5.2. Теория подкрепления и социального научения

Суть оперантного научения состоит в том, что подкрепленное поведение стремится повториться, а поведение неподкрепленное или наказуемое имеет тенденцию подавляться, угасать.

Концепция подкрепления играет ключевую роль в теории Скиннера. Скорость, с которой оперантное поведение приобретается и сохраняется, зависит от режима применяемого подкрепления. Режим непрерывного подкрепления используется, как правило, на начальном этапе любого оперантного научения, когда организм учится производить управляемую реакцию. В большинстве ситуаций повседневной жизни это либо несущественно, либо неэкономично для сохранения желаемой реакции. В ряде случаев социальное поведение человека подкрепляется только иногда.

Теоретики, занимающиеся научением, признали два типа подкрепления – первичное и вторичное. Первичное подкрепление – это любое событие или объект, сами по себе обладающие подкрепляющими свойствами, таким образом, они не требуют предварительной ассоциации с другими подкреплениями, чтобы удовлетворить биологическую потребность. Первичные подкрепляющие стимулы для людей – это пища, вода, физический комфорт и секс. Их ценностное значение для организма не зависит от научения.

Вторичное (или условное) подкрепление – это любое событие или объект, которое приобретает свойство осуществлять подкрепление посредством тесной ассоциации с первичным подкреплением, обусловленным прошлым опытом организма. Примером общих вторичных подкрепляющих стимулов у людей являются деньги, внимание, привязанности и хорошие оценки.

Характерным для вторичного подкрепления является то, что оно генерализуется, если объединяется с более чем одним первичным подкреплением. Деньги – особенно показательный пример. Очевидно, что деньги не могут удовлетворить наши первичные влечения, но благодаря системе обмена они являются мощным фактором для получения множества удовольствий – хорошего жилья, модной одежды, машины, медицинской помощи, образования и т.д.

Иные виды вторично подкрепляющих стимулов – это лесть, похвала, привязанности, подчинение себе других. Эти социальные подкрепляющие стимулы часто действуют очень сложно и едва уловимо, но они существенны для нашего поведения в разнообразных ситуациях. Самый простой из них – внимание. Все знают, что ребенок может получить внимание, когда притворяется больным или плохо себя ведет. Дети очень часто назойливы, задают нелепые вопросы, вмешиваются в разговор взрослых, рисуются, поддразнивают младших, мочатся в постель – и все это для привлечения внимания. Внимание значимого другого (родителей, учителя, возлюбленного) – особенно эффективный генерализованный условный стимул, который может содействовать ярко выраженному поведению привлечения внимания.

Еще более сильный генерализованный стимул – это социальное одобрение. Мужская или женская мода – то же самое, предмет одобрения. Хорошие оценки у обучающихся – тоже позитивный подкрепляющий стимул, и очень мощный для достижения высокой академической успеваемости.

Итак, именно условный подкрепляющий стимул по Скиннеру выступает важным фактором в контроле поведения человека, но он у каждого свой и разный. Для одних это спорт, для других – музыка, академические успехи или просто труд и его результаты в виде денег, или утверждение, что так хорошо никто это не сделает, кроме меня.

С точки зрения Скиннера поведение человека контролируется аверсивными (неприятными или болевыми) стимулами. Наиболее типичные методы аверсивного стимула – это наказание и негативное подкрепление. Любая оперантная реакция следует или зависит от наказания. И наказание вместо того, чтобы усилить реакцию, которую оно сопровождает, поступает наоборот – уменьшает вероятность вторичного повтора реакции, т.е. предполагаемая цель наказания – побудить человека не вести себя данным образом. Потому, по Скиннеру, это наиболее общий метод контроля поведения в современной жизни человека.

Наказания разделяются на позитивные и негативные. Позитивные встречаются всякий раз, когда поведение ведет к аверсивному исходу. Если дитя плохо себя ведет, его шлепают, если студент использует шпаргалку – ему ставят неудовлетворительную оценку, если человек ворует, его сажают в тюрьму.

