Operant Conditioning (Skinner's Theory)

สวัสดีครับท่านผู้อ่านทุกท่าน จุดประสงค์ของสมุดเล่มนี้ (พื้นฐานจิตวิทยาการเรียนรู้) จัดทำขึ้น เพื่อสรุปทฤษฎีเกี่ยวกับจิตวิทยาการเรียนรู้ให้เข้าใจได้ง่ายๆ เพื่อให้เพื่อนๆที่เรียนหลักสูตร ค.ม. วิชาชีพครู ที่ไม่เคยเรียนทฤษฎีทางจิตวิทยาการเรียนรู้มาก่อน ได้มีความรู้หรือแนวความคิดเบื้องต้น อันจะนำไปใช้ประกอบการทำวิจัยในชั้นเรียนต่อไปได้ ทั้งนี้ เนื้อหาที่นำมาลงจะเป็นการจด Lecture ของผมในสมัยที่ยังเรียนวิชา พื้นฐานจิตวิทยาการเรียนรู้ (Fundamental Psychology of Learning) กับ รศ.ดร.สมโภชน์ เอี่ยมสุภาษิต ซึ่งหากมีข้อผิดพลาดประการใด ต้องขออภัยล่วงหน้ามา ณ ที่นี้

สำหรับเรื่องที่สามที่ผมจะนำมาลงก็คือเรื่อง ทฤษฎีของ Skinner (Operant Conditioning) ซึ่งมีสาระดังต่อไปนี้

Operant Conditioning (Type-R Conditioning)

คือ มองพฤติกรรมธรรมดาทั่วไป มองว่าพฤติกรรมเป็นผลพวงมาจากสิ่งแวดล้อม ดังนั้น ถ้าสภาพแวดล้อมเปลี่ยนพฤติกรรมก็เปลี่ยน ตัวแปรของสภาพแวดล้อมประกอบด้วย

1)  Antecedents คือ เงื่อนไขนำหรือสิ่งเร้าที่กระตุ้นให้เกิดพฤติกรรม ทุกพฤติกรรมต้องมีเงื่อนไขนำ เช่น วันนี้ต้องเข้าเรียนบ่ายโมง พฤติกรรมเราถูกกำหนดด้วยเวลา

2) Consequences หรือผลกรรม เกิดขึ้นหลังการทำพฤติกรรม เป็นตัวบอกว่าเราจะทำพฤติกรรมนั้นอีกหรือไม่ ดังนั้น ไม่มีใครที่ทำอะไรแล้วไม่หวังผลตอบแทน

Skinner ให้ความสำคัญกับตัวเสริมแรง (Reinforcer)

1)  Reinforcer ต้องตามหลัง Response

2)  Reinforcer ต้องตามหลังทันที

3)  Reinforcer ต้องมีผลต่อ Response

Ø Contrasting Operant Conditioning and Classical Conditioning

Classical Conditioning	Operant Conditioning
Elicited (ต้องถูกกระตุ้น)	Emitted (ไม่ต้องกระตุ้น)
Involuntary (ควบคุมไม่ได้)	Voluntary (ควบคุมได้)
Stimulus (เน้นสิ่งเร้า)	Response (เน้นการตอบสนอง)
Reflex Behavior	Any Behavior (ทั่วไป)

Basic Concepts in Operant Conditioning

Ø Free Operant Level (Baseline) คือ พฤติกรรมทั่วไปที่ทำเป็นประจำ เช่น ตื่นนอน 7 โมง กินข้าวตอนเที่ยง

Ø Terminal Behavior คือ พฤติกรรมที่อยากให้เกิดขึ้น

Ø Extinction คือ พฤติกรรมที่เคยได้รับการเสริมแรงทางบวก แล้วหยุดเสริมแรง เช่น ปกติไปห้างแล้วขอแม่ซื้อของเล่นแม่จะให้ แต่ครั้งนี้แม่ไม่ให้ ก็อาจทำให้เกิดผลดังนี้

1) Extinction Burst หรือ การระเบิดของพฤติกรรมอันเนื่องมาจาก Extinction เช่น การที่เด็กลงไปดิ้นกับพื้นเมื่อแม่ไม่ให้ซื้อของเล่น

2) Spontaneous Recovery หรือ การกลับคืนสู่สภาพเดิม เมื่อ Extinction ไปแล้ว เช่น การที่เด็กยังขอแม่ไปซื้อของเล่นอยู่

