تکنیک های آموزشی: تقویت مثبت در مقابل روش های سنتی

فراتر از کلیک: دوباره فکر کنید که چگونه آموزش، آموزش و رهبری می کنیم

روش هایی که ما برای شکل دادن به رفتار استفاده می کنیم – چه در کلاس، اتاق هیئت مدیره یا حلقه آموزش – عواقبی که بسیار فراتر از انطباق فوری گسترش می یابد – برای دهه ها، دو فلسفه رقیب تمرین کنندگان را تقسیم کرده اند: تقویت مثبت، که رفتار را با پاداش دادن به اقدامات مطلوب، و روش های سنتی ریشه در مجازات، اصلاح و کنترل هر یک از مفاهیم عمیق تر در مورد انگیزه، و اعتماد به خود، و یادگیری خود را منعکس می کند.

این مقاله نگاهی دقیق و مبتنی بر شواهد به هر دو چارچوب، طراحی بر علوم رفتاری مدرن، نوربیولوژی و کاربرد دنیای واقعی در سراسر دامنه های متعدد می گیرد. هدف نه تنها به مقایسه تکنیک ها، بلکه تجهیز خوانندگان با درک عملی از آنچه کار می کند، چرا کار می کند، و چگونگی اجرای آن به طور موثر.

آناتومی تقویت مثبت

تقویت مثبت در شرطی سازی اپرا ریشه دارد، چارچوبی که به طور رسمی توسط B.F. Skinner در اواسط قرن بیستم توسعه یافته است، مکانیسم مرکزی به طرز فریبنده ساده است: رفتاری که یک نتیجه مطلوب را ایجاد می کند، احتمال بیشتری دارد که دوباره تکرار شود، بر خلاف تقویت منفی - که شامل حذف محرک های مخرب - تقویت مثبت (FLT:0adds[F[۳] [FLT ۱] بلافاصله چیزی مطلوب را تقویت می کند که رفتار عصبی احتمالی را تقویت می کند.

با این حال، اثربخشی تقویت مثبت به دقت بستگی دارد. پاداشی که به طور ناگهانی یا خیلی دیر تحویل داده می شود، می تواند به طور ناخواسته رفتار اشتباه را تقویت کند، سردرگمی و کاهش پیشرفت در تجزیه و تحلیل رفتار اعمال شده، چندین پارامتر حیاتی را شناسایی کرده است:

• توافق: تقویت کننده باید رفتار را در عرض یک تا سه ثانیه برای حداکثر قدرت جذب دنبال کند. تأخیر به عنوان کوتاه به عنوان پنج ثانیه می تواند ارتباط را به طور قابل توجهی تضعیف کند، به ویژه در حیوانات و کودکان جوان.
• تعهد: پاداش باید به وضوح به رفتار بستگی دارد، اگر یادگیرنده بدون انجام عمل هدفمند، تقویت می شود، پیوند رفتار به سمت حل می شود.
• [در این میان] [و] [و [از این رو] [و] [و] [و] [و] [و] [و] [و]] [و]] [و [از این رو]] [و]] [به اندازه و یا شدت پاداش [و] [و [از این]]] [و [از این که] [در برابر [و] [و [در برابر] [و [و] [و] [و] [و] [و [و [و] [از [و] [و] [از [و] [و] [و]]]] [و] [و] [و] [و]]]] [و]]] [و [و [و [و [و [و [از [از [از [و]]]]]]]]]]]]] [از [و]]] [از [از [از [از [از [از [از [از [از [از [از [از [از [و]]]]]]]] [و [و]] [و [و]]]] [و [از [و]]] [و [م
• تنظیم: تقویت مستمر (پاداش هر پاسخ صحیح) در طول خرید بهینه است، هنگامی که رفتار روان است، انتقال به یک برنامه متغیر-ratio - جایی که پاداش ها غیر قابل پیش بینی می آیند - بهبود می بخشد بزرگترین مقاومت به انقراض.

دسته های رانی: انتخاب آنچه که کار می کند

همه تقویت کنندگان به طور مساوی ایجاد نمی شوند. مربیان موثر از یک ابزار متنوع یادگیرنده، مطابق با پاداش به انگیزه فعلی و زمینه کار.

