| English | 意味 |
|---|---|
| Law of Effect/lɔː ɒv ɪˈfekt/ | 効果の法則 |
| Reinforcement/ˌriːɪnˈfɔːsmənt/ | 強化 |
| punishment/ˈpʌnɪʃmənt/ | 懲罰 |
| Positive/ˈpɒzɪtɪv/ | 正 |
| negative/ˈneɡətɪv/ | 負 |
| Shaping/ˈʃeɪpɪŋ/ | 塑造 |
| primary reinforcer/ˈpraɪməri ˌriːɪnˈfɔːsə/ | 原級強化子 |
| secondary reinforcer/ˈsekəndəri ˌriːɪnˈfɔːsə/ | 次級強化子 |
| successive approximations/səkˈsesɪv əˌprɒksɪˈmeɪʃnz/ | 順次近似法 |
| Continuous reinforcement/kənˈtɪnjuːəs ˌriːɪnˈfɔːsmənt/ | 連続強化 |
| ratio/ˈreɪʃɪəʊ/ | 比率 |
| interval/ˈɪntəvl/ | 間隔 |
| Variable ratio/ˈveərɪəbl ˈreɪʃɪəʊ/ | 可変比率 |
| Superstitious behaviour/ˌsuːpəˈstɪʃəs bɪˈheɪvjə/ | 迷信的行動 |
| Learned helplessness/lɜːnd ˈhelpləsnəs/ | 習得性無力感 |
報酬を得る行為は繰り返される
- 古典的条件付けは2つの刺激を結びつける。操作的条件付けは行為とその結果を結びつける。
- 効果の法則は、良い結果に続く行為は再発する確率が高いと述べる。
- 学習者は今や、単に何かを受け取るのではなく、何かを行っている。
4つのセル、2つの質問
- **強化（reinforcement）**は行為を増加させ、**懲罰（punishment）**は減少させる。
- 肯定的（positive）とは何かを追加すること、消極的（negative）とは何かを除去することを意味する。
- よって、消極的強化は依然として行為を増加させる——不快なものを除去することでだ。
グリッドのどのセルか？
各結果を、加える/減らす、増やす/減らすで分類してください。
头疼を消すために鎮痛剤を服用し、次回も同じことをするのは ... の例である。
難易度 1/5 · 100 コイン + 今日初回完了時に小ボーナス付与
不快なものが 除去 され、行動が 増加 した——負の強化。
一次強化、二次強化、そして形状形成
- 一次強化子は生物学的必要を満たし、二次強化子は金銭のように学習されたものである。
- 形状形成（shaping）は、 successive approximationsを強化することで複雑な行為を構築する。
- 形状形成とは、自発的に never 生じない行為でも強化できる方法である。
複雑な行動を構築するために successive approximations を強化することを ____ と呼ぶ。
難易度 1/5 · 100 コイン + 今日初回完了時に小ボーナス付与
** shaping（形状作成）** は、本来自発的に起こらない行動を強化して存在させる方法である。
二次強化子の性質について正しいものを すべて 選択してください。
難易度 2/5 · 140 コイン + 今日初回完了時に小ボーナス付与
一次強化子は生物学的欲求を直接満たします；二次強化子は学習されたものです。
消極的強化は懲罰ではない。消極的とは何かを除去すること、強化とは行為が増加することを意味する。頭痛取り除くためにアスピリンを飲むことは消極的強化であり、また行う可能性が高くなる。
最も高く、かつ消退抵抗性が高い反応率を生むスケジュールはどれか？
難易度 1/5 · 100 コイン + 今日初回完了時に小ボーナス付与
変数比率 — 報酬ごとの不確実な応答回数。
強化スケジュール
- 連続強化はすべての反応に報酬を与える——速い学習、速い消退。
- 部分強化は、比率（ratio）（反応の数） または 間隔（interval）（時間） によって**固定（fixed）または可変（variable）**である。
- 可変比率は、最も高く、消退に強い反応率をもたらす。
迷信的な行動は、結果が原因ではなかった行動を強化する際に生じる。
難易度 1/5 · 100 コイン + 今日初回完了時に小ボーナス付与
学習者は実際に結果を引き起こしたものを追跡するのではなく、後に起きたことを追跡する。
結果が誤解を生む時
- 迷信的行動は、結果が無関係な行為を強化する場合に発生する。
- 習得的無力感は、繰り返しの不可避的な結果が、自分の行動は何も意味しないことを教える場合に発生する。
- どちらも、学習者が実際に原因となったものではなく、後に何が起こったかを追跡することを示している。
スロットマシンは不規則な回数のPull後に報酬を支払う——これは可変比率スケジューリングである。これが最も高い反応率と最も強い消去への抵抗性を生み出すのは、この設計が偶然ではないためである。
操作条件付けは効果の法則を通じて行動と結果を結びつける。強化は増大させ、懲罰は減少させる；肯定的なものは追加し、否定的なものは除去する。形成は順次近似によって新しい行動を構築し、可変比率スケジューリングは最も持続的な反応を生む。