Condicionament Instrumental — Apunts d'Aprenentatge UdL

I 0 flashcards i 8 preguntes més al document.

Text del document

APUNTS APRENENTATGE I CONDICIONAMENT Grau en Psicologia Universitat de Lleida AprenAI 2026-2027 Apunts complets de Condicionament Instrumental: llei de l'efecte, procediments bàsics, programes simples i concurrents, autocontrol, Premack i clínica.

APREN.AI Índex Fonaments del condicionament instrumental 1 Thorndike, operant lliure i procediments bàsics De l'associació pavloviana a la llei de l'efecte de Thorndike Metodologies d'estudi: assaig discret i operant lliure Adquisició de noves respostes: l'emmotllament Classificació dels quatre procediments bàsics 2 Resposta instrumental i característiques del reforçador Estereotípia i variabilitat com a dimensions operants Límits biològics de l'aprenentatge: deriva instintiva i pertinença Característiques del reforçador i efectes de contrast 3 La relació entre resposta i reforçador — Contigüitat temporal i contingència Contigüitat temporal i contingència causal El marge temporal de la contigüitat i el marcatge Contingència i reforçament accidental 4 L'extinció de la resposta i l'efectivitat del càstig L'extinció en el condicionament instrumental Caràcter no permanent de l'extinció i fenòmens de recaiguda Factors moduladors de l'efectivitat del càstig El càstig com a estímul discriminatiu i diferències conceptuals 5 Programes simples de reforçament — Raó, interval i taxa de resposta Programes de raó: quantitat de conductes Programes d'interval: el pas del temps Patrons de registre acumulat i resistència a l'extinció Programes de reforçament de taxes de resposta 6 Elecció, programes concurrents i autocontrol Programes concurrents i mesura de l'elecció La llei d'igualació de Herrnstein Mecanismes teòrics de la igualació Elecció amb compromís i programes concurrents encadenats Autocontrol versus impulsivitat Funció del decaïment hiperbòlic de Kirby Estratègies d'entrenament en l'autocontrol 7 Estructura associativa i regulació conductual De la connexió mecànica a la teoria dels dos processos Condicionament Instrumental — Apunts d'Aprenentatge UdL 1 Regulació conductual i el Principi de Premack Hipòtesi de la privació de resposta i punt de delit conductual 8 Aplicacions clíniques i diferències individuals en l'aprenentatge Anàlisi funcional de la conducta aplicada a la clínica Estratègies d'intervenció i generalització terapèutica Mecanismes d'aprenentatge en psicoteràpia: Truax (1966) Diferències individuals: La teoria de sensibilitat al reforçament (RST) 9 Resum per repassar Fonaments i procediments bàsics Resposta, reforçador i límits biològics Relació resposta-reforçador i indefensió Extinció i càstig Programes simples, elecció i autocontrol Regulació conductual i àmbit clínic Solucions de les preguntes de repàs Aquests apunts poden contenir errors o omissions.

Són un material de suport i no substitueixen el temari oficial ni el professorat: contrasta la informació important. Condicionament Instrumental — Apunts d'Aprenentatge UdL 2 1 Thorndike, operant lliure i procediments bàsics EN ACABAR SABRÀS Distingir l'estructura associativa del condicionament clàssic de la del condicionament instrumental. Explicar la llei de l'efecte de Thorndike i la funció dels quatre components de la conducta instrumental. Diferenciar la metodologia d'assaig discret de la de conducta operant lliure. Classificar qualsevol situació d'aprenentatge en un dels quatre procediments bàsics (reforçament positiu/negatiu, càstig positiu/negatiu).

PENSA-HI ABANS DE LLEGIR 1 Si una conducta augmenta la seva freqüència quan s'elimina una molèstia ambiental, es tracta de càstig o de reforçament? L'aprenentatge instrumental analitza com els organismes modifiquen el seu comportament en funció dels efectes que produeix en el seu entorn.

Fonaments del condicionament instrumental 1 Thorndike, operant lliure i procediments bàsics 2 Resposta instrumental i característiques del reforçador Condicionament Instrumental — Apunts d'Aprenentatge UdL 3 ESQUEMA Estructura del condicionament instrumental De l'associació pavloviana a la llei de l'efecte de Thorndike Mentre que el condicionament clàssic descriu com un estímul condicionat s'associa a un estímul incondicionat ( ) provocant una resposta reflexa o condicionada (RC), el condicionament instrumental implica una estructura associativa més complexa de tres termes: estímul antecedent, resposta i conseqüència ( ).

Edward Thorndike va ser pioner en l'estudi d'aquesta modalitat emprant models animals, concretament gats tancats en caixes problema. A partir d'aquests treballs va formular la llei de l'efecte. Aquest principi postula que si una conducta produeix un estat satisfactori o plaent, l'enllaç entre l'estímul antecedent i la resposta s'enforteix. En canvi, si la conseqüència resulta aversiva o desagradable, aquest vincle s'afebleix, reduint la probabilitat que la resposta reaparegui davant la mateixa situació. En tot paradigma instrumental s'identifiquen quatre components essencials: Estímul antecedent: circumstància ambiental que activa el sistema nerviós i desencadena la conducta.

Resposta: la conducta motora observable executada pel subjecte. Conseqüència: canvi ambiental que succeeix immediatament a la resposta. La seva naturalesa modula la força de la connexió . Resultat: variació en la taxa de resposta, és a dir, increment o supressió de la freqüència de la conducta en el futur. COMPROVA-HO 2 Segons la formulació clàssica de Thorndike, què s'associa exactament durant l'aprenentatge instrumental?

Metodologies d'estudi: assaig discret i operant lliure L'avaluació experimental del condicionament instrumental ha evolucionat a través de dos procediments metodològics principals: Condicionament instrumental Marc teòric i metodologies bàsiques Fonaments teòrics E-R-C i llei de l'efecte Metodologia Assaig discret i operant lliure Emmotllament Aproximacions successives i variabilitat Procediments bàsics Matriu 2x2 segons contingència i estímul EC EI E R C E R Condicionament Instrumental — Apunts d'Aprenentatge UdL 4 En el procediment d'assaig discret, l'investigador col·loca l'animal dins l'aparell experimental (com un laberint en forma de T) a l'inici de cada assaig.

Un cop el subjecte arriba a la meta o executa l'acció requerida, se l'extreu de l'aparell. Les variables dependents que es mesuren habitualment són la latència de resposta i la velocitat de cursa. Per contra, en els procediments operants lliures, el subjecte roman dins l'entorn experimental (com una caixa d'operant) durant tota la sessió, executant la conducta repetidament sense interrupcions de l'experimentador. Aquest mètode permet registrar la taxa de resposta, és a dir, el nombre de vegades que s'emet una acció concreta (per exemple, prémer una palanca) en una unitat de temps determinada.

La resposta operant es caracteritza perquè es defineix per l'impacte que té en l'ambient i resulta plenament mesurable. Adquisició de noves respostes: l'emmotllament Quan la conducta objectiu no forma part del repertori inicial del subjecte, s'utilitza l'emmotllament per aproximacions successives. Aquest mètode requereix estructurar l'entrenament en dues fases consecutives: Deich et al. (1988), en experiments amb coloms, van demostrar que per tal que l'emmotllament funcioni és imprescindible que existeixi una variabilitat conductual prèvia de base. Sense aquesta plasticitat inicial, l'entrenador no disposa de respostes sobre les quals aplicar el reforçament diferencial.

