Çfarë është trajnimi i qenve operant?

Nga refleksi klasik i kushtëzuar me emrin IP Pavlov, ky refleks ndryshon në atë që bazohet në aktivitetin aktiv të qëllimshëm të kafshës, të shkaktuar nga një lloj nevoje. Dhe përforcimi në të njëjtën kohë është rezultat i këtij aktiviteti shumë aktiv dhe të qëllimshëm. Ndërsa me refleksin e kushtëzuar klasik, përforcimi është stimuli i pakushtëzuar, ose thjesht stimuli i dytë.

Mësimi operativ u zbulua nga shkencëtari amerikan EL Thorndike falë inteligjencës së maceve dhe qenve. Fakti është se Thorndike, duke kuptuar aftësinë e kafshëve për të mësuar, projektoi një kafaz të veçantë të pajisur me një derë me një bravë të thjeshtë. Duke mbyllur macet dhe qentë në këtë kafaz, ai shikoi me gëzimin e shëndetshëm të një shkencëtari teksa vëllezërit e tij më të vegjël mësuan ta hapnin këtë derë. Dhe vëllezërit dhe motrat më të vogla mësuan të hapnin derën duke bërë përpjekje të ndryshme, disa prej të cilave ishin të suksesshme dhe disa jo. Prandaj, Thorndike e quajti formën e të mësuarit që zbuloi "provë dhe gabim".

Një refleks, megjithatë, kjo formë e të mësuarit u quajt shumë më vonë nga një tjetër shkencëtar i njohur amerikan, BF Skinner, i cili ia kushtoi gjithë jetën e tij shkencore. Kjo është arsyeja pse, midis disa baballarëve të refleksit operant, Skinner konsiderohet babai kryesor. Sidoqoftë, me drejtësi, vërejmë se për herë të parë në botë, trajnimi i bazuar në mësimin operant u përshkrua nga traineri ynë i mrekullueshëm Vladimir Durov në librin e tij "Trajnimi i kafshëve. Vëzhgime psikologjike mbi kafshët e stërvitura sipas metodës sime. 40 vite eksperiencë.” Kështu, ju mund të lexoni për versionin rus të trajnimit operant në librin e Vladimir Durov, dhe versioni amerikan i trajnimit operant përshkruhet mirë në librin "Mos u ulërini qenit!" nga psikologia dhe trajnerja Karen Pryor, të cilën, meqë ra fjala, ju këshilloj gjithashtu ta lexoni.

Metoda e përgjithshme e Skinnerit të trajnimit operant mund të përshkruhet në hapat e mëposhtëm:

