獎勵與懲罰的理論與實驗研究述評

谷 莉，王 芹

（1.天津師范大學心理與行為研究院，天津 300074；2.國民心理健康評估與促進協(xié)同創(chuàng)新中心，天津 300074）

獎勵與懲罰的理論與實驗研究述評

谷 莉1，2，王 芹1，2

（1.天津師范大學心理與行為研究院，天津 300074；2.國民心理健康評估與促進協(xié)同創(chuàng)新中心，天津 300074）

對獎勵與懲罰的研究理論、研究范式及其動力性研究結(jié)果作以述評，提示在獎懲研究的實驗設(shè)計中應(yīng)對獎懲條件的動力性特征予以重視。

獎勵；懲罰；動力性

獎勵與懲罰相關(guān)研究一直是心理學和教育學的熱門研究領(lǐng)域。教育實踐中如何遵循心理學原理及策略對個體實施合理且有效的獎勵與懲罰，對教育者樹立正確教育觀、提高教育水平和實施心理健康教育等都具有重要的意義。盡管很多研究針對獎懲效價進行了深入的實驗研究，但已有研究結(jié)果提示人們獎勵與懲罰對個體的影響并不是在所有條件下具有相同效果，如獎懲刺激的不同頻率、持續(xù)時間、對獎懲的敏感性及預(yù)期性等都會影響?yīng)剳偷膶嵤┬Ч?。本文對獎懲的研究理論、研究范式及其動力性研究結(jié)果作以述評，以期為相關(guān)獎懲研究提供參考，提示獎懲研究的實驗設(shè)計應(yīng)對獎懲條件的動力性特征予以重視。

1 獎勵與懲罰的研究理論

1.1 外部行為理論

聯(lián)結(jié)派學習理論強調(diào)，學習是通過條件作用直接建立于刺激和反應(yīng)之間的聯(lián)結(jié)過程。其代表性人物桑代克、華生、斯金納、加涅等人均提出獎懲在學習過程中的作用。如斯金納認為，所有可以增加反應(yīng)頻率的刺激都能對個體起到強化作用。強化可以分為正強化和負強化。聯(lián)結(jié)派學者強調(diào)行為是在強化作用下發(fā)生與變化的，強化是反應(yīng)概率的增加，而懲罰則是反應(yīng)概率的抑制。盡管斯金納在其教育觀中反對懲罰，但又不否認在行為矯正方面懲罰所起到的有效作用。

1.2 內(nèi)部動機理論

內(nèi)部動機獎賞理論派反對行為派的效果說，他們認為復(fù)雜的學習過程不能以個體簡單外部行為變化來說明，其弱點在于未考慮在學習過程中個體所發(fā)生的處理內(nèi)在信息的必然性。內(nèi)部動機理論的代表人物蒂西的研究結(jié)果表明，當被試進行了一項本來感興趣的活動并因此而獲獎，一旦被試失去得獎機會后，其從事該活動的動機水平顯著下降，說明外部獎賞使個體產(chǎn)生了被他人決定感，從而減少了與內(nèi)部動機相關(guān)的自我決定感，導(dǎo)致動機水平下降[1]。此后，一些研究結(jié)果顯示，外部獎賞影響內(nèi)在動機的過程及機制并不簡單，它還與環(huán)境、個體性別及人格特征等諸多因素相關(guān)。

1.3 認知派理論

現(xiàn)代認知派學習理論并不認為獎懲對于個體學習具有直接的影響作用，但不否認會對個體行為產(chǎn)生促進或抑制的間接效果。他們強調(diào)學習是一個認知加工過程，作為影響學習的重要因素，獎懲作用于個體學習前必然要經(jīng)過其認知加工過程；他們不認為獎懲會自動地、無意識地加強或減弱反應(yīng)，反而提出這是一個有意的認知過程，由于獎懲使個體警覺從而影響到學習效果，故獎懲應(yīng)具有信息反饋作用[1]。但其代表人物諾爾曼指出盡管獎懲具有反饋作用，但卻不等同于反饋，這是因為反饋相對于獎懲則更具有比較、檢驗結(jié)果的信息價值。社會學習理論家班杜拉認為雖然外部強化作用于個體行為，但個體對自身的內(nèi)部強化才是對個體起到的主要作用。內(nèi)部強化的實質(zhì)是個體評價自身行為時依照自己規(guī)定的行為標準去評價，而這個行為標準不是憑空而定，而是在學習過程中積累內(nèi)化而得的?？梢姡喽爬日J可行為的外部強化，同時又更為強調(diào)動機的內(nèi)部強化，并重視強化外部行為對個體內(nèi)在動機提高的理論和實踐意義。