COMPROVA-HO 3 Quina condició prèvia van establir Deich et al. (1988) perquè l'emmotllament per aproximacions successives sigui efectiu? Classificació dels quatre procediments bàsics Els procediments de condicionament instrumental s'estructuren en funció de dues dimensions independents: Naturalesa de la conseqüència: pot ser apetitiva (estímul associat al plaer) o aversiva (estímul desagradable). Contingència entre resposta i conseqüència: és positiva si la conducta provoca l'aparició de l'estímul, i és negativa si la conducta n'impedeix o n'elimina la presència.

Fase 1 (Condicionament clàssic del reforçador secundari): s'aparella un estímul neutre amb el reforçador primari (per exemple, so associat amb el menjar) perquè el so adquireixi propietats reforçadores. 1 Fase 2 (Reforçament diferencial): es modifiquen progressivament els criteris d'administració del reforç. Primer es reforcen conductes que comparteixen semblança llunyana amb l'acció desitjada; a mesura que aquestes s'instauren, el criteri es fa més exigent fins a reforçar únicament la conducta terminal.

2 Condicionament Instrumental — Apunts d'Aprenentatge UdL 5 Procediment Contingència (R-C) Naturalesa de la conseqüència Efecte sobre la taxa de resposta Reforçament positiu Positiva (la conducta genera la conseqüència) Apetitiva (plaent) Incrementa la conducta Reforçament negatiu Negativa (la conducta elimina o evita la conseqüència) Aversiva (desagradable) Incrementa la conducta Càstig positiu Positiva (la conducta genera la conseqüència) Aversiva (desagradable) Disminueix la conducta Càstig negatiu Negativa (la conducta retira o impedeix la conseqüència) Apetitiva (plaent) Disminueix la conducta Dins del reforçament negatiu existeixen dues modalitats operatives: Escap: la resposta retira un estímul aversiu que ja és present a l'entorn.

Evitació: la resposta impedeix l'aparició d'un estímul aversiu que es donaria en el futur (com no conduir si s'ha consumit alcohol). ERROR FREQÜENT Confondre el reforçament negatiu amb el càstig. En la terminologia operant, «reforçament» sempre indica que la freqüència de la resposta creix, mentre que «negatiu» fa referència exclusivament a la contingència (restar, retirar o impedir un estímul). En el reforçament negatiu la taxa de conducta augmenta precisament perquè elimina o evita un estímul aversiu, mentre que en qualsevol tipus de càstig la conducta sempre disminueix. COMPROVA-HO 4 En què es diferencien l'escap i l'evitació dins del reforçament negatiu?

IDEES CLAU El condicionament clàssic opera mitjançant , mentre que l'instrumental estableix una estructura de tres termes: . La llei de l'efecte de Thorndike estableix que les conseqüències satisfactòries enforteixen la connexió entre l'estímul antecedent i la resposta. Els procediments d'operant lliure avaluen la taxa de resposta continuada, a diferència de l'assaig discret que mesura velocitat o latència en intents aïllats. L'emmotllament requereix el condicionament previ d'un reforçador secundari i el reforçament diferencial d'aproximacions successives recolzat en la variabilitat conductual.

Els termes «positiu» i «negatiu» assenyalen l'aparició o retirada de l'estímul, mentre que «reforçament» i «càstig» determinen si la taxa de resposta augmenta o disminueix. EC EI E R C Condicionament Instrumental — Apunts d'Aprenentatge UdL 6 COMPROVA EL QUE HAS APRÈS 5. Com descriu la llei de l'efecte de Thorndike l'efecte d'una conseqüència aversiva sobre la connexió ? 6. Per quina raó la variabilitat conductual segons Deich et al. (1988) és fonamental per a l'emmotllament? 7. Quina diferència hi ha entre càstig positiu i càstig negatiu pel que fa a la contingència i a la conseqüència?

FONAMENTS DEL CONDICIONAMENT INSTRUMENTAL 2 Resposta instrumental i característiques del reforçador EN ACABAR SABRÀS Distingir entre estereotípia i variabilitat conductual en el condicionament instrumental. Explicar l'experiment de Page i Neuringer sobre l'entrenament operant de la variabilitat. Identificar els límits biològics de l'aprenentatge a través de la deriva instintiva i els sistemes de conducta. Descriure com la quantitat, la qualitat i els efectes de contrast modulen l'eficàcia del reforçador. PENSA-HI ABANS DE LLEGIR 8 Si donem sempre el mateix premi quan algú respon correctament, podem ensenyar-li a ser original i creatiu?

En el condicionament instrumental, l'aprenentatge s'estructura al voltant d'una relació de tres termes: l'estímul discriminatiu, la resposta i la conseqüència ( ). La resposta instrumental és l'acció motora o conductual que l'organisme executa per obtenir o evitar aquesta conseqüència. Tradicionalment, s'havia considerat que el reforçament només fixava patrons d'acció rígids i repetitius. No obstant això, l'anàlisi experimental demostra que les propietats de la resposta i la naturalesa del reforçador presenten una flexibilitat i uns límits biològics determinants.

Estereotípia i variabilitat com a dimensions operants Quan s'aplica un procediment de reforçament estàndard, la conducta dels organismes tendeix de manera espontània a l'estereotípia. Això implica executar una mateixa acció sempre de la mateixa forma mecànica i repetitiva (vegeu «Fonaments del condicionament instrumental — Thorndike, operant lliure i procediments bàsics»). Un exemple patològic d'estereotípia extrema es manifesta en el trastorn obsessivocompulsiu (TOC), on les conductes es tornen excessivament rígides. Històricament, fins i tot el sistema educatiu tradicional ha promogut patrons d'estereotípia en premiar exclusivament una única via per resoldre problemes.

E R E R C Condicionament Instrumental — Apunts d'Aprenentatge UdL 7 Per contra, la variabilitat conductual consisteix a arribar a un mateix objectiu mitjançant diferents accions o patrons de resposta. L'estudi clàssic de Page i Neuringer (1985) va canviar la comprensió d'aquesta propietat mitjançant un experiment amb coloms que havien de picar dues tecles. Els investigadors van establir dos grups experimentals: Grup control: rebia menjar simplement per completar un nombre determinat de picotejos sobre les tecles. Aquest grup va desenvolupar respostes totalment estereotipades. Grup de variabilitat: un programa informàtic registrava les seqüències prèvies de picoteig.

El reforçador s'administrava únicament si la combinació actual era diferent de les executades en els assajos immediatament anteriors. Durant els primers 5 assajos, el comportament d'ambdós grups va ser similar. Tanmateix, a mesura que avançava l'entrenament, els coloms del grup de variabilitat van assolir un percentatge notablement més alt de combinacions inèdites. Aquest resultat demostra que la variabilitat és una dimensió operant entrenable directament mitjançant el reforç, i constitueix la base conductual del comportament creatiu. COMPROVA-HO 9 Quina condició van haver d'imposar Page i Neuringer (1985) per aconseguir que els coloms generessin patrons de picoteig innovadors?

Límits biològics de l'aprenentatge: deriva instintiva i pertinença Tot i la gran plasticitat de la conducta operant, l'aprenentatge instrumental està condicionat per la dotació genètica i la història evolutiva de cada espècie. Aquest fenomen es coneix com el principi de pertinença instrumental. L'organisme aprèn amb facilitat aquelles conductes que s'integren de manera natural amb el reforçador utilitzat segons el seu sistema biològic. Breland i Breland (1961) van documentar aquesta restricció en intentar ensinistrar porcs mitjançant condicionament operant perquè dipositessin monedes en una guardiola a canvi d'aliment. Inicialment, l'adquisició va tenir èxit.

