Condicionamiento operante

Un automóvil pita hasta que te abrochas el cinturón. Que cese el pitido es una recompensa del tipo que los psicólogos llaman refuerzo negativo.

El condicionamiento clásico explica reacciones que te ocurren, como salivar o sentir miedo. No explica por qué un niño aprende a andar en bicicleta o revisas tanto el teléfono. En la conducta que eliges realizar importa lo que sucede después. Es el condicionamiento operante: las buenas consecuencias aumentan la probabilidad de una conducta; las malas la reducen.

Edward Thorndike puso gatos en cajas con un pestillo interior y comida afuera. Al principio escapaban por casualidad; tras muchos ensayos, lo hacían cada vez más rápido. Lo resumió en la ley del efecto: se repiten las respuestas seguidas de consecuencias satisfactorias, no las seguidas de consecuencias desagradables. B. F. Skinner desarrolló la idea en los años 1930 con la cámara operante, hoy caja de Skinner: una rata podía presionar una palanca o una paloma picotear un disco para obtener comida, mientras se registraba cada respuesta.

Positivo y negativo no significan bueno y malo

Aquí, el refuerzo siempre aumenta una conducta y el castigo la reduce. Positivo significa agregar algo; negativo, quitarlo. Hay cuatro combinaciones. Refuerzo positivo: agregar algo agradable (un premio por un truco). Refuerzo negativo: quitar algo desagradable (cesa el pitido del cinturón). Castigo positivo: agregar algo desagradable (un regaño). Castigo negativo: quitar algo agradable (perder tiempo de uso del teléfono). El refuerzo negativo se confunde mucho con castigo; recuerda que aumenta la probabilidad de la conducta.

Moldeamiento y programas

Una paloma no juega ping-pong sola: Skinner usaba moldeamiento, recompensando una aproximación y exigiendo algo más cercano cada vez. Las recompensas pueden ser primarias, como comida, o secundarias, como elogios, dinero o fichas que adquieren valor por su relación con las primarias. También importa la frecuencia. En razón fija se recompensa tras un número establecido de respuestas (trabajo a destajo). En razón variable, tras un número impredecible (juegos de azar): genera respuestas frecuentes y constantes, difíciles de extinguir. En intervalo fijo se recompensa la primera respuesta tras cierto tiempo; en variable, tras un tiempo impredecible (revisar mensajes nuevos).

Skinner afirmó que podía convertir una paloma en jugadora patológica con un programa de razón variable. OpenStax señala que un estudio de ratas de 2019 (Laskowski y colegas) no respaldó que estos programas por sí solos causen juego problemático. Skinner también trataba la mente como caja negra, pero Edward Tolman mostró que ratas que exploraban un laberinto sin comida durante 10 sesiones encontraban el camino rápidamente al aparecer comida. Habían formado un mapa cognitivo sin recompensa: aprendizaje latente. Aprender no se limita a lo que fija el refuerzo.