Hvad er operant hundetræning?

Fra den klassiske betingede refleks opkaldt efter IP Pavlov, adskiller denne refleks sig ved, at den er baseret på dyrets aktive målrettede aktivitet, forårsaget af en form for behov. Og forstærkning er på samme tid resultatet af denne meget aktive og målrettede aktivitet. Mens med den klassiske betingede refleks, er forstærkningen den ubetingede, eller blot den anden stimulus.

Operant læring blev opdaget af den amerikanske videnskabsmand EL Thorndike takket være kattes og hundes intelligens. Faktum er, at Thorndike, der fandt ud af dyrs evne til at lære, designede et specielt bur udstyret med en dør med en simpel lås. Da han lukkede katte og hunde i dette bur, så han med en videnskabsmands sunde gammen, mens hans mindre brødre lærte at åbne denne dør. Og de yngre brødre og søstre lærte at åbne døren ved at gøre forskellige forsøg, hvoraf nogle lykkedes, og nogle ikke. Derfor kaldte Thorndike den form for læring, han opdagede, for "trial and error."

En refleks, men denne form for læring blev døbt meget senere af en anden kendt amerikansk videnskabsmand, BF Skinner, som viede hele sit videnskabelige liv til den. Det er derfor, blandt de flere fædre til den operante refleks, Skinner betragtes som hovedfaderen. Men i retfærdigheden bemærker vi, at træning baseret på operant læring for første gang i verden blev beskrevet af vores vidunderlige træner Vladimir Durov i hans bog "Animal Training. Psykologiske observationer på dyr trænet efter min metode. 40 års erfaring.” Således kan du læse om den russiske version af operanttræning i Vladimir Durovs bog, og den amerikanske version af operanttræning er godt beskrevet i bogen "Don't growl at the dog!" af psykolog og træner Karen Pryor, som jeg i øvrigt også råder dig til at læse.

Skinners generelle metode til operant træning kan beskrives i følgende trin:

1. fase af afsavn. Dette er, hvad Skinner kaldte denne fase i 30'erne. Men nu skal denne fase kaldes "stadiet med at vælge og skabe et grundlæggende behov."

   Når man danner en operant betinget refleks, kan næsten alle de behov, som hunde kender, bruges, men Skinner brugte foderbehovet oftere. Og meningen med afsavnstadiet var, at Skinner enten underfodrede dyrene i et stykke tid eller sultede dem. Man mente, at foderforstærkning først blev betydningsfuld for dyret og effektiv til læring, når dette dyr tabte omkring 20 % af sin levende vægt. Åh gange, åh manerer!

   

2. Stadiet for dannelse af konditioneret fødevareforstærkning. I sin forskning brugte Skinner automatiske foderautomater, hvis lyd skulle være et signal til dyrene om udseendet af en foderpille. Og dette tog tid. Etapen blev betragtet som afsluttet, da rotten som reaktion på lyden fra foderautomaten straks løb hen til foderautomaten.

   

   Faktisk er denne fase dannelsen af ​​en klassisk betinget lydrefleks med fødeforstærkning. Det tjener også som grundlag for den såkaldte klikkertræning - en træningsmetode, der bruger betinget sund mad positiv forstærkning.

   Og vi må indrømme, at skolen for operanttræning adskiller sig positivt fra traditionel indenlandsk træning ved den opmærksomhed, som operanttræning giver til spørgsmålet om forstærkning. Især positiv og probabilistisk forstærkning.

3. Stadium af reaktionsdannelse. Som en modeladfærd trænede Skinner sine rotter til at trykke på pedalen og sine duer for at hakke nøglen. Dannelsen af ​​reaktionen ved at trykke på pedalen blev udført på en af ​​tre måder: ved forsøg og fejl (spontan dannelse), ved rettet eller sekventiel dannelse og ved målmetoden.

   Spontan dannelse bestod i, at dyret, der rejste gennem Skinner-boksen, ved et uheld trykkede på pedalen og gradvist associerede trykket på den med inkluderingen af ​​den automatiske foderautomat.

   

   Under retningsdannelsen tændte forskeren den automatiske feeder, først forstærkede enhver orientering mod pedalen, så nærmede sig den og til sidst trykkede den. Hvorfor ikke klikkertræning!

   Og målmetoden var, at en madpille blev limet på nøglen, forsøg på at rive den af ​​førte til at man trykkede på håndtaget.

   Den moderne metode til operant træning til at starte den ønskede adfærd tillader brugen af ​​næsten alle kendte metoder til at påvirke dyret. Det anses dog for ineffektivt at bruge afersive (fører til smerte eller ubehag) effekter.

4. At bringe adfærd under stimuluskontrol eller indføre en differentierende stimulus. Med andre ord, indførelsen af ​​en betinget stimulus eller kommando.

   Skinner og hans tilhængere mente, at dannelsen af ​​en handling og den samtidige parallelle udvikling af dens forbindelse med en betinget stimulus (kommando) er to forskellige processer. Og den samtidige assimilering af to forskellige ting komplicerer læring. Derfor danner traditionelle operanter først adfærden og indtaster derefter kommandoen.

   

   Det skal understreges, at i operant læring er en differentierende stimulus stort set ikke en kommando i vores forståelse. Et hold er som en ordre, er det ikke? Vi plejer at tolke det sådan. En differentierende stimulus er information om, at udførelsen af ​​en adfærd lige nu er mest effektiv og generelt mulig. Således har "kommandoen" i operant træning den funktion at tillade og tillade adfærden at blive udført.

   For at gøre det klarere, lad os analysere indførelsen af ​​en pære i eksperimentet som en differentierende stimulus. Så rotten har lært at trykke på pedalen og trykke på den, når den vil spise. Forskeren tænder lyset i et par sekunder og skaber betingelser, hvor et tryk på pedalen, kun når lyset er tændt, fører til foderforsyningen. Og når lyset slukker, uanset hvor meget du trykker, har du en kombination af tre fingre! Det vil sige, at inddragelsen af ​​en pære skaber, adskiller, adskiller, adskiller forskellige forhold. Og rotten begynder snart at forstå. Og da hun virkelig gerne vil spise (hun har et madbehov!), så, når hun ser pæren tændt, løber hun straks hen til pedalen og, ja, tryk på den! Udefra ser det ud til, at den tændte pære får rotten til at beordre den til at trykke på pedalen. Men nu forstår du, at det ikke er sådan. Når lyset tændes, står der: Nu kan du trykke på pedalen. Men kun!

5. Forstærkende adfærd. Konsolidering af den dannede adfærd til færdigheden udføres ved gentagelse ved brug af probabilistisk forstærkning. Det er også nyttigt at bruge forskellige behov til dette og følgelig anvende forskellige forstærkninger.

   Den indenlandske version af den operante træningsmetode, der stammer fra Vladimir Durov, adskiller sig kun ved, at den giver dig mulighed for straks at introducere en udøvende stimulus (kommando, differentierende stimulus, betinget stimulus). Øvelse viser, at en færdighed ikke dannes langsommere end med en importeret teknik. Og da det giver dig mulighed for at eliminere et helt trin, sparer det tid. Så det giver mening at støtte den indenlandske producent af træningsteknikker!

24 September 2019

Opdateret: 26. marts 2020