強化

行動心理学において、強化とは、通常、特定の先行刺激がある場合に、生物の将来の行動の可能性を高める結果を指します。^[1]たとえば、ネズミは、ライトが点灯するたびにレバーを押して餌をもらうように訓練できます。この例では、ライトが先行刺激、レバーを押すことがオペラント行動、餌が強化子です。同様に、教師の質問に答えたときに注目と賞賛を受けた生徒は、授業で将来質問に答える可能性が高くなります。教師の質問が先行条件、生徒の応答が行動、賞賛と注目が強化子です。

主観的な「欲しい」や「好き」 （欲求と快感）などの欲求行動につながる結果は、報酬または正の強化として機能する。^{[2]また、望ましくない刺激を取り除くことを伴う}負の強化もある。負の強化の例としては、頭痛を和らげるためにアスピリンを服用することがあげられる。

強化はオペラント条件付けと行動修正の重要な要素です。この概念は、子育て、コーチング、セラピー、自助、教育、管理など、さまざまな実践分野に適用されてきました。

依存症と依存の用語集[3] [4] [5]
依存症–重大な害や悪影響があるにもかかわらず、薬物（アルコールを含む）を継続的に使用することを特徴とする生物心理社会的障害 依存性薬物- 繰り返し使用すると、脳の報酬系に薬物が及ぼす影響により、物質使用障害の発生率が著しく高くなる精神活性物質 依存– 刺激（薬物摂取など）への繰り返しの曝露を中止すると、離脱症候群を伴う適応状態となる。 薬物感作または逆耐性- 特定の用量を繰り返し投与することで生じる薬物の効果が増大すること 薬物離脱症状– 薬物の繰り返し使用を中止したときに起こる症状 身体依存– 持続的な身体的離脱症状（例：疲労感や振戦せん妄） 心理的依存- 身体的依存に比べて社会的に極めて軽度とみなされる依存（例えば、十分な意志があれば克服できる） 強化刺激- 同じ行動を繰り返す可能性を高める刺激 報酬刺激- 脳が本質的にポジティブで望ましい、または近づくべきものとして解釈する刺激 感作– 刺激に繰り返しさらされることで生じる刺激に対する増幅された反応 物質使用障害- 物質の使用が臨床的および機能的に重大な障害または苦痛につながる状態 耐性– 特定の用量を繰り返し投与することで薬の効果が減少すること
ヴ t e

行動科学において、「ポジティブ」および「ネガティブ」という用語は、厳密な専門的意味で使用される場合、コンディショナーによって実行されるアクションの性質を指し、反応するオペラントによるそのアクションとその結果の評価を指すものではありません。「ポジティブ」アクションは、快または不快の要素を環境に追加するアクションであり、「ネガティブ」アクションは、いずれかのタイプの要素を環境から削除または差し控えるアクションです。一方、「強化」の厳密な意味は、報酬ベースの条件付けのみを指します。不快な要素の導入と快い要素の削除または差し控えは、代わりに「罰」と呼ばれ、厳密な意味で使用される場合、「強化」とは対照的です。したがって、「正の強化」は快い要素の追加を指し、「正の罰」は不快な要素の追加を指し、「負の強化」は不快な要素の除去または保留を指し、「負の罰」は快い要素の除去または保留を指します。

この用法は、4 つの用語の組み合わせの非専門用語での使用法、特に「負の強化」という用語の場合と矛盾しています。この用語は、専門用語で「正の罰」と呼ばれるものを表すためによく使用され、非専門用語では「強化」が報酬と罰の両方を包含し、「負」が導入される要因に対する応答オペラントの評価を指すと解釈されます。対照的に、専門用語では「負の強化」という用語を、不快な要因が存在するか存在することになるが、行動に従事するとその要因から逃れるかその発生を防ぐことになるというシナリオを作成することによって、特定の行動を奨励することを表すために使用します。これは、マーティン・セリグマンの犬に電気ショックの回避を学習させる実験で説明されています。

BF スキナーは、強化と行動主義の理論的構成の多くを明確に表現した、有名で影響力のある研究者でした。スキナーは、より主観的な基準、たとえば誰かにとって何が楽しいか、価値があるか、ではなく、反応の強さ (反応率) の変化に応じて強化子を定義しました。したがって、楽しいまたは楽しいと見なされる活動、食品、またはアイテムは、必ずしも強化子であるとは限りません (それらの前に起こる反応の増加を引き起こさないため)。刺激、設定、および活動は、潜在的な強化子の直前の行動が将来同様の状況で増加する場合にのみ、強化子の定義に適合します。たとえば、クッキーを要求するとクッキーをもらえる子供などです。「クッキーを要求する行動」の頻度が増加すれば、そのクッキーは「クッキーを要求する行動」を強化していると見なすことができます。ただし、「クッキーを要求する行動」が増加しない場合は、クッキーが強化子であるとは見なされません。

刺激が強化的であるかどうかを判断する唯一の基準は、その潜在的な強化因子の投与後の行動の確率の変化です。他の理論では、人が特定の結果を生み出す行動を期待していたかどうかなどの追加の要因に焦点を当てる場合がありますが、行動理論では、強化は応答の確率の増加によって定義されます。

強化の研究により、再現可能な膨大な実験結果が生み出されています。強化は、特殊教育、応用行動分析、行動の実験分析における中心的な概念と手順であり、特に嗜癖、依存、強迫などの一部の医学モデルや精神薬理学モデルにおける中核概念です。

