オペラント条件づけ
シートベルトを締めるまで車の警告音が鳴ります。音が止まるのは、心理学で負の強化と呼ぶ一種の報酬です。
古典的条件づけは唾液や恐怖のような受動的反応を説明しますが、子どもが自転車を覚えたり、何度もスマートフォンを見たりする理由は説明しません。自分で選ぶ行動では、その後の結果が重要です。よい結果が続く行動は増え、悪い結果が続けば減る、これがオペラント条件づけです。
エドワード・ソーンダイクは、内側に掛け金があり、外に餌が置かれた問題箱に猫を入れました。最初は偶然に脱出しましたが、何度も試行を重ねるうちに、猫はますます速く脱出するようになりました。ソーンダイクはこれを効果の法則としてまとめました。満足をもたらす結果が続く反応は繰り返され、不快な結果が続く反応は繰り返されないという法則です。B・F・スキナーは1930年代にこの考えを発展させ、現在スキナー箱と呼ばれるオペラント箱を作りました。ラットがレバーを押したり、ハトが円盤をつついたりすると餌が得られ、記録装置がすべての反応を数える仕組みでした。
正負は、よしあしを意味しない
ここでの用語では、強化は必ず行動を増やし、罰は減らします。正は何かを加え、負は取り去るという意味なので、四つの組み合わせがあります。正の強化は、芸へのおやつのように快いものを加えます。負の強化は、シートベルトの警告音が止まるように不快なものを除きます。正の罰は叱責のように不快なものを加え、負の罰はスマートフォンの時間を失うように快いものを除きます。負の強化は罰と混同しがちですが、行動を増やすと覚えましょう。
シェイピングと強化スケジュール
ハトは、教えられずに卓球をするわけではありません。そこでスキナーはシェイピングを使いました。まず目標に大まかに近い行動に報酬を与え、その後は報酬を得るために、毎回少しずつ目標に近い行動を求めます。報酬には、餌のような一次性のものと、一次性の報酬との結びつきによって価値を得る、賞賛、お金、トークンなどの二次性のものがあります。報酬を与える頻度も重要です。固定比率では一定回数の反応の後に報酬を与えます。出来高払いがその例です。変動比率では予測できない回数の反応の後に報酬を与えます。賭博がその例で、反応が高い頻度で安定して続き、消去しにくくなります。固定間隔では一定時間が経過した後の最初の反応に、変動間隔では予測できない時間が経過した後の最初の反応に報酬を与えます。新着メッセージの確認は後者の例です。
スキナーは、変動比率スケジュールでハトを病的な賭博者にできると主張しました。OpenStaxによると、ラスコウスキーらがラットを対象に行った2019年の研究では、そのようなスケジュールだけで問題のある賭博行動が生じるという考えは支持されませんでした。スキナーは心をブラックボックスとしても扱いました。しかしエドワード・トールマンは、餌なしで10回の実験にわたり迷路を探索させたラットが、餌が現れるとすぐに道を見つけることを示しました。ラットは報酬なしで認知地図を作っていたのです。トールマンはこれを潜在学習と呼びました。学習は、強化によって定着するものだけではありません。
| 効果の法則 | ソーンダイク：満足する結果は反応を増やす |
| 負の強化 | 不快なものを除き、行動が増える |
| 負の罰 | 快いものを除き、行動が減る |
| シェイピング | 目標に次第に近づく行動を強化する |
| 変動比率 | 予測できない反応回数で報酬。消去しにくい |
| 潜在学習 | トールマン：報酬なしで学び、後から現れる |
- 結果によって、行動の頻度が変わります。
- 強化は行動を増やし、罰は減らします。正は加え、負は除きます。
- シェイピングで、複雑な行動を段階的に作ります。
- 変動比率スケジュールでは、反応が高い頻度で持続します。
- 犬がおすわりでおやつをもらい、よく座るようになりました。
- 正の強化
- 負の強化
- 正の罰
- 負の罰
- 警告音を止めるためベルトを締め、次から早く締めるようになりました。
- 正の強化
- 負の強化
- 正の罰
- 負の罰
- 門限破りでスマートフォンの時間を失い、門限を破ることが減りました。
- 正の強化
- 負の強化
- 正の罰
- 負の罰
- 生徒が授業中にメッセージを送って叱られ、その後は送ることが減りました。
- 正の強化
- 負の強化
- 正の罰
- 負の罰
- スロットマシンに当てはまるスケジュールはどれですか？
- 固定比率
- 変動比率
- 固定間隔
- 変動間隔
- 10個作るごとに賃金を得る工員は、どのスケジュールですか？
- 固定比率
- 変動比率
- 固定間隔
- 変動間隔
- お金は何の例ですか？
- 一次性強化子
- 二次性強化子
- 無条件刺激
- 罰
- ハトの四分の一回転、半回転、一回転を順に報酬で教えるのは何ですか？
- シェイピング
- 消去
- 般化
- 潜在学習
- OpenStaxが引用する2019年のラット研究は、変動比率だけで病的賭博が生じると確認しました。
- はい
- いいえ
- トールマンの実験で、報酬を与えられていなかったラットは、餌が現れるとすぐに見つけました。これは何を示していますか？
- 強化なしでも学習できる
