Некоторые наблюдения над некоторыми авторами…

На нашем канале мы уже упоминали Дэвида Трафимова (David Trafimow) – главного редактора журнала Basic and Applied Social Psychology, который в свое время запретил использовать в этом журнале p-value в качестве статистики для поддержки гипотезы.
Статьи этого исследователя часто касаются вспомогательных допущений и того, что их необходимо эксплицитно формулировать и учитывать при планировании эмпирических исследований и интерпретации их результатов.
На примерах из реальных исследований Трафимов показывает, как эти допущения встраиваются в исследовательский процесс и влияют на оценку эмпирических данных.

Вспомогательное допущение связывает ненаблюдаемый конструкт и эмпирически фиксируемое поведение. Например, вы предполагаете, что, если изменить отношение человека к курению, он, возможно, бросит курить. Для изменения отношения вы хотите использовать определенный фильм, а для оценки поведения - частоту курения. В результате вы хотите, чтобы после просмотра “анти-табачного” фильма частота курения уменьшилась. В этом случае вам необходимо еще как-то удостовериться, что после просмотра фильма поменялось отношение к курению, а не просто человек начал курить меньше.

Кроме того, фильм может повлиять не только на отношение человека к курению, но и на его настроение, и именно оно, а не отношение к курению, может в итоге повлиять на поведение человека. Так что вам нужно еще как-то оценить изменение в настроении. Помимо этого, нужно иметь в виду, что опросник может не уловить изменение отношения, что сам опросник может повлиять на поведение, и т.д.

Недавно мне на рецензию прислали статью, основанную на этих работах Трафимова. Это дало мне повод их перечитать, и в результате у меня возникло два вопроса.


Первый вопрос: чем все эти «вспомогательные допущения» отличаются от классической проблемы эмпирических исследований – так называемого третьего фактора и альтернативного объяснения? Экспериментатору нужно убедиться, что манипуляция воздействует на независимую переменную и только на нее, что связь независимой и зависимой переменной не опосредуется какими-то другими, неконтролируемыми переменными, что измерение достаточно чувствительно к тому, к чему должно быть чувствительно, и не чувствительно ко всему остальному, и пр.

По сути, Трафимов пишет именно об этих проблемах, но только называет их «вспомогательными допущениями» и настаивает на том, что многие результаты в психологии можно было бы интерпретировать по-другому, учти исследователи эти допущения.

Я вовсе не против того, чтобы напоминать исследователям о необходимости тщательного продумывания экспериментов.
Но почему это нужно подавать как новую мысль, давать этому отдельное название, писать об этом статьи, а не в учебники, например, где полноценному обсуждению этой проблемы самое место?
Почему сам Трафимов не упоминает сходство его «вспомогательных допущений» с «третьими факторами» и «альтернативными объяснениями»? Почему при большом количестве цитирований его работ никто не указывает на другие, более известные названия тех же проблем?

Второй вопрос, возникший у меня после прочтения статей о «вспомогательных допущениях», касается невозможности их проверки в психологии и, вообще, в социальных науках. Невозможность проверки обусловлена не только отсутствием у социальных исследователей возможностей контроля над миллионом шумящих «третьих факторов» (об этом очень хорошо написано у Густава Трендлера; мы тоже как-то упоминали его), но еще и тем, что мы не можем узнать о психологическом (установках, тревожности, мотивах и пр.) никаким иным образом, кроме как спросив так или иначе об этом самого человека.

Без независимого доступа к проверяемым объектам, мы можем проверять допущения только через другие допущения. Изменение отношения к курению узнаем через опросник, опросник проверим через другой опросник или через интервью, и т.д.

Об этом написано уже немало, и мой вопрос связан именно с этим: если автор (а тем более редактор!) пишет о проблемах методологии в психологии, почему он не рассматривает свои вопросы в контексте более широкой дискуссии? Ни Trendler, ни Michell, ни Uher, ни Borsboom, ни Molenaar, ни Lamiell не упоминаются…

Я помню, что вопросы о связи своих идей с идеями других авторов (так называемый «более широкий контекст») – это самые частые вопросы, которые я получала от рецензентов, когда публиковала свои статьи. Но в случае Трафимова, почему-то, этого нет.

В общем, такие мысли.

P.S. Один вариант ответа мне подсказали: Трафимов так себя ведет, потому что он опытный и известный. И ему все можно:)

Но в это как-то грустно верить; тем более, что в переписке он показал себя с хорошей стороны.