強化に関する実験室研究は、猫をパズルボックスから逃げ出させる実験で知られるエドワード・ソーンダイクの研究に遡ることが多い。 ^[6]この研究は他の研究者によっても続けられ、特にBF・スキナーは1938年にこのテーマに関する独創的な研究を『生物の行動』で発表し、その後の多くの出版物でこの研究を詳述した。^[7]特にスキナーは、行動の形成には罰よりも正の強化の方が優れていると主張した。^[8]罰は強化の正反対のように思えるかもしれないが、スキナーは、正の強化は（長期的）永続的な行動修正をもたらすのに対し、罰は（短期的）一時的にしか行動を変えず、多くの有害な副作用があるとして、両者は非常に異なると主張した。

その後、多くの研究者が強化についての理解を深め、スキナーの結論の一部に異議を唱えました。たとえば、アズリンとホルツは罰を「行動の将来の可能性を減らす行動の結果」と定義し^[9] 、いくつかの研究では、正の強化と罰は行動の修正に同等に効果的であることが示されています。^[要出典]正の強化、負の強化、罰の効果に関する研究は今日も続けられています。これらの概念は学習理論の基礎であり、その理論の多くの実用的な応用に当てはまるためです。

オペラント条件付けという用語は、スキナーが彼の実験パラダイムでは生物が環境に対して自由に作用できることを示すために導入されました。このパラダイムでは、実験者は望ましい反応を引き起こすことはできません。実験者は反応が発生するのを待ち (生物によって発せられる)、その後に潜在的な強化子が提供されます。古典的条件付けパラダイムでは、実験者は反射誘発刺激である無条件刺激(UCS)を提示し、それを中立刺激である条件刺激(CS) と対 (先行) にして、望ましい反応を引き起こします (誘発します)。

強化はオペラント条件付けにおける基本用語です。オペラント条件付けの罰の側面については、「罰 (心理学)」を参照してください。

正の強化は、望ましい出来事や刺激が行動の結果として提示され、この行動が同様の環境で現れる可能性が増すときに発生します。^{[10] ：253} たとえば、本を読むことが楽しい場合、その楽しさを経験することで、楽しい本を読むという行動が正に強化されます。正の強化を受けた人（つまり、本を読んで楽しいと感じた人）は、より多くの楽しみを得るために、より多くの本を読むでしょう。

高確率指導（HPI）治療は、正の強化の考えに基づいた 行動主義治療です。

負の強化は、嫌な状況や刺激を回避または逃避する行動の割合を増加させます。^{[10] ：252〜253}つまり、何か不快なことがすでに起こっており、その行動は人が不快さを回避または逃避するのに役立ちます。快い刺激を追加する正の強化とは対照的に、負の強化では、不快な状況や刺激の除去に焦点が当てられています。たとえば、誰かが不幸を感じている場合、嫌な状況（たとえば、不幸な感情）から逃れるために行動（たとえば、本を読む）に従事する可能性があります。^{[10] ：253} 不快な状況や刺激を除去する回避行動または逃避行動の成功は、行動を強化します。

ある行動が再び起こらないようにするため、または起こらないようにするために、人に不快なことをすることは罰であり、負の強化ではありません。^{[10] : 252}主な違いは、強化は常に行動の可能性を高める（例えば、退屈なときにチャンネルサーフィンをすると、一時的に退屈が緩和されるので、退屈なときにチャンネルサーフィンする機会が増える）のに対し、罰は行動の可能性を低下させる（例えば、二日酔いは不快な刺激であるため、人々はその不快な刺激につながる行動を避けることを学ぶ）ことです。

消去は、特定の行動が無視されたときに発生します（つまり、何の結果も伴いません）。行動は、継続的に強化を受けないと、時間の経過とともに消えます。意図的な消去中は、対象となる行動が最初に急増し（以前に強化された予想される効果を生み出そうとして）、その後、時間の経過とともに減少します。対象の行動に影響を与えるために、強化も消去も意図的である必要はありません。たとえば、子供が楽しいために本を読む場合、親が本を読むことを無視すると決定しても、子供が本を読むことから得る正の強化（つまり、楽しさ）がなくなることはありません。ただし、子供が親の注意を引くために行動に従事する場合、親がその行動を無視すると、その行動は消滅し、子供は親の注意を引くために別の行動を見つけるでしょう。

強化子は行動を増加させる働きをするのに対し、罰子は行動を減少させる働きをします。つまり、正の強化子は被験者が達成しようと努力する刺激であり、負の強化子は被験者が取り除くか終わらせるために努力する刺激です。^[11]以下の表は、強化と罰に関連して刺激（快刺激または嫌悪刺激）の追加と削減を示しています。

• 肯定的な強化と否定的な強化を区別するのは難しい場合があり、必ずしも区別する必要はないかもしれません。何が削除または追加され、それが行動にどのように影響するかに焦点を当てると、より役立ちます。
• ある人の行動を罰する出来事が、他の人の行動を強化することもあります。
• 一部の強化には、肯定的な特徴と否定的な特徴の両方が含まれることがあります。たとえば、麻薬中毒者は多幸感を高めるために麻薬を服用します (肯定的な強化)。また、禁断症状をなくすためにも麻薬を服用します (否定的な強化)。
• ビジネスの世界では、生産性を高めるために強化が不可欠です。従業員は、昇進やボーナスなどのプラスの刺激を受けられることで常にやる気を起こさせられます。また、嫌な仕事の排除などのマイナスの強化によってもやる気を起こさせられます。
• 負の強化は職場にとって短期的にはプラスの効果をもたらします（つまり、経済的に有益な行動を奨励します）。しかし、負の強化に過度に依存すると、労働者が創造的かつ積極的に行動して長期的に成長を生み出す能力が妨げられます。^[12]

