologiset kysymykset psykologiassa

3. Matemaattinen psykologia

3.1 Johdanto

3.2.Kehityshistoria

3.3 Psykologiset mittaukset

3.4 Epäperinteiset mallinnusmenetelmät

4. Psykologian matemaattisten menetelmien sanakirja

Kysymys 1. MATEMATIIKKA JA psykologia

On olemassa mielipide, jonka menneisyyden suuret tiedemiehet ovat toistuvasti ilmaisseet: tiedon alasta tulee tiede vain soveltamalla matematiikkaa. Monet humanistiset tutkijat eivät ehkä ole samaa mieltä tämän mielipiteen kanssa. Mutta turhaan: juuri matematiikka mahdollistaa ilmiöiden kvantitatiivisen vertaamisen, verbaalisten lausuntojen oikeellisuuden tarkistamisen ja siten totuuden saavuttamisen tai sen lähestymisen. Matematiikka tekee näkyväksi pitkiä ja joskus epämääräisiä sanallisia kuvauksia, selventää ja säästää ajatuksia.

Matemaattisten menetelmien avulla voit kohtuudella ennustaa tulevia tapahtumia sen sijaan, että arvailet kahvinporoista tai muuten. Yleisesti ottaen matematiikan hyödyt ovat suuret, mutta sen hallitseminen vaatii myös paljon työtä. Se kuitenkin maksaa itsensä kokonaan takaisin.

Psykologia tieteellisessä kehityksessään joutui väistämättä käymään läpi ja on käynyt läpi matematisoinnin polun, vaikkakaan ei kaikissa maissa eikä täysimääräisesti. Ehkä mikään tiede ei tiedä tarkkaa päivämäärää matematisoinnin polun alkamisesta. Psykologian osalta voidaan kuitenkin ottaa ehdollinen päivämäärä tämän polun alkamiselle Huhtikuun 18. päivä

1822. Silloin Johann Friedrich Herbart luki Saksan kuninkaallisessa tiedeseurassa raportin "Matematiikan soveltamisen mahdollisuudesta ja tarpeellisuudesta psykologiassa". Raportin pääidea rajoittui edellä mainittuun mielipiteeseen: jos psykologia haluaa olla tiedettä, kuten fysiikka, siinä on välttämätöntä ja mahdollista soveltaa matematiikkaa.

Kaksi vuotta tämän olennaisesti ohjelmallisen raportin jälkeen I. F. Herbart julkaisi kirjan "Psychology as a Science Re-Based on Experience, Metaphysics and Mathematics". Tämä kirja on monella tapaa merkittävä. Se oli mielestäni (katso G.V. Sukhodolsky) ensimmäinen yritys luoda psykologinen teoria, joka perustui ilmiöihin, jotka ovat suoraan jokaisen kohteen ulottuvilla, nimittäin ajatusvirtaan, joka korvaa toisensa tietoisuudessa. Mitään empiiristä tietoa tämän virtauksen ominaisuuksista, jotka saatiin, kuten fysiikan, kokeellisesti, ei silloin ollut olemassa. Siksi Herbartin täytyi näiden tietojen puuttuessa, kuten hän itse kirjoitti, keksiä hypoteettisia malleja mielessään nousevien ja katoavien ideoiden välisestä taistelusta. Laitetaan nämä mallit analyyttiseen muotoon, esimerkiksi φ =α(l-exp[-βt]) , jossa t on aika, φ on esitysten muutosnopeus, α ja β ovat vakioita, jotka riippuvat kokemuksesta, Herbart , manipuloimalla parametrien numeerisia arvoja, yritti kuvata näkymien muuttumisen mahdollisia ominaisuuksia.

Ilmeisesti I.F. Herbart oli ensimmäinen, joka ajatteli, että tietoisuuden virran ominaisuudet ovat suureita ja siksi niitä mitataan tieteellisen psykologian jatkokehityksessä. Hän omistaa myös ajatuksen "tietoisuuden kynnyksestä", ja hän käytti ensimmäisenä ilmaisua "matemaattinen psykologia".

I. F. Herbart Leipzigin yliopistosta löysi opiskelijan ja seuraajan, josta tuli myöhemmin filosofian ja matematiikan professori Moritz-Wilhelm Drobish. Hän havaitsi, kehitti ja omalla tavallaan toteutti opettajan ohjelma-idean. Brockhausin ja Efronin sanakirjassa Drobisista sanotaan, että hän oli 1800-luvun 30-luvulla mukana matematiikan ja psykologian tutkimuksessa ja julkaisi latinaksi. Mutta sisään 1842. M. V. Drobish julkaisi Leipzigissä monografian saksaksi yksiselitteisellä otsikolla: "Empiirinen psykologia luonnontieteellisen menetelmän mukaisesti".

Mielestäni tämä M.-V. Drobish antaa merkittävän esimerkin tiedon ensisijaisesta formalisoinnista tietoisuuden psykologian alalla. Ei ole matematiikkaa kaavojen, symbolien ja laskelmien merkityksessä, mutta on olemassa selkeä käsitejärjestelmä mielen ideavirran ominaisuuksista toisiinsa liittyvinä suureina. Jo esipuheessa M.-V. Drobish kirjoitti, että tämä kirja edeltää toista, jo valmistunutta, mikä tarkoittaa kirjaa matemaattisesta psykologiasta. Mutta koska hänen psykologitoverinsa eivät olleet riittävän koulutettuja matematiikassa, hän piti tarpeellisena osoittaa empiiristä psykologiaa, aluksi ilman matematiikkaa, mutta vain vankkalla tieteellisellä pohjalla.

