Kuidas koerad õpivad ehk veidike juttu õppimise veeranditest

Otsisin eesti keeles mõnda head kokkuvõtvat artiklit operantsest tingimisest ehk õppimisteooriast ja leidsin ka (näiteks siin ja siin). Samas mõtlesin, et ehkki see on treenerite jaoks täiesti läbileierdatud teema, on see samas keskmisele koeraomanikule tavaliselt raskesti arusaadav ja hirmus kuiv teooria. Kuna ma ka ise kasutan pidevalt mõisteid positiivne preemia, positiivne karistus, +r jne siis ma tunnen, et peaksin ka siin selgitama, mida mingi mõiste tähendab.
Vastavalt B. F. Skinneri teadustööle, jagatakse kõik võimalikud õppimise viisid neljaks nö veerandiks (quadrants, kvadraadid), mis kehtivad kõigile elusolenditele (inimesed ja koerad õpivad samade põhimõtete alusel). Lihtsustatult on nad sellised:
   
Nagu näha juurdelisatud skeemilt, siis sõnu positiivne ja negatiivne kasutatakse selles kontekstis matemaatiliste terminitena, mitte nende sõnade emotsionaalses tähenduses. See tekitab tihti inimestes segadust, sest arvatakse, et positiivne karistus võiks olla midagi toredat ning negatiivne karistus midagi ülimalt ebameeldivat. Segaduse vähendamiseks toon allpool mõned näited igast veerandist.

Positiivne karistus, ehk ebameeldiva aistingu lisamine (ingl. k +r ehk positive punishment):

• Koer hüppab inimesele peale, inimene paneb põlve ette ja koer saab haiget. Pealehüppamise sagedus väheneb.

• Koer uriseb inimese peale, inimene sakutab koera. Urisemise sagedus väheneb.

• Koer üritab väljuda aiast ja saab spetsiaalse kaelarihma kaudu elektrilöögi. Aiast väljumise sagedus väheneb.