Ø Superstitious Behavior</b> คือ พฤติกรรมงมงาย เชื่อโชคลาง ซึ่งเกิดจาก Accidental Reinforcer คือได้รับการเสริมแรงโดยบังเอิญ เช่น ซื้อปากกามาใหม่แล้วใช้ตอนสอบ ปรากฏว่าวิชานั้นได้ A ก็เชื่อว่าปากกานี้เป็นปากกานำโชค

Ø Shaping คือ การแต่งพฤติกรรม โดยให้เงื่อนไขและเสริมแรงให้ไปสู่พฤติกรรมเป้าหมาย โดยใช้เทคนิค Successive Approximation หรือ การคาดคะเนความสำเร็จของพฤติกรรม โดยพัฒนาจากปัจจุบันไปสู่พฤติกรรมเป้าหมายโดยแบ่งพฤติกรรมเป็นขั้นๆ เช่น การฝึกสุนัขเก็บไม้ แบ่งเป็น 3 ขั้น คือ

1)  ฝึกให้ยืนข้างเรา

2)  ฝึกให้ดมไม้แล้ววิ่งไปหาไม้

3)  ฝึกให้คาบมาให้เรา

ซึ่งฝึกโดยเมื่อสุนัขทำพฤติกรรมที่ต้องการ ก็เสริมแรงโดยการให้อาหาร

Ø Chaining คือ พฤติกรรมลูกโซ่ พฤติกรรมหนึ่งนำไปสู่พฤติกรรมอื่นๆ เช่น ก่อนนอน -> เข้าห้องน้ำ  -> หยิบแปรง  -> ใส่ยาสีฟัน  -> แปรงฟัน " -> บ้วนปาก  ->" นอน ถ้าบาง Chain หายไป พฤติกรรมก็จะยุติ เช่น ถ้าเข้าห้องน้ำแล้วไม่เจอแปรง พฤติกรรมที่เหลือก็จะหยุดหมด

Ø Punishment เป็นการให้ผลกรรมตามหลังพฤติกรรม เพื่อให้พฤติกรรมลดลงหรือยุติลงเท่านั้น

1)  Positive Punishment เป็นการให้บางอย่างเข้าไปเพื่อให้พฤติกรรมลด เช่น การตีเพื่อให้เด็กหยุดคุย

2)  Negative Punishment เป็นการถอนบางอย่างออกเพื่อให้พฤติกรรมลด เช่น การหักคะแนนเพื่อให้เด็กหยุดคุย

Ø The Nature of Reinforcers ต้องเพิ่มความถี่ของพฤติกรรมเสมอ

1)  Primary Reinforcers คือ ตัวเสริมแรงโดยอัตโนมัติ ไม่ต้องเรียนรู้ เช่น อาหาร อากาศ น้ำ ไฟฟ้าช๊อก Sex

2)  Secondary Reinforcers คือ ตัวเสริมแรงที่ต้องเรียนรู้ เช่น เสื้อผ้า คำชม เงิน(มีประสิทธิภาพสูงสุด)

3) Positive Reinforcement คือ การให้ผลกรรมตามหลังพฤติกรรม เพื่อให้พฤติกรรมเพิ่มขึ้น เช่น อ่านหนังสือมากขึ้นเพื่อให้ได้ A

4)  Negative Reinforcement คือ การเพิ่มความถี่ของพฤติกรรมหลีกเลี่ยง (Avoidance ยังไม่เผชิญ) หรือหลีกหนี (Escape เผชิญอยู่) จากสิ่งเร้าที่ไม่พึงพอใจ เช่น อ่านหนังสือมากขึ้นเพื่อหลีกเลี่ยง F

Ø Variety of Reinforcers

1)  Material Reinforcers คือ ตัวเสริมแรงที่เป็นวัตถุสิ่งของ เช่น มือถือ ขนม

2)  Social Reinforcers เป็นสิ่งที่ทุกคนต้องการ เนื่องจากมนุษย์เป็นสัตว์สังคม

2.1.  Verbal เป็นคำพูด เช่น การชม (ต้องชมพฤติกรรมที่แสดงออก ไม่ใช่บุคลิกภาพ)

2.2.  Nonverbal ภาษากาย เช่น กอด (การกอดเป็น The Best Social Reinforcers ซึ่งต้องใช้กับ Positive Behavior)

หมายเหตุ! ถ้า Verbal ไม่สัมพันธ์กับ Nonverbal คนเราจะเชื่อ Nonverbal มากกว่า

3)  Activity Reinforcers เป็นการใช้กิจกรรมที่ชอบทำที่สุดมาเสริมแรงกิจกรรมที่อยากทำน้อยที่สุด โดยต้องทำตาม Premack Principle คือ ให้ทำสิ่งที่อยากทำน้อยที่สุดก่อน แล้วจึงให้ทำกิจกรรมที่ชอบที่สุด เช่น เด็กที่ชอบกิน Chocolate แต่ไม่ชอบเล่น Pinball ก็ให้เล่น Pinball ก่อนแล้วจึงให้กิน Chocolate