• تقویت کننده های قابل قبول: مواد غذایی کوچک و با ارزش بالا در آموزش حیوانات و تنظیمات اولیه کودکی قوی هستند.آنها باید به طور استراتژیک برای جلوگیری از مسائل بهداشتی و یا وابستگی استفاده شوند.
• تقویت کننده های احتمالی: استیکر، توکن ها، گواهینامه ها، یا جوایز کوچک، این کار به خوبی برای اهداف کوتاه مدت اما باید به عنوان انگیزه ذاتی توسعه.
• تقویت کننده های اجتماعی: ستایش، لبخند، تماس چشمی، پنج، یا تصدیق کلامی، اینها از جمله قوی ترین و پایدارترین تقویت کننده ها هستند، زیرا آنها به نیازهای اساسی انسان برای تعلق و تایید ضربه می زنند.
• تقویت کننده های فعال: دسترسی به فعالیت های ترجیحی — زمان استراحت، پیاده روی، گوش دادن به موسیقی، یا بازی یک اصل پیش از اتصال، که در آن یک رفتار با قابلیت بالا تقویت یک کم قابلیت پذیری.
• تقویت کننده: امتیاز، ستاره ها یا نشان های دیجیتال که به سمت پاداش بزرگتر تجمع می کنند، اقتصادهای توکن به طور گسترده ای در کلاس ها، تنظیمات درمانی و برنامه های سلامت شرکت ها استفاده می شوند.

بینش کلیدی این است که تقویت یک نسخه یک نفره نیست، آنچه انگیزه می دهد که یک نفر ممکن است دیگر را خسته یا حتی ناراحت کند. مربیان ماهر مشاهده، سوال و آزمایش برای شناسایی آنچه که واقعا به عنوان تقویت کننده برای هر فرد عمل می کند.

روش های سنتی: Aversive Playbook

روش های سنتی آموزش بر اساس منطق اساساً متفاوت عمل می کنند: آنها رفتار ناخواسته را با معرفی یک نتیجه ناخوشایند یا حذف چیزی مطلوب سرکوب می کنند.این دسته شامل خزندگان کلامی، اصلاحات فیزیکی، حذف زمان، حذف امتیاز و تاکتیک های مقابله ای مانند اسپین های آلفا یا به سمت پایین خیره کننده است - مجازات می تواند سرکوب سریع رفتار، ایجاد توهم و کنترل بهره وری را تولید کند.

با این حال، دهه های تحقیق تجربی و بالینی محدودیت های عمیقی را آشکار کرده اند که مجازات رفتارهای جایگزین را آموزش نمی دهد؛ این تنها پاسخ مجازات شده را سرکوب می کند، اغلب به طور موقت و بدتر از آن، آسیب های قابل توجهی به همراه دارد.

هزینه های پنهان مجازات

بدن در حال رشد از شواهد علوم اعصاب رفتاری، روانشناسی رشد و علوم رفاه حیوانات اثرات نامطلوب آموزش مبتنی بر مجازات را فهرست کرده است:

• استرس و تسلط بیش از حد: مجازات باعث می شود آمیگدال و هیپوthalamic-محوری-adآدرنالین، فراگیر با کورتیزول در طول زمان، این حافظه را مختل می کند، انعطاف پذیری شناختی را کاهش می دهد و به سلامت فیزیکی آسیب می رساند.
• اعتماد: رابطه مربی-یادگیرنده از همکاری به اجتناب تغییر می کند، در مدارس، دانش آموزانی که اغلب سرزنش می شوند یا عمل می کنند؛ در آموزش حیوانات، مسئول به منبع ترس تبدیل می شود، نه ایمنی.
• سرکوب بدون انقراض؛ رفتارهای اجباری اغلب هنگامی که مجازات کننده غایب است، بازگشت می کند.یک سگ که برای رشد اصلاح شده است ممکن است بدون هشدار یاد بگیرد؛ دانش آموزی که شرم آور است برای پرسیدن سوال ممکن است به طور کامل متوقف شود.
• بی یاری آموزش: [FLT 1] هنگامی که مجازات غیر قابل پیش بینی یا ناتوان است، زبان آموزان ممکن است تلاش به طور کامل متوقف شود - یک دولت مشخص شده توسط پاس، بی طرفی و اختلاف عمیق از روند یادگیری.
• افزایش تجاوز: مجازات مدل استفاده از زور و می تواند تجاوز دفاعی را تحریک کند، در آموزش حیوانات، روش های بی طرف با نرخ های بالاتر کمی کاهش همراه است؛ در تنظیمات انسانی، نظم و انضباط تنبیهی با افزایش خشونت و رفتار ضد اجتماعی مرتبط است.

علی رغم این خطرات، روش های سنتی در بسیاری از زمینه ها باقی می مانند – اغلب به این دلیل که آنها آشنا هستند، در لحظات ناامیدی شهودی دارند یا به نظر می رسد نتایج سریعی را تولید می کنند.چالش این است که هزینه های این روش ها کاهش می یابد؛ آنها بعدا به عنوان سقوط رفتاری، روابط آسیب دیده و کاهش انگیزه ذاتی آشکار می شوند.

سر به سمت هل: تقویت مثبت در مقابل روش های سنتی.

مقایسه دو فلسفه تفاوت های اساسی در چگونگی یادگیری، انگیزه و پویایی مربی را نشان می دهد.