一次強化子は、無条件強化子と呼ばれることもあり、強化子として機能するために別の刺激と対になる必要のない刺激であり、進化と種の存続における役割を通じてこの機能を獲得した可能性が高い。 ^[13]一次強化子の例には、食物、水、性別などがある。ある種の薬物などの一部の一次強化子は、他の一次強化子の効果を模倣することがある。これらの一次強化子は生涯を通じて、また個体間でかなり安定しているが、異なる一次強化子の強化値は複数の要因（遺伝、経験など）によって変化する。したがって、ある人はある種類の食物を好むが、別の人はそれを避けることがある。または、ある人は食物をたくさん食べるが、別の人はほとんど食べないことがある。したがって、食物はどちらの個人にとっても一次強化子であるが、強化子としての食物の価値は両者間で異なる。

二次強化子は条件付け強化子とも呼ばれ、強化子として機能する刺激と対になった後に強化子としての機能を獲得した刺激または状況です。この刺激は一次強化子の場合もあれば、別の条件付け強化子（お金など）の場合もあります。

人間の例で一次強化子と二次強化子を区別しようとするときは、「原始人テスト」を使用します。刺激が原始人が自然に好ましいと感じるもの (例: キャンディー) であれば、それは一次強化子です。一方、原始人がそれに反応しない場合 (例: ドル紙幣) は、二次強化子です。一次強化子と同様に、生物は二次強化子によって満足感と喪失感を経験できます。

• 一般化強化子とは、他の多くの強化子と対になって強化機能を獲得し、さまざまな動機づけ操作の下で強化子として機能する条件付け強化子である。（その一例は、他の多くの強化子と対になっているお金である）。^{[14] : 83}
• 強化子サンプリングでは、潜在的に強化的だが馴染みのない刺激が、以前の行動に関係なく生物に提示されます。
• 社会的に媒介された強化には、別の生物の行動を必要とする強化の提供が含まれます。たとえば、別の人が強化を提供します。
• プレマック原理は、デイヴィッド・プレマックによって詳述された強化の特殊なケースであり、非常に好まれる活動は、あまり好まれない活動の強化子として効果的に使用できることを述べています。^{[14] : 123}
• 強化階層とは、強化子として機能する可能性のある、最も望ましい結果から最も望ましくない結果までをランク付けした行動のリストです。強化階層は、さまざまな活動の相対的な頻度と望ましさを決定するために使用でき、プレマックの原則を適用するときによく使用されます。^{[引用が必要]}
• 条件付き結果は、条件なしの反応よりも行動を強化する可能性が高くなります。条件付き結果は、スイッチを切り替えるとライトが点灯するなど、原因となる行動に直接リンクされています。条件付き結果は強化を示すために必須ではありませんが、条件付きであると認識されると学習が促進される可能性があることに注意してください。
• 連続刺激とは、特定の行動と時間的、空間的に密接に関連した刺激です。連続刺激は、行動を学習するために必要な時間を短縮すると同時に、行動の消失に対する抵抗力を高めます。^[要出典]犬に座った直後に餌を与えることは、行動の後に餌を与えるのに数分の遅延を与えるよりも、行動と連続的であるため、行動を強化する可能性が高くなります。
• 非条件付き強化とは、その生物のいくつかの行動に対する強化因子として特定された刺激を、反応とは無関係に与えることを指す。しかし、これは通常、異常行動を維持すると特定された刺激を時間に基づいて与えることを意味し、これにより目標行動の速度が低下する。^[15]測定された行動が強化されていると特定されないため、非条件付き「強化」という用語の使用をめぐっては議論がある。^[16]

チャールズ・ファースターは1967年の論文『恣意的強化と自然強化』で、強化を、行動自体の自然な結果としてオペラント行動の頻度を増やすイベントと、被験者がセラピストから特定の行動に対して報酬を受けるトークンエコノミーなどの人間の仲介を必要とすることで頻度に影響を与えるイベントに分類することを提案しました。

1970 年、ベーアとウルフは「行動の罠」という概念を考案しました。^[17]行動の罠にはまるには単純な反応しか必要ありませんが、いったんはまると、一般的な行動の変化を生み出すためにその罠に抵抗することはできません。行動の罠を使うことで、その人の行動のレパートリーが自然に強化されるようになります。行動の罠には 4 つの特徴があります。

• 彼らは、生徒を罠に「誘い込む」望ましい強化子で「餌付け」されます。
• 罠に陥るには、すでにレパートリーにある、労力のかからない反応だけが必要です。
• 罠の中で相互に関連した強化の偶発性は、対象とするスキルを習得し、拡張し、維持する動機となる。^[18]
• 満腹感はほとんど見られないため、長期間にわたって効果が持続します。

したがって、人工的な強化は、一般化可能なスキルを構築または開発するために使用でき、最終的には、行動を維持または増加するための自然に発生する強化に移行します。別の例としては、特定の行動が特定の基準を満たすと、通常、その行動から生じる社会的状況があります。

