クリックを超えて: 訓練方法を再考, 桃, リード

教室、会議室、トレーニングリングなど、行動を形づける方法が、即時のコンプライアンスを超えて遠くに広がる、運送結果です。 10年間、二つの競争哲学者は、目的の行動をやりがいすることによって行動を築き、罰、補正、そして反逆的な制御に根ざした伝統的な方法を構築し、肯定的な補強を分けています。 各アプローチは、それぞれのアプローチが、意欲、信頼、そして自然学習そのものについて、より深い仮定のセットを反映しています。

この記事では、複数のドメイン間で現代の行動科学、神経生物学、および現実世界のアプリケーションを描画するフレームワークを厳格で証拠ベースの外観を取ります。 目標は、単に技術を比較するだけでなく、どのような作品の実用的な理解と、それが機能し、それが効果的にそれを実装する方法を読者に装備することです。 トレーナー、教育者、およびマネージャーにとって、ステークは高いです。 方法の選択は結果に影響を及ぼさない - それは、感情的な能力と寿命を延ばす、感情的な能力と能力を学習するためのものです。

正の補強の解剖学

正当な補強は、操作性調節で根ざしています。B.F. Skinnerが中心的に開発するフレームワークは、-20世紀半ばに開発されています。中央のメカニズムは、必然的に単純です。好ましい結果を生み出す行動は、再帰する可能性が高いです。負の補強とは異なり、それは、対立的な刺激を除去することを含みます。陽性強化]]]を追加]]は、ターゲットの動作がより直後に望ましい何かを追加することができます。この行動は、より反復性が強化されます。この方法は、より反復性的な行動を強化します。

しかし、精度に対する正の補強ヒンジの有効性。 報奨はハザードリーまたは遅すぎると、誤った動作を不当に強化し、混乱と進行を遅らせることができます。 応用行動分析の研究は、いくつかの重要なパラメータを特定しました。

  • 強度:]] 強化剤は、最大強度の1〜3秒以内に動作を従わなければなりません。 5秒ほど短い遅延は、特に動物や若い子供では、接続を著しく弱めることができます。
  • [] の一貫性:]] は、行動に依存するべきだ。 学習者がターゲットのアクションを実行せずに補強を受ける場合、行動報酬リンクは溶解する。
  • Magnitude:]]報酬の量や強度。 あまりにも小さくて、それは動機に失敗します。 あまりにも大きすぎる、そしてそれは、分裂または分裂の興味につながることができます。
  • []:]]のスケジュールは、取得時に連続した補強(正しい反応を繰り返します)が最適です。 動作が流暢になり、変数の整数に移行すると、報酬は予測不可能に現れます。 絶滅に対する最大の抵抗を生成します。

補強剤のカテゴリー: どのような作品を選ぶか

強化剤は同じように作成されていません。効果的なトレーナーは、学習者の現在のモチベーションとタスクのコンテキストに報酬をマッチングし、多様なツールキットから描画します。

  • ] 食用補強剤:] 動物訓練や幼少期の設定に、小小・高値の食品が強力です。健康上の問題や依存症を避けるために戦略的に使用する必要があります。
  • [ 有力な補強材:[] ステッカー、トークン、証明書、または小賞。これらは短期目標によく機能しますが、本質的なモチベーションが発達するにつれて段階的にはよいでしょう。
  • 社会的補強体:]] 昇降、笑顔、目線の接触、高線の上昇、または動詞の認識。 これらは、持ち物と承認のための基本的な人間のニーズにタップするので、最も強力で持続可能な補強体の中であります。
  • [] アクティビティ・レフラー:]] 好ましい活動へのアクセス、余分な時間、散歩、音楽を聴く、またはゲームを再生する。 これらは、高い確率行動が低確率の1を強化するプレマックの原則を活用します。
  • [トークン・レフラー:]ポイント、星、またはより大きな報酬に蓄積するデジタルバッジ。 トークン・エコノミーは、教室、治療設定、および企業ウェルネスプログラムで広く使用されています。

重要な洞察は、補強が一口のフィットオール処方ではないことです。 1つの学習者が退屈したり、別の迷惑に陥ったりする動機は何ですか。 スキルのトレーナーは、各個人のための真の機能を特定するために観察、尋ね、実験をしています。

伝統方法: 対面の Playbook

従来のトレーニング方法は、根本的に異なる論理で動作します。不快な結果を導入したり、望ましいものを除去することによって、不要な行動を抑制します。このカテゴリには、動詞的な反応、物理的な補正、タイムアウト、特権除去、アルファロールやスターダウンなどの対立戦術が含まれます。歴史の合理は、直進的です。罰は行動の急速な抑制を生成し、制御および効率の錯覚を作成します。