No obstant això, cap al quart assaig, es va produir una progressiva degradació del condicionament: Aquest fenomen va rebre el nom de deriva instintiva: la intrusió espontània de respostes innates i no apreses d'un determinat sistema motivacional (com la conducta d'alimentació) que competeixen amb la resposta instrumental entrenada i n'arriben a bloquejar l'execució. L'animal agafava la moneda amb la boca per portar-la cap a la guardiola tal com se li havia ensenyat. 1 En apropar-se al recipient o a mesura que avançava l'entrenament, el porc deixava anar la moneda al terra, la colpejava amb el morro i la rebolcava.

2 L'acció requerida es desdibuixava perquè s'imposaven patrons motors innats relacionats amb la recerca i extracció d'arrels pròpies del seu repertori d'alimentació.

3 Condicionament Instrumental — Apunts d'Aprenentatge UdL 8 PROCÉS Procés de la deriva instintiva en l'aprenentatge 1 Entrenament inicial La resposta instrumental s'adquireix amb èxit per rebre aliment 2 Associació amb el reforçador L'objecte instrumental s'associa estretament amb el menjar 3 Activació instintiva Es disparen conductes innates pròpies del sistema d'alimentació 4 Interferència de la resposta La conducta innata bloqueja l'execució de la tasca apresa Shettleworth (1975) va analitzar com es detecten les conductes de deriva instintiva en ratolins.

Va examinar diverses conductes pròpies dels rosegadors, tals com alçar-se, escatinar o l'auto-neteja (com rentar-se la cara amb les potes anteriors), administrant menjar com a reforçador. Shettleworth va comprovar que les respostes com l'auto-neteja eren summament difícils d'augmentar amb recompensa alimentària. En el repertori natural d'un ratolí, l'acció d'agafar l'aliment amb les potes del davant i apropar-lo a la boca comparteix elements motors i pertany al mateix sistema de conducta que l'alimentació.

Si el reforçador requereix moviments orals o de les extremitats semblants als de l'acció entrenada, el subjecte confon el patró conductual i acaba executant conductes instintives en lloc de la resposta operant objectiu. ERROR FREQÜENT Creure que qualsevol resposta arbitrària es pot vincular amb qualsevol reforçador si s'aplica prou contigüitat temporal. La deriva instintiva i la pertinença demostren que els sistemes conductuals de l'espècie imposen límits: si el reforçador activa conductes innates incompatibles, la resposta instrumental pot deteriorar-se en lloc de consolidar-se.

COMPROVA-HO 10 Per què Shettleworth (1975) va trobar dificultats per reforçar la conducta d'auto-neteja en ratolins utilitzant menjar? Característiques del reforçador i efectes de contrast L'eficàcia del condicionament instrumental depèn directament de les propietats del reforçador. Dues dimensions quantitatives i qualitatives governen la taxa i la solidesa de l'aprenentatge: Quantitat del reforçador: Com més gran és la magnitud de la conseqüència (per exemple, més quantitat d'aliment), l'aprenentatge s'adquireix de manera més ràpida i eficient. Qualitat del reforçador: Quantitats equivalents de reforçadors amb major valor nutritiu o palatabilitat generen un aprenentatge superior.

Tanmateix, el valor efectiu d'un reforçador no depèn únicament del seu valor absolut, sinó de l'experiència prèvia de l'organisme amb altres magnituds o qualitats. Aquest fenomen s'anomena contrast de reforçament i es divideix en dues manifestacions: Condicionament Instrumental — Apunts d'Aprenentatge UdL 9 Tipus de contrast Canvi en el reforçador Efecte sobre la resposta Repercussió emocional Contrast negatiu (o depressió) Paso d'un reforçador de gran quantitat o qualitat a un de menor valor. Empitjorament del rendiment per sota dels nivells que mostraria un subjecte entrenat sempre amb el valor baix.

Reacció aversiva i frustració (comparable a l'impacte de les crisis econòmiques a nivell macrosocial). Contrast positiu (o elació) Paso d'un reforçador reduït a un de gran magnitud o excel·lent qualitat. Millora del rendiment per sobre dels nivells d'un subjecte acostumat exclusivament a la recompensa elevada. Activació conductual i major eficàcia operant. Els efectes de contrast evidencien que la resposta instrumental és sensible a la discrepància entre l'expectativa generada per assajos anteriors i la recompensa rebuda en el moment present. COMPROVA-HO 11 Com es manifesta el contrast negatiu si un organisme habituat a rebre 10 boletes de menjar passa sobtadament a rebre'n 2?

IDEES CLAU La relació bàsica del condicionament instrumental segueix l'esquema de tres termes: estímul, resposta i conseqüència ( ). Tot i que el reforçament acostuma a produir estereotípia motora de manera espontània, la variabilitat conductual es pot entrenar operantment si s'exigeix com a requisit de reforç. La deriva instintiva fa referència a la interferència de patrons innats no apresos propis de l'espècie que impedeixen el manteniment de respostes instrumentals adquirides. L'èxit d'un reforçador depèn de la seva pertinença amb el sistema de conducta de l'organisme i dels patrons motors que activa.

El valor d'un reforçador és relatiu: els fenòmens de contrast positiu i negatiu modulen l'aprenentatge en funció de les expectatives prèvies. COMPROVA EL QUE HAS APRÈS 12. En què es diferencia la resposta d'un grup entrenat en estereotípia de la d'un grup entrenat en variabilitat segons Page i Neuringer? 13. Per què els porcs de l'experiment de Breland i Breland (1961) van deixar d'introduir les monedes a la guardiola? E R C Condicionament Instrumental — Apunts d'Aprenentatge UdL 10 Test Encercla la resposta correcta. Les solucions són al final. 14. Què afirma la llei de l'efecte de Thorndike sobre les conseqüències satisfactòries? 15.

Quina variable es mesura en el procediment operant lliure dins la caixa d'operant? 16. Com actua el reforçament negatiu sobre la freqüència de la resposta instrumental? 17. Si a un adolescent se li prohibeix jugar a la consola per no estudiar, quin procediment és? 18. Quina propietat de la conducta van demostrar Page i Neuringer (1985) que podia ser reforçada operantment? 19. Què és la deriva instintiva descrita per Breland i Breland (1961)? 20. Quina dificultat va trobar Shettleworth (1975) en intentar reforçar l'auto-neteja en ratolins amb menjar? Generen variabilitat en conductes d'assaig discret. a) Creen una associació entre resposta i conseqüència.

b) Enforteixen l'associació entre estímul i resposta. c) Produeixen respostes reflexes incondicionades. d) La taxa de resposta continuada. a) L'amplitud del reflex incondicionat. b) El temps fix entre assajos discrets. c) L'extensió de la resposta consumatòria. d) Disminueix la resposta afegint un aversiu. a) Disminueix la resposta retirant un apetitiu. b) Incrementa la resposta afegint un apetitiu. c) Incrementa la resposta retirant un aversiu. d) Càstig negatiu. a) Reforçament negatiu. b) Extinció accidental. c) Càstig positiu.

d) La indefensió apresa a) L'auto-neteja reflexa b) La deriva instintiva c) La variabilitat conductual d) L'extinció ràpida per manca de motivació a) El canvi en la taxa per contrast negatiu b) L'aprenentatge de conductes motores d'alta complexitat c) La intrusió de respostes biològiques innates incompatibles d) L'auto-neteja pertany al mateix sistema que menjar a) Els ratolins oblidaven ràpidament el patró operant b) El menjar generava massa sacietat immediata c) El reforçador causava un contrast negatiu agut d) Condicionament Instrumental — Apunts d'Aprenentatge UdL 11 21. Què passa en el contrast negatiu quan es redueix la quantitat del reforçador respecte a assajos anteriors?