Негативное наказание – это когда за наказуемым поведением следует устранение позитивного подкрепляющего стимула. Например, детям запрещают смотреть телевизор из-за плохого поведения, непослушного ученика могут выгнать с урока.

Негативное подкрепление – в отличие от наказания, это процесс, в котором организм ограничивает аверсивный стимул или избегает его. От палящего солнца человек уходит в тень, но он снова пойдет туда, где светит солнце, если станет холодно, т.е. уход от аверсивного стимула не то же самое, что избежание его, поскольку при избежании аверсивный стимул физически не представлен. Следовательно, другой способ борьбы с неприятными условиями – научиться избегать их, т.е. научиться вести себя так, чтобы предотвратить их появление. Эта стратегия известна как научение избежанию.

Все формы контроля поведения, основанные на аверсивных стимулах, являются малоэффективными в научении, среди них особо наказание. Причина в том, что наказание почти всегда вызывает отрицательные эмоциональные и побочные эффекты, такие как тревога, страх, антисоциальные действия, потеря самоуважения и уверенности в себе – это далеко не полный перечень негативных побочных явлений, появляющихся из-за использования наказания как метода научения. Угроза, внушаемая аверсивным контролем, может также подтолкнуть человека к модели поведения намного более спорной, чем та, за которую его первоначально наказали. Наказали за посредственную учебу – позже при отсутствии родителей ребенок может вести себя еще хуже – прогуливать, портить школьное имущество и т.д. Наказанием – тюрьмой – почти никого не сделали добродетельным.

Поведение, за которым следовало наказание, почти всегда проявляется там, где отсутствует наказующий, и может повториться в худшем варианте после того, как исчезнет вероятность быть наказанным.

Вместо аверсивного контроля поведения Скиннер рекомендует позитивное подкрепление как наиболее эффективный метод устранения нежелательного поведения. Поскольку позитивное подкрепление не дает негативных побочных явлений, связанных с аверсивными стимулами, оно более пригодно для формирования поведения человека.

Логическим расширением принципа позитивного подкрепления является то, что поведение, усиленное в одной ситуации, весьма вероятно повторится, когда организм сталкивается с другими ситуациями, напоминающими ее.

Тенденция подкрепленного поведения распространяется на множество подобных положений. Скиннер называет это генерализацией стимула. Это легко наблюдать в жизни: ребенка похвалили за хорошее поведение дома, за прекрасные манеры. Он будет обобщать это поведение в соответствующих ситуациях вне дома. Такого ребенка не надо учить, как прилично вести себя в новой ситуации.

Обобщение стимула может быть результатом и неприятного жизненного опыта. Молодая женщина, изнасилованная незнакомцем, может генерализовать свою враждебность ко всем лицам противоположного пола, так как они напоминают ей о физической и эмоциональной травме. Единственный случай неприятного опыта общения с представителем какой-то этнической группы мы распространяем на всех представителей этой нации, т.е. этого достаточно, чтобы создать отрицательный стереотип и избегать контакта с представителями этого этноса.

Поэтому нужно обладать способностью делать различия в разных ситуациях, и различение стимулов есть составная часть общения – это процесс научения реагировать адекватным образом в разных ситуациях окружения. Примеров множество. Ребенок учится различать домашнюю собачку от злобного пса, подросток учится различать поведение, находящее одобрение у сверстников, и поведение, раздражающее других. Диабетик сразу обучается различать пищу, содержащую много и мало сахара. Все разумное поведение человека зависит от способности делать различие.

Способность к различению приобретается через подкрепление реакций в присутствии одних стимулов и неподкрепление их в присутствии других. Различительные стимулы дают нам возможность предвидеть вероятные результаты, связанные с изъявлением особой оперантной реакции в различных социальных ситуациях. Соответственно, индивидуальные вариации различительной способности зависят от уникального прошлого опыта различных подкреплений.

Скиннер предположил, что здоровое личностное развитие происходит в результате взаимодействия генерализованной и различительной способностей, максимизируя позитивное подкрепление и минимизируя наказание.

Однако стандартная методика оперантного научения плохо подходит для большого числа сложных оперантных реакций, которые могут спонтанно встречаться с вероятностью повторения, равной нулю.

