Tanuláselmélet minisorozat III.: Az operáns kondícionálás

​A mai posztban a behaviorista tanuláselmélet egyik leggyakrabban hivatkozott elemével foglalkozunk, amelynek tudományos leírását, kísérletes igazolását Thorndike-nak köszönhetjük. Az operáns kondícionálás ugyanolyan megkerülhetetlen eleme a kutyák- ha már itt tartunk, szinte bármilyen összetettebb idegendszerű állat- tanulási folyamatainak, mint a klasszikus kondícionálás. Hétköznapi értelemben ugyanis ha tanítunk valamit a kutyának, szinte minden esetben operáns kondícionálással van dolgunk: a kutya egy bizonyos ingerre egy bizonyos önkéntes, tudatos viselkedéssel reagál, amelynek van egy számára kedvező vagy kedvezőtlen eredménye. Egy falattal az orránál fogva vezetve a kutya leül, ekkor megkapja a falatot, néhány repetíció után pedig már kérés nélkül is le fog ülni, hiszen megtanulta, hogy ha a feneke a földön van, az számára kedvező eredményt hoz. Ha az álló kutya fenekét erősen elkezdi lenyomni valaki, előbb-utóbb a feneke a földhöz fog érni-leül-, ekkor megszűnik a kellemetlen nyomás, a kutya pedig egy idő után le fog ülni, mert így nem jelentkezik a kellemetlen érzés. Na de mi a különbség a kettő módszer között? Mi történik az egyiknél és mi a másiknál?
Hosszú lesz!

---

A viselkedés ABC-je

Mielőtt előrerohannánk, muszáj tisztáznunk, mi a különbség a klasszikus (reszpondens) és az operáns tanulás között, mert a köznyelvben nagyon gyakran összekeveredik a kettő, ráadásul a mindennapokban ez a két tanulási forma jellemzően együttesen van jelen és bizony, hatnak is egymásra (ez már ebbe a posztba nem fog beleférni, a következő rész viszont erről is fog szólni).
A klasszikus, beszédesebb nevén reszpondens kondícionálás során egy bizonyos inger a kutyából egy önkéntelen érzelmi vagy fiziológiai választ vált ki, amely nem önkéntes, a kutyának nincs ráhatása: ilyenek az érzelmek (félelem, öröm, izgatottság, stb) és szinte minden fizikai-szervi állapotváltozás (nyálelválasztás fokozódása, pulzusemelkedés, légzésszám-emelkedés, pyloerekció, stb.). Mivel ezek nem tudatos folyamatok, jutalmazással nem erősíthetőek fel, büntetéssel pedig nem szüntethetőek meg (az ellenkezőjüket viszont prímán el lehet érni).
Az operáns kondícionálás azonban nem az endogén folyamatokról, hanem a tudatos, komponált viselkedésekről szól, ahol az állat egy választott módon reagál valamire-innen a név, az állat jelen esetben az “operátor”, aki cselekszik, tesz, megvalósít és ezzel eredményt ér el. Az operáns viselkedés ’ABC’-jét B.F.Skinner alkotta meg és a mai napig remekül használható a tanulási szituációk elemzéséhez és így módosításához is.
A folyamat egyszerűen leírható az ABC betűkkel: antecedent (a szaknyelvben előzménynek hívjuk, de az érthetőség kedvéért itt most hívjuk körülménynek), behavior (maga a viselkedés, amelyet a kutya bemutat) és consequence (következmény, amely lehet kívánatos vagy nem kívánatos a kutya számára, attól függ, milyen technika kerül alkalmazásra). A körülmény rendkívül sokféle lehet: a tréning során ez általában valamilyen kézjel, verbális jelzés vagy tárgy, de lehet bármilyen egyéb, a környezetben előforduló tárgy, állat, szituáció: a gazda hazatérése, egy rosszul lecsukott kuka, egy résnyire nyitott, a macskaalomhoz vezető ajtó… Az állat ezekre reagálva cselekszik, azaz operál: felugrik a gazdájára, hogy üdvözölhesse, átmazsolázza a kuka tartalmát a tetőt félretolva vagy épp kipucolja a macskaalmot, miután a fejével megfelelő méretűre nyitotta az ajtó rését. A következmény az első esetben figyelem, a második két esetben pedig a jól megérdemelt nasi, amelyek alapvetően megerősítőként funkcionálnak: a körülményre válaszul megjelenő viselkedés eredménye a kutya számára kívánatos, ezért a jövőben is így fog cselekedni, ha módja van rá, hiszen eléri vele a célját. A megerősítő szó már biztos, hogy sokaknak ismerős- a pozitív megerősítés fogalmát sokszor használják engedelmes foglalkozásokon, sportokban, úgynevezett szocializációs foglalkozásokon, sokszor olyan dolgokra is, amik nem azok.
A megerősítés ellenpárja a büntetés: olyan következmény, amely a kutya számára kellemetlen, fájdalmas vagy félelmet keltő. Ezekben az esetekben az adott körülményre reakcióként bemutatott viselkedés eredménye a kutya számára nem gyümölcsöző, ezért a jövőben kisebb valószínűséggel fogja bemutatni az adott viselkedést. Mármint így lenne, ha a kutya egy gép lenne, de a kutyának bizony van éntudata, érzelmei, kognitív és emocionális állapotai, amelyek hatnak egymásra, így a valóságban a büntetés nem mindig azt a célt éri el és nem úgy, ahogyan az ember gondolná, de ez a következő poszt tartalma.