3 La relació entre resposta i reforçador — Contigüitat temporal i contingència EN ACABAR SABRÀS Distingir operativament entre contigüitat temporal i contingència causal en el condicionament instrumental. Descriure les tècniques utilitzades per mantenir l'aprenentatge davant la demora del reforçador primari. Analitzar l'estructura del disseny triàdic de Seligman i les manifestacions de la indefensió apresa. PENSA-HI ABANS DE LLEGIR 22 Si un animal rep una descàrrega elèctrica dolorosa cada cert temps, per què deixaria d'intentar escapar quan se li ofereix una sortida evident? La conducta instrumental està regulada directament pels seus efectes sobre el medi.

La probabilitat que una acció es repeteixi depèn de la relació funcional establerta entre aquesta conducta i la conseqüència obtinguda.

ESQUEMA Estructura de la relació resposta- reforçador La taxa es manté sense cap canvi a) L'aprenentatge augmenta per la frustració b) El rendiment cau per sota del grup baix c) La conducta es torna totalment variable d) Contigüitat temporal Proximitat en el temps Intervals i límits 0,5 s òptim; límit 30 s Tècniques de demora Reforçadors secundaris i marcatge Contingència causal Dependència probabilística Absència de contingència Superstició i reforç accidental Indefensió apresa Disseny triàdic i incontrolabilitat Condicionament Instrumental — Apunts d'Aprenentatge UdL 12 Contigüitat temporal i contingència causal Per comprendre l'aprenentatge instrumental cal separar dos conceptes sovint confosos però relativament independents: Contigüitat temporal: fa referència a l'interval de temps transcorregut entre l'execució de la resposta i el lliurament del reforçador.

Contingència causal: descriu la relació predictiva o de dependència estadística existent entre la conducta i el reforçador. Tots dos factors poden presentar-se de manera dissociada. Quan un estudiant respon un qüestionari i rep la qualificació a l'instant, conflueixen contigüitat temporal i contingència. En canvi, en resoldre un examen final corregit setmanes després, la contingència es manté intacta mentre la contigüitat temporal desapareix per complet.

El marge temporal de la contigüitat i el marcatge El temps que separa l'acció del reforçador determina la facilitat de l'adquisició: Grice (1948) va demostrar que l'adquisició conductual assoleix el nivell òptim quan la demora entre la resposta i el reforçador és de només 0,5 segons. Dickinson et al. (1992) van establir que el llindar temporal límit per aprendre sense suport verbal se situa al voltant dels 30 segons. Més enllà d'aquest lapse, la probabilitat d'establir l'associació cau dràsticament.

Quan la conseqüència no es pot subministrar immediatament, s'empren procediments per pal·liar la demora: Si el reforçador es lliura de manera demorada o sense contigüitat associada a l'acció, la conseqüència es vincula a les claus ambientals, fenomen conegut com a condicionament contextual, el qual interfereix i empitjora l'adquisició instrumental posterior. COMPROVA-HO 23 Quina estratègia permet salvar una demora de diversos segons entre una conducta i el reforçador primari en animals? Contingència i reforçament accidental Quan existeix contigüitat temporal sense una relació de dependència causal autèntica, es produeix el reforçament accidental. B. F.

Skinner va descriure aquest efecte programant el lliurament periòdic de menjar cada 20 segons de manera independent de la conducta. Si el colom agitava les ales en el Ús de reforçadors secundaris (condicionats): estímuls prèviament associats a reforçadors primaris que criden l'atenció del subjecte i mantenen la seqüència associativa (per exemple, les notes parcials que anticipen aprovar una assignatura). 1 Marcatge de la resposta: introducció d'un estímul distintiu just després de realitzar la conducta objectiu (com ara encendre un llum davant la resposta d'un rosegador), fet que permet distingir l'acció rellevant d'altres conductes intermèdies abans d'arribar al reforç primari.

2 Condicionament Instrumental — Apunts d'Aprenentatge UdL 13 moment precís de la descàrrega de gra, tendia a repetir aquesta acció, creient falsament que en provocava l'aparició. Els sistemes cognitius tendeixen a inferir causes a partir de coincidències temporals properes. ERROR FREQÜENT Confondre contigüitat amb contingència. La contigüitat és només la proximitat en el temps (segons transcorreguts). La contingència requereix una relació probabilística diferencial: que la probabilitat del reforçador en presència de la conducta sigui diferent de la seva probabilitat en absència d'aquesta.

IDEES CLAU La contigüitat temporal és la proximitat en el temps entre conducta i reforçador, mentre que la contingència mesura la seva relació predictiva causal. L'adquisició instrumental òptima s'assoleix amb un interval de 0,5 segons, i el límit màxim sense suport lingüístic és d'uns 30 segons segons Dickinson et al. (1992). Els reforçadors secundaris i el marcatge de respostes permeten establir aprenentatges sòlids tot i demorar el reforçador primari. El reforçament accidental descrit per Skinner condueix a conductes supersticioses en confondre coincidència temporal amb causalitat. El disseny triàdic de Seligman et al.

(1967) demostra que la incontrolabilitat prèvia (Grup A) produeix un dèficit en l'escapament posterior que no apareix en el grup amb control (Grup E). La indefensió apresa es tradueix en tres alteracions fonamentals: dèficit motivacional, cognitiu i emotiu-psicofisiològic. COMPROVA EL QUE HAS APRÈS 24. Per què els animals del Grup A van mostrar una latència tan alta d'escap a la fase 2 de l'experiment de Seligman malgrat tenir la sortida oberta? 25. Com explica la hipòtesi de les relacions estimulars el dèficit observat en la indefensió apresa? Test Encercla la resposta correcta. Les solucions són al final. 26.

Quin és l'interval temporal òptim segons Grice (1948) per a l'adquisició de la resposta instrumental? 5 segons a) 0,5 segons b) 20 segons c) 30 segons d) Condicionament Instrumental — Apunts d'Aprenentatge UdL 14 27. Quin fenomen es produeix quan un reforçador es lliura de manera contigua però sense relació causal amb la conducta? 28. En el disseny triàdic de Seligman, en què es diferenciaven el Grup E i el Grup A a la fase 1? 29. Com s'anomena la incapacitat per adonar-se que una conducta té èxit després d'una experiència incontrolable? 4 L'extinció de la resposta i l'efectivitat del càstig EN ACABAR SABRÀS Distingir el procediment i els efectes de l'extinció respecte al càstig.

Explicar els quatre fenòmens de recaiguda que demostren que l'extinció no esborra l'aprenentatge. Identificar els factors que determinen l'efectivitat del càstig i les causes del seu fracàs. PENSA-HI ABANS DE LLEGIR 30 Si deixem de donar menjar a un animal cada cop que prem una palanca, oblidarà definitivament el que havia après? L'extinció en el condicionament instrumental En el condicionament clàssic, l'extinció s'aconsegueix presentant l'estímul condicionat sense l'estímul incondicionat. En canvi, l'extinció instrumental consisteix a suprimir la conseqüència reforçant després de l'emissió de la resposta prèviament apresa.