Koera tegevusele järgneb ebameeldiv tagajärg, mida ta hiljem püüab oma käitumist muutes edaspidi vältida. Kõigist neljast käitumise motiveerimise viisist (motiveerimine võib olla nii meeldiv kui ka ebameeldiv) on positiivne karistamine (ebameeldiva aistingu lisamine) üks riskantsemaid variante koera õpetamiseks, sest nõuab tohutult head tehnilist oskust, planeerimist ja järjepidevust. Selleks, et karistus toimiks efektiivselt, peab see olema:
a) Karistus peab olema täpselt õige intensiivsusega (liiga õrn karistus ei anna tulemust, vaid kasvatab resistentsust, liiga tugev karistus on väärkohtlemine).
b) Karistus peab olema täpselt ajastatud (sekundi murdosa vale ajastuse korral võib koer seostada karistuse hoopis teise käitumisega, kui meie ootasime/soovisime).
c) Karistusele peab eelnema selge hoiatus, et koer oskaks seda järgmisel korral vältida (vastasel korral ei ole tegemist õpetamise, vaid jällegi väärkohtlemisega- koer ei tea kuidas karistust vältida).
d) Karistust rakendades peab olema äärmiselt järjekindel- kui üks kord koer saab sama asja eest karistada ja teine kord mitte, siis ta ei õpi, et karistus ja tema käitumine on omavahel seoses.
e) Karistus ei näita koerale, milline on soovitud käitumine.
f) Kui karistust viib läbi koera omanik, võib kannatada usalduslik suhe koera ja omaniku vahel ja seeläbi koera tahe koostööd teha võib väheneda.
g) Koer võib seostada karistuse hoopis vale asjaga- näiteks karistades koera tuppa pissimise ajal pissimise eest, võib koer näha see moment tuppa astuvat teist koera ja seostada karistuse hoopis temaga. Tulemuseks on et koer pissib tuppa edasi aga hakkab kartma teist koera, eriti siis kui ta näeb seda teist koera kui ta ise parasjagu pissib.
h) Aeglane sooritus ja õpitud abitus- karistust kartev koer töötab aeglaselt, metoodiliselt ja ettevaatlikult, sest ta kardab eksida. Õpitud abituse seisundis koer kiilub nö kinni, kuna ta ei julge proovida iseseisvalt lahendust leida (kartuses, et äkki tema pakutav vastus on vale ja ta saab karistada). Kui koera karistatakse tema hirmude eest, siis ta hakkab rohkem kartma  oma hirmuobjekte ja see omakorda teeb tal ainult sooritusele keskendumise raskemaks.
i) Karistust rakendades peab olema õiglane- kui koer käitub valesti, sest ta ei oska või ei suuda õigesti käituda, siis ta ei saa karistust vältida ja jällegi on tegemist väärkohtlemisega. Näiteks selleks, et koer õpiks selgeks käskluse „istu“, tuleb seda järk-järgult kriteeriumeid tõstes õpetada. Kui ta saab toas istumise selgeks, tuleb õpetada teda istuma erinevates kohtades (tänaval, sõbra juures, autos, mere ääres jne). Kui koer saab selle selgeks, tuleb õpetada talle istumist siis, kui sa käsku andes istud, oled seljaga, oled 3 meetri kaugusel, plaksutad käsi jne. Kui see on selge, tuleb koerale õpetada, et käsklus istu kehtib ka siis, kui ta on elevil või hirmul. Alles siis on käsklus „istu“ selge ning juhul, kui selliselt ettevalmistatud koer ikkagi ei istu, tuleb enne karistamist kriitilise pilguga hinnata konteksti- äkki on maapind teistsugune, äkki oled sa ise närvis, äkki sa hääldasid käskluse valesti või äkki on kallil sõbrakesel hoopis mingi terviseprobleem? Kui koer eksib, sest inimene on teinud tema koolitusel või seisundi hindamisel mingi vea, siis ei ole koera karistamine õiglane.

Positiivne preemia/kinnistaja ehk meeldiva aistingu lisamine (ingl. k +r ehk positive reinforcement):

• Koer istus, inimene andis maiuse. Istumise esinemissagedus suureneb.

• Koer tiris rihmas, koer sai liikuda sinna kuhu soovis. Rihmas tirimise sagedus suureneb.

• Koer haukus, avastas seda tehes, et see on lahe ajaviide ja talle hakkas meeldima haukumine. Haukumine muutus isepremeerivaks tegevuseks. Haukumise sagedus suureneb.

Koera jaoks on preemiaks miski, mida tema parasjagu saada tahab. Positiivne preemia on enim kasutaud viis saamaks soovitud käitumisi. Positiivse preemia kasutamine võib tunduda kõige lihtsam, kuid ka siin on omad momendid mida jälgida. Preemia väärtus peab olema koera jaoks kõrgem alternatiivtegevuste väärtusest (kui koer maiustust eriti ei taha, aga tahab väga nuuskida, siis on nuuskimine suurem preemia, kui maiustus ning nuuskimine kinnistub). Preemia andmise ajastus peab olema väga hea- kui anda maius istumise eest koerale sekund pärast seda, kui ta on juba püsti tõusnud, kinnistub hoopis püsti kargamise käitumine, mitte istumine. Preemia andmise viis on samuti väga oluline, sest kui koer sööb maiustuse näiteks kõrvalkõnni õppimisel enamasti inimesest eemal või vales asendis, siis kinnistub see asend,  kus koer oli parasjagu maiuse saamise hetkel. Ka premeerimissagedus mängib olulist rolli, sest kui koer saab iga päev esineva käitumise eest preemiat ainult kord kvartalis, siis koer ei seosta preemiat selle kindla käitumisega ning uus käitumine ei kinnistu. Lisaks mõjutavad õppimise kvaliteeti planeerimine, kriteeriumite seadmine, markersignaalide kasutamine, preemia tüübi valik, käitumisjadade jälgimine ja lõhkumine/ehitamine, treeningu pikkus, pauside tihedus ja sisu, õpetamismetoodika, koera ja treeneri suhe, koera ja treeneri meeleolu ja tervislik seisund jne. Kui käitumine ei kinnistu soovitud moel, tuleb viga otsida eeltoodud nimekirjast. Tavaliselt on vigu rohkem, kui üks.

