కార్యసాధక నిబంధనం – స్కిన్నర్ (Skinner)

కార్యసాధక నిబంధనం (Operant Conditioning) అంటే ఒక ప్రాణి తన ప్రవర్తన వల్ల వచ్చే ఫలితం ఆధారంగా ఆ ప్రవర్తనను నేర్చుకోవడం. మంచి ఫలితం వస్తే ప్రవర్తన పెరుగుతుంది; చెడు ఫలితం వస్తే తగ్గుతుంది.

దీన్ని ప్రతిపాదించినవారు అమెరికన్ మనస్తత్వవేత్త బి.ఎఫ్. స్కిన్నర్ (B.F. Skinner).

• ప్రతిపాదకుడు: బి.ఎఫ్. స్కిన్నర్ (అమెరికా). ప్రవర్తనావాద (Behaviourism) మనస్తత్వవేత్త.
• ఇతర పేర్లు: క్రియాజన్య నిబంధనం, సాధన నిబంధనం, పరికరాత్మక నిబంధనం, Type-R (Response) నిబంధనం, Skinnerian conditioning.
• ప్రధాన ఆలోచన: ప్రాణి మొదట ఏదో ఒక చర్య చేస్తుంది (Emitted behaviour). దాని ఫలితం బాగుంటే ఆ చర్యను మళ్లీ మళ్లీ చేస్తుంది.
• నిబంధన విధానం:
  1. శాస్త్రీయ నిబంధనంలో ఉద్దీపన (Stimulus) మొదట వస్తుంది
  2. కార్యసాధక నిబంధనంలో ప్రతిక్రియ (Response) మొదట వస్తుంది, తర్వాత బలపరచే అంశం (Reinforcer) వస్తుంది.
• ప్రయోగ జీవులు: ఎలుకలు, పావురాలు.
• ప్రసిద్ధ ప్రయోగ పరికరం: స్కిన్నర్ బాక్స్ (Skinner Box).
• సంబంధిత పుస్తకాలు: 'The Behavior of Organisms' (1938).

స్కిన్నర్ తన సిద్ధాంతాన్ని నిరూపించడానికి ఒక ప్రత్యేకమైన పెట్టెను తయారు చేశాడు. దీన్ని స్కిన్నర్ బాక్స్ అంటారు. ఇందులో ఆకలితో ఉన్న ఎలుకను ఉంచి దాని ప్రవర్తనను గమనించాడు.

• పెట్టెలో ఉన్నవి: ఒక లీవర్ (Lever) లేదా బటన్, ఆహారం పడే గిన్నె (Food tray).
• ప్రయోగ జీవి: ఆకలితో ఉన్న ఎలుక. పావురాలపై కూడా ప్రయోగాలు చేశాడు.
• ప్రయోగ క్రమం:
  1. ఎలుక పెట్టెలో అటూ ఇటూ తిరుగుతుంది.
  2. యాదృచ్ఛికంగా లీవర్‌ను నొక్కుతుంది.
  3. వెంటనే ఆహారం గిన్నెలో పడుతుంది.
  4. ఆహారం దొరికింది కాబట్టి ఎలుక మళ్లీ మళ్లీ లీవర్ నొక్కడం నేర్చుకుంటుంది.
• నేర్చుకున్న ప్రవర్తన:
  1. లీవర్ నొక్కడం = ప్రతిక్రియ
  2. ఆహారం = బలపరచే అంశం (Reinforcer).
• ఫలితం: బలపరిచిన ప్రవర్తన మళ్లీ మళ్లీ జరుగుతుంది.
• ఉద్దేశం: ప్రాణి చర్యను (Operant) నియంత్రించేది దాని ఫలితమే అని చూపడం.

పునర్బలనం (Reinforcement) అంటే ఒక ప్రవర్తన మళ్లీ జరిగే అవకాశాన్ని పెంచే ఏ అంశమైనా. ఇది రెండు రకాలు – ధనాత్మక (Positive) మరియు ఋణాత్మక (Negative). పరీక్షల్లో ఋణాత్మక పునర్బలనం గురించి చాలా గందరగోళం ఉంటుంది, జాగ్రత్తగా చదవండి.