1.4 生理獎賞理論

1987年，Gray提出的強化敏感理論可解釋獎懲作用下行為變化的機制。強化敏感性是指強化刺激物呈現(xiàn)給個體時，能引發(fā)個體行為、情緒及個體動機的改變程度和改變趨勢。關(guān)于強化敏感理念最早可見于巴甫洛夫的研究中，他將興奮-抑制與喚起/激活（艾森克人格理論中的核心概念）概念聯(lián)系起來，而后Gray將這種學習和強化的概念與獎懲機制的神經(jīng)系統(tǒng)加以聯(lián)系，勾畫出個性的心理生理學理論[2]。Gray的強化敏感理論包括三個情緒系統(tǒng)：行為趨近系統(tǒng)對條件性的愉悅刺激較為敏感，由獎勵性刺激或停止/消除懲罰性刺激激活，激活后引發(fā)趨近行為，與沖動特質(zhì)相關(guān)，并引發(fā)正性情緒體驗；行為抑制系統(tǒng)對條件性厭惡刺激較為敏感，也對高強度刺激、極端新奇刺激敏感，由懲罰性刺激或停止/消除獎勵性刺激激活，激活后引發(fā)抑制行為，與焦慮特質(zhì)相關(guān)，并引發(fā)負性情緒體驗；對抗/逃離系統(tǒng)：對無條件厭惡性刺激敏感，主要對憤怒、恐懼進行調(diào)節(jié)，與艾森克的神經(jīng)質(zhì)特質(zhì)相關(guān)。由于這些概念性神經(jīng)系統(tǒng)是Gray以動物實驗研究的數(shù)據(jù)結(jié)果概括出來的，在解釋特定現(xiàn)象時存在局限性，Gray和McNaughton于2000年曾對強化敏感理論進行過修訂。而后Fowles則在實證研究基礎(chǔ)上提出有關(guān)獎懲引發(fā)情緒與自主神經(jīng)關(guān)系的生理心理學假設(shè)，即獎勵條件激活行為趨勢系統(tǒng)，表現(xiàn)為心率活動的增加；懲罰條件激活行為抑制系統(tǒng)，則表現(xiàn)為皮膚電活動的增加[3]。

2 獎勵與懲罰的研究范式

目前獎勵與懲罰的研究范式中的獎懲刺激多是以金錢刺激為主。Anderson等的研究結(jié)果表明，即便與任務(wù)不相關(guān)的金錢獎勵刺激也會被個體優(yōu)先加工處理[4-5]。

2.1 貨幣激勵延遲任務(wù)

Knutson提出了貨幣激勵延遲任務(wù)。任務(wù)要求被試對某特定目標刺激（靶刺激）進行按鍵反應(yīng)，而在靶刺激呈現(xiàn)之前，先在屏幕上呈現(xiàn)獎懲線索，來對被試不同效價的偶聯(lián)性動機進行操控。線索表示為無獎懲、獎勵（獲得分數(shù)）或者是懲罰（失去分數(shù)）。如果被試在規(guī)定時間內(nèi)對靶刺激進行正確的按鍵反應(yīng)，就會獲得獎勵或者是避免懲罰。一些研究從不同角度證明貨幣激勵延遲任務(wù)對偶聯(lián)性動機的操控較為敏感，獎懲條件下被試表現(xiàn)出來的反應(yīng)時降低模式也反映出高水平動機促進個體警覺性的增高[6]。

2.2 賭博任務(wù)

賭博任務(wù)被認為是與現(xiàn)實生活較為貼近的任務(wù)，其中較為經(jīng)典的研究范式有班格賭博任務(wù)、劍橋賭博任務(wù)和愛荷華賭博任務(wù)等等。如愛荷華賭博任務(wù)中，被試需要在獲得100美元的大獎勵和獲得50美元的小獎勵中進行選擇，其中獲得大獎勵的同時要長遠看到A和B兩副不利紙牌（每10張紙牌將失去250美元），獲得小獎勵的同時要長遠看到C和D兩副有利紙牌（每10張紙牌將獲得250美元）。對被試而言，獲得大獎勵但長遠看到的凈損失、獲得小獎勵但長遠看到的凈收益之間就構(gòu)成了價值沖突，在這種價值沖突引發(fā)的情感下，被試必需做出理性決策，對即時獲得大獎勵的欲望進行控制。由于獎勵在每次選擇后都會出現(xiàn)，是被試可以提前預(yù)期的，因而又被稱為即時獎勵；而選擇有利紙牌和不利紙牌后獲得的懲罰并不是每次都出現(xiàn)，是被試不能確定的，因此又被稱為延遲懲罰。這種任務(wù)范式的研究目的在于獎勵和懲罰誘發(fā)的情緒體驗對被試決策的影響。