Tisztázzuk le egy kicsit:
Megerősítés (R, reinforcement): olyan behatás (következmény), amely a viselkedés jövőbeli előfordulásának valószínűségét növeli.
Büntetés (P, punishment): olyan behatás (következmény), amely a viselkedés jövőbeli előfordulásának esélyét csökkenti.

Fontos figyelembe venni, hogy azt, hogy mi számít megerősítésnek vagy büntetésnek, nem a tanár, hanem minden esetben a tanuló határozza meg, ráadásul a szituációtól is függhet: bizonyos helyzetekben kellő megerősítő lehet a kutya számára a száraztáp, míg más helyzetekben csak a sült máj működik; egyes kutyák tudomást sem vesznek a kiabáló gazdáról, mások összerezzennek egy tapsolástól is;bizonyos kutyák számára egy plüssállat motiválóbb, mint egy szem táp. A tanítás során minden egyes esetben az adott kutyához kell igazítani a tanítási folyamat részleteit.

Bonyolítsuk még egy kicsit!

Az operáns tanulásnak négy “kvadránsa” van, ezek pedig tényleg egy elválaszthatatlan katyvasznak tűnnek elsőre és nagyjából így is élnek a köztudatban:

Pozitív megerősítés (+R)
Pozitív büntetés (+P)
Negatív megerősítés (-R)
Negatív büntetés (-P)

A kavarodás oka, hogy a megerősítés és büntetés körüli félreértések mellett általában a negatív és pozitív jelzőket sem helyesen használjuk. Amikor operáns tanulásról beszélünk, a pozitív és negatív szavak nem érzelmi töltetet, nem kellemeset vagy kellemetlent jelentenek, hanem hozzáadást vagy elvonást (megszüntetést).
Így már világosabb lesz, nézzük tehát a négy kvadránst és hogy hol találkozhatunk velük.

Pozitív megerősítés (+R): ezzel még egészen könnyű megbirkózni, aki adott már virslikarikát a kutyájának, amiért az leült, az már el is követte a pozitív megerősítést. A +R során a kívánt viselkedés megjelenésekor egy kellemes, ún. appetitív ingert adunk hozzá a tanulási szituációhoz.

Példa: könyv a földön (A)---->kutya rálép(B)------>jutalomfalat (C)= a kutya legközelebb is rálép, mert számára kellemes eredményt ér el.

Pozitív büntetés (+P): Ez a fajta következmény -sajnos-szintén gyakori a kutyák képzésében. A pozitív büntetés során a nem kívánt viselkedés jelentkezésekor egy kellemetlen ingert adunk a tanulási szituációhoz, amely félelmet, mentális diszkomfortot vagy épp fájdalmat okoz: ide tartozik a kiabálás, szidás, elektromos (vagy a báránybőrbe bújt ugatásgátló) nyakörv, a kanna vagy flakondobálás, a pofozás, a grabancrázás, a fojtónyakörvre való felakasztás, a kutya erőszakos hanyattfektetése, a fenékre vagy orracsapás, stb.