• పునర్బలనం ఫలితం: ప్రవర్తన పెరుగుతుంది. ఇదే అసలైన సూత్రం.
• ధనాత్మక పునర్బలనం (Positive Reinforcement): ప్రవర్తన తర్వాత ఇష్టమైనది ఇవ్వడం.
• ఉదాహరణ: బాగా చదివిన విద్యార్థికి బహుమతి, ప్రశంస, మంచి మార్కులు.
• ఋణాత్మక పునర్బలనం (Negative Reinforcement): ప్రవర్తన తర్వాత అయిష్టమైనదాన్ని తొలగించడం.
• ఉదాహరణ: హోంవర్క్ పూర్తి చేసిన విద్యార్థికి అదనపు పనిని మినహాయించడం.
• ఉదాహరణ: సీట్ బెల్ట్ పెట్టుకోగానే బీప్ శబ్దం ఆగిపోవడం, అందుకే బెల్ట్ పెట్టుకోవడం అలవాటవుతుంది.
• సాధారణ పొరపాటు: ఋణాత్మక పునర్బలనం అంటే శిక్ష కాదు. ఇందులో కూడా ప్రవర్తన పెరుగుతుంది.
• ప్రాథమిక పునర్బలకం (Primary Reinforcer): ఆహారం, నీరు వంటివి – నేర్చుకోకుండానే విలువ ఉంటుంది.
• ద్వితీయ పునర్బలకం (Secondary Reinforcer): డబ్బు, మార్కులు, ప్రశంస – నేర్చుకోవడం వల్ల విలువ వస్తుంది.

శిక్ష (Punishment) అంటే ప్రవర్తనను తగ్గించే చర్య. పునర్బలనం ప్రవర్తనను పెంచుతుంది, శిక్ష తగ్గిస్తుంది. ఈ తేడా పరీక్షల్లో తరచూ అడుగుతారు.

• ధనాత్మక శిక్ష (Positive Punishment): ప్రవర్తన తర్వాత అయిష్టమైనది ఇవ్వడం.
• ఉదాహరణ: అల్లరి చేస్తే అదనపు హోంవర్క్ ఇవ్వడం.
• ఋణాత్మక శిక్ష (Negative Punishment): ప్రవర్తన తర్వాత ఇష్టమైనదాన్ని తీసివేయడం.
• ఉదాహరణ: అల్లరి చేస్తే ఆటల సమయం రద్దు చేయడం.
• పోలిక:
  1. ధనాత్మక పునర్బలనం – ఇష్టమైనది ఇవ్వడం – ప్రవర్తన పెరుగుతుంది.
  2. ఋణాత్మక పునర్బలనం – అయిష్టమైనది తొలగించడం – ప్రవర్తన పెరుగుతుంది.
  3. ధనాత్మక శిక్ష – అయిష్టమైనది ఇవ్వడం – ప్రవర్తన తగ్గుతుంది.
  4. ఋణాత్మక శిక్ష – ఇష్టమైనది తీసివేయడం – ప్రవర్తన తగ్గుతుంది.
• స్కిన్నర్ అభిప్రాయం:
  1. శిక్ష వల్ల ప్రవర్తన తాత్కాలికంగా మాత్రమే ఆగుతుంది
  2. భయం, కోపం పెరుగుతాయి. అందుకే పునర్బలనమే మేలు అన్నాడు.
• విలోపనం (Extinction): బలపరచడం ఆపేస్తే ప్రవర్తన క్రమంగా తగ్గిపోతుంది.

గుర్తుంచుకునే చిట్కా 'ధనాత్మక' అంటే ఇవ్వడం (Add), 'ఋణాత్మక' అంటే తీసివేయడం (Remove). 'పునర్బలనం' అంటే పెరుగుదల, 'శిక్ష' అంటే తరుగుదల.

ప్రతిసారీ బహుమతి ఇవ్వాలా, లేక అప్పుడప్పుడు ఇవ్వాలా అనేదాన్ని పునర్బలన షెడ్యూల్ అంటారు. స్కిన్నర్ ఈ షెడ్యూళ్లపై విస్తృతంగా పరిశోధన చేశాడు. అప్పుడప్పుడు మాత్రమే ఇచ్చే పునర్బలనం ప్రవర్తనను ఎక్కువ కాలం నిలుపుతుంది.