行動は発せられるたびに必ず強化されるわけではなく、強化のパターンはオペラント反応が学習される速さ、特定の時点における反応率、強化が停止したときに反応がどのくらい継続するかに大きく影響します。強化を制御する最も単純なルールは、すべての反応が強化される継続的強化と、反応がまったく強化されない消去強化です。これらの両極端の間にある、より複雑な強化スケジュールは、反応の後にいつどのように強化子が続くかを決定するルールを指定します。

特定の強化スケジュールは確実に特定の反応パターンを誘発し、これらのルールは多くの異なる種に当てはまります。強化の一貫性と予測可能性の多様性は、異なるスケジュールがどのように機能するかに重要な影響を及ぼします。BFスキナーはハトを使って多くの単純および複雑なスケジュールを詳細に調査しました。

• 比率スケジュール- 強化は生物が実行した反応の数のみに依存します。
• 継続的強化（CRF） – 道具的反応（望ましい反応）が発生するたびに強化子が続く強化スケジュール。^{[14] : 86}

シンプルなスケジュールには、特定の応答に対して 1 種類の強化子がいつ配信されるかを決定する単一のルールがあります。

• 固定比率（FR）スケジュールでは、n回目の反応ごとに強化が行われます。^{[14] : 88} FR 1スケジュールはCRFスケジュールと同義です。
• 可変比率スケジュール（VR） – 平均してn番目の反応ごとに強化されるが、必ずしもn番目の反応で強化されるわけではない。^{[14] : 88}
• 固定間隔(FI) – n時間の経過後に強化されます。
• 可変間隔（VI） – 平均してn時間で強化されるが、必ずしも正確にn時間になるとは限らない。^{[14] ：89}
• 固定時間(FT) – 被験者が反応したかどうかに関係なく、最後の強化刺激の配信から固定された時間に強化刺激を提供します。つまり、非偶発的なスケジュールです。
• 可変時間(VT) - 被験者が反応したかどうかに関係なく、最後の強化からの平均可変時間で強化を提供します。

単純なスケジュールは多くの差別的強化^[19]手順で利用されている。

• 代替行動の差別的強化(DRA) - 望ましくない反応を消去状態に置いたり、まれに条件付き罰を与えたりすることで、望ましくない反応を減らし、同時に望ましい反応を条件付きで強化する条件付け手順。例としては、生徒が手を挙げたときだけ教師が注意を払い、生徒が叫んだときは無視するなどが挙げられます。
• 他の行動の差別的強化（DRO） - 省略訓練法としても知られる、参加者が目標反応以外の行動をとった場合にのみ、定期的に正の強化子が与えられる道具的条件付け法。例としては、鼻ほじり以外の手の動作を強化することが挙げられます。^{[14] : 338}
• 矛盾した行動の差別的強化（DRI） - 矛盾した反応を強化することで、頻繁に起こる行動を罰することなく減らすために使用します。例としては、鼻ほじりを減らすために拍手を強化することが挙げられます。
• 低反応率の差別的強化(DRL) – 低反応率を奨励するために使用されます。これは、時期尚早な反応によって行動間の必要な時間がリセットされる点を除けば、間隔スケジュールに似ています。
• 高率差別強化(DRH) – 高率の反応を高めるために使用されます。強化を受けるには、間隔内に最小限の反応数が必要である点を除けば、間隔スケジュールに似ています。

• 固定比率: 強化子が配信された後、活動が遅くなり、その後、次の強化子が配信されるまで応答率が上昇します (強化後の一時停止)。
• 可変比率: 応答速度が速く、安定しており、消滅に対して最も耐性があります。
• 固定間隔: 間隔の終わりに向かって反応が増加します。消滅に対する耐性は低くなります。
• 可変間隔: 安定した活動の結果、絶滅に対する耐性が良好です。
• 強化率が他の点では同様である場合、比率スケジュールは間隔スケジュールよりも高い応答率を生み出します。
• 可変スケジュールでは、ほとんどの固定スケジュールよりも高いレートと消去に対する大きな抵抗が生まれます。これは、部分強化消去効果 (PREE) としても知られています。
• 可変比率スケジュールは、最も高い反応率と、消去に対する最大の抵抗の両方を生み出します (たとえば、スロット マシンでのギャンブラーの行動)。
• 固定スケジュールは「強化後休止」（PRP）を生み出し、強化直後に反応が一時的に停止するが、この休止は以前の強化ではなく、次の反応要件に応じて行われる。^[20]
  • 固定間隔スケジュールの PRP の後には、しばしば「ホタテ貝型」の加速応答率が続きますが、固定比率スケジュールでは、より「角度のある」応答が生成されます。
    • 固定間隔スカロップ: 固定間隔強化スケジュールで発達する反応パターン。固定間隔でのパフォーマンスは、被験者の時刻の言い方の正確さを反映します。
• 強化スケジュールが「間引き」されている（つまり、強化前により多くの反応またはより長い待機時間を必要とする）生物は、間引きが速すぎると「比率ストレス」を経験する可能性があります。これにより、絶滅時に見られるのと似た行動が生じます。
  • 比率ストレス: 固定比率の応答要件が急速に増加した場合に発生する応答の中断。
  • 比率実行: 各比率要件を満たす、高く安定した応答率。通常、比率要件が高いほど、強化後の休止時間が長くなります。
• 部分強化スケジュールは、連続強化スケジュールよりも消去に対して耐性があります。
  • 比率スケジュールは間隔スケジュールよりも耐性が高く、可変スケジュールは固定スケジュールよりも耐性が高くなります。
  • 強化値の瞬間的な変化は行動の動的な変化につながる。^[21]