3 獎勵與懲罰的動力性研究

3.1 獎懲的頻率

有關(guān)獎懲頻率是否對兒童青少年的博弈任務(wù)產(chǎn)生影響的研究結(jié)果顯示，提高懲罰頻率對兒童區(qū)分有利和不利選擇具有促進作用[7]。李小晶等[8]的研究也顯示，懲罰頻率的增加可以使3～5歲幼兒完成博弈任務(wù)的成績有顯著提高，而獎勵頻率的增加似乎對3歲幼兒成績的提高意義不大，但對4～5歲幼兒的成績則有顯著提高[8]。一項探討重復(fù)性獎懲刺激影響行為抑制和自主生理反應(yīng)的研究結(jié)果顯示，與反應(yīng)時逐階段增加、抑制失敗率逐階段降低的懲罰組和控制組相比，獎勵組在階段二呈現(xiàn)了反應(yīng)時增加和抑制失敗率減少的顯著差異，而在階段三則又呈現(xiàn)出回落現(xiàn)象，結(jié)果不僅表明獎勵組被試可在階段時間內(nèi)提高行為抑制能力，同時也表明獎勵條件下的情緒重復(fù)啟動效應(yīng)更大[9]。情緒研究者提出重復(fù)性情緒刺激會呈現(xiàn)相關(guān)腦區(qū)激活程度減弱的現(xiàn)象，即重復(fù)啟動效應(yīng)[10]。正性情緒刺激下重復(fù)啟動效應(yīng)更容易產(chǎn)生，而負性情緒刺激下重復(fù)啟動效應(yīng)則不易產(chǎn)生[11-12]。情緒負性偏向理論可以解釋這種現(xiàn)象，即負性信息能使個體獲取更多更快的注意資源，因此表現(xiàn)出對懲罰刺激的敏感性[13-14]。如果習慣了重復(fù)接收懲罰刺激，將導(dǎo)致個體警戒下降、減少分配到威脅信號上的注意資源，懲罰刺激一旦發(fā)生變化時，個體存在無法及時防御而受到傷害的可能性[3]。

3.2 獎懲敏感性及預(yù)期性

許多實證性研究運用Carver和White于1988年編制的行為抑制與行為激活量表（BIS/BAS Scale）進行被試篩選，該問卷能有效評測個體獎懲敏感度差異，至今仍是強化敏感理論主要的研究方法之一。有關(guān)個體對獎懲敏感性的研究結(jié)果顯示，獎勵敏感性高的個體完成任務(wù)的準確率越高是因為個體在任務(wù)中參與意愿程度更高，懲罰敏感性高的個體完成任務(wù)準確性越高是因為個體在壓力狀態(tài)下其喚醒程度更高[15]。一項腦電研究結(jié)果發(fā)現(xiàn)，個體獎勵敏感性越高所呈現(xiàn)的N2pc腦中反饋腦電負波越大，說明獎勵刺激更容易獲得獎勵敏感性高的個體的注意資源[16]。有研究結(jié)果顯示，個體對懲罰的敏感性越高，則越容易產(chǎn)生FRN腦中反饋腦電負波[17]。此外，獎懲預(yù)期性的腦電研究結(jié)果表明，個體把沒有到來的預(yù)期獎勵視為負性刺激，F(xiàn)RN對這種刺激更為敏感，因此顯示出更高的反應(yīng)正確率[18]。