• నిరంతర పునర్బలనం (Continuous Reinforcement): ప్రతి సరైన ప్రతిక్రియకూ బహుమతి. కొత్త ప్రవర్తన నేర్పడానికి వేగవంతమైన పద్ధతి, కానీ బహుమతి ఆపగానే ప్రవర్తన త్వరగా పోతుంది.
• అడపాదడపా పునర్బలనం (Intermittent/Partial Reinforcement): కొన్నిసార్లు మాత్రమే బహుమతి. ఇందులో నాలుగు రకాలు:
• స్థిర నిష్పత్తి (Fixed Ratio): నిర్ణీత సంఖ్య ప్రతిక్రియల తర్వాత బహుమతి. ఉదా: ప్రతి 10 వస్తువులు తయారు చేస్తే ఇంత కూలీ.
• చర నిష్పత్తి (Variable Ratio): సగటున కొన్ని ప్రతిక్రియల తర్వాత, కానీ ఎప్పుడో తెలియదు. ఉదా: లాటరీ, స్లాట్ మిషన్.
• స్థిర వ్యవధి (Fixed Interval): నిర్ణీత సమయం తర్వాత బహుమతి. ఉదా: నెలనెలా జీతం.
• చర వ్యవధి (Variable Interval): సమయం మారుతూ ఉంటుంది. ఉదా: అకస్మాత్తుగా వచ్చే పాప్ క్విజ్.
• అత్యంత బలమైనది:
  1. చర నిష్పత్తి షెడ్యూల్ ప్రవర్తనను ఎక్కువగా, ఎక్కువకాలం నిలుపుతుంది
  2. విలోపనానికి ఎక్కువ నిరోధకత ఉంటుంది.
• ఇది స్కిన్నర్ పరిశోధన: పావురాలపై ఈ షెడ్యూళ్లను పరీక్షించాడు.

కొన్ని ప్రవర్తనలు ఒక్కసారిగా నేర్పలేము. అప్పుడు లక్ష్య ప్రవర్తనకు దగ్గరగా వచ్చే ప్రతి చిన్న అడుగును బలపరుస్తూ ముందుకు వెళ్తారు. దీన్ని ఆకృతీకరణ (Shaping) అంటారు. స్కిన్నర్ ఆలోచనల నుంచే క్రమానుగత అభ్యసనం (Programmed Learning) వచ్చింది.

• ఆకృతీకరణ (Shaping): లక్ష్య ప్రవర్తనకు దగ్గరయ్యే చిన్న చిన్న అడుగులను వరుసగా బలపరచడం. దీన్ని 'వరుస సన్నిహిత ప్రతిక్రియల బలపరచడం (Successive Approximation)' అని కూడా అంటారు.
• ఉదాహరణ: పావురానికి వృత్తాకారంలో తిరగడం నేర్పడానికి ముందు కొద్దిగా తల తిప్పితే, తర్వాత సగం తిరిగితే, చివరికి పూర్తిగా తిరిగితే బహుమతి.
• క్రమానుగత అభ్యసనం (Programmed Learning): పాఠాన్ని చిన్న చిన్న ఫ్రేములుగా విభజించి, ఒక్కో ఫ్రేమ్ తర్వాత ప్రశ్న అడిగి, సరైన సమాధానానికి వెంటనే నిర్ధారణ ఇవ్వడం.
• బోధనా యంత్రం (Teaching Machine): స్కిన్నర్ 1950లలో రూపొందించాడు.
• ప్రోగ్రామ్ సూత్రాలు:
  1. చిన్న అడుగులు (Small steps)
  2. చురుకైన ప్రతిస్పందన (Active responding)
  3. తక్షణ ఫీడ్‌బ్యాక్ (Immediate feedback)
  4. స్వీయ వేగం (Self-pacing)
• రకాలు: రేఖీయ (Linear – స్కిన్నర్), శాఖీయ (Branching – నార్మన్ క్రౌడర్).
• ఈ రోజు వినియోగం: కంప్యూటర్ ఆధారిత అభ్యసనం, ఈ-లెర్నింగ్ యాప్‌లు.

స్కిన్నర్‌కు ముందు ఇదే రకమైన ఆలోచనను ఎడ్వర్డ్ థార్న్‌డైక్ (E.L. Thorndike) ప్రతిపాదించాడు. ఆయన సిద్ధాంతం 'ప్రయత్న-దోష అభ్యసనం (Trial and Error Learning)' లేదా 'సంబంధ సిద్ధాంతం (Connectionism)'.

పరీక్షల్లో థార్న్‌డైక్ ప్రశ్నలు ఎక్కువగా వస్తాయి.