Negatiivne karistus, ehk meeldiva aistingu eemaldamine (ingl. k -r ehk negative punishment):

• Koer jookseb agilityrada. Eksimuse korral koer eemaldatakse rajalt. Kuna koerale väge meeldib rada joosta, siis koer püüab vältida tegevust, mis katkestas eelmisel korral agility mängimise.

• Koer mängib teise koeraga. Teisele koerale liiga tehes eemaldatakse koer mänguplatsilt või teine koer katkestab mängu. Koera mängustiil muutub ettevaatlikumaks, sest ta ei taha et mäng katkeks.

Koera jaoks on karistuseks millestki talle meeldivast ilma jäämine. Selle preemia viisi puhul on suurim oht selles, et käitumine mida meie peame koera jaoks preemiaks ei ole talle tegelikult preemia. Õnneks saab sellest kiiresti aru, kui on märgata et soovitud käitumine ei kinnistu, vaid hakkab hääbuma. Näiteks, kui koer saadetakse puuri iga kord, kui ta läheb kõrvalkõnnilt ära nuuskima või pealtvaatajaid tervitama ja koer tõttab järjest rutakamalt puuri ning eksib üha rohkem kõrvalkõnni kriteeriumite vastu, siis sellisel juhul ei ole koera jaoks omanikuga töötamine muude asjade konkurentsis piisav preemia. Sellises olukorras on abiks treeningplaani ülevaatamine ja vajalike korrektuuride tegemine (raskusastme muutmine, stressifaktorite vähendamine, töö väärtuse tõstmine jne).

Negatiivne preemia/kinnistaja ehk ebameeldiva aistingu eemaldamine (ingl. k -r ehk negative reinforcement):

• Koeraomanik nõuab koeralt liiga palju. Koer jookseb eemale ja avastab, et omanikul ei ole seal tema üle võimu ja koer saab vabalt maandada oma stressi. Inimese juures olemise soov väheneb.

• Koera kõrvalesta näpistatakse, kuni ta haarab suhu hantli. Hantli haarde järel valuaistingu lisamine lõpetatakse. Hantli mittevõtmise soov väheneb.

Koera hoitakse talle ebameeldiva aistinguga keskkonnas kuni koer püüab läbi oma käitumise muutmise lõpetada ära seda ebameeldivat tunnet. Ebameeldiva aistingu lõppemine on koera jaoks preemia. Siin on sarnased ohud, mis positiivse karistuse puhul, kuid piir selle vahel, mis on eetiline ja mis mitte, on tunduvalt õrnem. Samuti on seda karistuse tüüpi lihtne segi ajada millegi muuga ja seetõttu seda tahtmatult rakendada, kuna see ei ole nii must-valgelt mõistetav.


Käitumise hääbumine või kustumine
On veel ka neljas variant käitumiste muutmiseks, mida nimetatakse käitumise kustutamiseks. See leiab aset siis, kui koer mõnda käitumist enam praktiseerida ei saa ja see harjumus aja jooksul seetõttu koera mälust nö kustub.

• Kutsikas pissib tuppa. Kutsikas viiakse kiiresti peale ärkamist, söömist ja mängimist õue pissile pluss veel sada korda päevas muul ajal pissile. Kui kutsikat valvata ei saa, on kutsikas näiteks õues muru peal aedikus, kuhu ta võib pissida. Kutsikas ei pissi enam tuppa, sest ta harjub pissima ainult õues.

