Zašto nagrada tijekom treninga mijenja ponašanje psa?

Svi znaju da davanje psu nagrade za ispravan odgovor tijekom treninga mijenja njegovo ponašanje. Na primjer, kad mamimo dresirajući psa da sjedi, premjestimo poslasticu preko pseće glave i prema leđima dok mu dajemo naredbu "Sjedni". Kako ne bi skidao pogled s poslastica, pas se ljulja natrag u sjedeći položaj. Jednom kada je pas u ispravnom položaju, dajemo mu tu poslasticu. Nakon nekoliko ponavljanja ove akcije, otkrivamo da pas sada odgovara na naredbu "sjedi" sjedeći.

Treneri pasa uzimaju zdravo za gotovo da je dodjeljivanje nagrada psu promijenilo njegovo ponašanje, ali bihevioralni znanstvenici i dalje žele znati mehanizam zašto i kako to djeluje. Novo istraživanje na čelu s Molly Byrne s Boston Collegea sugerira da postoji vrlo jednostavan dio bihevioralnog programiranja, najvjerojatnije genetskog, koji objašnjava učinkovitost nagrada za trening.

Vratimo se korak unatrag i vidjet ćemo što je stvarno uključeno u dresuru pasa. Psi, poput većine živih bića (uključujući ljude), emitiraju ponašanje. To je samo tehnički način da se kaže da rade stvari, puno različitih stvari. Trik koji je uključen u dresuru psa je natjerati ga da emitira određeno ponašanje koje želimo, poput sjedenja po zapovijedi, i izbjegavati emitiranje drugih neželjenih ili nepotrebnih ponašanja, poput ležanja, vrtnje u krugovima, skakanja, i tako dalje dalje. Ali naravno, kada započnete s treniranjem, pas nema pojma što želite. Postoji toliko različitih ponašanja koja on može proizvesti.

Ista stvar se događa i u rješavanju problema. Samo će jedno ponašanje riješiti problem, a sva su ostala ponašanja irelevantna. Na primjer, pretpostavimo da ste stigli do vrtnih vrata. Gurate vrata da ih otvorite, ali to ne radi. Nastavljate li gurati na kapiji? Naravno da ne. Pokušajte nešto drugo - recimo povući kapiju. Još uvijek ne radi. Dakle, ne nastavljate povlačiti vrata; umjesto toga, pokušavate s još jednim ponašanjem. Ovaj put podižete zasun kako bi se vrata mogla otvoriti.

Sljedeći put kad naiđete na ova vrata, nećete ih pritisnuti niti povući. Budući da ste prethodno nagrađeni za određeno ponašanje, odmah ćete posegnuti za zasunom da ga otvorite. Sudjelujete u onome što psiholozi nazivaju strategijom "pobijedi-ostani-izgubi-promijeni". To znači da ako pokušate ponašanje, a ono vam ne dodijeli nagradu koju priželjkujete, ne ponovite to već radije pokušajte drugačije ponašanje. Ako isprobate ponašanje i ono vam omogućuje da dobijete nagradu koju želite, tada je ponovite. Kad bi se ova jednostavna kognitivna strategija genetski povezala s psima, to bi jamčilo da bismo nagrade mogli koristiti kao sredstvo za njihovu obuku. To bi zasigurno djelovalo u uvježbavanju psa da sjedi, jer kad sjedi po naredbi, dobiva nagradu (stoga se ponašanje sjedenja ponavlja), dok ostala ponašanja nisu nagrađena i pas ih ne ponavlja.

Kako bi utvrdio 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 prvo pokazali da bi, ako sruše plastičnu čašu, mogli dobiti nagradu za hranu skrivenu ispod nje. Dalje 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 šalica sadržavala poslasticu, dok druga nije. Psi su pušteni i omogućeno im je da odaberu jednu od šalica. Ako psi imaju ovu strategiju pobjede-ostanka-poraza, ako na određenom suđenju kucaju po šalicu i ispod nje se nalazi poslastica, očekivali bismo da će sljedeći put kad im se ponudi isti izbor odabrati šalicu na istoj strani terena gdje su pronašli tu nagradu (win-stay). Ako nema nagrade, trebali bi promijeniti ponašanje i odabrati šalicu na suprotnoj strani (gubitak smjene). Zapravo su to i učinili, a otprilike dvije trećine pasa odabralo je istu onu stranu koja je prethodno bila nagrađena, dok ako nije bilo nagrade, u sljedećem je suđenju gotovo 45 posto prešlo na suprotnu stranu.

Sada ostaje pitanje je li ovo ponašanje win-stay-lose-shift strategija za koju su odrasli psi naučili biti korisna tijekom svog života ili je to dio njihovog genetskog ožičenja. Da bi na to odgovorio, istraživački tim proveo je identičan niz testova koristeći skup od 334 šteneta koji su bili u dobi između 8 i 10 tjedana. Rezultati su bili gotovo identični, pa kad je šalica koju je štene odabralo imala poslasticu ispod sebe, a zatim je na sljedećem ispitivanju otprilike dvije trećine odabralo šalicu na istoj strani koja je prije nagrađivana. Suprotno tome, da nije bilo nagrade za prethodni izbor, gotovo polovica svih štenaca prebacila se na drugu stranu na sljedećem ispitivanju. Budući da se ova strategija ponašanja pojavljuje tako rano u životu psa, razumna je pretpostavka da je to genetski kodirana pseća predispozicija.

Stoga se čini da je misterija kako nagrade služe kao učinkovito sredstvo za dresuru pasa riješena jer je vrlo jednostavna strategija spojena u očnjake. Kaže: "Ako vam je nešto što ste učinili nagradilo, ponovite to. Ako ne, pokušajte nešto drugo." To je izuzetno jednostavan dio programiranja ponašanja, ali djeluje i omogućava ljudima da uspješno koriste nagrade za dresuru naših pasa.

Autorska prava SC Psychological Enterprises Ltd. Ne smije se ponovno tiskati ili ponovno objavljivati ​​bez dopuštenja.