プリンキピア

第6章学習

Summaryまとめ

Operant conditioning is based on the work of B. F. Skinner. Operant conditioning is a form of learning in which the motivation for a behavior happens after the behavior is demonstrated. An animal or a human receives a consequence after performing a specific behavior. The consequence is either a reinforcer or a punisher. All reinforcement (positive or negative) increases the likelihood of a behavioral response. All punishment (positive or negative) decreases the likelihood of a behavioral response. Several types of reinforcement schedules are used to reward behavior depending on either a set or variable period of time.
オペラント条件づけは、B・F・スキナーの研究に基づいている。オペラント条件づけは学習の一形態であり、そこでは行動への動機づけが、その行動が示された後に生じる。動物や人間は、特定の行動をとった後に結果を受け取る。その結果は、強化子か罰子のどちらかである。すべての強化（正でも負でも）は、行動反応が起こる可能性を高める。すべての罰（正でも負でも）は、行動反応が起こる可能性を低くする。行動に報酬を与えるために、決まった期間か変動する期間かに応じて、いくつかの種類の強化スケジュールが用いられる。

Review Questions確認問題

Exercise 17問題 17
________ is when you take away a pleasant stimulus to stop a behavior.
________は、行動をやめさせるために心地よい刺激を取り去ることである。
  1. positive reinforcement
    正の強化
  2. negative reinforcement
    負の強化
  3. positive punishment
    正の罰
  4. negative punishment
    負の罰
Solution解き方
D
D
Exercise 18問題 18
Which of the following is not an example of a primary reinforcer?
次のうち、一次強化子の例でないものはどれか。
  1. food
    食物
  2. money
    お金
  3. water
    水
  4. sex
    性
Solution解き方
B
B
Exercise 19問題 19
Rewarding successive approximations toward a target behavior is ________.
標的行動への逐次接近に報酬を与えることは、________である。
  1. shaping
    シェイピング
  2. extinction
    消去
  3. positive reinforcement
    正の強化
  4. negative reinforcement
    負の強化
Solution解き方
A
A
Exercise 20問題 20
Slot machines reward gamblers with money according to which reinforcement schedule?
スロットマシンは、どの強化スケジュールに従ってギャンブラーにお金という報酬を与えるか。
  1. fixed ratio
    固定比率
  2. variable ratio
    変動比率
  3. fixed interval
    固定間隔
  4. variable interval
    変動間隔
Solution解き方
B
B

Critical Thinking Questions考察問題

Exercises 21–23練習問題 21–23
Exercise 21問題 21
What is a Skinner box and what is its purpose?
スキナー箱とは何か。また、その目的は何か。
Solution解き方
A Skinner box is an operant conditioning chamber used to train animals such as rats and pigeons to perform certain behaviors, like pressing a lever. When the animals perform the desired behavior, they receive a reward: food or water.
スキナー箱とは、ネズミやハトなどの動物に、レバーを押すといった特定の行動をとるよう訓練するために使われるオペラント条件づけ箱である。動物が望ましい行動をとると、餌か水という報酬を受け取る。
Exercise 22問題 22
What is the difference between negative reinforcement and punishment?
負の強化と罰の違いは何か。
Solution解き方
In negative reinforcement you are taking away an undesirable stimulus in order to increase the frequency of a certain behavior (e.g., buckling your seat belt stops the annoying beeping sound in your car and increases the likelihood that you will wear your seatbelt). Punishment is designed to reduce a behavior (e.g., you scold your child for running into the street in order to decrease the unsafe behavior.)
負の強化では、ある行動の頻度を高めるために、望ましくない刺激を取り去る（例：シートベルトを締めると車の不快な警告音が止まり、あなたがシートベルトを着用する可能性が高まる）。罰は、行動を減らすように計画されたものである（例：危険な行動を減らすために、通りに飛び出した子どもを叱る）。
Exercise 23問題 23
What is shaping and how would you use shaping to teach a dog to roll over?
シェイピングとは何か。また、犬に「ごろん」と転がる芸を教えるには、シェイピングをどのように使えばよいか。
Solution解き方
Shaping is an operant conditioning method in which you reward closer and closer approximations of the desired behavior. If you want to teach your dog to roll over, you might reward him first when he sits, then when he lies down, and then when he lies down and rolls onto his back. Finally, you would reward him only when he completes the entire sequence: lying down, rolling onto his back, and then continuing to roll over to his other side.
シェイピングとは、望ましい行動にだんだん近づいていく反応に報酬を与えるオペラント条件づけの方法である。犬に「ごろん」を教えたいなら、まず犬が座ったときに報酬を与え、次に伏せをしたとき、さらに伏せをして仰向けに転がったときに報酬を与えるとよいだろう。最後に、伏せをし、仰向けに転がり、そのまま反対側まで転がり続けるという一連の動作をすべてやり遂げたときにだけ、報酬を与えることになる。

