Zašto nagrada tokom obuke mijenja ponašanje psa?

Svi znaju da davanje nagrade psu za pravilan odgovor tokom treninga mijenja njegovo ponašanje. Na primjer, kada vabimo psa da sjedi, pomičemo poslasticu preko pseće glave i prema njegovim leđima dok dajemo naredbu "Sjedni". Kako bi držao pogled na poslastici, pas se ljulja natrag u sjedeći položaj. Nakon što je pas u ispravnom položaju, dajemo mu tu poslasticu. Nakon nekoliko ponavljanja ove radnje, otkrivamo da pas sada reagira na naredbu "sjedni" sjedenjem.

Treneri pasa uzimaju zdravo za gotovo da je nagrađivanje psa promijenilo njegovo ponašanje, ali bihevioralni naučnici i dalje žele znati mehanizam zašto i kako to funkcionira. Novo istraživanje koje je vodila Molly Byrne sa Bostonskog koledža sugerira da postoji vrlo jednostavan program ponašanja, najvjerojatnije genetski, koji objašnjava efikasnost nagrada za obuku.

Napravimo korak unatrag i vidimo šta je zaista uključeno u obuku pasa. Psi, poput većine živih bića (uključujući i ljude), emitiraju ponašanje. To je samo tehnički način da se kaže da rade stvari, mnogo različitih stvari. Trik uključen u obuku psa je u tome da ga natjeramo da emitira specifično ponašanje koje želimo, poput sjedenja po naredbi, i da izbjegnemo emitiranje drugih neželjenih ili nepotrebnih ponašanja, poput ležanja, vrtnje u krug, skokova itd. naprijed. Ali, naravno, kada počnete s treningom, pas nema pojma šta želite. Postoji toliko mnogo različitih ponašanja koje on može proizvesti.

Ista stvar se dešava i u rješavanju problema. Postoji samo jedno ponašanje koje će riješiti problem, a sva druga ponašanja su irelevantna. Na primjer, pretpostavimo da ste stigli do vrtnih vrata. Gurate kapiju da je otvorite, ali ne radi. Nastavljate li gurati kapiju? Naravno da ne. Pokušate nešto drugo - recimo povući kapiju. Još uvijek ne funkcionira. Dakle, ne nastavljate povlačiti kapiju; umjesto toga, pokušajte s drugim ponašanjem. Ovaj put podižete zasun kako bi se vrata mogla otvoriti.

Sljedeći put kada naiđete na ovu kapiju, nećete je gurnuti niti povući. Budući da ste prethodno bili nagrađeni za određeno ponašanje, odmah ćete posegnuti za zasunom da ga otvorite. Uključujete se u ono što psiholozi nazivaju strategijom "pobjedi-ostani-izgubi-smjena". To znači da ako pokušate ponašanje, a ono vam ne odobri željenu nagradu, to ne učinite ponovo, već pokušajte drugačije ponašanje. Ako isprobate ponašanje i ono vam omogući da dobijete željenu nagradu, ponovite to. Da je ova jednostavna kognitivna strategija genetski povezana sa psima, to bi jamčilo da bismo mogli koristiti nagrade kao sredstvo za njihovo dresiranje. Ovo bi svakako pomoglo pri osposobljavanju psa da sjedi, jer kada sjedne na naredbu dobiva nagradu (stoga se sjedeće ponašanje ponavlja), dok se druga ponašanja ne nagrađuju i pas ih ne ponavlja.

Kako bi se utvrdilo imaju li psi ovu kognitivnu strategiju win-stay-lose-shift, istraživački tim Boston Collegea testirao je 323 odrasla psa prosječne starosti oko tri godine. Psi su prvi put pokazali da ako obore plastičnu čašu mogu dobiti nagradu za hranu skrivenu ispod nje. Zatim su im predstavljene dvije plastične čaše, otvorene strane prema dolje, na površini ispred njih, jedna s lijeve, a druga s desne strane polja. Sada je samo jedna od šalica sadržavala poslasticu, dok druga nije. Psi su pušteni i dozvoljeno im je da odaberu jednu od čaša. Ako psi imaju ovu strategiju win-stay-lose-shift, onda ako u određenom pokušaju sruše šalicu i ispod nje se nalazi poslastica, očekivali bismo da će sljedeći put kad im bude ponuđen isti izbor odabrati pehar na istoj strani polja gdje su pronašli tu nagradu (win-stay). Dok, ako nema nagrade, trebali bi promijeniti svoje ponašanje i odabrati pehar na suprotnoj strani (gubitak u smjeni). Zapravo, to su i učinili, a otprilike dvije trećine pasa odabralo je istu stranu koja je prethodno bila nagrađena, dok je, ako nije bilo nagrade, na sljedećem suđenju gotovo 45 posto prešlo na suprotnu stranu.

Sada ostaje pitanje je li ovo ponašanje dobitna-izgubljena-smjena strategija za koju su odrasli psi naučili da bude korisna tijekom cijelog života ili je to dio njihovog genetskog ožičenja. Kako bi odgovorili na to, istraživački tim proveo je identičan skup testova koristeći skup od 334 štenaca starih između 8 i 10 tjedana. Rezultati su bili gotovo identični, pa kada je šalica koju je odabralo štene imala poslasticu, tada je u sljedećem ispitivanju otprilike dvije trećine odabralo šalicu na istoj strani koja je ranije bila nagrađena. Nasuprot tome, da nije bilo nagrade za prethodni izbor, gotovo polovica svih štenaca prešla je na drugu stranu u sljedećem ispitivanju. Budući da se ova strategija ponašanja pojavljuje tako rano u životu psa, razumno se pretpostavlja da se radi o genetski kodiranoj predispoziciji ponašanja pasa.

Stoga se čini da je misterija načina na koji nagrade služe kao učinkovito sredstvo za obuku pasa riješena jer je vrlo jednostavna strategija ožičena u očnjake. Kaže: "Ako vam je nešto što ste učinili dalo nagradu, ponovite to. Ako ne, pokušajte nešto drugo." To je izuzetno jednostavan program bihevioralnog programiranja, ali djeluje i omogućava ljudima da uspješno koriste nagrade za obuku naših pasa.

Autorska prava SC Psychological Enterprises Ltd. Ne može se ponovo štampati ili ponovo objavljivati ​​bez dozvole.