78  Teorie formali dei fenomeni psicologici

Prerequisiti
  • Leggere The role of the individual in the coming era of process-based therapy (Hayes et al., 2019).

Introduzione

Uno degli sviluppi più rilevanti della psicologia contemporanea è l’uso di teorie formali per indagare i meccanismi che generano i fenomeni psicologici. I modelli matematici non sono semplici strumenti di calcolo: servono a tradurre in termini quantitativi le ipotesi teoriche, a chiarire come i costrutti cognitivi — spesso latenti e non direttamente osservabili — possano essere collegati a parametri misurabili e a prevedere i comportamenti osservati.

Tradizionalmente, molti modelli cognitivi trattano i dati come osservazioni indipendenti e identicamente distribuite (IID). Questa assunzione semplifica l’analisi, ma trascura un aspetto cruciale: i costrutti psicologici cambiano nel tempo. Negli esperimenti, le capacità cognitive non dipendono solo dalle caratteristiche del compito, ma anche da processi mentali interni e da stati cerebrali che fluttuano su diverse scale temporali. Queste variazioni — dovute, ad esempio, a fatica, pratica, divagazione mentale o cambiamenti motivazionali — possono essere sistematiche o meno, ma raramente sono irrilevanti. Come sottolineato da Schumacher et al. (2023), i meccanismi cognitivi dovrebbero essere compresi come sistemi dinamici complessi, e i modelli dovrebbero tener conto di queste dinamiche per cogliere appieno la struttura dei dati.

La teoria dei sistemi dinamici (Dynamic Systems Theory, DST) offre un quadro concettuale potente per descrivere i fenomeni psicologici come processi complessi, spesso non lineari e auto-organizzanti, che emergono dall’interazione di molteplici componenti, sia all’interno dell’individuo sia tra individuo e ambiente. In questa prospettiva, il comportamento e la cognizione non sono entità statiche, ma traiettorie che si sviluppano nel tempo.

78.1 Ambiti di applicazione

Molti ambiti della psicologia possono essere reinterpretati attraverso la lente dei sistemi dinamici:

  • Apprendimento per rinforzo: un processo adattativo in cui le decisioni vengono costantemente aggiornate in base a ricompense e punizioni, generando cicli di feedback che modellano il comportamento. Modelli come quello di Rescorla-Wagner descrivono matematicamente questi meccanismi e trovano applicazione dal condizionamento classico fino alla psichiatria computazionale.
  • Regolazione delle emozioni: un sistema dinamico in cui processi fisiologici, cognitivi e comportamentali interagiscono nel tempo, talvolta amplificando proprio le emozioni che si cerca di controllare.
  • Attaccamento e relazioni sociali: interazioni continue in cui comportamenti e stati emotivi di ciascun individuo influenzano e vengono influenzati dagli altri, creando cicli di retroazione che si consolidano nel tempo.
  • Sviluppo cognitivo: adattamenti e riorganizzazioni costanti delle strutture mentali in risposta a nuove esperienze, come descritto dalla teoria piagetiana reinterpretata in termini dinamici.
  • Controllo motorio e coordinazione: comportamenti motori che emergono dall’auto-organizzazione di sistemi neurali, muscolari e sensoriali.
  • Decision making e problem solving: processi che evolvono in funzione dell’interazione tra fattori cognitivi ed emotivi e delle esperienze accumulate.
  • Psicopatologia: disturbi come depressione e ansia concepiti come pattern dinamici di pensieri, emozioni e comportamenti che si autoalimentano.
  • Sviluppo del linguaggio: acquisizione linguistica come risultato dell’interazione continua tra fattori cognitivi, sociali e percettivi.
  • Dinamiche di gruppo e influenza sociale: norme e comportamenti collettivi che si trasformano attraverso cicli di influenza reciproca.
  • Autoregolazione e funzioni esecutive: monitoraggio e aggiustamento costante di attenzione, emozioni e azioni per perseguire obiettivi a lungo termine.
  • Apprendimento e memoria: processi di codifica, consolidamento e recupero che dipendono da stati cognitivi e fisiologici mutevoli.

In questa sezione ci concentreremo su un caso specifico: il modello di revisione degli obiettivi, descritto nel tutorial di Knight et al. (2023), che offre un esempio chiaro di come un approccio dinamico possa essere formalizzato, stimato e utilizzato per interpretare dati psicologici complessi.

Bibliografia

Hayes, S. C., Hofmann, S. G., Stanton, C. E., Carpenter, J. K., Sanford, B. T., Curtiss, J. E., & Ciarrochi, J. (2019). The role of the individual in the coming era of process-based therapy. Behaviour Research and Therapy, 117, 40–53.
Knight, E., Neal, A., Palada, H., & Ballard, T. (2023). A Tutorial on Bayesian Modeling of Change Across Time, Individuals, and Groups. Computational Brain & Behavior, 6(4), 697–718.
Schumacher, L., Bürkner, P.-C., Voss, A., Köthe, U., & Radev, S. T. (2023). Neural superstatistics for Bayesian estimation of dynamic cognitive models. Scientific Reports, 13(1), 13778.