Condicionamiento operante: los 4 casos de Skinner

1. Para cada caso me hago dos preguntas en este orden. Primera: ¿la consecuencia AÑADE algo (positivo) o QUITA algo (negativo)? Segunda: después de la consecuencia, ¿la conducta AUMENTA (refuerzo) o DISMINUYE (castigo)?
2. a) La crema quita la quemadura, un estímulo desagradable: es negativo. La conducta de ponerse crema aumenta: es refuerzo. Por tanto, refuerzo negativo.
3. b) La amonestación añade un estímulo desagradable: es positivo. Los retrasos disminuyen: es castigo. Por tanto, castigo positivo.
4. c) El punto extra añade un estímulo agradable: es positivo. Recoger aumenta: es refuerzo. Por tanto, refuerzo positivo.
5. d) La retirada quita algo agradable, la moto: es negativo. La velocidad disminuye: es castigo. Por tanto, castigo negativo.
6. Comprobación final: en a) y en c) la conducta aumenta aunque en un caso se quite algo y en el otro se añada. Positivo y negativo no significan agradable y desagradable, sino solamente añadido y quitado.

Resultado: a) refuerzo negativo; b) castigo positivo; c) refuerzo positivo; d) castigo negativo

1. a) Falso. Es el error más frecuente de todo el tema. El refuerzo, sea positivo o negativo, siempre hace AUMENTAR la conducta; el castigo siempre la hace DISMINUIR. El refuerzo negativo aumenta la conducta quitando algo desagradable, por ejemplo tomar un analgésico porque se pasa el dolor de cabeza.
2. b) Verdadero. El refuerzo y el castigo se definen por su efecto, no por la intención de quien los aplica. Una bronca que no reduce la conducta no es un castigo, y si el niño buscaba atención puede incluso haber funcionado como refuerzo positivo.
3. c) Falso. Los reforzadores primarios satisfacen necesidades biológicas (comida, agua, calor). El dinero es un reforzador secundario o condicionado: su valor se aprende por asociación con lo que permite conseguir.
4. d) Falso. Esa es la descripción del condicionamiento clásico. En el operante la respuesta es voluntaria y la emite el sujeto, que actúa sobre el ambiente.

Resultado: a) Falso (el refuerzo siempre aumenta la conducta); b) Verdadero; c) Falso (es secundario o condicionado); d) Falso (eso es el condicionamiento clásico)

1. En el escape la conducta hace cesar un estímulo desagradable YA PRESENTE. En a) el pitido ya está sonando: es escape.
2. En la evitación la conducta impide que el estímulo desagradable aparezca. En b) el pitido no llega a sonar: es evitación.
3. En c) quedarse en casa impide la exposición: también es evitación, pero de base emocional.
4. Los tres son refuerzo negativo, porque en los tres casos la conducta aumenta y lo que sigue es la retirada, o la no aparición, de algo desagradable.
5. El caso c) resiste a la extinción por un motivo concreto: Hugo nunca se expone a la situación, así que nunca descubre que el resultado temido podría no producirse. La evitación se autoconfirma, porque cada vez que funciona parece darle la razón.
6. Comprobación: si una conducta impide recoger la información que la desmentiría, ninguna prueba en contra puede llegar. Es el mismo motivo por el que las conductas de evitación mantienen las fobias.

Resultado: a) escape; b) evitación; c) evitación. Los tres son refuerzo negativo. El tercero es el más resistente porque la evitación impide comprobar que la consecuencia temida no se produciría, de modo que la asociación nunca se desmiente.

1. Primero distingo el eje razón/intervalo: ¿el refuerzo depende del NÚMERO de respuestas (razón) o del TIEMPO transcurrido (intervalo)? Después el eje fijo/variable: ¿la regla es constante o oscila alrededor de una media?
2. a) El plus depende del número de piezas y siempre son 50: razón fija (RF 50).
3. b) Depende del número de jugadas, pero ese número oscila alrededor de 30: razón variable (RV 30).
4. c) Depende solo del tiempo, siempre el mismo: intervalo fijo (IF de un mes).
5. d) Cada respuesta se refuerza: refuerzo continuo (RC).
6. e) Depende de un tiempo de espera imprevisible: intervalo variable (IV).
7. Para el orden aplico dos reglas. Los programas VARIABLES resisten más que los fijos, porque el sujeto no puede prever cuándo dejará de llegar el refuerzo y sigue respondiendo. Los programas de RAZÓN producen tasas más altas que los de intervalo, porque responder más deprisa acerca de verdad el refuerzo siguiente.
8. Orden resultante, del más resistente al menos: b (RV), e (IV), a (RF), c (IF), d (RC). El refuerzo continuo se extingue antes que ninguno, porque bastan unas pocas respuestas sin refuerzo para que el cambio resulte evidente.

