4.2 Operant betinging

Hvorfor sjekker du telefonen om og om igjen?

Du legger fra deg telefonen for å lese lekser. To minutter senere har den glidd tilbake i hånden din, og du sveiper nedover for å se om noe nytt har dukket opp. Som regel er det ingenting. Men av og til -- akkurat ofte nok -- er det en melding, en like, noe spennende. Og det er nettopp den uforutsigbarheten som får deg til å fortsette.

Dette er operant betinging i aksjon. Mens klassisk betinging handler om å lære koblinger mellom stimuli, handler operant betinging om noe enda mer praktisk: vi lærer sammenhengen mellom atferd og konsekvenser. Gjør du noe som gir et godt resultat, gjør du det oftere. Gjør du noe som gir et dårlig resultat, gjør du det sjeldnere.

Teorien ble utviklet av B.F. Skinner (1904-1990), en av psykologiens mest innflytelsesrike skikkelser, som bygde videre på arbeidet til Edward Thorndike. Grunnprinsippet kalles effektloven, og det forklarer hvordan vi lærer det meste av vaar frivillige atferd -- fra hvordan du oppfører deg på skolen til hvorfor du ikke klarer å legge fra deg mobilen.

Fra kattens gaateboks til Skinners spak

Det hele begynte med Edward Thorndike (1874-1949) og en sulten katt. Han plasserte katten i en "gaateboks" med en mekanisme som kunne åpne døren, og la synlig mat utenfor. Først proevde katten alt mulig -- den kloerte, bet og dyttet i ren desperasjon. Tilfeldigvis traff den en spak som åpnet døren, og den slapp ut til maten. Første gang tok det lang tid. Men for hvert nye forsøk gikk det raskere, og til slutt gikk katten rett til spaken. Den trengte ikke å forstå sammenhengen -- atferden ble bare automatisk forsterket av det gode resultatet.

Thorndike formulerte dette som effektloven: responser som følges av tilfredsstillende konsekvenser blir styrket og mer sannsynlige, mens responser som følges av ubehagelige konsekvenser blir svekket. Dette var revolusjonerende, fordi det viste at læring kunne forstås som en mekanisk prosess basert på konsekvenser, ikke bare innsikt.

B.F. Skinner tok ideen videre og laget et berømt apparat: "Skinner-boksen", der en rotte eller due kunne utføre en enkel handling -- som å trykke på en spak -- og få en konsekvens, for eksempel mat. Han kalte det operant betinging fordi organismen "opererer" på miljøet for å produsere et resultat. I motsetning til klassisk betinging, der stimuli bare presenteres uavhengig av hva dyret gjør, handler det her om at atferden får konsekvenser. Hvis konsekvensen er god, øker sannsynligheten for at atferden gjentas. Hvis den er dårlig eller fraværende, synker den.

For å rydde i dette trenger vi to par begreper. Forsterkning er alt som øker sannsynligheten for at en atferd gjentas, mens straff er alt som reduserer den. Positiv betyr at noe legges til situasjonen, mens negativ betyr at noe fjernes. Kombinerer vi disse, får vi fire muligheter -- og det er her mange roter det til.

De fire konsekvensene -- og fellen mange går i

La oss ta tak i misforståelsen med en gang: negativ forsterkning er ikke straff. Mange tror "negativ" betyr noe ubehagelig, men det betyr bare at noe fjernes. Begge typer forsterkning -- positiv og negativ -- øker atferd. Forskjellen ligger i om noe tilføres eller fjernes.

Positiv forsterkning er når noe behagelig legges til etter atferden. Et barn rydder rommet og får ros, og rydder dermed oftere. En hund sitter på kommando og får godbit. Negativ forsterkning er når noe ubehagelig fjernes etter atferden. Du tar en smertestillende og smerten forsvinner, så du tar den oftere ved smerte. Du tar på bilbeltet og det irriterende pipet stopper. I begge tilfeller øker atferden, men på hver sin måte.

Så har vi straffens to former. Positiv straff er når noe ubehagelig legges til: du kjører for fort og får bot, og kjører saktere. Negativ straff er når noe behagelig fjernes: et barn oppfører seg dårlig og mister TV-tid. Begge reduserer atferden. Huskeregelen er enkel: positiv = legg til, negativ = fjern, forsterkning = øk atferd, straff = reduser atferd.

