Condicionamento operante

Um carro apita até você colocar o cinto. O fim do apito é um tipo de recompensa que os psicólogos chamam de reforço negativo.

O condicionamento clássico explica reações que acontecem com você, como salivar ou sentir medo. Não explica por que uma criança aprende a andar de bicicleta ou por que você verifica o celular tantas vezes. Para comportamentos que você escolhe realizar, o importante é o que acontece depois. Isso é condicionamento operante: comportamentos seguidos de boas consequências se tornam mais prováveis; os seguidos de más consequências, menos prováveis.

Edward Thorndike colocava gatos em caixas-problema, com um trinco dentro e comida fora. No início, escapavam por acaso; após muitas tentativas, saíam cada vez mais rápido. Thorndike resumiu isso na lei do efeito: respostas seguidas de consequências satisfatórias se repetem; as seguidas de consequências desagradáveis, não. B. F. Skinner desenvolveu a ideia na década de 1930 com a câmara operante, hoje chamada de caixa de Skinner. Nela, um rato apertava uma alavanca ou um pombo bicava um disco para receber comida, enquanto um registrador contava cada resposta.

Mais e menos não significam bom e ruim

Nesse vocabulário, reforço sempre aumenta um comportamento, e punição sempre o reduz. Positivo significa acrescentar algo; negativo, retirar algo. Assim, há quatro combinações. Reforço positivo: acrescentar algo agradável (um petisco por um truque). Reforço negativo: retirar algo desagradável (o apito do cinto para). Punição positiva: acrescentar algo desagradável (uma bronca). Punição negativa: retirar algo agradável (perder tempo de uso do celular). O reforço negativo é o mais confundido com punição; lembre que ele aumenta a probabilidade do comportamento.

Modelagem e esquemas de reforço

Um pombo não joga pingue-pongue por conta própria, então Skinner usou modelagem por aproximações sucessivas: recompensar uma aproximação inicial e exigir algo um pouco mais próximo a cada vez. Recompensas podem ser primárias, como comida, ou secundárias, como elogios, dinheiro ou fichas que ganham valor pela associação às primárias. A frequência também importa. Razão fixa reforça após um número definido de respostas (trabalho por peça). Razão variável reforça após um número imprevisível (jogos de azar), produzindo respostas frequentes e constantes, difíceis de extinguir. Intervalo fixo reforça a primeira resposta após um tempo definido; intervalo variável, após um tempo imprevisível (verificar novas mensagens).

Skinner afirmava que poderia transformar um pombo em jogador patológico com um esquema de razão variável. A OpenStax observa que um estudo de 2019 com ratos (Laskowski e colegas) não sustentou a ideia de que esses esquemas sozinhos causam problemas com jogos. Skinner também tratava a mente como caixa-preta, mas Edward Tolman mostrou que ratos que exploraram um labirinto sem comida por 10 sessões encontraram o caminho rapidamente quando ela apareceu. Tinham criado um mapa cognitivo sem recompensa, o que ele chamou de aprendizagem latente. Aprender não se resume ao que o reforço fixa.