Поэтому может есть другие варианты? Что думаете?

Чужая душа - потемки, или как заставить респондентов понимать вас “правильно”


Этот пост посвящен работе группе авторов M. Panayiotou, J. Razum, G. Eisele, и др. “Проблемы интерпретации инструкции опросника Patient Health Questionnaire” недавно опубликованной в журнале JAMA Psychiatry. Эта работа будет особенно интересна коллегам, которые занимаются разработкой или адаптацией опросников, т.е. работают на стыке между психометрикой и психологией.

Цель, которую преследуют авторы - выяснить, что отражают ответы на вопросы одного из самых популярных опросников по депрессии - Patient Health Questionnaire (PHQ): частоту симптомов или степень того, насколько симптомы беспокоят человека.

Дело в том, что в этом опроснике инструкция апеллирует к «беспокойству, вызываемому симптомами», а варианты ответов сфокусированы на частоте симптомов. Согласитесь, это довольно распространенная ситуация для психологических опросников.

В этом исследовании участники (выборка из общей популяции взрослых, а также клиническая выборка пациентов с умеренной и высокой выраженностью депрессии) заполняли PHQ-8, после чего оценивалась их интерпретация опросника при его заполнении. Для оценки интерпретации исследователи задавали три вопроса респондентам:
(1) как они ответили бы на утверждение PHQ о сне в гипотетической ситуации, когда они бы спали очень долго почти каждый день, но при этом чувствовали бы себя комфортно;
(2) основывались ли их предыдущие ответы в PHQ на частоте симптомов, на том, насколько симптомы их беспокоили, или на обоих этих аспектах;
(3) как они отвечали бы на PHQ в будущем, исходя из тех же трёх вариантов.

Результаты показали, что в гипотетическом сценарии с избытком сна лишь половина участников из общей популяции, и 15% из клинической выборки интерпретировали PHQ в соответствии с инструкциями (то есть как частоту, с которой проблемы их беспокоили).
На вопрос о том, как они фактически отвечали на PHQ, только пятая часть участников из общей популяции и 11% из клинической выборки участников интерпретировали инструкции так, как задумывали авторы опросника; и лишь 22% (общая популяция)) и 10% (клиническая выборка) сообщили, что стали бы отвечать так, как задумывалось авторами опросника, в будущем, что указывает на стабильность их личной интерпретации. Кроме того, текущее исследование показало, что валидность PHQ-8 варьирует в зависимости от того, как участники интерпретируют его инструкции.

Выводы исследователей ставят под сомнение валидность PHQ как для научных исследований, так и для клинического принятия решений.

От себя я добавила разбор типичных примеров утверждений для всех версий PHQ и мой анализ источников проблемы, о которой пишут авторы. Также я сравнила PHQ с его альтернативами (BDI-II, CES-D, PROMIS), просто, чтобы понять, есть ли “беспроблемные” шкалы депрессии (спойлер: нет).

Ссылка на статью: Panayiotou, M., Razum, J., Eisele, G., Wang, S. B., Fried, E. I., & Cohen, Z. D. (2025). Interpretation Issues With the Patient Health Questionnaire Instructions. JAMA psychiatry.

Дорогие подписчики и читатели нашего канала!

Сегодня последний пост в этом году, и по традиции мы подводим итоги уходящего года.

Этот год был для канала временем изменений. У нас стало меньше авторов, но больше подписчиков, что, конечно, очень радует (увеличение подписчиков, а не сокращение числа создателей контента). Канал сменил название, чтобы лучше отражать изменения в содержании. Теперь мы называемся «Психометрика и психоскептика».

За год на канале вышло 47 публикаций. В реальности их было немного больше, но несколько постов, объединённых общей темой, мы считали за один.

Перед Новым годом принято не только оглядываться назад, но и смотреть вперёд, ставить цели и давать себе обещания. То, что в англоязычной традиции называют New Year resolutions. Вот и мы хотим пообещать самим себе продолжать делать интересные посты, искать хорошие исследования и рассказывать вам о них. Надеемся, что в следующем году сможем сделать больше публикаций и привлечь новых читателей и подписчиков.