Aspect	Positive Reinforcement	Traditional Methods
Source of motivation	Intrinsic and extrinsic rewards build genuine engagement.	Fear of punishment drives compliance, often without understanding.
Emotional impact	Cultivates confidence, curiosity, and trust.	Generates anxiety, resentment, and avoidance.
Behavioral durability	Behaviors are internalized and maintained through intermittent reinforcement.	Compliance is contingent on continued threat; relapse is common.
Flexibility and creativity	Learners explore new strategies and recover from errors more readily.	Learners become rigid and avoid any action that might provoke punishment.
Relationship dynamic	Collaborative partnership based on mutual respect.	Hierarchical control with potential for adversarial or fearful interactions.

شواهد به طور مداوم به دنبال تقویت مثبت در این ابعاد هستند، این موضوع از ایدئولوژی یا احساسات نیست - این نتیجه ای است که توسط دهه ها تحقیق مقایسه ای در تجزیه و تحلیل رفتار، علوم اعصاب و آموزش و پرورش به عنوان جامعه دامپزشکی آمریکایی رفتار حیوانات به صراحت بیان می کند، روش های آموزش و پرورش قابل توجه خطرات رفاه و توصیه نمی شود.

علم چه می گوید: عصب شناسی و نظریه یادگیری

علوم اعصاب مدرن درک ما از اینکه چرا تقویت مثبت به طور موثر کار می کند را عمیق تر کرده است.هنگامی که یک یادگیرنده نتیجه ارزشمندی دریافت می کند، سیستم پاداش دوپامینی مغز فعال می شود، آزاد کردن دوپامین در قشر striatum و prefrontal.این سیگنال شیمیایی ارتباطات سیناپسی را تقویت می کند که رفتار را کد می کند، یک فرایند شناخته شده به عنوان قوی مدت طولانی، رفتار نه فقط یاد گرفته می شود، بلکه ترجیح می شود.

مجازات، در مقابل، آمیگدال را فعال می کند و یک آبشار استرس را ایجاد می کند که در واقع می تواند یادگیری را مختل کند. A 2021 بررسی سیستماتیک در Neuroscience and Bio Behavioral Reviews بیش از 100 مطالعه مقایسه آموزش مبتنی بر پاداش و مجازات در سراسر گونه ها - از جمله میله ها، کنسرو ها و انسان ثابت بود: روش های خرید سریع تر منجر به کاهش سرعت عملکرد، و کاهش سرعت کاهش سرعت عملکرد.

تقویت مثبت همچنین با نظریه خود تعیین سرنوشت، که استقلال، شایستگی و ارتباط را به عنوان نیازهای روان شناختی جهانی شناسایی می کند، مطابقت دارد که پشتیبانی معنی دار و مشروط از هر سه نیاز است: زبان آموزان احساس صلاحیت زمانی که آنها تصمیم به تعامل، و متصل زمانی که مربی به تلاش خود را تایید می کند، مجازات همه سه، تحریک مقاومت و عدم تعادل به جای رشد واقعی.

مثال: آموزش

در تنظیمات آموزشی، تضاد کاملاً است. مدارس که مداخلات رفتاری مثبت در مدارس را اتخاذ می کنند و از آنها پشتیبانی می کنند (PBIS) گزارش 20-60٪ کاهش در ارجاعات انضباطی و بهبود به طور نامتناسب در عملکرد آکادمیک را گزارش می دهند: استراتژی اساسی به صراحت رفتارهای مورد انتظار، دانش آموزان را تصدیق می کند، زمانی که آنها انتظارات را برآورده می کنند و از داده ها برای تنظیم سیاست های صفر به طور غیرمستقیم استفاده می کنند، با مقایسه، نشان داده شده است که نرخ های ایمنی را افزایش دهند یا رفتار تعلیق، و یا رفتار به طور جداگانه کاهش می دهند.

مثال: آموزش حیوانات

تغییر در آموزش سگ حرفه ای یکی از قابل مشاهده ترین تحولات در زمینه است.[۵] روش های مبتنی بر سلطه، که یک بار بر فرهنگ محبوب، به طور سیستماتیک توسط تحقیقات نشان می دهد که تکنیک های شتاب دهنده افزایش ترس و تجاوز به عنوان آموزش کلیک - یک سیستم تقویت مثبت مبتنی بر نشانگر - مربیان را قادر به شکل گیری پیچیده با دقت و سرعت قابل توجه است. [۳]

مثال فیلد: عملکرد محل کار

مدیریت عملکرد شرکت ها یک تکامل موازی داشته است.تحقق بررسی های سالانه و حلقه های بازخورد تنبیهی با بازخورد مداوم، شناخت و مربیگری تجزیه و تحلیل گالوپ از داده های تعامل کارکنان نشان می دهد که کارکنانی که به رسمیت شناختن منظم می رسند، پنج برابر بیشتر احتمال دارد که به فرهنگ سازمان خود متصل شوند و چهار برابر بیشتر احتمال دارد که مکانیسم مولد باشد: یک رفتار خاص به موقع و تقویت رفتار مورد نظر کارکنان و تقویت رفتار آن.

