跳转到内容

强化

来自VeritasWiki 真理百科

强化(reinforcement)是操作条件作用中的核心概念,指在某一行为发生之后呈现某种刺激或移除某种刺激,从而使该行为在今后更可能再次出现的过程;其中起这种作用的事件称为强化物(reinforcer)。它描述的并不是刺激本身的固有属性,而是刺激与行为之间的功能关系:同一件事对一种行为构成强化,对另一种行为未必如此,某事件是否属于强化,最终只能由它是否使行为频率上升来判定。正因如此,强化被视为塑造与维持行为最基本的原理之一,也是行为分析、教育训练与临床干预共同依托的操作基石。[1]

概念来源与界定

强化的思想可以追溯到桑代克(Edward Thorndike,1874—1949)的效果律。他把猫关进迷笼,观察猫如何通过试误逐渐学会按压机关逃出,并由此提出:带来满意结果的动作会被加强,带来烦恼结果的动作会被削弱。这一表述把行为的去留与行为的后果直接联系起来,但“满意”“烦恼”仍是内省式的说法。与主要处理刺激之间关联的经典条件作用不同,操作条件作用关注行为与后果的关联。斯金纳(B. F. Skinner,1904—1990)随后把这一思路改造成可操作的实验程序:他用操作箱控制动物按键或啄键与食物发放之间的时序,并以反应速率作为因变量,从而把“后果如何改变行为”变成可以精确测量的因果问题。[2]

在斯金纳的框架里,强化与惩罚、消退共同构成后果控制的三种基本方式:强化使行为增加,惩罚使行为减少,消退则是在撤除强化后让行为逐渐减弱。需要强调的是,强化不等于“让人愉快”,也不等于“给予奖励”。奖励是给予者的意图或社会评价,强化则是从行为变化反推出来的功能判断。一个被老师视为奖励的分数,如果并未提高学生的学习行为,它在严格意义上就不是强化物;反之,某些看似令人不适的安排,例如解除噪音或止痛,同样可能起到强化作用。

正强化与负强化

按操作方式,强化分为正强化与负强化两类。正强化是在行为之后呈现某种刺激,使行为增加,例如儿童分享玩具后得到表扬、员工完成指标后获得奖金。负强化是在行为之后移除或避免某种厌恶刺激,使行为增加,例如头痛时服药使疼痛缓解、在噪音环境中按下开关使噪音停止。两者方向一致,都是让行为更频繁,差别只在刺激是被“加上”还是被“拿掉”。[3]

负强化最容易被误当成惩罚,因为两者都涉及厌恶刺激。真正的分界在于行为的变化方向:负强化让行为增多,惩罚让行为减少。以头痛服药为例,服药之后疼痛消失、下次更愿意服药,这是负强化;若因为服药而被责备、此后服药行为减少,那才是惩罚。行为分析还区分逃避学习与逃逸学习:个体在厌恶刺激出现后作出反应使其终止,称为逃逸;在厌恶刺激出现前作出反应将其挡在门外,称为逃避。二者都属负强化,但逃避由于伴随预警信号,往往更难消退,这一现象在焦虑与回避行为的研究中受到重视。

强化程式

现实中的强化很少每次行为后都出现,于是强化的时间与比例安排本身成为重要变量,这就是强化程式(schedule of reinforcement)。最基本的区分是连续强化与部分强化:前者对每一次目标反应都给予强化,后者只对一部分反应给予强化。部分强化又可依“按次数”还是“按时间”分为比率程式与间隔程式,各自再分固定与可变两种,形成固定比率、可变比率、固定间隔、可变间隔四种基本类型。

不同程式产生截然不同的反应模式。比率程式下,反应率随要求提高而上升,因为多做多得;可变比率往往维持最高的反应率,赌博机正是利用这种不可预测的比率安排使人持续投注。间隔程式下,强化只与时间有关,被试在强化临近时加快反应、在强化之后放慢,形成所谓“扇形”停顿。更耐人寻味的是部分强化消退效应:经过部分强化的行为,在停止强化后比连续强化的行为坚持得更久。这一效应解释了为何间歇性的关注有时比稳定的关爱更难摆脱。[4]

影响强化效果的条件

强化是否有效,取决于若干可以分析的条件。首先是即时性:强化与行为之间的延迟越长,效果越弱,因为延迟期间发生的其他行为会与强化建立联系,这在经济学中被称为延迟折扣。其次是相倚性:强化必须真正随行为出现,若强化与行为只是偶然同时发生,动物与人都会形成“迷信”式的错误关联。再次是强化物的强度与个体的需要剥夺状态:食物对饱食者几乎无效,对饥饿者则效力很强,这种改变强化物当下价值的条件被称为建立操作。

社会性强化还有其特殊之处。班杜拉(Albert Bandura)的研究提示,人不必亲身接受强化,观察他人因某行为受到奖赏也能提高自己的相应行为,这被称为替代强化。它把强化从个体与刺激的二元关系扩展到了社会情境,解释了榜样、示范与舆论评价为何能左右行为,也使单纯的实验室程式难以完整刻画人类的学习。

争议:强化与内在动机

强化理论最受质疑之处,是它对内在动机的处理。20世纪70年代的一系列实验发现,原本出于兴趣从事某项活动的被试,在因该活动获得外在奖励之后,其自主从事该活动的意愿反而下降,这一现象被称为过度理由效应。持自我决定理论的研究者据此认为,控制性的外在奖励会把行为的原因从内部转移到外部,从而侵蚀兴趣与创造性;而信息性、反馈性的奖励则不产生这种削弱。

行为分析阵营则回应说,所谓内在动机的削弱往往是特定安排的结果,而非强化原理本身的缺陷,只要奖励不带有控制意味、并恰当安排相倚关系,外在强化与内在兴趣可以并存。这场争论延续至今,双方在“何种奖励、在什么条件下、对哪类行为”上各有证据,尚未形成统一结论。它提醒使用者:强化不是中性的技术手段,其效果取决于施加方式与社会意义。

应用与评价

在应用层面,强化是行为矫正与教学设计的常用工具。代币制把表扬、特权等次级强化物系统化,用于课堂管理、精神科病房与康复机构;程序教学与即时反馈把强化原理引入学习过程;动物训练、运动技能训练乃至组织中的绩效反馈,都以强化程式的安排为基础。这些应用的共同点是把模糊的“鼓励”拆解为可观察的行为、可控制的后果与明确的时序,使笼统的期望得以落到具体的操作上。

对强化的评价应当两面兼顾。它的优势在于可操作、可检验,把行为改变从玄谈变成可以设计、可以重复的干预;它的局限在于过于强调外显行为与即时后果,对意义、情感与长期价值的内在化解释不足,也容易被误用为操纵他人的手段。如何在利用强化效率的同时尊重个体的自主与尊严,是这一原理在伦理层面始终需要回答的问题。

参考资料

  1. ↑ Reinforcement,Encyclopaedia Britannica,2024年访问
  2. ↑ B. F. Skinner,Simply Psychology,2024年访问
  3. ↑ Operant Conditioning,Simply Psychology,2024年访问
  4. ↑ Operant Conditioning,Encyclopaedia Britannica,2024年访问