หมายเหตุ! ถ้าสิ่งใดเป็นของตาย คือจะทำหรือไม่ทำก็ได้สิ่งนั้นอยู่แล้ว สิ่งนั้นจะเป็นตัวเสริมแรงไม่ได้อีกต่อไป

4) Token Economy จะเป็นตัวเสริมแรงได้เฉพาะเมื่อแลกเป็น Backup Reinforcers ได้ เช่น เงินธนบัตรก็เป็นแค่กระดาษใบหนึ่ง แต่ว่ามันใช้ชำระหนี้ได้ตามกฎหมาย ดังนั้น ถ้ามันใช้ชำระหนี้ไม่ได้ก็เป็นแค่กระดาษใบหนึ่ง เงินมีอิทธิพลสูงสุด

5)  Positive Feedback หรือการให้ข้อมูลป้อนกลับทางบวก จับเฉพาะจุดบวก มองเฉพาะส่วนที่ดี เช่น บอกเด็กว่า หนูทำงานส่วนนี้ได้ดีมาก แต่ส่วนที่เหลือเอากลับไปแก้นะ

6) Intrinsic Reinforcers หรือตัวเสริมแรงภายใน เช่น การชื่นชมตัวเอง ไม่ต้องให้มีใครมาชม

Ø ปัจจัยที่มีผลต่อการเสริมแรง

1)  Timing การเสริมแรงต้องทำทันที เช่น แฟนตัดผมมาใหม่ต้องชมทันที ถ้า Delay จะโดนด่า

2)  Magnitude & Appeal การเสริมแรงต้องตอบสนองความต้องการอย่างพอเหมาะ อย่ามากไปหรือน้อยไป

3)  Consistency การเสริมแรงต้องให้สม่ำเสมอ เพราะจะได้รู้ว่าทำแล้วต้องได้รับการเสริมแรงอย่างแน่นอน

ØSchedules of Reinforcement

1)  Continuous Reinforcement

การเสริมแรงทุกครั้งที่เกิดพฤติกรรม

ข้อดี : ทำให้พฤติกรรมเกิดใหม่ เกิดขึ้นเร็ว

ข้อเสีย : ถ้าหยุดเสริมแรง พฤติกรรมก็หยุดเลย

เช่น เด็กผู้ชายที่โทรไปจีบเด็กผู้หญิงทุกวัน ถ้าเด็กผู้หญิงรับทุกครั้งเด็กผู้ชายก็จะโทรบ่อยๆ แต่ถ้าจู่ๆเด็กผู้หญิงไม่รับ ก็จะเลิกโทร

2)  Intermittent Reinforcement

การเสริมแรงแบบครั้งคราว

ข้อดี : ทำให้พฤติกรรมคงที่และสม่ำเสมอ

ข้อเสีย : ไม่ทำให้เกิดพฤติกรรมใหม่

2.1. Fixed Ratio (FR) คือ การเสริมแรงเมื่อทำตามจำนวนครั้งที่กำหนดไว้แน่นอน เช่น ได้ค่าแรงทุกครั้งที่ตัดเสื้อได้ 12 ตัว

2.2. Variable Ratio (VR) คือ การเสริมแรงเมื่อทำตามจำนวนครั้งที่กำหนดไว้ไม่แน่นอน เช่น พฤติกรรมการซื้อ Lottery (บางทีซื้อ 2 ครั้ง ถูก บางทีซื้อ 5 ครั้ง กว่าจะถูก)

2.3. Fixed Interval (FI) คือ การเสริมแรงพฤติกรรมที่เกิดขึ้นครั้งแรก เมื่อถึงเวลาที่กำหนดไว้แน่นอน เช่น เสริมแรงทุกๆ 5 นาที โดยต้องให้พฤติกรรมเกิดในนาทีที่ 5 ถ้าพฤติกรรมไม่เกิดในนาทีที่ 5 ก็ไม่เสริมแรง แต่ถ้าพฤติกรรมมาเกิดในนาทีที่ 6 ก็จะเสริมแรง ตัวอย่างคือ พฤติกรรมไปซื้อ Lottery ซึ่งจะเกิดเฉพาะช่วงใกล้ Lottery ออก