• ప్రయోగం: ఆకలితో ఉన్న పిల్లిని పజిల్ బాక్స్‌లో ఉంచి, బయట చేపను పెట్టాడు. పిల్లి పలుమార్లు ప్రయత్నించి, యాదృచ్ఛికంగా లీవర్‌ను నొక్కి బయటకు వచ్చింది. ప్రతి ప్రయత్నంలో తప్పులు తగ్గి, సమయం తగ్గింది.
• సంబంధం:
  1. ఉద్దీపన (S) – ప్రతిక్రియ (R) మధ్య బంధం ఏర్పడుతుంది
  2. అందుకే S-R బంధ సిద్ధాంతం.
• ప్రధాన నియమాలు:
  1. సంసిద్ధతా నియమం (Law of Readiness)
  2. అభ్యాస నియమం (Law of Exercise) – ఉపయోగ, అనుపయోగ నియమాలు
  3. ఫల నియమం (Law of Effect)
• ఫల నియమం:
  1. సంతృప్తికరమైన ఫలితం వచ్చిన చర్య మళ్లీ జరుగుతుంది
  2. అసంతృప్తికర ఫలితం ఇచ్చిన చర్య తగ్గుతుంది. స్కిన్నర్ పునర్బలన భావనకు ఇదే పునాది.
• సంసిద్ధతా నియమం: నేర్చుకోవడానికి శారీరకంగా, మానసికంగా సిద్ధంగా ఉన్నప్పుడు అభ్యసనం సులభం.
• అభ్యాస నియమం:
  1. సాధన పెరిగితే బంధం బలపడుతుంది
  2. సాధన లేకపోతే బలహీనపడుతుంది.
• తరగతి అన్వయం: ప్రయత్న-దోష విధానం ద్వారా నేర్చుకునేటప్పుడు విద్యార్థులను తప్పులు చేయనివ్వాలి, సరైనదానికి ప్రోత్సాహం ఇవ్వాలి.

శాస్త్రీయ నిబంధనం (పావ్‌లోవ్) మరియు కార్యసాధక నిబంధనం (స్కిన్నర్) రెండూ ప్రవర్తనావాద సిద్ధాంతాలే. అయినా వాటి మధ్య స్పష్టమైన తేడాలున్నాయి. ఇవి పరీక్షల్లో జతల రూపంలో అడుగుతారు. అలాగే ఉపాధ్యాయ పరీక్షల్లో తరగతి అన్వయం కూడా ముఖ్యం.

• పోలిక:
  1. శాస్త్రీయ నిబంధనం: ఉద్దీపన ముందు, ప్రతిక్రియ తర్వాత (Type-S). ఇందులో ప్రతిక్రియ అసంకల్పిత చర్య (లాలాజలం, భయం).
  2. కార్యసాధక నిబంధనం: ప్రతిక్రియ ముందు, పునర్బలనం తర్వాత (Type-R). ఇందులో ప్రతిక్రియ ప్రాణి స్వయంగా చేసే సంకల్పిత చర్య.
  3. శాస్త్రీయంలో ప్రాణి నిష్క్రియంగా ఉంటుంది; కార్యసాధకంలో చురుకుగా ఉంటుంది.
• తరగతి గదిలో అన్వయం:
  1. మంచి ప్రవర్తనకు వెంటనే ప్రశంస, స్టార్లు, బహుమతులు ఇవ్వడం.
  2. కష్టమైన పనిని చిన్న చిన్న దశలుగా విభజించడం (Shaping).
  3. తక్షణ ఫీడ్‌బ్యాక్ ఇవ్వడం.
  4. శిక్షకు బదులు మంచి ప్రవర్తనను బలపరచడం.
  5. అవాంఛిత ప్రవర్తనను పట్టించుకోకుండా వదిలేయడం (Extinction).
• పరిమితులు:
  1. స్కిన్నర్ సిద్ధాంతం మానసిక ప్రక్రియలను (ఆలోచన, అవగాహన) పట్టించుకోదు
  2. బాహ్య బహుమతులపై ఆధారపడేలా చేయవచ్చు.
• ఉపయోగాలు: ప్రవర్తన మార్పు చికిత్స (Behaviour Modification), ప్రత్యేక అవసరాల పిల్లల బోధన, అలవాట్ల ఏర్పాటు.