En tiedä, oliko tällä kirjalla vaikutusta silloisiin psykologian filosofeihin ja teologeihin. Luultavasti ei. Mutta sillä oli epäilemättä vaikutusta, kuten I. F. Herbartin työ, Leipzigin tiedemiehiin, joilla oli luonnontieteellinen koulutus.

Vain kahdeksan vuotta myöhemmin, 1850. Leipzigissä, toinen peruskirja M.-V. Drobish - "Matemaattisen psykologian perusteet". Näin ollen tällä psykologisella tieteenalalla on myös tarkka ilmestymispäivä tieteessä. Jotkut nykyajan psykologit, jotka kirjoittavat matemaattisen psykologian alalla, onnistuvat aloittamaan sen kehityksen amerikkalaisella aikakauslehdellä, joka ilmestyi vuonna 1963. Todellakin, "kaikki uusi on hyvin unohdettua vanhaa." Kokonainen vuosisata ennen kuin amerikkalaiset kehittivät matemaattisen psykologian, tarkemmin sanoen matemaattisen psykologian. Ja tieteemme matematisointiprosessin aloittivat I. F. Herbart ja M.-V. Drobish.

On sanottava, että innovaatioiden suhteen Drobishin matemaattinen psykologia on huonompi kuin hänen opettajansa Herbart. Totta, Drobish lisäsi kolmanneksen kahteen mielessä kamppailevaan ideaan, ja tämä monimutkaisi päätöksiä suuresti. Mutta pääasia mielestäni on jotain muuta. Suurin osa kirjan määrästä koostuu esimerkkejä numeerisista simulaatioista. Valitettavasti aikalaiset eivätkä jälkeläiset eivät ymmärtäneet eivätkä arvostaneet M.-V. Drobish: hänellä ei ollut tietokonetta numeerisia simulaatioita varten. Ja modernissa psykologiassa matemaattinen mallinnus on 1900-luvun toisen puoliskon tuote. Herbartilaisen psykologian Nechaev-käännöksen esipuheessa venäläinen professori A. I. Vvedensky, joka oli kuuluisa "psykologiastaan ​​ilman metafysiikkaa", puhui hyvin halveksivasti Herbartin yrityksestä soveltaa matematiikkaa psykologiaan. Mutta tämä ei ollut luonnontieteilijöiden reaktio. Ja psykofyysikot, erityisesti Theodor Fechner ja kuuluisa Wilhelm Wundt, jotka työskentelivät Leipzigissä, eivät voineet ohittaa I. F. Gerbartain ja M.-V. Drobish. Loppujen lopuksi he toteuttivat matemaattisesti psykologiassa Herbartin ajatuksia psykologisista suureista, tietoisuuden kynnyksistä, ihmistietoisuuden reaktioiden ajasta ja toteuttivat ne modernin matematiikan avulla.

Tuon ajan matematiikan päämenetelmät - differentiaali- ja integraalilaskenta, suhteellisen yksinkertaisten riippuvuuksien yhtälöt - osoittautuivat varsin sopiviksi yksinkertaisimpien psykofyysisten lakien ja erilaisten ihmisten reaktioiden tunnistamiseen ja kuvaamiseen, mutta ne eivät sovellu monimutkaisten mielen ilmiöiden tutkimiseen ja kokonaisuuksia. Ei ihme, että W. Wundt kiisti kategorisesti empiirisen psykologian mahdollisuuden tutkia korkeampia henkisiä toimintoja. He jäivät Wundtin mukaan erityisen, olennaisesti metafyysisen kansojen psykologian lainkäyttövaltaan.

Englanninkieliset tiedemiehet alkoivat luoda matemaattisia työkaluja monimutkaisten moniulotteisten esineiden, mukaan lukien korkeampien henkisten toimintojen - älyn, kyvyt, persoonallisuuden - tutkimiseen. Muiden tulosten ohella kävi ilmi, että jälkeläisten pituus näytti palaavan esi-isiensä keskipituuteen. "Regression" käsite ilmestyi ja tätä riippuvuutta ilmaisevat yhtälöt saatiin. Ranskalaisen Bravaisin aiemmin ehdottama kerroin on parantunut. Tämä kerroin ilmaisee kvantitatiivisesti kahden muuttuvan muuttujan suhteen eli korrelaation. Nyt tämä kerroin on yksi tärkeimmistä monimuuttuja-analyysin keinoista, jopa symboli on säilyttänyt lyhenteensä: pieni latinalainen "g" englannista suhde- asenne.

Opiskellessaan vielä Cambridgessa Francis Galton huomasi, että matematiikan kokeiden läpäisyprosentti - ja tämä oli loppukoe - vaihtelee muutamasta tuhannesta muutamaan sataan pisteeseen. Myöhemmin yhdistämällä tämän kykyjen jakautumiseen Galton päätyi siihen tulokseen, että erityisten testien avulla on mahdollista ennustaa ihmisten tulevaa menestystä elämässä. Siis 80-luvulla. XIX vuosisadalla syntyi Galtonin testimenetelmä.

Testien idean poimi ja kehitti ranskalainen-A. Bit, V. Henri ja muut, jotka loivat ensimmäiset testit sosiaalisesti jälkeenjääneiden lasten valintaan. Tämä oli psykologisen testologian alku, joka puolestaan ​​johti psykologisten mittausten kehittämiseen.