複合スケジュールは、同じ行動に対して同じ強化子を使用して、2 つ以上の異なる単純スケジュールを何らかの方法で組み合わせます。さまざまな可能性がありますが、最もよく使用されるものは次のとおりです。

• 代替スケジュール– 2つ以上の単純なスケジュールが有効で、最初に完了したスケジュールが強化される複合スケジュールの一種。^[22]
• 連結スケジュール– 2 つ以上の単純なスケジュールが互いに独立して有効であり、強化のためにはすべての単純なスケジュールの要件を満たす必要がある複雑な強化スケジュール。
• 複数のスケジュール– 2 つ以上のスケジュールが時間の経過とともに交互に実行され、刺激によってどのスケジュールが有効であるかが示されます。スケジュールが有効である間に応答要件が満たされると、強化が行われます。
• 混合スケジュール– 2 つ以上のスケジュールのいずれかが、どのスケジュールが有効であるかを示す刺激なしに発生することがあります。スケジュールが有効である間に応答要件が満たされると、強化が行われます。

• 

  同時スケジュール– 参加者が同時に利用可能な 2 つ以上の単純な強化スケジュールのいずれかを選択できる複雑な強化手順。生物はいつでも応答の選択肢を自由に切り替えられます。
• 同時連鎖強化スケジュール- 参加者が最初のリンク中に、2 番目のリンクで有効にするいくつかの単純な強化スケジュールを選択できる複雑な強化手順。選択が行われると、拒否された選択肢は次の試行の開始まで使用できなくなります。
• 連動スケジュール– 2 つのコンポーネントを持つ単一のスケジュールで、一方のコンポーネントの進行がもう一方のコンポーネントの進行に影響します。たとえば、連動 FR 60 FI 120-s スケジュールでは、各応答は間隔コンポーネントから時間を減算し、各応答は FI スケジュールから 2 秒を削除するのと「等しくなります」。
• 連鎖スケジュール– 2つ以上の連続したスケジュールが完了した後に強化が起こり、1つのスケジュールが完了して次のスケジュールが開始されたことを示す刺激が与えられる。
• タンデム スケジュール- 2 つ以上の連続したスケジュール要件が完了したときに強化が発生し、スケジュールが完了して次のスケジュールが開始されたことを示す刺激はありません。
• 高次スケジュール- 1 つのスケジュールの完了は 2 番目のスケジュールに従って強化されます。たとえば、FR2 (FI10 秒) では、応答が強化される前に 2 つの連続する固定間隔スケジュールが完了する必要があります。

心理学用語の「重なり合った強化スケジュール」は、 2 つ以上の単純な強化スケジュールが同時に機能する報酬構造を指します。強化子は、正、負、またはその両方になります。例として、長い一日の仕事を終えて家に帰ってくる人がいます。玄関のドアを開けるという行動は、配偶者の唇への大きなキスと、元気よく飛び跳ねる飼い犬によるズボンの破れによって報酬を得ます。重なり合った強化スケジュールの別の例として、実験用のケージに入れられたハトがボタンをつつくことが挙げられます。つつくと、20 回つつくごとに穀物の入ったホッパーが与えられ、200 回つつくごとに水が与えられます。

重畳強化スケジュールは、BF スキナーとその同僚による単純な強化スケジュールに関する初期の研究から発展した複合スケジュールの一種です(Skinner and Ferster、1957)。彼らは、強化子をスケジュールに従って提供できること、さらに生物はスケジュールが異なると異なる行動をとることを実証しました。食べ物や水などの強化子は、何らかの行動の結果として毎回提供されるのではなく、行動が複数回行われた後に提供することができます。たとえば、ハトはボタン スイッチを 10 回つついてから餌が現れます。これは「比率スケジュール」です。また、強化子は、ターゲット行動の後に一定の時間が経過した後に提供することもできます。例としては、最後のレバー押しから 2 分経過して最初の反応が起こった直後に餌のペレットを与えられるネズミが挙げられます。これは「間隔スケジュール」と呼ばれます。

さらに、比率スケジュールは、個体の一定または可変数の行動の後に強化をもたらすことができます。同様に、間隔スケジュールは、個体の単一の反応の後に一定または可変の時間間隔の後に強化をもたらすことができます。個々の行動は、強化スケジュールの作成方法に基づいて異なる反応率を生成する傾向があります。その後、多くの研究室で、スケジュール強化子の行動への影響が調査されました。

生物が同時に 2 つ以上の単純な強化スケジュールの中から選択する機会が与えられた場合、その強化構造は「並行強化スケジュール」と呼ばれます。Brechner (1974、1977) は、人間が漁業を乱獲したり熱帯雨林を破壊したりする場合のような社会的罠の実験室での類似性を作り出すために、重ね合わせた強化スケジュールの概念を導入しました。Brechner は、単純な強化スケジュールが互いに重ね合わされた状況を作り出しました。言い換えると、生物による単一の応答または一連の応答が複数の結果につながったということです。並行強化スケジュールは「または」スケジュールと考えることができ、重ね合わせた強化スケジュールは「および」スケジュールと考えることができます。Brechner と Linder (1981) および Brechner (1987) は、この概念を拡張して、重ね合わせたスケジュールと社会的罠の類似性を使用して、システム内のエネルギーの流れ方を分析する方法を説明しました。