Resultado: a) razón fija; b) razón variable; c) intervalo fijo; d) refuerzo continuo; e) intervalo variable. Orden de resistencia a la extinción: b, e, a, c, d.

1. Refuerzos de A: en RF 20 llega un refuerzo cada 20 picotazos, así que 1840 entre 20 = 92 refuerzos.
2. Refuerzos de B: en RV 20 la razón es 20 de media, así que el número esperado es 2100 entre 20 = 105 refuerzos.
3. Tasa de A: 1840 picotazos entre 30 minutos = 61,3 picotazos por minuto.
4. Tasa de B: 2100 picotazos entre 30 minutos = 70 picotazos por minuto.
5. Diferencia porcentual: (2100 menos 1840) entre 1840 = 260 entre 1840 = 0,1413, es decir, un 14,1 por ciento más.
6. Predicción sobre la extinción: resiste más B. En RF 20, veinte o treinta picotazos sin comida son una señal clara de que algo ha cambiado; en RV 20, las rachas largas sin refuerzo forman parte de la normalidad del programa, así que la paloma no tiene forma de detectar enseguida la retirada.
7. Comprobación de coherencia: las dos tasas son altas, como cabe esperar en los programas de razón, y la de B lo es aún más porque en el variable falta la pausa que suele seguir a cada refuerzo en la razón fija.

Resultado: A: 92 refuerzos y 61,3 picotazos por minuto. B: 105 refuerzos y 70 picotazos por minuto. B responde en torno a un 14,1 por ciento más. En extinción resiste más B, porque en la razón variable las pausas sin refuerzo son indistinguibles de las pausas normales del programa.

1. El problema es que el refuerzo solo puede actuar sobre una conducta ya emitida. Si espero a la conducta final no la veré nunca, así que refuerzo conductas cada vez más parecidas a ella: es el moldeamiento por aproximaciones sucesivas.
2. Primera aproximación: refuerzo cada vez que el perro se acerca a la puerta. Cuando lo haga a menudo, dejo de reforzar el simple acercamiento.
3. Segunda aproximación: refuerzo solo si entra en contacto con la zona de la campanilla, por ejemplo olfateándola.
4. Tercera aproximación: refuerzo solo si la toca con el hocico o con la pata, aunque no suene.
5. Cuarta aproximación: refuerzo solo cuando la campanilla suena de verdad. Quinta y última: refuerzo solo si suena y después se dirige a la puerta.
6. Primer detalle, el tiempo: el refuerzo debe llegar en un par de segundos. Si me retraso, corro el riesgo de reforzar la conducta emitida MIENTRAS TANTO, por ejemplo darse la vuelta, y no la que quería.
7. Segundo detalle, el programa: durante la adquisición uso refuerzo continuo, porque es la forma más rápida de hacer subir la conducta. Cuando ya es estable paso a una razón variable, porque el continuo se extingue muy deprisa en cuanto se acaban los premios.

Resultado: Aproximaciones: acercarse a la puerta, tocar la zona de la campanilla, tocar la campanilla, hacerla sonar, hacerla sonar y dirigirse a la puerta. El refuerzo debe darse en pocos segundos, si no se refuerza otra conducta. Se usa refuerzo continuo en la adquisición y se pasa a razón variable para hacer la conducta resistente a la extinción.

1. Situación de partida: el lloriqueo produce el capítulo, así que se mantiene por refuerzo positivo. El capítulo es la consecuencia que lo hace más probable.
2. Al dejar de dar el capítulo, los padres han iniciado la extinción: la conducta se emite pero ya no le sigue la consecuencia que la mantenía.
3. El aumento de las dos primeras noches se llama estallido de extinción. Es un efecto típico y temporal: cuando lo que funcionaba deja de funcionar, la primera reacción es intentarlo más fuerte y más veces, a menudo con respuestas emocionales o agresivas.
4. El estallido es la fase en la que la extinción parece fracasar, pero es precisamente la señal de que el procedimiento está actuando. Si los padres hubieran aguantado, la curva habría bajado las noches siguientes.
5. Al ceder una sola vez hicieron, sin embargo, lo peor posible: convirtieron el refuerzo continuo en un refuerzo intermitente de razón variable y, además, reforzaron la versión más intensa de la conducta.
6. Consecuencia previsible: como en el ejercicio de la tragaperras, la razón variable es el programa más resistente a la extinción. Ahora el niño ha aprendido que insistir el tiempo suficiente acaba funcionando.
7. Qué deberían haber hecho: mantener la extinción sin excepciones y acompañarla del refuerzo de una conducta alternativa, por ejemplo prestar atención cuando Tomás pide con calma o acepta un no.

Resultado: El lloriqueo se mantenía por refuerzo positivo; al retirar el capítulo los padres iniciaron la extinción. El aumento de las dos primeras noches es el estallido de extinción, temporal y normal. Al ceder en el pico desplazaron la conducta a un programa de razón variable, el más resistente a la extinción, reforzando además su forma más intensa.