Кстати, о новогодних обещаниях! Вопреки распространённому скепсису, они вовсе не бессмысленны. Это показывают и данные исследований.
Например, в статье Oscarsson, Carlbring, Andersson и Rozental (2020) представлены результаты масштабного лонгитюдного исследования, в котором приняли участие более 1000 человек (Oscarsson, M., Carlbring, P., Andersson, G., & Rozental, A. (2020). A large-scale experiment on New Year’s resolutions: Approach-oriented goals are more successful than avoidance-oriented goals. PLoS One, 15(12), e0234097).

Авторы изучали, какие новогодние обещания люди дают себе и как они оценивают успешность их выполнения в конце года. Интересно, что чаще всего в новогодних обещаниях люди говорили о довольно “приземлённых” вещах. На первом месте были обещания, связанные с физическим здоровьем (около трети всех целей). Это были обещания больше двигаться, заниматься спортом и улучшить общее самочувствие. Далее шли цели, связанные со снижением веса и питанием. Чуть реже участники упоминали личностный рост, психическое здоровье и сон, а также изменения в работе, учёбе и повседневных привычках. При этом тематика цели сама по себе почти не влияла на то, насколько вероятным считает человек ее достижение.

Участников случайным образом распределяли в три группы, которые различались уровнем поддержки.

Первая группа получала только краткую общую информацию о традиции новогодних обещаний и проходила три контрольных замера за год, в конце января, в июне и в декабре. На этих этапах участников просили оценить, в какой степени они придерживаются своих обещаний.

Вторая группа получала умеренную поддержку. Участникам объясняли роль социальной поддержки и просили назвать одного конкретного человека, друга, партнёра или родственника, который будет поддерживать их в достижении цели в течение года. Кроме того, участники проходили ежемесячные follow-up-опросы, всего 12 раз в течение года. Эти опросы представляли собой короткие самоотчёты, где участников просили оценить, насколько они придерживаются своего новогоднего обещания, по шкале от 0 до 100 процентов, а также, за исключением последнего замера, насколько они верят в свой будущий успех. Один раз участникам также присылали письмо с информацией и упражнениями о том, как справляться с трудностями и временными срывами.

Третья группа получала всё то же самое, что и вторая, но дополнительно участников обучали более четкой постановке целей. Их просили формулировать цели конкретно и измеримо, с временными рамками и в позитивном, направленном на достижение формате. Также их просили разбивать цели на промежуточные шаги и они получали несколько дополнительных писем и упражнений, посвящённых мотивации, самоконтролю и работе с негативными мыслями.

Через год около 55% участников считали себя успешными в следовании своим новогодним обещаниям. Однако важнее оказался не сам факт обещания, а то, как именно была сформулирована цель. Люди, которые формулировали цели в позитивном формате, через то, к чему они хотят прийти, например «чаще заниматься спортом» или «регулярно писать тексты», оценивали себя значительно успешнее тех, кто формулировал цели через запреты и избегание, например «не прокрастинировать» или «не есть сладкое».
Не менее интересным оказался и эффект поддержки. Лучше всего оценивали эффективность следованию своим новогодним обещаниям участники из группы с умеренной поддержкой, где были ежемесячные напоминания в виде самоотчётов и хотя бы один поддерживающий человек, но не было жесткой структуризации целей. А вот в третьей группе (с дополнительной структуризацией целей, подробными инструкциями и усиленным контролем) результаты не отличались от группы без поддержки. Похоже, что слишком много контроля и требований «делать правильно» может мешать, а не помогать.
Если подводить итог, то вывод получается довольно обнадёживающим. Новогодние обещания могут работать (по крайней мере, с точки зрения самих участников)!
Так что давайте писать новогодние обещания, опираясь на данные научных исследований: формулировать цели в позитивном ключе, не заморачиваться с излишней их конкретикой, а потом следить, чтобы никто на нас излишне не давил и не контролировал. И тогда все должно получиться!😊

Спасибо, что читаете нас и остаётесь с нами.
Увидимся в новом году! Счастливого Нового года!

Все хорошо, прекрасная маркиза! или Эффективность ИИ-чатботов в психотерапии

Не знаю, как вы, а я периодически спрашиваю ChatGPT по поводу каких-то своих психологических проблем, не таких уж серьёзных, скорее эмоционально-переживательных.

К своему удивлению, я обнаружила, что в основном всё по делу и даже работает как экстренная психологическая помощь.
Вместе с тем я заметила, что ChatGPT всё время меня поддерживает: какую бы позицию я ни занимала, всегда оказывается, что я «имею право на эти чувства», у меня «есть основания так считать», «моё поведение оправдано сложившейся ситуацией». Это всё действительно успокаивает, что в наше время – большая ценность.