3.3 獎懲持續(xù)時間

研究已發(fā)現(xiàn)不同情緒性質(zhì)體驗隨時間而發(fā)生其效能的變化，但目前大部分情緒反應(yīng)的時間動力性研究對情緒持續(xù)時間的個體差異性更為關(guān)注。如已有研究發(fā)現(xiàn)，外傾及情緒穩(wěn)定個體表現(xiàn)出消極情緒持續(xù)時間較短，積極情緒持續(xù)時間較長，而內(nèi)傾及神經(jīng)質(zhì)個體則表現(xiàn)出積極情緒持續(xù)時間較短，消極情緒持續(xù)時間較長[19-20]。唐淦琦和黃敏兒[21]的研究證明，高幸福感的人群比低幸福感人群負性情緒的持續(xù)時間更短。而關(guān)注于情緒性質(zhì)本身的時間動力性研究則多聚焦于情緒反應(yīng)的恢復(fù)時間。Garrett等[22]的研究顯示，一組情緒圖片呈現(xiàn)16 s后所引發(fā)的情緒恢復(fù)時間（恢復(fù)到基線水平的時間）還需要額外的16 s，因此提出fMRI情緒研究中應(yīng)對情緒恢復(fù)時間充分考慮。電影片段誘發(fā)的情緒時間進程研究結(jié)果顯示，高興情緒喚醒后，3 min內(nèi)處于一般偏上的狀態(tài)且顯著高于基線水平，悲傷情緒喚醒后，5 min內(nèi)處于一般偏上的狀態(tài)且顯著高于基線水平[23]。而從實踐意義上看，獎懲的時效性研究與情緒圖片、電影所誘發(fā)的情緒反應(yīng)恢復(fù)時間相比，更能為教育實踐提供實證依據(jù)，使教育者認識并遵循獎懲的強化規(guī)律，以保證教育教學的科學性和有效性。研究采用停止信號任務(wù)探討?yīng)剳痛碳π袨橐种颇芰妥灾魃砘顒佑绊懙臅r效性，研究將實驗進程按時間發(fā)展過程分為5階段，研究結(jié)果顯示，獎懲刺激對行為反應(yīng)時和抑制失敗率影響僅在第二、三階段差異顯著，對心率影響的顯著差異在第三階段結(jié)束，而對皮電和指溫影響的顯著差異仍持續(xù)到第五階段。其結(jié)果表明獎懲刺激對行為的抑制作用具有時效性，有效時間內(nèi)表現(xiàn)為僅獎勵能提高行為抑制能力；獎懲刺激對心率的影響具有時效性，但對其他生理指標的影響則未顯示出時效性[3]。

4 結(jié)束語

綜上所述，有關(guān)獎懲的外部行為理論強調(diào)行為是在強化作用下發(fā)生與變化，如一個行為發(fā)生后，緊跟著實施獎勵，這個行為的發(fā)生頻率就會增加；內(nèi)部動機理論則強調(diào)獎懲改變行為更多是因為個體對外部獎懲內(nèi)在需求的體現(xiàn)；認知派理論則強調(diào)外部獎懲作為反饋信號作用于個體認知，從而進一步對自己產(chǎn)生強化影響，即自我強化；生理獎賞理論則假設(shè)腦內(nèi)存在兩類對獎懲刺激敏感的情緒系統(tǒng)，即行為趨近系統(tǒng)和行為抑制系統(tǒng)。盡管有關(guān)獎勵與懲罰的各理論學派各抒己見，卻并不影響實踐中人們?yōu)榭刂菩袨槎鴮嵤┆剳褪侄?，特別是在學校和家庭教育中，以獎勵手段增加或保持好的行為，以懲罰手段減少或消除不好的行為。但值得深思的是當結(jié)果無法達到預(yù)期時，是否應(yīng)該重新回到理論層面上進一步探討，認識到獎懲所引發(fā)的行為變化與外部刺激及其刺激各維度、個體內(nèi)在動機需求、個體對獎懲刺激的認知過程以及獎懲實施者的態(tài)度和實施環(huán)境等都密切相關(guān)。而目前驗證獎懲相關(guān)理論的實驗研究大多以獎懲效價為主要因素探討個體在獎勵和懲罰條件下行為的發(fā)生過程及其結(jié)果。然而獎懲所引發(fā)的情緒體驗具有動力性特征，即是一個隨時間、強度等變化而發(fā)生變化的動態(tài)過程。因此，獎懲效價的持續(xù)時間、頻率、個體對獎懲刺激的敏感性及預(yù)期等問題很顯然與獎懲效價同等重要，應(yīng)該在獎懲實驗研究中予以充分的重視和考量。

［1］ 何先友.現(xiàn)代西方學習心理學賞罰觀探析［J］.湘潭師范學院學報，1997（2）：87-93.

［2］ 葉海英.比較情境中的預(yù)期背離及與強化敏感的相關(guān)：一個ERPs研究［D］.廣州：暨南大學，2011.

［3］ 谷莉，白學軍，王芹.獎懲對行為抑制能力和自主生理活動影響的時效性［J］.心理學報，2014，46（10）：1476-1485.

