준비성
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
행동준비성은 고전적 조건형성에서 조건 자극과 무조건 자극 간의 연결에서 행동(반응)의 효율성을 설명하는 개념이다. 특히 맛 회피 학습에서 나타나는 가르시아 효과가 빠르고 효율적으로 학습되는 이유를 설명하는 데 사용된다.
더 읽어볼만한 페이지
준비성 | |
---|---|
학습 준비성 | |
정의 | 어떤 종류의 연관은 다른 종류보다 더 쉽게 학습된다는 개념 |
관련 개념 | 귀속 오류 고정 사고방식 성장 사고방식 |
역사적 맥락 | |
창시자 | 마틴 셀리그먼 |
주요 연구 | Seligman (1970) Garcia & Koelling (1966) Öhman & Mineka (2001) |
셀리그먼의 연구 | |
주요 내용 | 특정 자극과 결과 사이의 연관성은 다른 것보다 쉽게 학습될 수 있다 |
실험 예시 | 인간은 뱀이나 거미와 같은 자극에 대해 전기 충격과 같은 유해한 자극보다 더 쉽게 공포증을 발달시킨다 |
가르시아와 퀠링의 연구 | |
주요 내용 | 쥐는 맛과 구토 간의 연관성을 소리와 구토 간의 연관성보다 더 쉽게 학습한다 |
Öhman과 Mineka의 연구 | |
주요 내용 | 공포, 공포증, 학습 준비성에 대한 연구 |
추가 정보 | |
관련 연구 분야 | 행동 치료 |
2. 행동준비성 개념
행동 준비성(action readiness)은 특정 자극에 대해 특정 반응을 나타낼 준비가 되어 있는 상태를 의미한다.[7] 이러한 개념은 특정 학습 현상이 왜 더 빠르고 효율적으로 일어나는지를 설명하는 데 사용될 수 있다. 예를 들어, 고전적 조건형성의 한 종류인 맛 회피 학습(가르시아 효과)이 다른 종류의 고전적 조건형성과 비교하여 빠르게 학습되는 이유를 설명할 때 이 개념이 활용된다. 또한 고전적 조건형성 과정에서 조건 자극과 무조건 자극 사이의 연결이 형성될 때, 행동 준비성이 학습의 효율성에 영향을 미치는 중요한 요소로 여겨진다.
2. 1. 맛 회피 학습과 행동준비성
행동 준비성[7] 개념은 맛 회피 학습에서 나타나는 가르시아 효과가 다른 고전적 조건형성 사례에 비해 왜 빠르고 효율적으로 일어나는지를 설명하는 데 사용된다. 고전적 조건형성 과정에서 조건 자극과 무조건 자극 사이의 시간적 간격이 있을 때, 행동 준비성은 학습의 중요성과 효율성에 영향을 미친다.2. 2. 고전적 조건형성과 행동준비성
행동 준비성(action readiness)[7]이라는 개념은 고전적 조건형성의 한 예인 맛 회피 학습(가르시아 효과)이 다른 종류의 조건형성에 비해 왜 더 빠르고 효율적으로 이루어지는지를 설명하는 데 사용된다.고전적 조건형성 과정에서 조건 자극이 무조건 자극과 연결될 때, 행동(반응) 준비성(preparedness)이 얼마나 중요한지, 그리고 이 준비성이 학습 효율성에 어떤 영향을 미치는지 확인할 수 있다.
참조
[1]
논문
On the generality of the laws of learning.
1970
[2]
논문
Phobias and preparedness
1971-07
[3]
논문
Fears, phobias, and preparedness: Toward an evolved module of fear and fear learning.
2001
[4]
논문
Conditioned Aversion to Saccharin Resulting from Exposure to Gamma Radiation
1955
[5]
서적
Behavior Therapy
[6]
논문
Fears, phobias, and preparedness: Toward an evolved module of fear and fear learning.
2001
[7]
문서
Facial expressions as modes of action readiness
https://www.lip.univ[...]
Cambridge University Press
1997
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com