Я подумала, что реальный психотерапевт или психолог еще и может заставить пересмотреть свое поведение и ожидания, и тем самым, занять рефлексивную позицию. А ИИ вроде бы всегда действует как сиюминутная таблетка. Но может ли он действительно стать терапевтом?

Решила посмотреть, а что там вообще известно про эффективность ИИ как психолога и психотерапевта. Мета-анализы в области психического здоровья рапортуют о высокой эффективности ИИ, хотя в основном исследования:
- касаются краткосрочных интервенциий;
- фиксируют краткосрочные эффекты;
- отмечают отсутствие эффекта для всех аспектов психологического здоровья;
- отмечают неадекватные реакции ИИ в кризисных ситуациях.

Тем не менее мета-анализы завершаются общими оптимистичными выводами и указанием на перспективность применения ИИ в области психического здоровья
Подробнее здесь

Однако недавно мне попалась статья Technological folie à deux*: Feedback Loops Between AI Chatbots and Mental Illness (Sebastian Dohnány et al., 2025) («Технологическое безумие вдвоем: Обратные связи между ИИ-чатами и психическими расстройствами»), где напрямую затрагивается феномен «sycophancy» - угодничества, чрезмерного согласия с пользователем).

* Folie à deux (в переводе с французского — «безумие вдвоём») — это психиатрический термин, обозначающий психическое расстройство, при котором бредовые идеи или симптомы психического заболевания разделяются двумя или более людьми, находящимися в тесной эмоциональной связи.

Поскольку именно на это чрезмерное “соглашательство” я тоже обратила внимание при общении с Chat GPT, статью я прочитала с интересом. Так что - делюсь)

В своей работе авторы анализируют фундаментальные риски применения больших языковых моделей (LLM) в контексте психотерапии и психологической поддержки (а именно большие языковые модели используются в ИИ-чатботах, используемых в качестве психотерапевта).
В центре внимания находится не вопрос эффективности ИИ как терапевта, а систематические ошибки, возникающие из-за архитектурных и обучающих особенностей моделей, прежде всего — феномена «sycophancy» (чрезмерного согласия с пользователем).

Авторы начинают с констатации того, что хотя современные ИИ-системы всё чаще используются как «психотерапевты», большинство таких систем не имеют клинической валидации и работают на основе общих языковых моделей, оптимизированных на вежливость, эмпатию и согласие, а не на терапевтическую корректность.

Ключевая проблема, которую выявляет статья, — структурная склонность LLM подтверждать исходные установки пользователя, даже если эти установки являются дезадаптивными, искажёнными или потенциально опасными.

В психотерапии такая стратегия принципиально ошибочна: терапевтическая работа предполагает мягкое, но последовательное оспаривание дисфункциональных убеждений, а не их усиление.

Авторы статьи демонстрируют это на серии экспериментальных диалогов. В них модели реагируют на высказывания, характерные для депрессии, тревожных и параноидальных состояний. В ряде случаев ИИ подтверждает глобальные негативные убеждения («моя жизнь не имеет смысла») и интерпретации, связанные с идеями преследования или безнадёжности. Кроме того, ИИ избегает внесения альтернативных интерпретаций, опасаясь «обесценить чувства пользователя».

Авторы указывают, что такая реакция может создавать иллюзию эмпатии, но фактически усиливает патологические когнитивные схемы.

Все хорошо, прекрасная маркиза! (продолжение)

Особо опасной областью авторы считают кризисные состояния. В статье показано, что модели часто не распознают степень риска, если пользователь не использует прямые формулировки («я хочу покончить с собой»).

Косвенные маркеры – ощущение пустоты, отказ от будущего, мысли о бессмысленности существования – нередко интерпретируются как повод для поддерживающего диалога, а не для помощи. Это противоречит клиническим протоколам, где именно такие формулировки считаются тревожными сигналами для психотерпевта.

Отдельный раздел посвящён зависимости от ИИ-взаимодействий. Авторы описывают эффект «замкнутого зеркала»: пользователь получает подтверждение своих мыслей, испытывает краткосрочное облегчение, возвращается к ИИ снова и тем самым усиливает фиксацию на симптомах.