重ね合わせた強化スケジュールは、社会的罠を生み出すこと以外にも、現実世界で多くの応用があります。単純な強化スケジュールを重ね合わせることで、さまざまな個人および社会状況を作り出すことができます。たとえば、ある人間が同時にタバコとアルコール中毒になる可能性があります。2 つ以上の同時スケジュールを重ね合わせることで、さらに複雑な状況を作り出したり、シミュレートしたりできます。たとえば、高校 3 年生は、スタンフォード大学と UCLA のどちらに行くかを選択できると同時に、陸軍と空軍のどちらに行くかを選択でき、さらに同時に、インターネット企業に就職するかソフトウェア企業に就職するかを選択することもできます。これは、3 つの同時強化スケジュールを重ね合わせた強化構造です。

重ね合わせた強化スケジュールは、クルト・ルーヴィン（1935）によって説明された3つの典型的な対立状況（接近-接近対立、接近-回避対立、回避-回避対立）を作り出すことができ、彼の力場分析によって分析された他のルーヴィン状況を操作化することができます。分析ツールとしての重ね合わせた強化スケジュールの使用の他の例としては、家賃統制の偶発性への応用（Brechner、2003）やロサンゼルス郡の雨水排水システムへの有毒廃棄物投棄の問題（Brechner、2010）があります。

オペラント条件付けにおいて、同時強化スケジュールとは、動物の被験者または人間の参加者が同時に利用できる強化スケジュールであり、被験者または参加者はどちらのスケジュールでも応答できます。たとえば、2 択強制選択タスクでは、スキナー ボックス内のハトは2 つのつつきキーに直面します。どちらでもつつき応答でき、どちらをつついた後でも食物強化が行われる可能性があります。2 つのキーをつつくように調整された強化スケジュールは異なる場合があります。それらは独立している場合もあれば、1 つのキーでの行動が他のキーでの強化の可能性に影響を与えるようにリンクされている場合もあります。

2 つのスケジュールに対する応答が物理的に異なる必要はありません。Findley が 1958 年に導入した同時スケジュールを配置する別の方法では、両方のスケジュールが 1 つのキーまたはその他の応答デバイスに配置され、被験者は 2 番目のキーに応答してスケジュールを切り替えることができます。このような「Findley 同時」手順では、刺激 (たとえば、メイン キーの色) によって、どのスケジュールが有効であるかが示されます。

同時スケジュールでは、キーが急速に切り替わることがよくあります。これを防ぐために、一般的に「切り替え遅延」が導入されます。つまり、被験者がスケジュールを切り替えた後、各スケジュールは短時間非アクティブになります。

同時スケジュールの両方が可変間隔である場合、 2つのスケジュールの相対的な反応率とそれらがもたらす相対的な強化率の間には、マッチング法則と呼ばれる定量的な関係が見られます。これは、 1961年にRJ Herrnsteinによって初めて観察されました。マッチング法則は、特定の反応選択肢に対する相対的な反応率が、その反応に対する相対的な強化率に等しい（行動率=強化率）という道具的行動のルールです。動物と人間は、スケジュールの選択を好む傾向があります。^[23]

シェーピングとは、望ましい道具的反応への連続的な近似を強化することである。例えば、ラットにレバーを押すように訓練する場合、最初は単にレバーの方に向くことだけが強化される。次に、レバーに向かって向きを変えて歩くことだけが強化される。最終的に、ラットはレバーを押すことが強化される。1つの行動の達成に成功すると、次の行動のシェーピングプロセスが開始される。訓練が進むにつれて、反応は次第に望ましい行動に近づき、後続の行動はそれぞれ最終的な行動に近づく。^[24]

シェーピング介入は多くの訓練場面で使用されており、自閉症やその他の発達障害を持つ人にも使用されています。シェーピングを機能的コミュニケーション訓練（FCT）などの他の証拠に基づく実践と組み合わせると、^[25]人間の行動に良い結果をもたらすことができます。シェーピングでは通常、連続強化が使用されますが、後で断続的な強化スケジュールに反応を切り替えることができます。

シェイピングは食物拒否にも使用されます。^[26]食物拒否とは、個人が食物に対して部分的または完全な嫌悪感を抱いている状態です。これは、好き嫌いが多いという程度の軽微なものから、個人の健康に影響を与えるほど重篤なものまであります。シェイピングは、食物受容において高い成功率を得るために使用されています。^[27]

連鎖とは、個別の行動を連続的にリンクさせることで、各行動の結果が前の行動の強化と次の行動の先行刺激の両方になるようにすることです。連鎖を教える方法は多数あり、たとえば、順方向連鎖 (連鎖の最初の行動から開始)、逆方向連鎖 (最後の行動から開始)、およびトータル タスク連鎖 (連鎖の各行動を同時に教える) などがあります。人々の朝の日課は典型的な連鎖であり、一連の行動 (シャワーを浴びる、体を拭く、服を着るなど) が、よく学習された習慣として順番に発生します。

自閉症やその他の関連障害を持つ人に見られる困難な行動は、連鎖強化スケジュールを使用した研究でうまく管理され、維持されています。^[28]機能的コミュニケーショントレーニングは、連鎖強化スケジュールを使用して、適切で望ましい機能的コミュニケーション応答を効果的に促進する介入です。^[29]