Men straff har mange problemer. Den forteller bare hva man ikke skal gjøre, ikke hva alternativet er. Den skaper emosjonelle bivirkninger som frykt og sinne, og kan ødelegge relasjoner. Folk lærer ofte å unngå å bli tatt, ikke å unngå selve atferden. Fysisk straff modellerer dessuten aggresjon -- barn lærer at vold er en akseptabel løsning. Og effekten er ofte midlertidig: straffen virker bare når den som straffer er til stede. Derfor anbefaler forskere å fokusere på å forsterke ønsket atferd fremfor å straffe uønsket. Positiv forsterkning er generelt mer effektivt enn negativ for langsiktig læring, og virker best når den kommer umiddelbart etter atferden.

Spilleautomatens hemmelighet og kunsten å forme atferd

En av Skinners viktigste oppdagelser var at når forsterkning gis er like viktig som hva som forsterkes. Dette kalles forsterkningsplaner. Ved kontinuerlig forsterkning beloennes atferden hver eneste gang -- best for å etablere noe nytt raskt. Ved delvis forsterkning beloennes den bare noen ganger, noe som gjør atferden mer seiglivet og vanskeligere å slokke.

De delvise planene finnes i fire varianter. Ved fast intervall kommer beloenningen for første respons etter et fast tidsrom -- som lønn hver 14. dag. Da jobber man lite rett etter beloenningen og mer når neste nærmer seg, akkurat som elever som leser mest rett før prøven. Ved variabelt intervall kommer beloenningen etter varierende tidsrom, noe som gir jevn aktivitet -- du vet aldri når fisken biter, så du fortsetter å fiske. Ved fast ratio beloennes du etter et fast antall responser, som lønn per produsert enhet, noe som gir høy aktivitet med korte pauser. Og ved variabelt ratio kommer beloenningen etter et uforutsigbart antall responser -- og dette er den kraftigste planen av alle.

Hvorfor er variabelt ratio så potent? Fordi du aldri vet når neste gevinst kommer, fortsetter du å respondere. Dette er nettopp slik spilleautomater og sosiale medier er bygget. Du sveiper og sveiper fordi den neste like eller interessante posten kanskje kommer nå. Atferd som er beloennet delvis er dessuten mye vanskeligere å slokke enn atferd beloennet hver gang -- dette kalles delvis forsterkningseffekten, og det forklarer hvorfor gambling- og skjermavhengighet er så seige å bryte.

Men hvordan lærer vi kompleks atferd som aldri oppstår spontant? Svaret er forming (shaping): man forsterker gradvis atferd som kommer nærmere og nærmere målet, også kalt suksessive tilnaerminger. For å lære en rotte å trykke på en spak, forsterker man først at den nærmer seg spaken, så at den berører den, til slutt at den trykker. En delfintrener kan ikke vente på at delfinen tilfeldig hopper gjennom en ring -- hun forsterker hvert lille skritt mot målet. Nær beslektet er kjedebygging, der kompleks atferd bygges av en kjede enkelthandlinger, slik morgenrutinen din henger sammen: alarm, stå opp, pusse tenner, kle på seg. En praktisk anvendelse er token economy (pollettoekonomi), der man gir symbolske beloenninger -- stjerner eller poeng -- som senere kan byttes mot ekte goder. Det gir umiddelbar forsterkning og lærer utsatt behovstilfredsstillelse, men kritikere advarer mot at det kan undergrave indre motivasjon.

Oppsummering

Operant betinging handler om hvordan konsekvenser former atferden vaar. Thorndike viste med kattens gaateboks at atferd som lønner seg gjentas -- effektloven -- og Skinner systematiserte dette med sin boks, der dyr lærte å "operere" på miljøet for å få beloenninger.

Kjernen er fire konsekvenser. Positiv forsterkning legger til noe behagelig og øker atferd; negativ forsterkning fjerner noe ubehagelig og øker også atferd. Positiv straff legger til noe ubehagelig og reduserer atferd; negativ straff fjerner noe behagelig og reduserer atferd. Den vanligste feilen er å forveksle negativ forsterkning med straff -- husk at all forsterkning øker atferd. Fordi straff har mange ulemper, anbefales forsterkning av ønsket atferd.

Forsterkningsplaner avgjør hvor seiglivet atferden blir. Variabelt ratio -- uforutsigbar beloenning etter et varierende antall responser -- er den kraftigste, og forklarer hvorfor spilleautomater og sosiale medier er så vanedannende. Kompleks atferd bygges gjennom forming og kjedebygging, og prinsippene anvendes i alt fra token economy i klasserommet til dyretrening, terapi og arbeidsliv. Operant betinging er kort sagt en av de mest praktisk anvendbare laeringsteoriene vi har.