В отличие от живого терапевта, модель не отслеживает динамику, не выстраивает границы и не стремится к завершению терапии.

Статья подчёркивает, что проблема не сводится к «плохим настройкам» или недостатку инструкций. Даже при жёстких safety-ограничениях модели продолжают демонстрировать согласие с пользовательскими формулировками, поскольку это встроено в их обучающую цель — быть полезными и приятными в диалоге. В терапевтическом контексте это превращается в этический и клинический конфликт.

Авторы также обсуждают социальные последствия. Уязвимые группы (подростки, люди с депрессией, тревожными и личностными расстройствами) особенно подвержены восприятию ИИ как авторитетного и «понимающего». Ошибки модели в этих случаях могут иметь кумулятивный эффект, постепенно ухудшая состояние пользователя.

В заключении авторы делают вывод, что современные LLM принципиально не готовы к автономной роли психотерапевта. Их можно рассматривать лишь как вспомогательные инструменты – например, для психологического самообразования или поддержки между сессиями – и только при наличии чётких ограничений, надзора и маршрутизации к профессиональной помощи. Использование ИИ как замены терапии авторы считают не просто преждевременным, но потенциально опасным.

Интересно, что про этот феномен – угодничества – ни один из трех недавних мета-анализов не упоминает, хотя там традиционно указываются ограничения ИИ-«терапевтов» и риски коммуникации с ними.

В общем, если после новогодних праздников вам стало невесело и вы пошли за утешением к ИИ, то имейте в виду скрытые опасности такой помощи.



Dohnány, S., et al. (2025). Technological folie à deux: Feedback loops between AI chatbots and mental illness. arXiv:2507.19218.

Для тех молодых читателей, кто не знает, к чему тут фраза про маркизу (из предыдущего поста), добавляю ссылку на полный текст: https://youtu.be/13jKM3xTgSk?si=p_SvkNpwOwZHDYbX

Мы уже неоднократно писали про подход, альтернативный моделированию латентных переменных - сетевой анализ, или network psychometrics. В рамках этого подхода наблюдаемые переменные рассматриваются не как индикаторы одного или нескольких латентных факторов, а как элементы сети, напрямую связанные друг с другом. Анализ фокусируется на структуре этих связей: какие переменные образуют кластеры, какие узлы оказываются центральными, а какие периферийными и т.п.. Предполагается, что отдельные элементы системы могут усиливать или ослаблять друг друга, формируя устойчивые паттерны поведения или симптоматики. Именно поэтому сетевой подход оказался особенно востребованным в исследованиях психопатологии, где отдельные симптомы могут запускать цепочки взаимных усилений и поддерживать расстройство без обращения к единой латентной причине.
В последние годы появляются новые статистические методы, развивающие идеи сетевого анализа. В статье Comparing Network Structures on Three Aspects: A Permutation Test (Claudia D. van Borkulo et al., Psychological Methods, 2023) предлагается формальный пермутационный тест для сравнения сетей в независимых подвыборках. Речь идёт о том, как корректно проверять различия между сетями (например, сравнить сети, построенные для нескольких групп) и интерпретировать эти различия статистически, а не только визуально. Подробнее читайте по ссылке.

Просто показалось забавным дополнением к посту выше. Встретилась вот такое изображение сети на основе анализа "Властелина колец". Поклонники цикла оценят:) Подпись к изображению: A network depicting character interactions in the Lord of the Rings book series: nodes
represent characters, and edges represent that these characters were often mentioned together in
the same paragraph. Based on the work of Calvo Tello (2016). The data can be downloaded from
Github at https://github.com/morethanbooks/projects/tree/master/LotR

Распутывая психометрические сети…

Я вижу, что сетевой подход и сетевая психометрика имеет поклонников в кругу наших читателей. В первую очередь этот пост для них, так сказать, ложка дегтя)
Для тех, кто не очень в теме «сетей», будет короткое введение.

Сам текст основан на полемике между Д. Борсбумом и Ф. Маатманом, и большой статье В. Маатмана и М. Эронена «Распутывание сетей: Концептуальная несогласованность сетевого подхода» (Maatman & Eronen, 2025).

Поскольку это пост, а не академическая статья, и поскольку я склонна согласиться с критической позицией двух последних ребят, текст будет предвзятым, но, надеюсь, интересным:)

Часть 1. Введение

За последнее десятилетие завоевал популярность сетевой подход к пониманию психических расстройств. Голландская группа исследователей, в первую очередь, Д. Борсбум, активно продвигает его в качестве альтернативы моделированию «латентных переменных».

