Il n'y a pas de lois générales des relations humaines comme il y en a pour la physique, mais un chercheur éminent sur le mariage et un groupe de mathématiciens appliqués se sont associés pour créer un modèle mathématique qui prédit quels couples divorceront avec une étonnante précision. Le modèle promet de donner aux thérapeutes de nouveaux outils pour aider les couples à surmonter les schémas d'interaction qui peuvent les pousser à se précipiter vers le divorce.
Le psychologue John Gottman et les mathématiciens appliqués James D. Murray et Kristin Swanson décriront comment le modèle a été développé et comment il permet à Gottman de prédire avec 94 % précision quels couples divorceront après avoir visionné les premiers instants d'une conversation sur un domaine martial contention. Ils ont discuté de leur travail en février 2004 lors d'un point de presse lors de la réunion annuelle de l'Association américaine pour l'avancement des sciences à Seattle.
"Lorsque Newton a inventé le calcul, il a placé la science sur une base mathématique et la physique a vraiment décollé", a déclaré Gottman. qui est professeur émérite de psychologie à l'Université de Washington et directeur de la recherche sur les relations Institut. "Mais la psychologie est un domaine qui a pris du retard dans l'utilisation des mathématiques et il n'y a pas de mathématiques dans la psychologie sociale."
Murray, qui est professeur émérite de mathématiques appliquées à l'UW et à l'Université d'Oxford, a convenu, notant que beaucoup de gens sont phobiques des mathématiques et que la psychologie n'a pas été exposée à des modèles.
"Ce que nous avons fait, c'est extraire des éléments clés dans un modèle afin qu'il soit interprétatif et prédictif", a déclaré Murray. "Les mathématiques que nous avons trouvées sont triviales, mais le modèle est étonnamment précis."
Le modèle a été développé à partir de données recueillies à partir de centaines de conversations enregistrées sur vidéo entre couples dans le laboratoire de Gottman. Des données physiologiques, telles que le pouls, ont également été collectées et analysées.
La conversation reflétait les problèmes sous-jacents du couple et c'est pourquoi le modèle est si prédictif, selon Murray. "Avant que ce modèle ne soit développé, la prédiction du divorce n'était pas exacte", a ajouté Gottman, "et nous ne savions pas comment analyser ce que nous appelons les maîtres et les désastres du mariage ces couples mariés et divorcés heureux à long terme.
La clé s'est avérée être de quantifier le rapport entre les interactions positives et négatives pendant la conversation. Le rapport magique est de 5 pour 1, et un mariage peut être en difficulté lorsqu'il tombe en dessous. Le modèle mathématique trace cette interaction dans ce que les chercheurs appellent une «moyenne industrielle Dow-Jones pour la conversation conjugale».
"Quand les maîtres du mariage parlent de quelque chose d'important, ils peuvent se disputer, mais ils sont aussi rire et taquiner et il y a des signes d'affection parce qu'ils ont établi des liens émotionnels », Gottman a dit. "Mais beaucoup de gens ne savent pas comment se connecter ou comment développer un sens de l'humour, et cela signifie que beaucoup de combats dans lesquels les couples s'engagent sont un échec à établir des liens émotionnels. Nous n'aurions pas su cela sans le modèle mathématique.
"Cela nous donne un moyen de décrire une relation et les forces qui poussent les gens que nous n'avions jamais eu auparavant Les mathématiques sont si visuelles et graphiques qu'elles nous permettent de visualiser ce qui se passe lorsque deux personnes se parlent autre."
Cela permet également aux chercheurs de simuler ce qu'un couple pourrait faire dans différentes circonstances. Par exemple, le modèle leur permet de voir ce qui se passe si un comportement change, disons un mari se laissant influencer par sa femme, et comment cela augmente le nombre d'interactions positives. En fin de compte, cela permettra aux thérapeutes de faire des micro-expériences avec des couples pour renforcer leurs relations, croit-il.