2.4. Variable Interval (VI) คือ การเสริมแรงพฤติกรรมที่เกิดขึ้นครั้งแรก เมื่อถึงเวลาที่กำหนดไว้ไม่แน่นอน เช่น พฤติกรรมการตกปลา บางที 3 นาที ได้ปลา บางทีก็ 5 นาที ได้ปลา ซึ่งแบบนี้จะทำให้พฤติกรรมเกิดสม่ำเสมอ เนื่องจากไม่รู้ว่าจะเสริมแรงเมื่อไร

Ø Stimulus Control คือการเอาสิ่งเร้ามาควบคุมพฤติกรรม ดังนั้น ถ้าสิ่งเร้าเปลี่ยน พฤติกรรมก็เปลี่ยน เช่น ถ้าอยากให้นิสิตลุกขึ้นมาเต้นในห้อง Lecture ก็ให้ปิดไฟ เปิดเพลงเต้น

1)  Stimulus Generalization คือ การแผ่ขยายของสิ่งเร้า เช่น Albert กลัวหนูขาว แล้วเกิดการแผ่ขยายโดยกลัวอะไรก็ตามที่สีขาว

2)  Stimulus Discrimination คือ การแยกแยะสิ่งเร้า เช่น การแยกแยะหนูขาวออกจากสิ่งเร้าอื่นๆที่สีขาวๆ

Ø Cueing หรือการให้สัญญาณ เป็นเงื่อนไขนำ เช่น ชอบใครก็ส่งสายตา

ØPrompting หรือการชี้แนะ เป็นเงื่อนไขนำ แบ่งเป็น

1)  Verbal Prompt บอกความต้องการชัดเจนด้วยคำพูด

2)  Sign Prompt บอกความต้องการด้วยสัญลักษณ์ เช่น ป้ายบอกทาง มักถูกใช้บ่อยที่สุด

3) Physical Prompt บอกความต้องการโดยใช้ร่างกายหรือมือจับให้ทำเลย เช่น การฝึกเด็กจับช้อนส้อม หรือการสอนเล่นกอล์ฟ

Ø การกำจัดพฤติกรรมที่ไม่พึงประสงค์

1)  ไม่สนใจ แต่ระวัง! การเรียกร้องความสนใจ

2)  เสริมแรงทุกพฤติกรรมที่ไม่ใช่พฤติกรรมที่ไม่พึงประสงค์

3)  เสริมแรงพฤติกรรมอื่นแทน

4)  เสริมแรงพฤติกรรมที่ไม่ทำให้พฤติกรรมที่ไม่พึงประสงค์เกิด เช่น เสริมแรงพฤติกรรมนั่ง เพื่อที่พฤติกรรมลุกจะได้ไม่เกิด (Incompatible Behavior)

Application of Operant Conditioning

ØInstructional Objectives (Behavioral Objectives) ใช้ใน Course Syllabus

1)  Observable & Measurement คือ สังเกตและวัดได้ เช่น หลังเรียนคอร์สนี้จบแล้วจะสามารถอธิบายทฤษฎีได้

2)  Conditions คือ เงื่อนไข เช่น เมื่อกำหนดแผนภูมิแท่งเปรียบเทียบให้ สามารถอ่านข้อมูลและอภิปรายประเด็นต่างๆได้

3)  Criterion คือ เกณฑ์ เช่น หลังเรียนคอร์สนี้จบแล้วจะสามารถทำข้อสอบ O-NET ได้ 80%

Ø Programmed Instruction and Computer-Assisted Instruction เช่น ใช้โปรแกรมช่วยสอนสำเร็จรูป

Ø Mastery Learning คือ เรียนให้ประสบความสำเร็จไปทีละขั้น เช่น ต้องสอบบทที่ 1 ให้ผ่าน จึงจะสอนบทต่อไป

  - Keller’s Personalized System of Instruction (PSI) คือ เรียนรู้ด้วยตัวเอง เช่นอ่านหนังสือเอง แล้วไปสอบเลย

Ø Applied Behavior Analysis (ABA) เป็นการแก้ปัญหาบุคคลที่เป็นปัญหา โดยปรับปรุงพฤติกรรม (Behavior Modification)

Ø ผลกระทบของการได้สิ่งเร้าไม่พึงพอใจ ทำให้เกิดการ Escape และ Avoidance

ØPunishment

  - Disadvantage of Punishment

Œ1. การลงโทษไม่ได้ทำให้พฤติกรรมเปลี่ยน แค่เก็บกดเอาไว้ แต่พฤติกรรมยังคงอยู่

2. บางครั้งทำให้พฤติกรรมที่ถูกลงโทษ เพิ่มขึ้น เช่น โดนห้ามลางาน ก็เลยมาแกล้งคนอื่นที่ทำงาน