強化の数学的モデルを構築する研究が行われてきました。このモデルはMPR（強化の数学的原理）として知られています。ピーター・キリーンはハトに関する研究でこの分野で重要な発見をしました。^[30]

強化と罰は人間の社会的相互作用において遍在しており、オペラント原理の応用は数多く提案され、実施されてきました。以下にいくつかの例を示します。

正の強化と負の強化は、依存症や薬物依存の発症と維持において中心的な役割を果たしている。依存性薬物は本質的に報酬を与える。つまり、薬物使用の主要な正の強化子として機能する。脳の報酬系は、薬物にインセンティブの顕著性（つまり、「望まれる」または「望まれる」）を割り当てるため、^{[31] [32] [33]}依存症が進行するにつれて、薬物が不足すると渇望が生じる。さらに、薬物使用に関連する刺激（注射器の光景や使用場所など）は、薬物によって誘発される強力な強化と関連付けられるようになる。^{[31] [32] [33]}以前は中立であったこれらの刺激は、いくつかの特性を獲得する。その外観は渇望を誘発し、継続使用の条件付けされた正の強化子になる可能性がある。^{[31] [32] [33]}したがって、依存症患者がこれらの薬物のきっかけの 1 つに遭遇すると、関連する薬物への渇望が再び現れる可能性がある。たとえば、麻薬撲滅機関は以前、麻薬使用の危険性を示すために、麻薬関連器具の画像が入ったポスターを使用していました。しかし、ポスターに描かれた刺激を見ると 再発を引き起こすという誘因の顕著性の影響により、そのようなポスターは使用されなくなりました。

薬物依存者の場合、薬物離脱中に生じる身体的依存（震えや発汗など）や心理的依存（快楽消失、落ち着きのなさ、易怒性、不安など）の症状を軽減または「逃れる」ために薬物を自己投与すると、負の強化が起こる。^[31]

動物の調教師やペットの飼い主は、オペラント条件付けの考え方が命名され研究されるずっと前から、この原理と実践を適用しており、動物の調教は今でもオペラント制御の最も明確で説得力のある例の 1 つを提供しています。この記事で説明されている概念と手順のうち、最も顕著なものをいくつか挙げると、即時強化の利用可能性 (例: 常にある犬用のおやつ袋)、コンティンジェンシー (強化が望ましい行動に続いており、他の行動には続かないようにする)、二次強化の使用 (望ましい反応の直後にクリッカーを鳴らすなど)、シェイピング (犬が徐々に高くジャンプするようにするなど)、断続的強化 (おやつを与える頻度を減らして飽きることなく持続的な行動を誘発する)、連鎖 (複雑な行動が徐々に組み立てられる) などです。^[34]

適切な子供の行動に対して肯定的な強化を与えることは、親の管理トレーニングの主な焦点です。通常、親は適切な行動に対して、社会的報酬（賞賛、笑顔、抱擁など）と具体的な報酬（子供と協力して作成したインセンティブシステムの一部として、より大きな報酬につながるステッカーやポイントなど）を通じて報いることを学びます。^[35]さらに、親は最初の焦点として単純な行動を選択し、子供がより大きな目標に到達するために達成する小さなステップごとに報酬を与えることを学びます（この概念は「逐次近似」と呼ばれます）。^{[35] [36]親は、}進捗チャートなどの間接的な報酬を使用する場合もあります。教室で肯定的な強化を提供することは、生徒の成功に有益です。生徒に肯定的な強化を適用するときは、その生徒のニーズに合わせて個別化することが重要です。このようにして、生徒はなぜ賞賛を受けているのかを理解し、それを受け入れ、最終的には肯定的な強化によって得られた行動を続けることを学びます。たとえば、報酬や追加の休憩時間の使用は、一部の生徒にはより効果的かもしれませんが、他の生徒は賞賛を示すステッカーやチェックマークをもらうことで強制を受け入れるかもしれません。

心理学者と経済学者の両方が、オペラント理論の概念と発見を市場における人間の行動に適用することに興味を持つようになった。一例として、購入される商品の量で指標化された消費者需要の分析が挙げられる。経済学では、価格が消費に影響を与える度合いを「需要の価格弾力性」と呼ぶ。特定の商品は他の商品よりも弾力性が高い。たとえば、特定の食品の価格の変化は購入量に大きな影響を与える可能性があるが、ガソリンやその他の必需品は価格の変化の影響をあまり受けない可能性がある。オペラント分析の観点から、このような効果は消費者の動機と強化子としての商品の相対的価値の観点から解釈できる。^[37]

この記事の冒頭で述べたように、可変比率スケジュールは、予測できない数の反応を発した後に強化をもたらします。このスケジュールは通常、迅速で持続的な反応を生み出します。スロットマシンは可変比率スケジュールで支払いを行い、ギャンブラーにまさにこの種の持続的なレバー引き行動を引き起こします。スロットマシンは、受け取る金額よりも少ない金額を支払うようにプログラムされているため、スロットマシンを継続的に使用するユーザーは、長期的には必ず負けます。スロットマシン、つまり可変比率強化は、ギャンブル依存症の根底にある要因として非難されることがよくあります。^[38]