Для сетевого подхода психические расстройства — это не набор симптомов, вызванных единой латентной причиной (например, «депрессией»), а динамическая система, где сами симптомы активно взаимодействуют и причинно-обусловливают друг друга.

Этот подход стоит на двух взаимосвязанных столпах: 1) сетевой теории психопатологии (СТ) и 2) методах сетевой психометрики.

СТ утверждает, что психические расстройства возникают из сложной сети причинных связей между симптомами, а также между симптомами и внешними социокультурными и средовыми факторами. В свою очередь, сетевая психометрика (например, модели векторной авторегрессии, VАR) предлагает статистические инструменты для визуализации этих взаимодействий, построения персонализированных сетей и потенциального выявления ключевых симптомов – «мишеней» для терапевтического вмешательства.

Однако Ф. Маатман указывает на фундаментальную несогласованность между СТ и требованиями сетевой психометрики, что ставит под сомнение возможность достижения заявленных целей сетевого подхода.

Часть 2: Необходимые условия для сетевой психометрики: аргумент встраивания и аргумент почти разложимости.

Чтобы модели сетевой психометрики могли достоверно отображать причинную структуру расстройства и выявлять цели для вмешательства, они должны удовлетворять ряду нестатистических, содержательных предпосылок.

Ключевой из них является причинная достаточность моделируемого набора переменных. Это означает, что в модель включены все существенные переменные, и между любыми двумя симптомами в сети нет неучтённой общей причины.

Если такая общая причина существует, это приведет к оценке ложной связи между симптомами и сделает всю сеть недостоверной.

Проблема в том, что для обоснования причинной достаточности мало просто взять набор симптомов из диагностического руководства (DSM). Требуется аргумент встраивания (embedding) – теоретическое обоснование того, почему именно этот набор переменных охватывает всю причинно-следственную подсистему психического расстройства, и как эта подсистема встроена в более широкую систему «человек–среда». Только такой аргумент позволяет предположить, что модель не упускает критически важные общие причины.

Для построения такого аргумента, в свою очередь, необходимо принять допущение о почти разложимости (near-decomposability) системы «человек–среда». Это означает, что в этой сложной системе можно выделить относительно изолированные подсистемы, чье поведение в краткосрочной перспективе почти не зависит от остальной системы. Если же система является неразложимой (то есть «все связано со всем»), то выделить причинно достаточный набор переменных для какого-либо психического расстройства становится в принципе невозможным – в модель пришлось бы включать бесконечное число факторов.

Таким образом, без допущения о почти разложимости системы «человек–среда» построение аргумента встраивания и, следовательно, обоснованное применение сетевой психометрики оказываются под вопросом.

Часть 3: Почему сетевая теория блокирует эти условия

Современные формулировки СТ (в частности, в работах Борсбума и его коллег) делают невозможным выполнение условий, необходимых для продуктивного применения сетевой психометрики. Так, Борсбум утверждает, что практически каждый симптом расстройства зависит от гетерогенной смеси биологических и внешних факторов, которые к тому же реализуемы множеством способов и могут варьироваться между людьми и во времени.

Это описание по сути соответствует неразложимой системе, где границы расстройства размыты, а набор потенциально релевантных переменных практически безграничен.

Таким образом, СТ, вместо того чтобы предоставить теоретическую основу для аргумента встраивания, сама делает его создание невозможным. Она описывает мир психических расстройств как настолько сложный, взаимосвязанный и изменчивый, что любая попытка выделить из него конечную, причинно достаточную для моделирования подсистему обречена на провал.

Часть 4: Выводы

С одной стороны, сетевая психометрика для своего заявленного клинического применения требует четкого, теоретически обоснованного разграничения систем.

С другой, сетевая теория отрицает саму возможность такого разграничения.

В результате обещания сетевого подхода – персонализированная визуализация и точечные вмешательства – повисают в воздухе.

Построенная без обоснования того, почему именно конкретный набор переменных охватывает всю причинно-следственную подсистему психического расстройства, сетевая модель рискует быть не отображением реальности, а систематическим искажением, что особенно опасно в клинической практике.

