Zer da txakur operanteen heziketa?

IP Pavlov-en izena duen erreflexu baldintzatu klasikotik, erreflexu hau desberdina da animaliaren xede-jarduera aktiboan oinarritzen baita, nolabaiteko beharrak eragindakoa. Eta errefortzua, aldi berean, jarduera oso aktibo eta helburu honen emaitza da. Baldintzatutako erreflexu klasikoarekin, berriz, errefortzua baldintzatugabea da, edo besterik gabe, bigarren estimulua.

Ikaskuntza operantea EL Thorndike zientzialari estatubatuarrak aurkitu zuen katu eta txakurren adimenari esker. Kontua da Thorndike-k, animaliek ikasteko duten gaitasuna asmatuz, sarraila sinpleko ate batez hornitutako kaiola berezi bat diseinatu zuela. Kaiola honetan katuak eta txakurrak itxita, zientzialari baten alaitasun osasuntsuarekin ikusi zuen bere anaia txikiek ate hau irekitzen ikasten zuten bitartean. Eta anai-arreba txikiek atea zabaltzen ikasi zuten hainbat saiakera eginez, batzuk arrakastatsuak izan ziren eta beste batzuk ez. Horregatik, Thorndike-k aurkitu zuen ikaskuntza-formari "saiakuntza eta akatsa" deitu zion.

Erreflexu bat, ordea, ikaskuntza modu hori askoz beranduago izendatzen zuen beste zientzialari estatubatuar ezagun batek, BF Skinner-ek, bere bizitza zientifiko osoa eman zion. Horregatik, erreflexu operantearen hainbat aitaren artean, Skinner aita nagusitzat hartzen da. Hala ere, zuzentasunez, ohartzen dugu munduan lehen aldiz ikaskuntza operatiboan oinarritutako prestakuntza Vladimir Durov entrenatzaile zoragarriak deskribatu zuela "Animal Training" liburuan. Nire metodoaren arabera hezitako animaliei buruzko behaketa psikologikoak. 40 urteko esperientzia». Horrela, Vladimir Durov-en operanteen prestakuntzaren errusiar bertsioari buruz irakur dezakezu liburuan, eta operanteen prestakuntzaren amerikar bertsioa ondo deskribatzen da "Ez egin txakurrari hazi!" liburuan. Karen Pryor psikologo eta entrenatzailearen eskutik, eta, bide batez, irakurtzea ere gomendatzen dizut.

Skinner-en entrenamendu operatiboaren metodo orokorra urrats hauetan deskriba daiteke:

