我记得有一次，我从一个竞争对手的理论中得出了一个自认为有把握的预测。我非常确定我的实验将宣告预测为假，所以我给这位作者发了邮件，在对预测进行检验之前，询问他是否同意我的预测。结果，他拒绝在看到结果之前表明任何态度。我记得那时自己就在怀疑我们是不是在做伪科学。如果从公开发表的著名理论中得到的预测还需要通过理论提出者来确认，那还算什么科学。如果那个理论是公理化了的，就纯粹是一个逻辑问题了（或是数学问题，这也是逻辑学的一种形式），可以直接推出我感兴趣的预测。我发现直到今天，自己依然为此感到困惑。
数学建模这种公理化的形式曾在心理学中流行一时，现在偶尔也还在使用。在20世纪60年代到70年代之间，人们对数学学习理论以及其他数学模型--比如信号检测论（Tanner ＆Swets，1954）--兴趣日渐浓厚。这种思想方法的精髓在于，它并非完全根据统计分析来预测趋势，而是构建符合真实数据的模型。例如，一个数学学习模型可以预测个体学会一个任务需要的尝试次数的平均值和方差。不过，这类模型存在一个难点，它需要人们根据数据估计参数，而每估计一个参数都会减少一个自由度，从而导致自由数据点经常不够，无法对模型本身进行充分的检验。有时，基于完全不同的心理学原理的模型与数据的拟合优度却是同样的高。
数学心理学的发展在20世纪70年代认知心理学出现后停止了，在一定程度上可以说是倒退了。虽然新兴的信息加工隐喻让人眼前一亮，但在某些方面它却退步了。这些新理论完全没有尝试更详细地解释心理学实验的结果，它们与数据的关联也显得微乎其微。正如我之前提到的，早期的认知模型在性质上是线性的，并常常用流程图加以描述。它们的确定性特别引人注目，但其实验数据依然有着难以消除的随机性。那些理论能够预测人们在条件1中表现为A，在条件2中表现为B。但是，数据最多也只能显示A行为在条件1中的概率比条件2高，如此等等。由于有统计分析加以佐证，大家便认为这类结果确定无疑，似乎没有人注意到其中的矛盾。当然，这个问题直到今天也依然普遍存在。
后来，计算建模（comptltational modeling）成为公理化的一种新形式。心理学家可以运用的计算建模技术非常广泛。蒙特卡洛模型（Monte Carlo models）按照明确的统计学原理进行可能性预测。基于规则的认知模型可以运行得分毫不差，因此还得人为地给它植入错误发生机制。神经网络模型通过校正联结主义系统中的数学权重，在很大程度上模拟了学习过程。最后一个常常被称为内隐模型（irnplicit model）。它们可能模拟了人类行为，但没有给出一个明确的理论解释：只是一长串的数字。
……
展开
——罗伯特·斯腾伯格，耶鲁大学教授，美国著名认知心理学家无数年轻学者在充满风暴的学术天地中无所适从。终于，他们发现了一位向导。这是一本充满实践智慧的书，讲的是如何成功地进行心理学的学术研究。作者不仅是最多产的心理学家之一，还能用他那简洁而直接的方式指导我们的学术生涯。
——史蒂文·斯洛曼，布朗大学教授，实验心理学家这是一本讲研究方法的书，但是写得与众不同。作者针对初涉科学的学生和年轻学者常犯的错误。将自己数十年来从事心理学研究的心得以及有用的策略娓娓道来，和盘托出。它可以帮助年轻学子少走弯路。且从心理学研究中获得无穷的乐趣。
——译者邵志芳