L'organisme continua exposat a la situació estimular i pot realitzar la conducta, però aquesta ja no produeix cap reforçador (per als procediments bàsics, vegeu «Fonaments del condicionament instrumental — Thorndike, operant lliure i procediments bàsics»). Aquest procediment genera dos efectes immediats directament observables: Reducció de la taxa de resposta: Al llarg dels assajos sense reforç, la freqüència de la conducta disminueix de manera progressiva fins a assolir nivells basals.

Augment de la variabilitat conductual: Mentre que el reforçament produeix patrons d'acció estereotipats, l'absència de reforçador fa que el subjecte assagi noves formes de resposta o Dèficit atencional induït a) Condicionament operant pur b) Reforçament accidental o superstició c) Indefensió apresa d) En l'accés a menjar a) En la quantitat de xocs b) En la durada del període de prova c) En el control sobre la descàrrega d) Dèficit d'activitat motora a) Dèficit psicofisiològic b) Dèficit cognitiu c) Dèficit motivacional d) Condicionament Instrumental — Apunts d'Aprenentatge UdL 15 variacions topogràfiques de la conducta anterior (vegeu «Fonaments del condicionament instrumental — Resposta instrumental i característiques del reforçador»).

A més, l'inici sobtat de l'extinció sol desencadenar un increment transitori en la intensitat o freqüència de la conducta (l'anomenat esclat d'extinció), acompanyat d'importants reaccions emocionals d'ira, agressivitat i frustració davant la pèrdua de la recompensa esperada. EXEMPLE Quan un comandament a distància deixa de respondre, primer pitgem el botó amb més força o més vegades seguides (esclat d'extinció), després provem de sacsejar-lo, donar-li cops o revisar les piles (variabilitat conductual) i sentim enuig o frustració. Si continua sense funcionar, finalment deixem de prémer el botó (descens de la taxa de resposta).

COMPROVA-HO 31 Què passa amb la forma o topografia de la conducta instrumental just quan comença l'extinció? Caràcter no permanent de l'extinció i fenòmens de recaiguda L'extinció no equival a l'oblit ni comporta l'eliminació de la petjada mnèmica original. L'extinció no esborra l'aprenentatge previ, sinó que constitueix un nou aprenentatge inhibitori superposat que emmascara la resposta original.

Quatre fenòmens empírics demostren que l'associació roman intacta al sistema nerviós: Fenomen Definició i mecanisme Com afeblir la recaiguda Recuperació espontània (Rescorla) Ressorgiment de la resposta condicionada pel mer transcurs del temps després d'un període de descans sense contacte amb la situació. Repetir cicles de descans o introduir senyals associats a l'extinció. Renovació contextual Reaparició de la resposta quan el subjecte és avaluat en un context ambiental diferent d'aquell on es va aplicar l'extinció. Dur a terme l'extinció en múltiples contextos diferents i usar senyals d'extinció.

Restauració de l'extinció Reextinció accelerada: si després d'un recondicionament es torna a aplicar l'extinció, la taxa de resposta decau molt més ràpidament que en la primera fase. Augmentar el nombre total d'assajos acumulats d'extinció. Restabliment del condicionament Retorn de la resposta condicionada provocat per l'exposició a estímuls similars o evocadors (per exemple, retrobament amb elements relacionats amb un trauma previ). Aprofundir en procediments d'exposició continuada davant d'aquests estímuls.

Com va demostrar Rescorla, en la recuperació espontània no es parteix de zero si es reprèn el condicionament; el descans temporal basta perquè la resposta reaparegui de manera automàtica. D'altra banda, el fenomen de la renovació ambiental explica per què persones tractades en una clínica Condicionament Instrumental — Apunts d'Aprenentatge UdL 16 d'addiccions poden recaure fàcilment en tornar al barri on consumien habitualment: l'aprenentatge extintori depèn estrictament del context on s'ha adquirit. ESQUEMA Fenòmens de recaiguda associativa COMPROVA-HO 32 Per què una persona rehabilitada d'una addicció en un centre mèdic pot recaure en tornar al seu entorn quotidià?

Factors moduladors de l'efectivitat del càstig Mentre que l'extinció suprimeix el reforç que mantenia la resposta, el càstig consisteix a introduir una conseqüència aversiva (càstig positiu) o retirar un estímul agradable (càstig negatiu) per reduir la conducta (vegeu «Fonaments del condicionament instrumental — Thorndike, operant lliure i procediments bàsics»). Tanmateix, el càstig físic comporta riscos greus, incloent-hi seqüeles psicològiques i dinàmiques d'abús segons les dades de Gershoff (2002).

Per aconseguir una supressió conductual efectiva sense dependre d'accions lesives, cal gestionar estrictament diversos paràmetres procedimentals: Factor modulador Condició altament efectiva (+) Condició ineficaç o contraproduent (-) Contigüitat temporal Aplicació immediata després de l'emissió de la resposta. Demora en l'aplicació del càstig respecte a la conducta. Contingència Probabilitat alta i sistemàtica d'aparició davant la resposta. Aparició aleatòria o inconsistent de la conseqüència. Caràcter no impulsiu Administració planificada, regulada i serena. Reaccions viscerals o càstig impulsiu sense control. Intensitat inicial Intensitat inicial prou elevada des del primer assaig.

Increments graduals d'intensitat (produeixen habituació). Mecanismes de recaiguda Proves que l'extinció no elimina l'aprenentatge Recuperació espontània Retorn pel simple pas del temps Renovació contextual Retorn per canvi d'ambient físic Restauració d'extinció Reextinció accelerada en segon cicle Restabliment Retorn per exposició a estímuls evocadors Condicionament Instrumental — Apunts d'Aprenentatge UdL 17 Factor modulador Condició altament efectiva (+) Condició ineficaç o contraproduent (-) Consistència d'intensitat Nivell punitiu constant en cada ocasió. Fluctuacions en la duresa de la conseqüència. Consistència d'aplicació Sanció de la conducta sempre que aquesta es produeixi.

Omissió freqüent de la conseqüència sancionadora. Fonts alternatives de reforç Existència de conductes alternatives adaptatives reforçades. Absència de vies per obtenir reforçament positiu. ERROR FREQÜENT Confondre l'extinció amb el càstig o considerar que el càstig gradual és més segur. En l'extinció no s'afegeix cap aversiu, només es talla el subministrament del reforçador previ. A més, començar un càstig amb baixa intensitat per «anar pujant» acostuma l'organisme a la punició i en destrueix completament l'eficàcia supressora.

El càstig com a estímul discriminatiu i diferències conceptuals Un dels motius principals del fracàs del càstig és la seva transformació en un estímul discriminatiu (ED). Si l'administració de la conseqüència aversiva senyalitza que tot seguit s'obtindrà reforçament positiu (per exemple, un infant que rep atenció o afecte just després de ser renyat), el càstig perd la seva propietat supressora i passa a funcionar com una pista que facilita la continuïtat de la resposta.

La diferenciació fonamental entre ambdós mètodes d'intervenció es resumeix en l'origen del control conductual: Extinció: S'elimina el lligam entre la resposta i la recompensa prèvia (eliminació del reforçador que mantenia la conducta). Càstig: S'introdueix una nova relació de contingència que aporta una conseqüència aversiva o elimina un estímul apetitiu. Sempre que sigui possible, la millor estratègia és reforçar activament conductes alternatives incompatibles abans que recórrer a la supressió punitiva.