ایجاد یک سیستم تقویت مثبت: یک چارچوب عملی

انتقال از یک رویکرد سنتی به یک رویکرد مبتنی بر تقویت نیازمند طراحی عمدی است. چارچوب زیر گام های عملی برای هر آموزش، تدریس یا زمینه مدیریت فراهم می کند.

۱- رفتار با دقت تعریف کنید

انتظارات مبهم، نتایج متناقضی را به جای «مخالق» ایجاد می کند، «تماس چشمی را وقتی کسی صحبت می کند» یا «قبل از پاسخ دادن به مهارت های پیچیده به واحدهای کوچک قابل مشاهده که می توانند به صورت جداگانه تقویت شوند، این روند شکل گیری است.

۲- شناسایی قابلیت های Reforcers

وقت خود را صرف مشاهده ترجیحات طبیعی یادگیرنده برای یک کلاس، انجام ارزیابی اولویت با استفاده از یک نظرسنجی ساده برای حیوان خانگی، آزمایش با رفتار های مختلف، اسباب بازی ها یا فعالیت های مختلف برای دیدن آنچه که قوی ترین تعامل را ایجاد می کند.

۳- استفاده از یک سیگنال پل

نشانگر – مانند یک کلیک کننده، یک کلمه خاص ("بله") یا یک سیگنال دستی – شکاف بین رفتار و پاداش را به مربی اجازه می دهد تا لحظه دقیق عمل مورد نظر را مشخص کند، حتی اگر پاداش به تأخیر بیفتد. نشانگر خود را از طریق جفت تکرار با پاداش اولیه تقویت می کند.

۴- بلافاصله، سپس به تدریج نازک

در مرحله خرید، هر پاسخ صحیح باید تقویت شود، زیرا رفتار به طور روان، تغییر به تقویت متناوب - اول نسبت ثابت (هر پاسخ سوم)، سپس نسبت متغیر ( فواصل پیش بینی نشده) برنامه های متغیر رفتارهایی را تولید می کنند که به شدت در برابر انقراض مقاوم هستند.

۵- مجازات را با اعمال مختلف جایگزین کنید

هنگامی که رفتار ناخواسته رخ می دهد، در برابر تمایل به مجازات مقاومت کنید، یک رفتار جایگزین را شناسایی کنید که با مشکل ناسازگار است و به عنوان مثال، به جای سرزنش یک دانش آموز که تماس می گیرد، یک دانش آموز را که دست خود را بالا می برد، به نام تقویت رفتار جایگزین، به طور همزمان مشکل را کاهش می دهد در حالی که ایجاد یک مهارت مثبت است.

اجتناب از سقوط های معمول

• اشباع برگشت: اگر هر اقدام کوچک پاداش داده شود، تقویت کننده قدرت خود را از دست می دهد.
• در مقابل تقویت کننده [FLT1] پاداشی را در پیش از آن (اگر این کار را انجام دهید، من به شما X می دهم) پویا را به مذاکره تغییر می دهد و می تواند انگیزه ذاتی را تضعیف کند.
• به جوشاندن از بین بردن: [FLT 1] پس از ایجاد یک رفتار قابل اعتماد، به تدریج کاهش فرکانس پاداش های خارجی در حالی که معرفی انحرافات طبیعی - رضایت ذاتی تسلط، تایید اجتماعی، و یا دسترسی به فرصت های جدید.

نتیجه گیری: مسیر یادگیری پایدار

بحث بین تقویت مثبت و روش های سنتی، در هسته آن، بحث در مورد نوع از زبان آموزان ما می خواهیم برای ایجاد و چه نوع روابط ما می خواهیم برای ساخت است، شواهد نمی تواند روشن تر باشد: تقویت مثبت تولید سریع تر، بادوام تر، و پیامدهای انسانی بیشتر در سراسر هر حوزه که به طور دقیق مورد آزمایش قرار گرفته است.

اتخاذ چارچوب تقویت مثبت در مورد عدم تسلیم شدن یا اجتناب از ساختار لازم نیست، بلکه در مورد استراتژیک بودن است – با استفاده از ابزارهایی که علم رفتاری نشان داده است به کار می پردازد، نیاز به صبر، مشاهده و تمایل به تنظیم بر اساس بازخورد فردی دارد، اما پرداخت کننده عمیق است: یک یادگیرنده که مطمئن، کنجکاو و تعاونی است؛ یک مربی که به جای آن مورد احترام قرار می گیرد و ترس از ایجاد یک رابطه است، اما اعتماد بر اساس پایه و پایدار است.