Példa: Pisilési inger(A)------->Kutya lepisili a szekrényt (B)----->fenékre csapás, fájdalom (C) => a kutya nem meri lepisilni a szekrényt a jövőben, mert fájdalmas élmény érheti.
A pozitív büntetés kapcsán pár mondat erejéig érdemes beszélni a SEL-ről, azaz single event learningről. A SEL folyamán egy adott viselkedés olyannyira erőteljes fájdalmat vagy félelmet idéz elő, hogy az állat egyetlenegy alkalomból megtanulja, hogy az adott helyet, tárgyat, szituációt, állatot, embert stb.-t minden körülmények között el kell kerülnie. A SEL valójában egy evolúciós túlélési eszköz: az állatnak a saját nichéjében jellemzően nincs lehetősége arra, hogy sorozatos repetíciók során tanulja meg, hogy kerüljön el valamit. Ha nem tanulja meg egyetlen alkalomból, hogy a villanypásztor ráz, az akár a mobilitásába, azaz az életébe is kerülhet. Amíg a vadonban a SEL egy adaptív, túlélést segítő funkció, a modern kutyák életében sokkal inkább egy maladaptív jelenség, viselkedészavarok, traumák, patológiás mentális állapotok (PTSD, generalizált szorongás, stb.), reaktivitás kiváltó oka és sajnos sokszor a helytelenül kivitelezett képzés eredményeként találkozunk vele.

Negatív megerősítés (-R): Ez már egészen izgalmas: a negatív büntetés során a kívánt viselkedés megjelenésekor eltávolítunk egy kellemetlen ingert, a fájdalom vagy fenyegetés megszűnése pedig megerősítésként szolgál a kutyának. Így működik a fojtó-és szögesnyakörv.
Példa: Kutya macskát lát, (A)-> kutya húzni kezd (B)-> az oxigénhiány/ fájdalom akkor szűnik meg, mikor a kutya nem húz (C)


Negatív büntetés (-P): amilyen ijesztő névvel illetjük (büntetés is, negatív is…), a valóságban annyira ártalmatlan folyamatról van szó (általában): a negatív büntetés során a nem kívánt viselkedés jelentkezésekor eltávolítunk egy kellemes ingert a tanulási szituációból.
A negatív büntetés során jellemzően a funkcionális megerősítők kerülnek eltávolításra: a gazda jelenléte vagy figyelme, szociális interakció, simogatás, stb.
Példa: Gazdi hazaér (A)->kiskutya felugrál (B)->gazdi elfordul, figyelem megvonása=> a felugrálás nem éri el a célját, mivel a gazdi beszünteti a szociális interakciót, a kiskutyának más megoldást kell keresnie.

---

A negatív büntetéssel együtt beszélni érdemes az ún. “extinction burst”-ről: amikor a kutya által alkalmazott viselkedés többé nem váltja ki a kívánt eredményt, a kutya frusztrálódni kezd, az adott viselkedést egyre intenzívebben kezdi alkalmazni: a kicsit felugráló kutya nagyobbakat, erőszakosabban ugrik, a kunyeráló kutya ugat, mancsol, a gazdi ölébe mászik. A megszokott megerősítő elmaradása a megszüntetni kívánt viselkedés átmeneti felerősödését eredményezi. Ha a gazdi elgyengül és beadja a derekát, az intenzívebb viselkedést jutalmazza meg, így a jövőben is intenzívebben fordulhat elő az a viselkedés, amitől szabadulni akartunk. Ha a gazdi kitart, az intenzívebbé vált viselkedés sem ér célt, a viselkedés megerősítés hiányában kihal- jól látszik azonban, hogy a viselkedéskihalás ingoványos terep és ennek megfelelő körültekintéssel kell alkalmazni. Nyomkodtátok valaha teljes erőből, lila fejjel a távirányító gombjait, mikor kifogyott az elem? Na és a lift hívógombját, mikor siettetek és nem akart jönni a lift...? Na ugye.

Ha ez önmagában nem terhelné meg eléggé az ember gyomrát, megint csak figyelembe kell vennünk, hogy nem gépekről, hanem élő, tudattal, saját döntésekkel, változó belső állapotokkal rendelkező élőlényekről beszélünk, így a gyakorlatban nem elég ismerni a négy kvadránst, de ezeket megfelelően kell tudni alkalmazni is. Tisztában kell lenni azzal, hogyan lehet feltérképezni, rangsorolni az adott kutya számára kívánatos dolgokat, melyeket megerősítőként lehet alkalmazni és tisztában kell lenni azzal is, hogy a félelem vagy fájdalom milyen hatással van a tanulási képességekre, az állat mentális egészségére, milyen járulékos következményekkel járhat. Ismerni kell a kutya testjelzéseit, képességeit, életkori sajtosságait ahhoz, hogy meghatározzuk, mi az, ami reálisan elvárható tőle és mi az, ami nem. Tisztában kell lenni azzal,hogyan akkumulálódik a frusztráció, a sikertelenség, hogyan alakul ki az averzió és hogyan lehet felderíteni, hogy az adott nem kívánt viselkedést mi erősíti meg.
Az operáns tanulási folyamatok mentális és kognitív hatásaival, etikai és állatjóléti megfontolásaival a sorozat következő részében foglalkozunk.

---