Personal Application Questions自分に当てはめて考える問題

Exercise 24問題 24
Explain the difference between negative reinforcement and punishment, and provide several examples of each based on your own experiences.
負の強化と罰の違いを説明し、自分自身の経験に基づいて、それぞれの例をいくつか挙げよ。
Exercise 25問題 25
Think of a behavior that you have that you would like to change. How could you use behavior modification, specifically positive reinforcement, to change your behavior? What is your positive reinforcer?
自分の行動の中で、変えたいと思うものを一つ考えてみよう。行動変容、とくに正の強化を使って、その行動を変えるにはどうすればよいだろうか。あなたにとっての正の強化子は何か。
cognitive map
認知地図
mental picture of the layout of the environment
環境の配置についての心的なイメージ
continuous reinforcement
連続強化
rewarding a behavior every time it occurs
行動が起こるたびに報酬を与えること
fixed interval reinforcement schedule
固定間隔強化スケジュール
behavior is rewarded after a set amount of time
決まった時間がたった後に行動に報酬が与えられる
fixed ratio reinforcement schedule
固定比率強化スケジュール
set number of responses must occur before a behavior is rewarded
行動に報酬が与えられるまでに、決まった数の反応が起こらなければならない
latent learning
潜在学習
learning that occurs, but it may not be evident until there is a reason to demonstrate it
起こってはいるが、それを示す理由が生じるまでは表に現れないことがある学習
law of effect
効果の法則
behavior that is followed by consequences satisfying to the organism will be repeated and behaviors that are followed by unpleasant consequences will be discouraged
生物にとって満足のいく結果が後に続く行動はくり返され、不快な結果が後に続く行動は抑えられる
negative punishment
負の罰
taking away a pleasant stimulus to decrease or stop a behavior
行動を減らす、またはやめさせるために、心地よい刺激を取り去ること
negative reinforcement
負の強化
taking away an undesirable stimulus to increase a behavior
行動を増やすために、望ましくない刺激を取り去ること
operant conditioning
オペラント条件づけ
form of learning in which the stimulus/experience happens after the behavior is demonstrated
行動が示された後に刺激／経験が生じる学習の形態
partial reinforcement
部分強化
rewarding behavior only some of the time
一部の場合にだけ行動に報酬を与えること
positive punishment
正の罰
adding an undesirable stimulus to stop or decrease a behavior
行動をやめさせる、または減らすために、望ましくない刺激を加えること
positive reinforcement
正の強化
adding a desirable stimulus to increase a behavior
行動を増やすために、望ましい刺激を加えること
primary reinforcer
一次強化子
has innate reinforcing qualities (e.g., food, water, shelter, sex)
生得的な強化の性質を持つ（例：食物、水、住まい、性）
punishment
罰
implementation of a consequence in order to decrease a behavior
行動を減らすために結果を与えること
reinforcement
強化
implementation of a consequence in order to increase a behavior
行動を増やすために結果を与えること
secondary reinforcer
二次強化子
has no inherent value unto itself and only has reinforcing qualities when linked with something else (e.g., money, gold stars, poker chips)
それ自体には本来の価値がなく、ほかの何かと結びついたときにだけ強化する性質を持つ（例：お金、金色の星のシール、ポーカーチップ）
shaping
シェイピング
rewarding successive approximations toward a target behavior
標的行動に向かう逐次接近に報酬を与えること
variable interval reinforcement schedule
変動間隔強化スケジュール
behavior is rewarded after unpredictable amounts of time have passed
予測できない長さの時間がたった後に行動に報酬が与えられる
variable ratio reinforcement schedule
変動比率強化スケジュール
number of responses differ before a behavior is rewarded
行動に報酬が与えられるまでの反応の数が変動する