1. Primera limitación del castigo: suprime una conducta pero no enseña ninguna en su lugar. El alumno aprende qué no hacer, no qué hacer, así que en cuanto el castigo no está disponible el repertorio anterior sigue siendo el único que tiene.
2. Segunda limitación, que explica el dato de los sustitutos: la supresión queda ligada a las condiciones en que se administró el castigo. La profesora se convierte en un estímulo discriminativo que señala cuándo la conducta será castigada. Fuera de esa condición la conducta reaparece, porque en realidad no había desaparecido.
3. Primer efecto secundario, la evitación: faltar a clase se mantiene por refuerzo negativo, porque sustrae al alumno de la situación punitiva. El castigo ha creado así una conducta nueva y peor que la de partida.
4. Segundo efecto secundario, las respuestas emocionales condicionadas: el aula y la asignatura se asocian repetidamente a un estímulo desagradable y, por condicionamiento clásico, acaban provocando ansiedad por sí solas.
5. Tercer efecto secundario, el ambiente tenso: el castigo tiende a producir hostilidad y agresividad hacia quien lo administra, y además ofrece un modelo de conducta basado en el control aversivo.
6. Procedimiento alternativo. Defino la conducta deseada en términos observables, por ejemplo levantar la mano para intervenir y trabajar en silencio en los tiempos asignados.
7. Aplico el refuerzo diferencial de una conducta alternativa: refuerzo de forma sistemática la conducta deseada (atención, reconocimiento público, puntos en una economía de fichas) y pongo en extinción la conversación retirándole la atención que a menudo la mantiene.
8. Uso refuerzo continuo al principio y paso después a una razón variable para que la conducta nueva sea duradera.
9. Por qué debería funcionar mejor: construye un repertorio alternativo en vez de limitarse a bloquear uno, no produce evitación ni emociones condicionadas negativas y no depende de la presencia de quien castiga, porque la conducta alternativa se refuerza también en otros contextos.

Resultado: El castigo suprime sin enseñar una alternativa y liga la supresión a la presencia de quien castiga, que se convierte en estímulo discriminativo: de ahí la conducta con los sustitutos. Los tres efectos secundarios son la evitación (las faltas, mantenidas por refuerzo negativo), las respuestas emocionales condicionadas hacia el aula y la asignatura, y la hostilidad hacia la profesora. La alternativa es el refuerzo diferencial de la conducta deseada junto con la extinción de la conversación, con refuerzo continuo al inicio y razón variable después.

1. Entregas en 10 minutos: 10 minutos son 600 segundos, así que 600 entre 15 = 40 entregas por sesión.
2. Mecanismo: la comida llega a tiempo fijo y no depende de la conducta, pero la paloma está haciendo algo en el instante en que aparece. Esa conducta se refuerza por pura coincidencia temporal: se llama refuerzo accidental o adventicio.
3. Una vez reforzado, ese movimiento se vuelve más probable, con lo que tiene más posibilidades de estar en curso en la entrega siguiente, y vuelve a reforzarse. El círculo se autoalimenta y la respuesta se estabiliza.
4. Por qué resiste: desde el punto de vista del animal la conducta funciona siempre, porque la comida sigue llegando. No existe ninguna prueba capaz de desmentir la asociación, y la relación aparente es además irregular respecto a la respuesta, de modo que se parece a un programa de razón variable, el más resistente a la extinción.
5. Traslado al caso humano: es el mismo esquema de los rituales de la suerte antes de un examen o de la secuencia fija de gestos de un jugador antes del lanzamiento. El resultado positivo ocasional coincide con un gesto y lo consolida.
6. Limitación de la interpretación: en 1971 Staddon y Simmelhag reanalizaron el experimento y observaron que muchos de esos movimientos no eran casuales. Eran conductas típicas de la especie ligadas a la espera de comida, las llamadas conductas interinas y terminales, que aparecen en puntos previsibles del intervalo.
7. Conclusión prudente: el refuerzo accidental sigue siendo una explicación plausible de muchas supersticiones, pero el caso de las palomas muestra que las restricciones biológicas de la especie contribuyen a determinar qué conductas aparecen.

Resultado: 40 entregas en 10 minutos. La conducta nace por refuerzo accidental: lo que el animal está haciendo en el momento de la entrega se refuerza por coincidencia y se vuelve más probable, lo que activa un círculo que se autoalimenta. Resiste porque la comida sigue llegando de todos modos y nada puede desmentir la asociación, que se parece a una razón variable. La limitación es el reanálisis de Staddon y Simmelhag de 1971: muchos de esos movimientos son conductas típicas de la especie ligadas a la espera de comida, no respuestas casuales.