• Koer on harjunud hüppama külaliste peale. Koera ei lasta külalistega enne kokku, kui kõik on maha istunud ja koer on nad juba unustanud. Kui seda teha pikalt ja järjepidevalt, siis peale hüppamise käitumine väheneb, sest koer harjub olema külalistega kokkupuutel ise rahulik ning et külalised on samuti rahulikud ja see ei ole mingi sündmus.

• Koer on harjunud üksi kodus olles asju lõhkuma. Koerale jäetakse koju palju närimiseks sobilikke mänguasju ja tema liikumine piiratakse selliselt, et ta ei saa midagi lõhkuda. Sobimatute asjade lõhkumine väheneb, sest koer harjub närima sobilikke asju ja tunneb ennast piiratud alal turvalisemalt.

Käitumise kustutamist ei nimetata tavaliselt treeninguks, vaid haldamiseks (inglise keeles management). See on lihtsaim ja kiireim viis lahendada mõnda tüütut käitumisprobleemi. Samas võtab ainult hääbumisele tuginev õppimine väga kaua aega, kui seda ei kombineerita treeninguga. Eriti juhul, kui sekka juhtub nö õnnetusi, kus koer saab soovimatut käitumist praktiseerida (siis leiab aset tegelikult ebaregulaarne premeerimissagedus ingl k. differential reinforcement schedule, mis tugevdab soovimatut käitumist). Lisaks on kustutamistehnika rakendamine kohati päris tülikas ja nõuab omanikult pidevat tähelepanu (pidev jälgimine, kus koer on, kus ärriti või segaja on, võib-olla isegi ehitustööd või mingi kalli varustuse ostmine jne) ning see omakorda tingib ka neid nö õnnetusi tegelikult, sest kunagi ikka juhtub, et omanik või pereliige kaotab valvsuse. Sellegipoolest soovitatakse alati mingit käitumist õpetades anda endast parim, et välistada soovimatu käitumine. Mida vähem alternatiive koer teab, seda suurem on tema õnnestumisprotsent ja seda rutem soovitud käitumine kinnistub.

Tahtlik või tahtmatu?
Te olete väga tublid, kui suutsite kogu selle pika teoreetilise jutu siiani läbi lugeda. Kahjuks on see aga täpselt nagu ma ütlesin – kuiv teooria. Praktilises elus ei ole kunagi miski nii must-valge. Inimesel on väga raske aru saada, mis premeerib nende koera käitumisi ja mis toimib karistusena. Nimelt võib justkui ilmselge positiivne preemia maiuse näol olla mõne koera või konteksti puhul hoopis positiivne karistus (koera jaoks on maius mingil põhjusel ebameeldiv ja ta ei soovi parasjagu süüa). Või näiteks füüsiline tõuge võib olla hoopis positiivne preemia (mõnele koerale meeldib omanikuga maadelda ja mürada ning tema näeb seda mänguna). Hätta võivad jätta ka halvad tehnilised oskused, halb planeerimine, mõne olulise detaili mittemärkamine, ootamatud juhtumised ja motivaatori vale intensiivsus. Eriti kurb lugu ongi, kui inimene tahab enda jaoks välistada näiteks karistuse kasutamist koera õpetamisel aga kogemata ja tahtmatult siiski seda teeb. Mõnikord eelnimetatud põhjustel ja mõnikord puhtalt hetkeemotsioonist.

Mis kasu siis nendest veeranditest üldse on?
Me kõik oleme inimesed ja me kõik tihti eksime. Kui me näeme, et mingi õpetamise meetod ei anna tulemust, siis ongi aeg tuletada endale meelde need samad õppimise viisid. Kus oli viga? Leides üles vea, saate muuta treeningplaani ning saavutada soovitud tulemuse. Ja ärge siis unustage, et vigu teeb alati inimene, mitte koer. Koer õpib 24/7 kõike seda, mida meie tahtlikult või tahtmatult kinnistame :).

---