gabezia-etapa. Horrela deitu zion Skinnerrek 30eko hamarkadan etapa honi. Hala ere, orain etapa honi "oinarrizko beharra aukeratzeko eta sortzeko etapa" deitu behar zaio.
Baldintzatutako erreflexu operantea osatzerakoan, txakurrek ezagutzen dituzten behar ia guztiak erabil daitezke, baina Skinnerrek maizago erabiltzen zuen janari beharra. Eta gabezia etaparen esanahia Skinnerrek animaliak gutxi elikatzen zituen denbora batez, edo goseak ematen zizkion. Uste zen elikagaien errefortzua animaliarentzat esanguratsua eta ikaskuntzarako eraginkorra bihurtu zela animalia honek biziaren pisuaren %20 inguru galtzen zuenean. Ai aldiz, oi ohiturak!
Elikagaien errefortzu baldintzatuaren eraketa-etapa. Bere ikerketetan, Skinnerrek elikadura automatikoak erabili zituen, hauen soinua animaliei pentsu-pellet bat agertzeko seinalea omen zen. Eta honek denbora behar zuen. Etapa amaitutzat jo zen, elikaduraren soinuari erantzunez, arratoia berehala korrika joan zen jantokira.
Izan ere, etapa hau elikagaien errefortzuarekin baldintzatutako soinu erreflexu klasiko baten eraketa da. Clicker deritzon prestakuntzarako oinarri gisa ere balio du, hots baldintzatutako elikagaien errefortzu positiboa erabiltzen duen entrenamendu metodoa.
Eta onartu behar dugu heziketa operanteen eskolak ongi bereizten duela etxeko prestakuntza tradizionalarengandik, prestakuntza operanteak errefortzuaren gaiari ematen dion arretagatik. Batez ere errefortzu positiboa eta probabilista.
Erreakzioaren eraketa-etapa. Jokabide eredu gisa, Skinnerrek bere arratoiak pedala sakatu eta bere usoak giltza pikortzeko entrenatu zituen. Pedalea sakatzearen erreakzioaren eraketa hiru modu hauetako batean gauzatu zen: saiakera eta akatsen bidez (formazio espontaneoa), eraketa zuzendua edo sekuentzialaren bidez eta xede-metodoaren bidez.
Bat-bateko eraketa, animaliak, Skinner kutxan zehar bidaiatuz, ustekabean pedala sakatu eta pixkanaka sakatzea elikadura automatikoa sartzearekin lotu zuen.
Norabidearen eraketan, ikertzaileak elikadura automatikoa piztu zuen, lehenik pedalarekiko edozein orientazio indartuz, gero hurbilduz eta azkenik sakatuz. Zergatik ez clicker prestakuntza!
Eta xede-metodoa janari-pellet bat giltza gainean itsatsita zegoen, hura kentzeko saiakerak palanka sakatzea ekarri zuen.
Nahi den portaera hasteko entrenamendu operantearen metodo modernoak animaliari eragiteko ia metodo ezagun guztiak erabiltzea ahalbidetzen du. Hala ere, eraginkortasunik gabekotzat jotzen da efektu gaitzesgarriak erabiltzea (mina edo ondoeza eragiten duena).
Jokabidea estimuluen kontrolpean jartzea edo estimulu bereizgarri bat sartzea. Beste era batera esanda, estimulu edo agindu baldintzatu bat sartzea.
Skinner-ek eta haren aldekoek uste zuten ekintza baten eraketa eta bere loturaren aldibereko garapen paraleloa baldintzatutako estimulu batekin (agindua) bi prozesu ezberdin direla. Eta bi gauza ezberdinen aldi berean asimilatzeak ikaskuntza zaildu egiten du. Hori dela eta, operante tradizionalek lehenik portaera osatzen dute, eta gero komandoa sartzen dute.
Azpimarratu behar da ikaskuntza operatiboan estimulu desberdintzailea, oro har, ez dela agindu bat gure ulermenean. Talde bat ordena bat bezalakoa da, ezta? Normalean horrela interpretatzen dugu. Estimulu desberdintzailea oraintxe bertan jokabide bat gauzatzea eraginkorrena eta orokorrean posible den informazioa da. Horrela, operante prestakuntzan "aginduak" portaera egitea ahalbidetzeko eta uzteko funtzioa du.
Argiago gera dadin, azter dezagun esperimentuan bonbilla baten sarrera estimulu desberdintzaile gisa. Beraz, arratoiak pedala sakatzen ikasi du eta jan nahi duenean sakatzen du. Ikertzaileak argia pizten du segundo pare batez eta baldintzak sortzen ditu pedala sakatzeak argia piztuta dagoenean jario-hornidura eramateko. Eta argia itzaltzen denean, zenbat sakatu arren, hiru hatz konbinazioa izango duzu! Hau da, bonbilla bat sartzeak baldintza desberdinak sortzen, bereizten, bereizten, bereizten ditu. Eta arratoia laster hasten da ulertzen. Eta benetan jan nahi duenez (janari beharra dauka!), Orduan, bonbilla piztuta ikusten duenean, berehala korrika doa pedalera eta, tira, sakatu! Kanpotik, badirudi piztutako bonbillak arratoia egiten duela, pedala sakatzea agintzen duela. Baina orain ulertzen duzu ez dela horrela. Argia pizten denean, honela dio: Orain pedala sakatu dezakezu. Baina bakarrik!
Portaera indartzea. Eratutako portaeraren sendotzea trebetasunarekin errepikatuz egiten da, errefortzu probabilista erabiliz. Era berean, horretarako behar desberdinak erabiltzea eta, horren arabera, errefortzu desberdinak aplikatzea komeni da.
Vladimir Durov-en jatorria den prestakuntza-metodo operantearen etxeko bertsioa desberdina da estimulu exekutibo bat berehala sartzeko aukera ematen duelako (agindua, estimulu bereizgarria, estimulu baldintzatua). Praktikak erakusten du trebetasun bat ez dela inportatutako teknika batekin baino motelago sortzen. Eta urrats oso bat kentzeko aukera ematen duenez, denbora aurrezten du. Beraz, zentzuzkoa da prestakuntza-tekniken etxeko fabrikatzaileari laguntzea!