- ラットは迷路を学べない
- 罰が最も有効
- 反射だけを学ぶ
このコースの出典 (15)
- OpenStax Psychology 2e (openstax.org/books/psychology-2e)
- sections 6.2 Classical Conditioning (Pavlov 1927; Garcia and Koelling 1966; Rescorla and Wagner 1972; Watson and Rayner 1920)
- 6.3 Operant Conditioning (Thorndike 1911 law of effect; Skinner 1938; reinforcement and punishment; shaping; primary and secondary reinforcers; schedules; Skinner 1953 on gambling; Laskowski et al. 2019; Tolman latent learning)
- 6.4 Observational Learning (Bandura, Ross and Ross 1961; attention, retention, reproduction, motivation; Yamamoto, Humle and Tanaka 2013; Anderson et al. and Ferguson on media violence)
- 10.1 Motivation (Deci, Koestner and Ryan 1999; Yerkes and Dodson 1908; Bandura 1994 self-efficacy; Maslow 1943 and its criticism; drive theory and habits)
- 8.4 Ways to Enhance Memory. Lally, van Jaarsveld, Potts and Wardle (2010) European Journal of Social Psychology 40, 998-1009, doi 10.1002/ejsp.674 (96 volunteers, 12 weeks, 82 with enough data, 39 good model fits, median 66 days to 95% of plateau, range 18 to 254 days, missing one opportunity did not materially affect habit formation)
- Hagger et al. (2016) Perspectives on Psychological Science 11, 546-573, PubMed 27474142 (23 labs, N = 2,141, d = 0.04, 95% CI -0.07 to 0.15)
- Dang et al. multilab replication, PMC8186735 (12 labs, N = 1,775, d = 0.10)
- Dunlosky et al. (2013) Psychological Science in the Public Interest 14(1)
- PubMed 26173288 (10 techniques; high utility: practice testing, distributed practice; moderate: elaborative interrogation, self-explanation, interleaved practice; low: summarization, highlighting, keyword mnemonic, imagery for text, rereading)
- Pashler, McDaniel, Rohrer and Bjork (2008) PSPI 9(3) 105-119, PubMed 26162104. Mueller and Oppenheimer (2014) Psychological Science, PubMed 24760141
- Morehead, Dunlosky and Rawson (2019) Educational Psychology Review replication
- Urry et al. (2021) Psychological Science direct replication of Study 1. Roediger and Karpicke (2006) Psychological Science 17(3)
- Card intervals come from this site's own flashcard code (0, 1, 3, 7, 14, 30 days)
- Everyday scenes are made up for teaching. General information only.
確認日: 2026-10-17