faza e privimit. Kjo është ajo që Skinner e quajti këtë fazë në vitet '30. Megjithatë, tani kjo fazë duhet të quhet "faza e zgjedhjes dhe krijimit të një nevoje themelore".
Kur formohet një refleks i kushtëzuar operant, mund të përdoren pothuajse të gjitha nevojat e njohura për qentë, por Skinner përdorte më shpesh nevojën për ushqim. Dhe kuptimi i fazës së privimit ishte se Skinner ose i ushqeu kafshët për një kohë të ulët, ose i vriste nga uria. Besohej se përforcimi i ushqimit u bë i rëndësishëm për kafshën dhe efektiv për të mësuar vetëm kur kjo kafshë humbi rreth 20% të peshës së saj të gjallë. Oh herë, oh sjellje!
Faza e formimit të përforcimit të ushqimit të kushtëzuar. Në kërkimin e tij, Skinner përdori ushqyes automatikë, tingulli i të cilëve supozohej të ishte një sinjal për kafshët për shfaqjen e një peleti ushqimor. Dhe kjo mori kohë. Skena u konsiderua e përfunduar kur, në përgjigje të zhurmës së ushqyesit, miu vrapoi menjëherë te ushqyesi.
Në fakt, kjo fazë është formimi i një refleksi klasik të tingullit të kushtëzuar me përforcim ushqimor. Ai gjithashtu shërben si bazë për të ashtuquajturin trajnim me klikues - një metodë trajnimi që përdor përforcim pozitiv të ushqimit të shëndoshë të kushtëzuar.
Dhe duhet të pranojmë se shkolla e trajnimit operant dallon në mënyrë të favorshme nga stërvitja tradicionale vendase nga vëmendja që trajnimi operant i kushton çështjes së përforcimit. Sidomos përforcim pozitiv dhe probabilist.
Faza e formimit të reaksionit. Si një sjellje model, Skinner stërviti minjtë e tij për të shtypur pedalin dhe pëllumbat e tij për të goditur çelësin. Formimi i reagimit të shtypjes së pedalit u krye në një nga tre mënyrat: me provë dhe gabim (formim spontan), me formim të drejtuar ose sekuencial dhe me metodën e synuar.
Formimi spontan konsistonte në faktin se kafsha, duke udhëtuar nëpër kutinë Skinner, shtypi aksidentalisht pedalin dhe gradualisht e shoqëroi shtypjen e tij me përfshirjen e ushqyesit automatik.
Gjatë formimit të drejtimit, studiuesi ndezi ushqyesin automatik, duke përforcuar fillimisht çdo orientim drejt pedalit, më pas duke iu afruar dhe në fund duke e shtypur. Pse jo trajnim për klikues!
Dhe metoda e synuar ishte që një topth ushqimi ishte ngjitur në çelës, përpjekjet për ta shkëputur atë çuan në shtypjen e levës.
Metoda moderne e trajnimit operant për fillimin e sjelljes së dëshiruar lejon përdorimin e pothuajse të gjitha metodave të njohura të ndikimit te kafsha. Megjithatë, konsiderohet joefektive përdorimi i efekteve aversive (që çon në dhimbje ose parehati).
Sjellja nën kontrollin e stimulit ose futja e një stimuli diferencues. Me fjalë të tjera, futja e një stimuli ose komande të kushtëzuar.
Skinner dhe mbështetësit e tij besonin se formimi i një veprimi dhe zhvillimi i njëkohshëm paralel i lidhjes së tij me një stimul të kushtëzuar (komandë) janë dy procese të ndryshme. Dhe asimilimi i njëkohshëm i dy gjërave të ndryshme e ndërlikon mësimin. Prandaj, operantët tradicionalë së pari formojnë sjelljen, dhe më pas futin komandën.
Duhet theksuar se në të mësuarit operant, një stimul diferencues nuk është në përgjithësi një urdhër në të kuptuarit tonë. Një ekip është si një urdhër, apo jo? Zakonisht ne e interpretojmë në këtë mënyrë. Një stimul diferencues është informacioni që tani ekzekutimi i një sjelljeje është më efektiv dhe përgjithësisht i mundshëm. Kështu, "komandimi" në stërvitjen operative ka funksionin e lejimit dhe lejimit të kryerjes së sjelljes.
Për ta bërë më të qartë, le të analizojmë futjen e një llambë në eksperiment si një stimul diferencues. Pra, miu ka mësuar të shtypë pedalin dhe e shtyp atë kur dëshiron të hajë. Studiuesi ndez dritën për disa sekonda dhe krijon kushte në të cilat shtypja e pedalit vetëm kur drita është ndezur çon në furnizimin me ushqim. Dhe kur drita të fiket, sado të shtypni, do të keni një kombinim të tre gishtave! Dmth përfshirja e një llambë krijon, ndan, dallon, diferencon kushte të ndryshme. Dhe miu shpejt fillon të kuptojë. Dhe meqenëse ajo dëshiron shumë të hajë (ajo ka nevojë për ushqim!), Pastaj, kur e sheh llambën ndezur, ajo menjëherë vrapon te pedali dhe, mirë, e shtyp! Nga jashtë duket se llamba e ndezur e bën miun, e urdhëron të shtypë pedalin. Por tani e kuptoni që nuk është kështu. Kur ndizet drita, ajo thotë: Tani mund të shtypni pedalin. Por vetem!
Sjellje përforcuese. Konsolidimi i sjelljes së formuar në aftësi kryhet me përsëritje duke përdorur përforcim probabilist. Është gjithashtu e dobishme të përdoren nevoja të ndryshme për këtë dhe, në përputhje me rrethanat, të aplikohen përforcime të ndryshme.
Versioni i brendshëm i metodës operative të stërvitjes, me origjinë nga Vladimir Durov, ndryshon vetëm në atë që ju lejon të prezantoni menjëherë një stimul ekzekutiv (komandë, stimul diferencues, stimul të kushtëzuar). Praktika tregon se një aftësi formohet jo më ngadalë sesa me një teknikë të importuar. Dhe duke qenë se ju lejon të eliminoni një hap të tërë, kursen kohë. Pra, ka kuptim të mbështetet prodhuesi vendas i teknikave të trajnimit!