PROCÉS Evolució temporal típica de l'extinció 1 Tall del reforçador La resposta deixa de produir la conseqüència prèvia 2 Esclat i variabilitat Pujada temporal de resposta, agressivitat i noves formes 3 Decaïment progressiu Reducció continuada de la taxa de conducta instrumental 4 Nivell basal assolit La resposta s'inhibeix però es manté la petjada associativa Condicionament Instrumental — Apunts d'Aprenentatge UdL 18 COMPROVA-HO 33 Què passa si una persona rep atenció afectuosa immediatament després de rebre una reprimenda? IDEES CLAU L'extinció instrumental consisteix a trencar la contingència R-C deixant de presentar el reforçador.

L'inici de l'extinció sol provocar un esclat de resposta, increment de variabilitat i reaccions de frustració o agressivitat. L'extinció no esborra la petjada mnèmica, permetent la recuperació espontània pel mer pas del temps segons Rescorla. La recaiguda es manifesta també mitjançant renovació contextual, restauració accelerada i restabliment per estímuls evocadors. El càstig requereix contigüitat immediata, alta contingència, intensitat inicial suficient i absència d'impulsivitat. El càstig fracassa si esdevé un estímul discriminatiu (ED) que prediu l'arribada de reforçament positiu. COMPROVA EL QUE HAS APRÈS 34. En què es diferencia el mecanisme de l'extinció del mecanisme del càstig? 35.

Quina condició sobre la intensitat inicial determina que el càstig sigui eficaç? Test Encercla la resposta correcta. Les solucions són al final. 36. Quin efecte conductual caracteritza l'inici del procediment d'extinció? 37. Com s'anomena la reaparició de la resposta quan canvia el context d'extinció? Aparició d'estereotípia motora rígida a) Disminució immediata i sobtada d'agressivitat b) Eliminació irreversible de la petjada mnèmica c) Augment temporal de variabilitat conductual d) Recuperació espontània a) Efecte discriminatiu b) Restauració accelerada c) Renovació del condicionament d) Condicionament Instrumental — Apunts d'Aprenentatge UdL 19 38.

Què passa si s'aplica el càstig amb intensitat feble i es puja gradualment? 39. Per què perd eficàcia el càstig quan actua com a estímul discriminatiu? 5 Programes simples de reforçament — Raó, interval i taxa de resposta EN ACABAR SABRÀS Distingir els mecanismes que regulen els programes de raó, d'interval i de taxa de resposta. Identificar i descriure els patrons de registre acumulat típics (pauses post-reforç i festonejat). Explicar per quina raó els programes parcials i variables presenten major resistència a l'extinció.

PENSA-HI ABANS DE LLEGIR 40 Per què una persona pot jugar hores a una màquina escurabutxaques sense aturar-se, mentre que qui cobra per peces produïdes sol fer descansos sobtats? En situacions naturals, les accions no reben sempre una conseqüència idèntica de forma automàtica. Un programa de reforçament estableix el criteri o regla que determina de quina manera i en quin moment una acció concreta rep el reforçador.

S'activa l'esclat d'extinció a) S'elimina la conducta definitivament b) S'accelera la recuperació espontània c) L'organisme s'habitua i perd efectivitat d) Perquè indueix indefensió apresa immediata a) Perquè suprimeix la variabilitat de resposta b) Perquè senyala recompensa positiva posterior c) Perquè augmenta la contigüitat temporal d) Condicionament Instrumental — Apunts d'Aprenentatge UdL 20 ESQUEMA Classificació dels programes simples de reforçament Quan cada emissió de la resposta obté la conseqüència premiant, parlem de reforçament continu (conegut com a RFC o RF1).

En canvi, quan només algunes conductes obtenen recompensa i altres no, ens trobem davant del reforçament parcial o intermitent, una situació molt més habitual en l'entorn real. Dins dels programes simples, un únic factor determina el lliurament del reforç. Atenent a aquest criteri, es divideixen en tres grans categories: Programes de raó: la variable crítica és el nombre d'emissions de la resposta. Programes d'interval: el factor decisiu és el temps que ha de transcórrer abans que una resposta torni a ser efectiva. Programes de taxa de resposta: el criteri depèn de la velocitat o ritme amb què s'executen les accions.

Programes de raó: quantitat de conductes En els programes de raó, l'obtenció del reforç depèn exclusivament del recompte de respostes emeses per l'organisme.

Programes simples Regulats per un sol factor Programes de raó Basats en nombre de respostes Raó fixa (RF) Requisit constant i pauses Raó variable (RV) Requisit canviant i taxa alta Programes d'interval Basats en pas del temps Interval fix (IF) Temps fix i patró en festó Interval variable (IV) Temps mitjà i taxa estable Taxes de resposta Basats en temps entre respostes RDTA Premia velocitat d'execució alta RDTB Premia ritme d'emissió pausat Condicionament Instrumental — Apunts d'Aprenentatge UdL 21 DEFINICIÓ En la raó fixa (RF), la regla exigeix sempre exactament el mateix nombre d'accions per obtenir cada reforçador.

En la raó variable (RV), la quantitat de respostes necessàries canvia d'un assaig a l'altre al voltant d'un valor mitjà. En la raó fixa (RF), la constància del requisit genera un patró molt característic: una taxa d'emissió elevada seguida immediatament d'una pausa post-reforçament. Aquesta aturada es produeix just després de rebre el premi i la seva durada resulta proporcional a l'exigència de la raó. Un exemple habitual són els objectius de vendes en què cal assolir un nombre fix de nous contractes per cobrar una bonificació, o bé haver de marcar nou dígits complets per establir una trucada telefònica.

D'altra banda, en la raó variable (RV) el subjecte sap que necessita diverses execucions, però desconeix la xifra exacta del cicle en curs. Aquesta incertesa elimina completament les pauses posteriors a la recompensa, assolint una taxa de resposta global molt elevada i sostinguda. Aquest mecanisme sustenta la conducta en les màquines escurabutxaques, on cal apostar diverses vegades per guanyar sense saber mai en quina jugada arribarà el premi. COMPROVA-HO 41 Per quina raó un programa de raó variable no produeix pauses post-reforçament a diferència d'un de raó fixa?

Programes d'interval: el pas del temps En els procediments d'interval, el factor que marca la disponibilitat del reforçador és el transcurs del temps. Un cop vençut el període programat, cal emetre la conducta com a mínim un cop per rebre la conseqüència. Interval fix (IF): el temps requerit per habilitar la recompensa és sempre constant (per exemple, cada 30 segons). Un cas quotidià és enfornar una pizza: el resultat òptim depèn de deixar transcórrer un temps exacte, no del nombre de cops que obrim la porta. Interval variable (IV): la durada del període d'espera varia entre assajos al voltant d'una mitjana temporal.

Ocorre, per exemple, en sol·licitar una beca la resolució de la qual s'estima al voltant de 6 mesos, però pot allargar-se o escurçar-se. Interval amb espera limitada: afegeix una restricció temporal addicional un cop finalitzat l'interval. La conducta només serà efectiva si s'emet dins d'una finestra de temps concreta abans que expiri la disponibilitat. És el que succeeix en adquirir entrades per a un concert que només estan a la venda durant un termini limitat. ERROR FREQÜENT Creure que en els programes d'interval el reforçador arriba sol quan s'acaba el temps.

El temps només posa la recompensa disponible: si l'organisme no emet la resposta instrumental un cop vençut l'interval, mai no rebrà el reforçador. Condicionament Instrumental — Apunts d'Aprenentatge UdL 22 Patrons de registre acumulat i resistència a l'extinció La representació acumulativa permet analitzar la taxa d'emissió i l'estabilitat conductual generada per cadascun dels quatre programes simples bàsics: Gràfica de registres acumulats segons el programa de reforçament simple utilitzat. En el registre d'interval fix (IF) s'aprecia clarament una aturada inicial després de cada reforç seguida d'una acceleració gradual a mesura que s'acosta el final de l'interval.

