変動比率強化を使って習慣を持続的にする

行動が確立されたら、消去に抵抗するよう予測不可能な報酬スケジュールに切り替える。

Why it works

変動比率（VR）スケジュールは予測不可能な回数の反応の後に行動を報酬する——これがギャンブルの定義的な特徴だ。VRはあらゆる強化スケジュールの中で最も高い反応率と最も遅い消去を生む。なぜなら、報酬を得られなかった各反応が、報酬を得られる最後の反応になるかもしれないからだ。動物や人間は、次の反応が当たりかもしれないため、いつやめるべきか分からない。これによりVRの習慣は非常に持続的になるが、アプリの設計者やカジノに利用されうることも意味する。

How to do it

1. まず連続または固定スケジュールで行動を確立する——それが信頼できるようになるまで発生のたびに報酬を与える。
2. 行動が一貫したら、時々サプライズの報酬を導入する：自発的なごほうび、予期しないチェックイン、ランダムなお祝い。
3. 報酬を単に頻度が低いだけでなく、本当に予測不可能なものに保つ——週に一度の予定された報酬は固定間隔であり、変動ではない。
4. 維持したい行動にのみ変動強化を使い、消去したい行動には使わない。

エビデンス

変動比率スケジュールが反応率と消去への抵抗に与える効果は、スキナーの最も再現された知見の一つであり、種や行動タイプを超えて実証されている。 (rct)

基礎的なデータのほとんどは動物実験（ハト、ラット）に由来する。複雑な人間の行動を自然な環境で移転するには注意が必要である。社会的・認知的な文脈がスケジュール効果を調節する。

出典

• Ferster & Skinner (1957), "Schedules of Reinforcement" — foundational experimental data
• Ferster, C. B., & Skinner, B. F. (1957). Schedules of Reinforcement. New York: Appleton-Century-Crofts.

よくある間違い

行動が確立される前に変動強化を適用してしまうこと——獲得段階での変動性は学習を遅らせる。それは維持のためのツールであって、獲得のためのツールではない。