Ž3. บางครั้งไม่รู้ว่าทำไมถูกลงโทษ เพราะเคยทำพฤติกรรมนั้นแล้วไม่ถูกลงโทษ

4. ทำให้เกิดอารมณ์ไม่เหมาะสม และนำไปสู่การหลีกเลี่ยงและหลีกหนี

5. การลงโทษอาจนำไปสู่ความก้าวร้าว

‘6. การลงโทษไม่ได้ก่อให้เกิดพฤติกรรมที่เหมาะสม

’7. การลงโทษที่รุนแรงอาจก่อให้เกิดปัญหาทางกายและใจ

  - Using Punishment

Œ1. Time-out คือ การเอาตัวเสริมแรงทางบวกออกจากบุคคล แต่ถ้าพฤติกรรมเด็กหยุดต้องเอากลับเข้ามาและเสริมแรงพฤติกรรมใหม่ทันที

2. Response Cost หรือ การปรับสินไหม คือ การดึงสิทธิ์หรือสิ่งของออกจากตัว เช่น ปรับเงินคนที่ขับรถผิดกฎ

Ž3. Verbal Reprimand หรือ การตำหนิ หลักคือ ห้ามตำหนิที่ Personality ต้องตำหนิที่ Behavior ใช้เสียงและหหน้าที่เรียบๆ เชือดเฉือนหัวใจ

4. Overcorrection คือ การแก้ไขเกินกว่าที่ทำผิด แบ่งออกเป็น

  4.1. Restitutional Overcorrection คือ การทำสิ่งที่ผิดให้ถูก ใช้กับสิ่งที่ทำผิดแล้วยังแก้ไขได้ เช่น ทำเลอะแล้วต้องเช็ด

  4.2. Positive-Practice Overcorrection คือ การฝึกทำสิ่งที่ถูกต้อง ใช้กับสิ่งที่ทำผิดแล้วแก้ไขไม่ได้อีก เช่น ฝึกทิ้งขยะให้ลงถัง

  4.3. Negative-Practice คือ การฝึกทำสิ่งที่ผิดเพื่อให้เลิกทำไปเอง เช่น ถ้าเด็กสูบบุหรี่ก็ให้อัดซิการ์เลย

     - Guideline สำหรับการใช้ Punishment อย่างมีประสิทธิภาพ

1.Œ เมื่อลงโทษแล้ว พฤติกรรมต้องลด

2. การลงโทษต้องรุนแรง แต่ต้องไม่เกินกว่าเหตุ

Ž3. ควรเตือน 1 ครั้ง ก่อนการลงโทษ และในการเตือนต้องพูดในสิ่งที่ทำได้จริง

4. พฤติกรรมที่จะถูกลงโทษ ควรถูกบรรยายให้ชัดเจนและเฉพาะเจาะจง

5. การลงโทษต้องสม่ำเสมอ

‘6. ถ้าเป็นไปได้ ควรปรับสภาพแวดล้อม เพื่อไม่ให้พฤติกรรมไม่พึงประสงค์กลับมา

’7. เมื่อลงโทษแล้ว ต้องมีการเสริมแรงพฤติกรรมใหม่

“8. เมื่อเกิดพฤติกรรมไม่พึงประสงค์ ต้องลงโทษทันที และต้องลงโทษในที่รโหฐาน

9.” ควรอธิบายว่าทำไมพฤติกรรมนั้นถึงไม่ดี

Ø Learned Helplessness เกิดจากการที่มนุษย์ทำพฤติกรรมแล้วไม่ได้รับการเสริมแรง Seligman ได้ทำการทดลองโดยเอาหนูไปใส่ในกรงที่ข้างหนึ่งทาสีขาว ส่วนอีกข้างหนึ่งทาสีดำ ในตอนแรกจะจับหนูมาอยู่บริเวณสีดำ แล้ว Shock ไฟฟ้าใส่หนู พอหนูวิ่งมาอยู่บริเวณสีขาวก็ Shock ไฟฟ้าใส่หนูอีก หนูก็จะกระโดดกลับมาบริเวณสีดำ หลังจาก Shock ไปเรื่อยๆ จนหนูกระโดดไปมาระหว่าง 2 บริเวณแล้ว สุดท้ายหนูจะนอนเลย ไม่วิ่งหนีแล้ว

สรุป : Learned Helplessness -> Depression -> Learned Hopelessness (การเรียนรู้ที่จะไม่มีความหวัง)  -> Suicide