Aquest perfil corbat s'anomena patró en festó o festonejat. En contrast, l'interval variable (IV) manté una taxa de resposta baixa però molt homogènia i sense fluctuacions abruptes.

Programa Taxa de resposta Patró característic Resistència a l'extinció Raó Fixa (RF) Elevada Pausa post-reforç i carrera d'emissió Molt baixa (fàcil d'extingir) Raó Variable (RV) Molt elevada Taxa constant i ràpida sense aturades Alta (difícil d'extingir) Interval Fix (IF) Baixa Festonejat (festa post-reforç i acceleració) Baixa (fàcil d'extingir) Interval Variable (IV) Molt baixa a moderada Emissió estable i regular Molt alta (molt difícil d'extingir) Condicionament Instrumental — Apunts d'Aprenentatge UdL 23 Pel que fa a les repercussions conductuals sobre l'eliminació de la resposta (vegeu «L'extinció de la resposta i l'efectivitat del càstig»), cal destacar dues regles fonamentals: COMPROVA-HO 42 Com es diferencia el gràfic acumulat d'un interval fix del d'una raó fixa?

Programes de reforçament de taxes de resposta Aquests dispositius regulen directament la rapidesa amb què es realitzen les conductes, controlant el temps que transcorre entre una acció i la següent (temps entre respostes o TER): Reforçament diferencial de taxes altes (RDTA): s'exigeix una velocitat elevada. La segona conducta només rep premi si s'emet abans que expiri un marge temporal estricte des de la primera resposta. Reforçament diferencial de taxes baixes (RDTB): s'indueix un ritme d'execució lent. La segona acció ha d'emetre's respectant un interval mínim d'espera; respondre massa de pressa reinicia el comptador temporal i anul·la l'obtenció del premi.

COMPROVA-HO 43 Quina conseqüència té respondre de forma prematura en un procediment de reforçament diferencial de taxes baixes (RDTB)? IDEES CLAU Un programa de reforçament estableix la regla que connecta l'emissió de la resposta amb el lliurament del reforçador. Els programes continus (RFC o RF1) són molt més sensibles i vulnerables a l'extinció que els procediments de reforçament parcial o intermitent. La raó fixa es caracteritza per una taxa elevada combinada amb una pausa post-reforçament, mentre que la raó variable manté una taxa alta sense aturades.

L'interval fix genera un patró visual en festó per l'acceleració prèvia a la fita temporal, mentre que l'interval variable produeix una taxa baixa però sostinguda. El reforçament de taxes de resposta (RDTA i RDTB) regula el temps entre conductes premiant la rapidesa d'emissió o bé obligant a mantenir una pausa mínima. Els programes de reforç continu (RFC o RF1) s'extingeixen molt més de pressa que els programes parcials, ja que el subjecte discrimina immediatament l'absència de la conseqüència. 1 Els esquemes variables i els d'interval generen una persistència superior davant de l'extinció en comparació amb els seus anàlegs fixos o de raó.

2 Condicionament Instrumental — Apunts d'Aprenentatge UdL 24 COMPROVA EL QUE HAS APRÈS 44. ¿Quina és la diferència funcional bàsica entre els programes de raó i els d'interval? 45. ¿Què distingeix el procediment d'interval i espera limitada d'un programa d'interval estàndard? Test Encercla la resposta correcta. Les solucions són al final. 46. Quin patró acumulat caracteritza típicament l'interval fix? 47. Quin programa presenta una menor resistència a l'extinció? 48. Què exigeix el reforçament diferencial de taxes baixes (RDTB)? 49. Per què la raó variable aconsegueix una taxa de resposta sostinguda?

6 Elecció, programes concurrents i autocontrol EN ACABAR SABRÀS Calcular les taxes relatives de resposta i reforçament per avaluar la llei d'igualació Distingir entre els mecanismes explicatius de maximització molecular, molar i millorament Analitzar l'efecte del procediment concurrent encadenat sobre l'elecció amb compromís Aplicar la funció de decaïment hiperbòlic de Kirby per explicar la taxa de descompte temporal PENSA-HI ABANS DE LLEGIR 50 Per què preferim menjar un pastís ara mateix en lloc de seguir la dieta, però si ens pregunten què menjarem la setmana que ve triem sense dubtar el menú saludable?

Taxa decreixent uniforme a) Forma en festó b) Absència total de pauses c) Traçat ràpid lineal d) Reforçament continu a) Raó variable b) Interval fix amb espera c) Interval variable d) Esperar un temps mínim a) Respondre el màxim de cops b) No tornar a respondre mai c) Emetre una raó variable d) Per l'espera limitada a) Per la incertesa del requisit b) Pel festonejat temporal c) Per l'alta taxa del RDTB d) Condicionament Instrumental — Apunts d'Aprenentatge UdL 25 Programes concurrents i mesura de l'elecció En situacions quotidianes, els individus rarament emeten conductes aïllades en un buit ambiental; per contra, s'enfronten de manera contínua a opcions d'acció simultànies.

Els programes concurrents de reforçament permeten estudiar formalment aquesta presa de decisions al laboratori, disposant dos o més programes individuals que funcionen alhora, cadascun associat a una resposta pròpia (per exemple, prémer la tecla A o la tecla B per part d'un colom).

Per quantificar matemàticament la distribució de la conducta, s'utilitzen ràtios que comparen cada opció respecte al conjunt d'accions o reforçadors obtinguts: DEFINICIÓ La taxa relativa de resposta mesura la proporció d'accions assignades a una alternativa concreta enfront del total: De manera anàloga, la taxa relativa de reforçament quantifica la proporció de reforços guanyats en aquella mateixa opció: Totes dues mètriques adopten un rang d'oscil·lació normalitzat entre 0 i 1. Per exemple, si un animal fa 15 respostes a l'opció A i 25 a l'opció B, la taxa relativa per a A serà , mentre que per a B serà .

La llei d'igualació de Herrnstein A partir d'experiments amb programes d'interval variable (IV), Richard Herrnstein va formular un patró empíric regular: els organismes reparteixen la seva activitat de manera proporcional a la densitat de reforç que proporciona cada font. Això es coneix com la llei d'igualació: Si dues tecles proporcionen idèntics programes d'interval, la taxa relativa de reforç serà de 0,5 i l'organisme dividirà el seu esforç al 50 %.

Si per contra una alternativa proveeix 30 reforços per hora (com en un IV 2 minuts) i l'altra en dona 10 (en un IV 6 minuts), la taxa relativa de la primera serà de 0,75, de manera que el subjecte tendirà a emetre-hi exactament el 75 % dels seus registres operants.

Condició de concordança Descripció funcional Sensibilitat de resposta Igualació La taxa relativa de resposta coincideix amb la taxa de reforç Sensibilitat neutra i adaptada al valor real Taxa relativa de resposta = A R + R A B R A Taxa relativa de refor ament = ç A r + r A B r A = 15+25 15 0,37 = 15+25 25 0,63 = R + R A B RA r + r A B r A Condicionament Instrumental — Apunts d'Aprenentatge UdL 26 Condició de concordança Descripció funcional Sensibilitat de resposta Supraigualació Prevalença o sobredimensió de respostes cap a la via més rica Major sensibilitat davant del reforçador preferit Infraigualació Menor diferenciació de conducta de la que dictaria el reforç Menor sensibilitat de la taxa de resposta Quan es manifesta desviació de la igualació perfecta, si una alternativa rep una atenció sobrerepresentada (supraigualació), l'alternativa complementària experimentarà forçosament una assignació deficient o infraigualació.