Для облегчения этой задачи Скиннер придумал методику формирования поведения, которая состоит из подкрепления поведения, наиболее близкого к желаемому оперантному поведению. Одна реакция подкрепляется, а затем подменяется другой, более близкой к желаемому результату.

Скиннер установил, что процесс формирования поведения обусловливает развитие устной речи. Для него язык – это результат подкрепления высказываний ребенка, представленных первоначально общением с родителями.

Как и можно было ожидать, другие исследователи поставили под сомнение утверждение Скиннера, что язык – это просто продукт вербальных высказываний, выборочно подкрепленных в течение первых лет жизни. А. Хомский (1972) утверждал, что большую скорость усвоения вербальных навыков в раннем детстве никак нельзя объяснить в терминах оперантного научения. С его точки зрения, причиной того, что ребенок приобретает язык, являются особенности мозга при рождении, т.е. существует врожденная способность усваивать сложные правила разговорного общения.

Однако Скиннер не считал необходимым рассматривать внутренние силы или внутреннее мотивационное состояние человека в качестве причинного фактора поведения. По его убеждению личность – это не что иное, как определенные формы поведения, которые приобретаются научением.

Если это так, то есть возможность экспериментальной проверки его положений и, не в пример другим психологам, Скиннер получил огромное количество экспериментальных данных, поддерживающих его идеи. Более того, он привлек большое количество последователей, которые продолжили его работу по развитию научно обоснованного подхода к поведению.

Методологический подход Скиннера совсем не традиционный. Его экспериментальный анализ поведения был:

1. сфокусирован на единственном субъекте, а не на группе людей;

2. ориентирован на максимально автоматизированный эксперимент со строгим контролем условий, при которых оценивается поведение;

3. исследование было сконцентрировано исключительно на переменных, которые поддаются изменению или модификации посредством манипуляции стимулами окружения.

Рассмотрим в качестве примера жетонную систему вознаграждения за поведение.

Предпосылка очень простая – психические расстройства приобретены в результате ошибочного прошлого научения. Следовательно, задача эксперимента – точно определить то неподходящее поведение, от которого следует избавиться, и точно определить желаемое новое поведение и режимы его подкрепления, чтобы сформировать его. Экспериментальная база – госпитализированные взрослые ветераны с тяжелым поведенческим расстройством. Это 60 человек средним возрастом 57 лет, которые провели в госпитале около 22 лет. Большинство из них диагностированы как хронические шизофреники, а у остальных повреждение головного мозга. Исследование продолжалось 20 месяцев и состояло из 3 этапов. Первые шесть месяцев исследователи каждый день регистрировали частоту появления поведения, подлежащего последовательному подавлению. За этим следовал трехмесячный период формирования, когда пациентов информировали о видах деятельности, которой им следовало заниматься, чтобы получить жетон и "реализовать" его в столовой госпиталя.

В течение 11-месячного периода пациенты получали жетоны за то, что вели себя желаемым образом – обслуживали сами себя, посещали занятия, общались с другими или проявляли ответственность. Каждый получал жетон сразу после завершения желаемой деятельности, социальное одобрение со стороны персонала выражалось словами "прекрасная работа" или улыбкой.

Анализ результатов показал, что пациенты стали чаще вести себя нужным образом, у них повысилась инициатива, активность, ответственность и улучшились навыки социального общения. С введением жетонов средний коэффициент участия вырос от 5,8 до 8,4 за экспериментальный период. С увеличением ценности жетона (от одного до двух жетонов) коэффициент вырос до 9,2.

И в то же время число нарушений с 75 в неделю во время эксперимента сократилось до нуля. Несмотря на впечатляющие результаты, все же неясно, изменилось ли поведение именно от подкрепления или пациенты просто реагируют на внимание, энтузиазм и ожидания исследователей.

Но тем не менее, жетонная система вознаграждений может быть использована для закрепления нормального адаптивного поведения у пациентов, и сама эта система вознаграждений сокращает сроки пребывания пациентов в больнице, уменьшается коэффициент повторной госпитализации.