人間における行動強化の手段としての賞賛の概念は、BF スキナーのオペラント条件付けモデルに根ざしている。このレンズを通して、賞賛は、観察された行動が、その行動を条件付きで賞賛することによって起こりやすくなるという、正の強化の手段とみなされてきた。^[39] 何百もの研究が、肯定的な行動を促進する賞賛の有効性を実証しており、特に、教師と親が子供の行動と学業成績の改善を促進するために賞賛を使用する研究で実証されているが、^{[40] [41]}また、仕事のパフォーマンスの研究でも実証されている。^[42]賞賛はまた、代理強化を通じて、賞賛されていない近隣の個人（賞賛を受ける人のクラスメートなど）の肯定的な行動を強化することも実証されている。^[43]賞賛は、その形式、内容、伝え方によって、行動を変える効果が増減する可能性がある。賞賛が肯定的な行動の変化をもたらすためには、賞賛は肯定的な行動を条件とするもの（すなわち、目標とする行動が実行された後にのみ与えられる）でなければならず、強化されるべき行動の詳細を特定し、誠実かつ信憑性を持って伝えられなければならない。^[44]

賞賛が肯定的な強化戦略として効果があることを認め、多くの行動および認知行動介入が賞賛の使用をプロトコルに取り入れてきました。^{[45] [46]賞賛の戦略的な使用は、学級経営[45]}と子育て訓練介入^[41]の両方において証拠に基づく実践として認識されていますが、介入研究では賞賛は戦略的注意や行動報酬などの戦略を含むより大きなカテゴリーの肯定的な強化にしばしば組み込まれています。

トラウマティックボンディングは、虐待の継続的なサイクルの結果として発生し、報酬と罰の断続的な強化によって、変化に抵抗する強力な感情的な絆が形成されます。^{[47] [48]}

他の情報源によると、 ^[49] 「トラウマ的な絆を形成するために必要な条件は、一方が他方を支配し、虐待のレベルが慢性的に急上昇し、その後鎮静化することです。この関係は、支配的な人物からの寛容で、同情的で、愛情深い行動の期間と、断続的な激しい虐待のエピソードによって特徴付けられます。加害者は優位性を維持するために、被害者の行動を操作し、力の不均衡を永続させるために被害者の選択肢を制限します。支配と服従のバランスに対するいかなる脅威も、怒りをぶちまける脅迫から激しい暴力の爆発に至るまで、エスカレートする懲罰のサイクルで対処される可能性があります。」加害者は被害者を他の支援源から孤立させ、それが発見や介入の可能性を減らし、被害者が相殺する自己言及的フィードバックを受け取る能力を損ない、一方的な依存感を強める...これらの虐待的な関係のトラウマ的影響には、被害者の正確な自己評価能力の障害が含まれる可能性があり、その結果、個人的な不十分さの感覚や支配的な人物への従属的な依存感につながります。被害者はまた、たとえ自分自身が攻撃の受け手であったとしても、攻撃的な行為を行った人との感情​​的および行動的なつながりから生じるさまざまな不快な社会的および法的結果に遭遇する可能性があります。

ほとんどのビデオゲームは、ある種の強迫ループを中心に設計されており、変動レートスケジュールを通じて一種の正の強化を追加して、プレイヤーがゲームをプレイし続けるようにしますが、これもビデオゲーム依存症につながる可能性があります。^[50]

2010年代のビデオゲームの収益化のトレンドの一環として、一部のゲームでは、ゲーム内アイテムをランダムに選択してレア度別に配布する「ルートボックス」を報酬として、または現実世界の資金で購入できる形で提供していました。この慣行は、変動レートスケジュールに従うため、スロットマシンやその他のギャンブル機器が報酬を分配するのと同じ方法に関連付けられています。ルートボックスはギャンブルの一種であるという一般的な認識がありますが、この慣行は、ギャンブルとして分類され、それ以外は合法である国はわずかです。しかし、これらのアイテムをオンラインギャンブルの仮想通貨として使用したり、現実世界のお金と交換したりする方法により、法的評価を受けているスキンギャンブル市場が生まれました。^[51]

行動強化の標準的な定義は、反応の強さは強化によって増加すると主張し、強化を反応の強さを増加するものと定義している（つまり、反応の強さは反応の強さを増加するものによって増加する）ため、循環的であると批判されてきた。しかし、強化の正しい用法^{[52]は、行動に影響を及ぼす}から強化子であるということであり、その逆ではない。特定の刺激が行動を強化するのはそれが強化子だからであり、なぜ刺激が行動にそのような効果をもたらすのかを説明していない場合、循環的になる。FD シェフィールドの「反応に依存する完了的行動」など、他の定義も提案されているが、これらは心理学で広く使用されているわけではない。^[53]

強化子の役割に関する理解は、「強化」効果から「シグナリング」効果へとますます移行しつつある。^[54]つまり、強化子は強化につながる可能性のある行動をシグナリングするため、反応を増加させるという見方である。ほとんどの実際の応用では、強化子がシグナリングであるか強化であるかに関係なく、特定の強化子の効果は同じであるが、このアプローチは、断続的な強化スケジュール（固定間隔スカロップ）に対する反応のパターンや差異的結果効果など、多くの行動現象を説明するのに役立つ。^[55]

^[1]

• オンラインのポジティブ強化チュートリアル
• Scholarpedia 強化
• scienceofbehavior.com 2011年10月2日アーカイブ、Wayback Machine