COMPROVA-HO 51 Si una rata rep el 80 % dels aliments prement la palanca dreta i el 20 % a l'esquerra, què prediu la llei d'igualació sobre les seves respostes? Mecanismes teòrics de la igualació Per explicar com aconsegueix l'organisme aquesta paritat matemàtica s'han defensat tres models principals segons la seva finestra temporal d'integració: Teoria Perspectiva temporal Principi regulador del comportament Maximització molecular Curt termini (moment a moment) L'organisme selecciona l'alternativa amb major probabilitat immediata de lliurar un reforçador en aquell instant precís.

Maximització molar Llarg termini (global) La conducta es distribueix agregadament per obtenir el màxim nombre acumulat de reforçadors durant tota la sessió d'assaigs. Millorament (melioration) Mig termini (estat local) El subjecte opta per canviar d'alternativa per millorar la seva taxa local de guany, sense necessitat de calcular la taxa global agregada. Un exemple comú de millorament s'observa en la ingesta d'alcohol o substàncies d'alleujament: l'individu busca modificar favorablement el seu estat emocional de forma ràpida (millora a mig termini), fins i tot quan aquesta pauta comprometi la taxa de benestar general a llarg termini.

Condicionament Instrumental — Apunts d'Aprenentatge UdL 27 ESQUEMA Teories de l'elecció en programes concurrents Elecció amb compromís i programes concurrents encadenats En un programa concurrent simple és possible canviar de tecla a voluntat d'un segon a l'altre. No obstant això, en molts dilemes quotidians adoptar una opció cancel·la de forma temporal l'accés a les altres. Aquest procés s'investiga mitjançant els programes concurrents encadenats.

Aquests procediments s'estructuren en dues etapes consecutives: Al període terminal s'imposa el patró operant característic del seu programa simple (vegeu «Programes simples de reforçament — Raó, interval i taxa de resposta»): les baules de raó fixa (RF) produeixen pauses post-reforçament, mentre que les de raó variable (RV) mantenen cadències sostingudes i regulars. Davant d'un dilema entre una raó fixa (com ara RF 10) i una raó variable amb la mateixa mitjana (RV 10), els subjectes mostren una clara preferència per l'alternativa variable. Això succeeix perquè el programa variable genera incertesa i expectativa, mantenint alta la motivació davant la possibilitat d'un reforçament ràpid.

A més, la pròpia resposta d'elecció adquireix propietats de reforçador condicionat mitjançant condicionament de segon ordre associat a l'estímul discriminant que inicia el tram terminal. COMPROVA-HO 52 Quina és la diferència fonamental entre un programa concurrent estàndard i un de concurrent encadenat? Autocontrol versus impulsivitat Des de la perspectiva operant, l'autocontrol es defineix com la decisió de renunciar a una recompensa immediata de menor magnitud a canvi d'un benefici més substancial però demorat. La impulsivitat representa l'elecció inversa: optar pel benefici immediat i petit abans que esperar pel reforçador major.

Maximització molecular Decisió curt termini segons probabilitat immediata Millorament (melioration) Ajust a mig termini per taxa local Maximització molar Distribució global a llarg termini Fase inicial o baula d'elecció: Les dues alternatives es presenten alhora sota un programa concurrent (sovint d'interval). L'organisme fa la seva tria responent sobre una d'elles. 1 Fase terminal o baula de compromís: Un cop s'activa l'alternativa escollida, l'accés a l'altra queda completament bloquejat. El subjecte entra en un període terminal exclusiu on només opera el programa simple assignat a aquella tecla fins a aconseguir el reforçador.

2 Condicionament Instrumental — Apunts d'Aprenentatge UdL 28 En el seu experiment de referència, Rachlin i Green (1972) van avaluar aquest fenomen exposant coloms a dues condicions estructurals: Elecció directa: L'animal triava directament entre un reforçador petit immediat (opció A) o un reforçador gros amb demora (opció B). El resultat sistemàtic va ser la tria de la recompensa immediata, mostrant una conducta impulsiva. Procediment concurrent encadenat amb demora prèvia: Es va intercalar un interval previ d'espera compartit abans de poder activar qualsevol dels dos programes terminals.

En separar temporalment el moment de decidir respecte al lliurament del reforç, els coloms van revertir la seva preferència, seleccionant massivament la baula que desembocava en el reforçador gran.

PROCÉS Procediment concurrent encadenat amb demora 1 Baula d'elecció Presentació de tecles concurrents 2 Demora prèvia Temps d'espera que distancia la decisió 3 Baula terminal Accés compromès a un sol programa 4 Lliurament del reforçador Recompensa gran demorada o petita breu Funció del decaïment hiperbòlic de Kirby Per formalitzar matemàticament la pèrdua d'atractiu que pateix una recompensa a mesura que se'n retarda la disponibilitat, s'empra la funció de descompte temporal hiperbòlic de Kirby: DEFINICIÓ La relació entre el retard temporal i el valor subjectiu es defineix amb la següent expressió: On és el valor subjectiu del reforçador, és la magnitud objectiva de la recompensa, és la demora temporal imposada fins al seu lliurament i correspon a la taxa descomptadora.

El paràmetre reflecteix el grau d'impulsivitat del subjecte: valors alts de indiquen una desvalorització molt ràpida de les recompenses futures. En aquests individus, el pas del temps és percegut com a aversiu i una demora breu provoca un col·lapse del valor subjectiu. Per aquest motiu, les tasques de descompte temporal s'empren en la pràctica clínica per avaluar perfils amb dependència al tabac o a substàncies d'abús, els quals solen exhibir coeficients molt superiors a la població general. ERROR FREQÜENT Assumir que el decaïment temporal és exponencial o constant.

Les funcions són hiperbòliques: la pèrdua de valor no és lineal ni uniforme, sinó extremadament pronunciada en retards curts i molt més plana quan les dues opcions se situen en un futur llunyà. Això explica per què les preferències es reverteixen amb el temps. V = 1 + K D M V M D K K K K Condicionament Instrumental — Apunts d'Aprenentatge UdL 29 COMPROVA-HO 53 Què indica que una persona tingui una taxa descomptadora K molt elevada a la tasca de Kirby?

Estratègies d'entrenament en l'autocontrol L'autocontrol és una capacitat modelable a través d'estratègies d'aprenentatge i canvis estructurals en la presentació d'estímuls: Emmarcament del cost d'oportunitat: Consisteix a explicitar les alternatives d'elecció que solen romandre implícites. En comptes d'oferir «50 € ara o 100 € d'aquí a un any», es planteja la decisió com «50 € ara i 0 € d'aquí a un any» enfront de «0 € ara i 100 € d'aquí a un any». Aquesta formulació fa palès el cost d'abandonar el guany demorat.

Pensament episòdic futur: Imaginar activament i amb detall situacions futures concretes (per exemple, visualitzar unes vacances planificades a un any vista) incrementa la valoració subjectiva dels reforços demorats. Exposició a la natura: L'estada en entorns naturals redueix la impulsivitat i promou l'orientació temporal a llarg termini (Rung et al., 2019). Intervencions en el temps d'entrenament: El règim de reforçament viscut modela la conducta; les rates habituades a programes de raó prioritzen opcions a curt termini, mentre que aquelles sotmeses a programes d'interval seleccionen en major proporció el benefici llunyà. Aombrament del retard: Consisteix a…