［4］ ANDERSON B A，LAURENT P A，YANTIS S.Learned value magnifies salience-based attentional capture［J］.PLoS One，2011，6（11）：26-27.

［5］ ANDERSON B A，YANTIS S.Persistence of value-driven attentional capture［J］.Journal of Experimental Psychology，2013，39（1）：6-9.

［6］ 朱昭紅.情緒影響反應(yīng)抑制的發(fā)展研究［D］.天津：天津師范大學，2009.

［7］ CRONE E A，BUNGE S A，LATENSTEIN H，et al.Characterization of children's decision making：Sensitivity to punishment frequency，not task complexity［J］.Child Neuropsychology，2005，11（3）：245-263.

［8］ 李小晶，李紅，張婷，等.獎懲頻率對3-5歲幼兒完成博弈任務(wù)的影響［J］.心理學報，2010，42（3），395-405.

［9］ 谷莉，白學軍，王芹.獎懲對行為抑制及程序階段中自主生理反應(yīng)的影響［J］.心理學報，2015，47（1）：39-49.

［10］ISHAI A，PESSOA L，BIKLE P C，et al.Repetition suppression of faces is modulated by emotion［J］.Proceedins of National Academy of Sciences of United States of America，2004，101（26）：27-32.

［11］HU Z，LIU H，ZHANG J X.Effects of material emotional valence on the time course of massive repetition priming［J］. Journal of Psycholinguistic Research，2010，39（3）：199-211.

［12］MARCHEWKA A，NOWICKA A.Emotionally negative stimuli are resistant to repetition priming［J］.Acta Neurobiologae Exper-Imentalis，2007，67（1）：83-92.

［13］OHMAN A，LUNDQVIST D，ESTEVES F.The face in the crowd revisited：A threat advantage with schematic stimuli［J］.Journal of Personality and Social Psychology，2001，80（3）：381-396.

［14］VAISH A，GROSSMANN T，WOODWARD A.Not all emotions are created equal：The negativity bias in social-emotional development［J］.PsychologicalBulletin，2008，134（3）：383-403.

［15］VAN D L，TARIS D，BECKER T W，et al.Reinforcement sensitivity theory and occupational health：BAS and BIS on the job［J］.Personality and Individual Differences，2007，42（6）：27-38.

［16］QI S，ZENG Q，DING C，et al.Neural correlates of rewarddrivenattentionalcaptureinvisualsearch［J］.Brain Research，2013（2）：32-43.

［17］KAMBOUROPOULOS N，STAIGER P K.Personality and responses to appetitive and aversive stimuli：The joint influence of behavioural approach and behavioural inhibition systems［J］.Personality and Individual Differences，2004，37（6）：53-65.

［18］劉耀中，唐志文，葉海英.預(yù)期背離下獎勵與懲罰的ERPs研究［J］.心理科學，2012，35（4）：806-810.

［19］HEMENOVER S H.Individual differences in rate of affect change：Studies in affective chronometry［J］.Journal of Personality and Social Psychology，2003，85（1）：121-131.

［20］SHULMAN T E，AUGUSTINE A A，HEMENOVER S H. Studies in Affect Regulation：Linking Affective Chronometry and Repair Ability［M］.Psychology of Moods：New Research，2006.

［21］唐淦琦，黃敏兒.高低幸福感人群的負情緒特點：生理和表情的依據(jù)［J］.心理學報，2012，44（8）：86-99.

［22］GARRETT A S，MADDOCK R J.Time course of the subjective emotional response to aversive pictures：Relevance to fMRI studies［J］.Psychiatry Research，2001，108（1）：39-48.

［23］李芳，朱昭紅，白學軍.高興和悲傷電影片段誘發(fā)情緒的有效性和時間進程［J］.心理與行為研究，2008，7（1）：32-38.

Review of theoretical and experimental researches on reward and punishment

GU Li1，2，WANG Qin1，2
（1.Academy of Psychology and Behavior，Tianjin Normal University，Tianjin 300074，China；2.Center of Collaborative Innovation for Assessment and Promotion of Mental Health，Tianjin 300074，China）

The theoretical research of reward and punishment is elaborated in this paper and research paradigm and its dynamic research results are also analyzed.It is pointed out that future studies should pay attention to the dynamic characteristic of the reward and punishment conditions in experimental design.

reward；punishment；dynamics

B841

A

2095－0926（2015）01－0068－04

2015-01-28

谷 莉（1978—），女，講師，博士，研究方向為發(fā)展與教育心理學、臨床心理學.