Данная система интенсивно использовалась в различных ситуациях: в классе с нормальными детьми, с умственно отсталыми, с подростками с девиантным поведением. Наконец, система дает хорошие результаты при терапевтическом устранении страха, гиперактивности, агрессивности и при супружеских разногласиях.

Сфера применения оперантного научения очень велика, рассмотрим два метода лечения: обучение навыкам общения и биологически обратную связь. Обучение навыкам общения ставит задачу улучшить межличностные навыки взаимодействия в разнообразных ситуациях реального мира. Например, чрезвычайно застенчивый студент страдает из-за недостатка значимой для него дружбы, ему надо научиться навыкам общения, необходимым для налаживания дружеских или интимных отношений. Как приобрести эту составляющую основу общения – уверенность? Бихевиоральные терапевты полагают, что степень уверенности в себе представляет некую шкалу. На одном ее конце – человек неуверенный. Он сталкивается с трудностями при выражении положительных эмоций по отношению к другому – при беседе с незнакомым при необходимости обратиться с просьбой или за советом, ответить отказом на просьбу и т.д. Он не знает, как начать и закончить разговор, как выразить раздражение или негодование. На другом конце этой шкалы находится человек агрессивный, чья единственная забота – он сам. Он не заботится о правах и привилегиях других, углубляется в себя. Между двумя крайностями – уверенный (наученный общению) человек. Он ясно и прямо выражает позитивные и негативные чувства, не игнорируя права других. Уверенный отстаивает свои права, активно завязывает новые отношения и успешно справляется со сложными и затруднительными ситуациями.

Нужна постоянная репетиция поведения, ролевые игры. Как правило, обучение помогает преодолеть и агрессивность, и неуверенность в себе, повышает самоуважение и дает достижения в социальных и материальных сферах, удовлетворение от жизни.

Более того, такая методика, как биологическая обратная связь, дает возможность управлять своим телом (частотой сердечных сокращений, артериальным давлением, мышечным напряжением). Она основана на том допущении, что если я получаю четкую информацию (обратную связь) о внутренних физиологических процессах, то могу научиться сознательно контролировать их. До конца 60-х годов ученые полагали, что внутренние показатели, такие как частота сердечных сокращений, секреция желез, электромагнитная активность головного мозга, температура тела, находятся вне области произвольного контроля, т.к. они регулируются автономной (вегетативной) нервной системой. Но оперантное научение предложило другие способы контроля: обратную биологическую связь.

Для этого пользуются прибором электромиографической обратной связи, предназначенным для достижения глубокой релаксации мышц, т.е. прибором для измерения скелетно-мышечного напряжения тела. Пациента присоединяют к прибору с помощью электродов и просят попытаться уменьшить уровень напряжения лобной мышцы. Ему не говорят, как это делать, а только предлагают попробовать. Пока он старается это сделать, сигнал, регистрируемый электродами, трансформируется в звуковой сигнал – тон, который через громкоговоритель может звучать громче или тише. Когда мышечное напряжение возрастает, тон становится громче, когда падает – тише. Следовательно, усиление или ослабление тона действует как подкрепляющий стимул, так как он содержит информацию об успешности усилий пациента контролировать мышечное напряжение. Как только контроль установлен, обратная связь через тон снимается. Эта методика позволяет переносить навыки контроля из лаборатории в повседневную жизнь.

Итак, люди могут научиться контролировать уровень мышечного напряжения, следовательно, нет необходимости в громоздком спортинвентаре. Но средства, с помощью которых биологическая обратная связь позволяет осуществить контроль над непроизвольными процессами, остаются неясными.

Поведение человека, по Скиннеру, детерминировано, предсказуемо и контролируемо окружением. Он признает только два основных типа поведения: респондентное поведение как ответ на знакомый стимул и оперантное – как определяемое и контролируемое результатом, следующим за ним. Теория полностью сосредоточена на оперантном поведении. При оперантном научении организм действует на окружение, производя результат, который влияет на вероятность того, что поведение повторится. Оперантная реакция, за которой следует позитивный результат, стремится повториться, в то время как оперантная реакция, за которой следует негативный результат, стремится не повторяться.