В своей статье Maatman & Eronen (2025) говорят о том, что для выхода из этого тупика необходимы радикальные изменения одного из двух столпов:

- Либо теория психопатологи должна быть кардинально переработана так, чтобы она могла предоставлять обоснованные аргументы встраивания. Это, вероятно, потребует отказаться от акцента только на симптомах, и разработать более фундаментальную теорию о природе психических нарушений.

- Либо следует отказаться от использования текущих методов сетевой психометрики в пользу других подходов, которые могут работать в условиях неразложимости (например, динамических системных моделей, не делающих предположений о внутренней структуре).

Часть 5. Личные комментарии.

У меня пару лет назад вышла статья под названием «Так ли полезна психометрика для академической психологии?», которая довольно сильно перекликается со работой Maatman & Eronen (2025) . Там показано, почему психометрическое моделирование латентных конструктов не может ничего сказать о психологической реальности, которую «моделирует».

Хотя такого крутого концептуального анализа, как сделали Маатман с коллегами, я не делала, суть та же: моделирование моделирует только собранные данные (из опросников, тестов, интервью).

Но насколько реальность ответов отражает реальность которая за ними стоит, моделирование показать не может.

Поэтому результаты моделирования данных опросника/теста относятся только к «конструкту», который сконструирован ситуацией опроса/тестирования/интервью.

Насколько ценно тратить ресурсы на моделирование этого искусственного и эфимерного конструкта?

Мне кажется, не очень…

Так что выводы в общем те же: даже хороший метод может оказаться не очень полезным, если его применять на неподходящем «материале»

Литература:
Borsboom, D., Cramer, A. O. J., & Kalis, A. (2019). Brain disorders? Not really: Why network structures block reductionism in psychopathology research. Behavioral and Brain Sciences, 42, e1.
Kalis, A., & Borsboom, D. (2020). Reframing reductionism: A reply to Oude Maatman. Psychological Inquiry, 31(4), 321–325.
Oude Maatman, F. (2020). Folk psychology and network theory: Fact or gamble? A reply to Kalis and Borsboom. Theory & Psychology, 30(5), 729-734.
Oude Maatman, F. (2020). Reformulating the network theory of mental disorders: Folk psychology as a factor, not a fact. Theory & Psychology, 30(5), 703-722.
Oude Maatman, F. J., & Eronen, M. I. (2025, December). Unraveling Networks: The conceptual incoherence of the network approach. In The Journal of Medicine and Philosophy: A Forum for Bioethics and Philosophy of Medicine (p. jhaf037). Oxford University Press.

Давно мы не отмечали дни рождения! А ведь хорошая была рубрика, нам нравилась. Поэтому мы решили возродить эту традицию, и хотя бы иногда писать «персональные» посты – в честь дня рождения какого-то психолога, психометрика или ученого, а может в честь какой-то другой памятной даты.
Сегодня наш пост посвящен недавнему дню рождения известного американского психолога Роджера Шепарда. Широкому кругу психологов, скажем так, он известен в первую очередь по исследованиям пространственного мышления, а именно как автор теста мысленного (ментального) вращения. Кроме этого, он разработал метод неметрического многомерного шкалирования, универсальный закон генерализации, занимался исследованиями зрительных иллюзий, музыкального восприятия. Он сам писал музыку, стихи, рисовал. В общем, жизнь у него была яркая, продуктивная и насыщенная (а прожил он больше 90 лет, и умер в 2022 году). У нас не было задачи составить полную биографию Шепарда, только вспомнить интересные моменты из его жизни, его основные идеи и достижения. Подробнее читайте в нашем посте

И вдогонку опубликуем пару изображений. На первом вы можете увидеть стимульный материал из одной из самых известных статей Шепарда с использованием придуманного им теста ментального вращения (Shepard & Metzler, 1971). Интересно, что в статье описаны результаты эксперимента, в котором приняли участие всего 8 человек. Но каждый из них сравнивал 1600 пар изображений! Кроме того, Шепард вспоминал, что идея теста пришла ему в голову, когда он только проснулся и находился в некотором переходном состоянии между сном и реальностью:

"Рано утром 16 ноября 1968 года, в момент, когда я постепенно пробуждался, я пережил спонтанный гипнопомпический образ трёхмерных объектов, величественно вращающихся в пространстве. Ещё не встав с постели, я мысленно продумал план первого эксперимента из серии, которая затем продолжалась многие годы: сначала по ментальному вращению, а затем по связанным с ним феноменам кажущегося движения"