Hvorfor endrer en belønning under trening hundens oppførsel?

Alle vet at det å gi hunden en belønning for å svare på riktig måte under trening, endrer atferd. Når vi for eksempel lokker opp en hund til å sitte, beveger vi en godbit over hundens hode og mot ryggen mens vi gir kommandoen "Sitt". For å holde øynene med godbiten, vipper hunden tilbake i sittestilling. Når hunden er i riktig posisjon, gir vi ham den godbiten. Etter noen repetisjoner av denne handlingen finner vi at hunden nå reagerer på "sitt" -kommandoen ved å sitte.

Hundetrenere tar det for gitt at å gi hunden belønninger har endret oppførselen hans, men atferdsforskere vil fortsatt vite mekanismen for hvorfor og hvordan dette fungerer. En ny studie ledet av Molly Byrne ved Boston College antyder at det er en veldig enkel bit av atferdsprogrammering, mest sannsynlig genetisk, som står for effektiviteten av treningsbelønninger.

La oss ta et skritt tilbake og se hva som egentlig er involvert i hundetrening. Hunder, som de fleste levende ting (inkludert mennesker), er atferdssendere. Det er bare en teknisk måte å si at de gjør ting, mange forskjellige ting. Trikset med å trene en hund er å få ham til å avgi den spesifikke oppførselen vi ønsker, for eksempel å sitte på kommando, og å unngå å avgi annen uønsket eller unødvendig oppførsel, som å legge seg, snurre i sirkler, hoppe opp og så fremover. Men selvfølgelig, når du begynner å trene, har hunden ingen anelse om hva du vil ha. Det er så mange forskjellige atferd som han kan produsere.

Det samme fortsetter i problemløsing. Det er bare en oppførsel som vil løse problemet, og all annen oppførsel er irrelevant. Anta for eksempel at du har kommet til en hageport. Du skyver porten for å åpne den, men den fungerer ikke. Fortsetter du å skyve ved porten? Selvfølgelig ikke. Du prøver noe annet - la oss si å trekke porten. Det fungerer fortsatt ikke. Så du fortsetter ikke å trekke porten; i stedet prøver du enda en oppførsel. Denne gangen løfter du låsen slik at porten kan svinge seg opp.

Neste gang du møter denne porten, vil du ikke skyve eller trekke den. Siden du tidligere har blitt belønnet for en spesifikk oppførsel, vil du umiddelbart nå sperren for å åpne den. Du engasjerer deg i det psykologer kaller en "vinn-opphold-tap-skift" -strategi. Dette betyr at hvis du prøver en oppførsel og den ikke gir deg belønningen du ønsker, gjør du det ikke igjen, men prøver heller en annen oppførsel. Hvis du prøver en oppførsel og den lar deg få den belønningen du ønsker, så gjentar du den. Hvis denne enkle kognitive strategien ble koblet genetisk til hunder, ville det garantere at vi kunne bruke belønninger som et middel til å trene dem. Dette vil absolutt fungere i å trene hunden til å sitte, siden når han sitter på kommando, får han belønningen (dermed blir sittende atferd gjentatt) mens annen atferd ikke blir belønnet og hunden ikke gjentar dem.

For å avgjøre om hunder har denne kognitive strategien win-stay-lose-shift, testet Boston College-forskerteamet 323 voksne hunder med en gjennomsnittsalder på omtrent tre år. Hundene ble først vist at hvis de banket over en plastkopp, kunne de få en matbelønning skjult under den. Deretter ble de presentert med to plastkopper, åpne med siden ned, på en overflate foran dem, en til venstre og en annen til høyre side av feltet. Nå inneholdt bare en av koppene en godbit mens den andre ikke. Hundene ble løslatt og fikk velge en av koppene. Hvis hunder har denne vinn-opphold-tap-skift-strategien, så hvis de på en bestemt prøve, banker de over en kopp, og den har en godbit under den, forventer vi at neste gang de blir tilbudt det samme valget, vil de velge koppen på samme side av feltet hvor de fant den belønningen (vinn-opphold). Selv om det ikke var noen belønning, skulle de endre oppførselen og velge koppen på motsatt side (tap-skift). Faktisk var det det de gjorde, og omtrent to tredjedeler av hundene valgte den samme siden som hadde blitt belønnet tidligere, mens om det ikke hadde vært noen belønning, flyttet nesten 45 prosent på motsatt side ved neste forsøk.

Nå gjenstår spørsmålet om denne vinn-opphold-tap-skift-oppførselen er en strategi som de voksne hundene har lært å være nyttige i løpet av livet, eller om det er en del av deres genetiske ledninger. For å svare på dette gjennomførte forskerteamet et identisk sett med tester ved hjelp av et sett med 334 valper som var mellom 8 og 10 ukers alder. Resultatene var nesten identiske, så når en kopp som valpen valgte hadde en godbit under seg, valgte neste tredjedel cirka to tredjedeler koppen på samme side som ble belønnet før. Derimot, hvis det ikke hadde vært noen belønning for det tidligere valget, flyttet nesten halvparten av valpene til den andre siden ved neste prøve. Fordi denne atferdsstrategien dukker opp så tidlig i hundens liv, er det en fornuftig gjetning at det er en genetisk kodet predisposisjon for hundeatferd.

Så det virker som mysteriet om hvordan belønninger fungerer som et effektivt middel til å trene hunder er løst fordi en veldig enkel strategi er koblet til hjørnetenner. Det står: "Hvis noe du har gjort har gitt deg en belønning, gjenta det. Hvis ikke, prøv noe annet." Det er en bemerkelsesverdig enkel bit av atferdsprogrammering, men det fungerer, og det lar mennesker lykkes med å bruke belønninger for å trene hundene våre.

Copyright SC Psychological Enterprises Ltd. Kan ikke trykkes på nytt eller legges ut på nytt uten tillatelse.