Introduzione alla sezione

Nei capitoli precedenti ci siamo concentrati soprattutto su modelli fenomenologici, capaci di descrivere le relazioni osservate tra variabili, senza però fornire una spiegazione dei processi che le hanno generate. Con questa sezione facciamo un passo decisivo: introduciamo i modelli formali e dinamici in psicologia, strumenti che non si limitano a riassumere i dati ma cercano di rappresentare i meccanismi cognitivi e comportamentali sottostanti.

Partiremo con i modelli dinamici autoregressivi, che ci consentono di rappresentare la dipendenza di uno stato psicologico dal proprio passato. Questa prospettiva è cruciale per i dati longitudinali e per i compiti sperimentali ripetuti: l’idea che “oggi dipende da ieri” è intuitiva ma richiede formalizzazione rigorosa.

Estenderemo poi questi modelli a versioni più ricche, introducendo concetti come stati latenti, rumore di processo e dinamiche di feedback, che permettono di simulare traiettorie psicologiche più realistiche e di interpretare i dati come esiti di un sistema complesso in continua evoluzione.

Inoltre, ci concentreremo su un modello storico e tuttora fondamentale: il Rescorla-Wagner. Questo modello di apprendimento associativo formalizza il principio dell’errore predittivo: la forza di un’associazione viene aggiornata in base alla differenza tra ciò che ci si aspettava e ciò che si è osservato. Pur nella sua semplicità, il modello Rescorla-Wagner ha avuto un impatto enorme, mostrando come poche regole matematiche possano spiegare fenomeni complessi di condizionamento.

Infine, il capitolo dedicato al metodo di studio illustra come tradurre una teoria psicologica in un workflow modellistico completo: dalla formalizzazione delle ipotesi, alla simulazione dei dati, fino al confronto tra modelli alternativi. Questo esempio mostra concretamente come i modelli computazionali non siano meri strumenti statistici, ma veri e propri veicoli di teorie psicologiche, capaci di guidare nuove domande di ricerca e di chiarire le condizioni in cui un’ipotesi trova conferma o meno.

Il filo conduttore della sezione è il passaggio dal descrivere i dati a simulare processi: ogni modello diventa una piccola teoria, implementata in termini matematici, capace di generare previsioni che possiamo confrontare con l’evidenza empirica.