しかし、実験的および臨床研究の10年は、有意な限界を明らかにしました。罰は、代替行動を教えません。それは罰された応答を抑制するだけでなく、しばしば一時的にそして状況的に抑制します。悪意、それは重要な担保的な損傷を運びます。

罰の隠されたコスト

行動神経科学、発達心理学、動物福祉科学の証拠の高まっています。罰ベースの訓練の副作用をカタログ化しました。

  • [ 慢性的ストレスと高機能障害:[] 罰は、心筋と低脳下垂体軸を活性化し、コルチゾールで学習者をフラッドします。 時間が経つにつれて、この障害物メモリは認知の柔軟性を低下させ、身体的健康を損傷させます。
  • [] 信頼の高揚:[]] トレーナーリーダーの関係は、コラボレーションから回避にシフトします。学校では、頻繁に繰り返される学生はしばしば失業または行動します。動物訓練では、ハンドラは、安全ではなく、恐怖の源になります。
  • ::罰則のない支持行動は、罰者が膿疱が膿疱であるときに頻繁に戻ります。 成長のために修正された犬は、警告なしで噛むことを学ぶかもしれません。 質問をするために恥ずかしい学生は、助けを完全に求めるのを止めるかもしれません。
  • [ 学習された無力:[ 罰が予測不可能または不満であるとき、学習者は完全に試みを中止する可能性があります。学習プロセスからの受動、無関心、および有意な失業によって特徴付けられる状態。
  • []攻撃性:[罰力の使用を増加させ、防御力攻撃をトリガーすることができます。 動物訓練では、反発的な方法は、噛み合わせのより高い速度に関連しています。 人間の設定では、罰則は増加した障害と反社会的行動にリンクされています。

これらのリスクにもかかわらず、伝統的な方法は多くの文脈で持続します。なぜなら、それらは精通しているからです。不満の瞬間に直感的に感じたり、迅速な結果を生み出すように見えます。この課題は、これらの方法の費用が悪化していることです。行動的な転倒、損傷した関係、そして無根の動機を下げるにつれて、彼らは後で現れます。

頭対面: 正の補強対従来の方法

二つの哲学を比較すると、それぞれのアプローチが学習、モチベーション、トレーナーリーダーのダイナミックをどのように学習するかの根本的な違いが明らかにされます。

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.

証拠は、これらの次元を一貫して肯定的な補強を支持しています。これは、病理学や感情の問題ではありません。それは行動分析、神経科学、および教育の比較研究の数十年が支持される結論です。動物行動のAmerican Veterinary Society()として、広範囲にわたる訓練方法が重要な福祉リスクをポーズし、推奨されていません。

科学が言うこと:神経生物学と学習理論

現代の神経科学は、正の補強がなぜ効果的に働くのかについて、私たちの理解を深めました。 学習者が報奨結果を受け取ると、脳のドパミネアの報奨制度が活性化され、連鎖および前面の皮質でドパミンを解放します。 この神経化学信号は、行動を符号化する相乗的な接続を強化し、長期的能力として知られるプロセスが活性化します。 行動はただ学習されるだけでなく、好まれる。

罰, 対照的に, アミーガダラを活性化し、実際に学習障害を及ぼすことができるストレスカスケードをトリガー. で 2021 体系的なレビュー ]]神経科学 & 生物行動レビュー]]100以上の研究は、報酬ベースの比較し、種全体で罰ベースのトレーニングを罰則ベースの比較しました。 - げんげん, 杖, 人. 結論は一貫した: 報酬ベースの方法は、より高速な保持につながりました, 改善された行動, 改善の効果と改善のパフォーマンスの向上.

肯定的な補強はまた、自尊、有能性、および普遍的な心理的ニーズとして関連性を識別する自己決定論と整列します。 学習者は、彼らが成功するときに有能で、一貫したサポートである報酬、彼らが従事することを選択したときに自律性を感じ、トレーナーが自分の努力を認めるときに接続します。 罰は、すべての3を脅し、抵抗と失望を正規成長ではなくトリガーします。

フィールド例: 教育

教育設定では、対照は主観的です。学校全体で肯定的な行動介入とサポート(PBIS)レポートを採用する学校は、学際的な紹介と学歴の性能の改善の20〜60%削減します。基礎的な戦略は簡単です。期待される行動を明示的に教え、期待する学生に期待に応え、サポートを調整するためにデータを使用します。比較によるPunitiveゼロ耐性ポリシーは、行動を改善したり、不当に影響を及ぼしたりすることなく、サスペンション率を増加させることが示されています。

フィールド例:動物訓練

プロの犬の訓練のシフトは、フィールドで最も目に見える変革の1つです。 かつては人気のある文化を支配していたドミナンスベースの方法が、対立的な技術が恐怖と攻撃性を増加させることを示す研究によって体系的に差別化されています。 彼らの場所では、マーカーベースのプラス強化システムであるクリックアカデミックトレーニングは、驚くべき精度と速度で複雑な行動を形作り上げることを可能にします。 ドッグトレーナーの攻撃は、現在、標準の能力を発揮します[FLT:FLT]:[FLT]。 [FLTFLT: Professional]:[F]:F]ドッグトレーナーの攻撃を防御するDORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORFORF

フィールド例: 職場のパフォーマンス

企業のパフォーマンス管理は、並列的な進化を遂げています。従来の年次レビューと罰的フィードバックループは、継続的なフィードバック、認識、コーチングによって置き換えられます。 Gallupの従業員エンゲージメントデータのメタ分析は、正規認識を受けた従業員が、組織の文化と4倍の生産性につながり、より高まると思われる5倍の頻度で、従業員のエンゲージメントデータの達成が向上しています。 メカニズムは同じです。目的の行動の具体的なタイムリーな認識は、これらの行動を強化し、従業員と従業員の管理者との関係を強化するという点です。

正式な補強システムの構築:実用的なフレームワーク

従来の方法から補強ベースのアプローチへの移行は、意図的な設計が必要です。次のフレームワークは、トレーニング、教え、または管理のコンテキストのための実用的な手順を提供します。

1. 精密で行動規範を定義する

漠然とした期待は、矛盾する結果を生み出します。 「敬意をもって」ではなく、「誰かに話しているときに目線を接触させる」か「応答する前に一時停止を待ちます」を定義します。 複雑なスキルを、個別に補強できる小型で観察可能なユニットに分解します。これは形成のプロセスです。

2. 機能強化剤の特定

学習者の自然な好みを観察する時間を過ごしてください。教室では、簡単なアンケートを使用して優先評価を行います。ペットのために、さまざまなお菓子、おもちゃ、または最も強いエンゲージメントを優先する活動で実験します。最も効果的な補強剤は、学習者が積極的に求めているものです。

3. 橋信号を使用して下さい

マーカーは、クリック機、特定の単語(「はい!」)、またはハンドシグナルなどの特定の言葉で、行動と報酬のギャップをブリッジします。これにより、トレーナーは、報酬が遅延しても、目的のアクションの正確な瞬間を正確にピンポイントすることができます。マーカー自体は、プライマリ報酬と繰り返されたペアリングを通して、調整された補強体になります。

4. すぐに補強して下さい、それから卒業式を薄くして下さい

取得フェーズでは、正しい応答が強化される必要があります。 動作が流暢になると、断続的な補強にシフトします。 固定比(毎回3番目の応答)、変数比(予測不可能な間隔)。 可変的なスケジュールは、絶滅に対して非常に耐性のある動作を生成します。

5. 差動補強と罰則を置換する

不要な行動が起こるとき、罰せざりに抵抗します。代わりに、問題と互換性のない代替行動を特定し、その強化を行います。例えば、呼び出した学生を叱る代わりに、自分の手を上げている学生を賞賛します。このアプローチは、代替行動の差異的な強化と呼ばれる、プラスのスキルを構築しながら同時に問題を減らす。

6. 共通の落札を避けて下さい

  • []報酬:]。 小さなアクションが報われている場合、補強者はそのパワーを失います。 本物の進行や特に挑戦的なステップのために高値報酬を予約してください。
  • []Bribery対補強:[) 事前に報酬を供与する(あなたがこれを行うと、私はXを与える) 交渉に動的なシフトをシフトし、侵入的な動機を損なうことができます。 補強は、その前に約束されていない行動の後で配信されます。
  • []フェードに無視:[行動が確実に確立されると、自然とのコンピテンシーを導入しながら、外部報酬の頻度を徐々に減らします。マスタリー、社会的承認、または新しい機会へのアクセスの固有の満足。

結論:持続可能な学習への道

肯定的な補強と伝統的な方法の議論は、そのコアでは、私たちが作りたい学習者の種類と、私たちが構築したい関係のどのようなものについて議論しています。 証拠は明確ではないかもしれません。正の補強は、より速く、より耐久性があり、そしてそれが徹底的にテストされているすべてのドメインにわたってより人間的な結果を生み出します。 伝統的な反響方法、時には即時のコンプライアンスの普及、ストレス、信頼、および長期間の関与の原則を厳密に作成する一方で、それは従事を受け入れるべきではありません。

肯定的な補強フレームワークを採用することは、許されているか、または必要な構造を避けることではありません。それは戦略的であることについてです。行動科学が機能するように示されているツールを使用することです。それは忍耐、観察、個々のフィードバックに基づいて調整するための意欲を必要とします。しかし、支払いは深刻です:自信があり、好奇心旺盛で、協力的である学習者。恐怖ではなく尊敬されるトレーナー。そして、制御ではなく、信頼に基づいて構築された関係。それは永続的な学習に基づいて基礎です。