Theresa Zamastil er instruktør ved Canis Hundeskole avd. Århus. Klikkertrening Håndtering av feil en balansegang Treningsmetodene utvikler seg heldigvis i retning mot større og større fokus på positiv forsterkning av ønsket atferd. Metodene sprer seg fordi folk kan se at det virker, og implementerer dem i egen trening. Overordnet omfavner folk ideen om å belønne det vi gjerne vil ha til tross for at vi av natur har en tendens til å fokusere på ting som går galt. Det går greit å klikke for det som går bra. Men hva skjer hvis hunden plutselig gjør feil? Skal man konsekvent ignorere den, eller skal man utnytte den informasjonen man kan gi hunden ved å påpeke feilen? Denne artikkelen kommer til å omhandle er par av de ulike måtene man kan håndtere feil i treningen. Feil hva nå? Hva er en feil? Vi kaller det en feil når hunden tilbyr en annen atferd enn den vi ønsker oss, eller reagerer annerledes på et gitt stimulus enn vi hadde tenkt oss. Det er like mange måter å håndtere feil på som det er trenere, og like mange responser på feil som det finnes hunder. Dette skyldes at håndtering av feil ikke bare kan henges opp på en teoretisk knagg og deretter føres entydig ut i livet. De fleste av oss har en plan på Foto: Theresa Zamastil Canis nr. 2-2014 27
Tekst og foto: Theresa Zamastil papiret for hva vi skal gjøre når hunden gjør feil. Men fordi vi er mennesker og blir berørt av både medgang og motgang, er det vanskelig å holde seg strikt til en løsning uten å forurense løsningen med en følelsesmessig respons. Vi blir irriterte når det ikke går etter planen, og dette kommer ofte til uttrykk i måten vi agerer på. som reagerer voldsomt pa frustrasjon, og gir tilbake fra samme skuff med kraftige utbrudd. Foto: Henrik Doctermann Samtidig er det stor forskjell på hvordan hundene reagerer på feil, og på sinnstilstanden vår. Vi kan se hunder som ikke synes å la seg påvirke synderlig av feil og tilhørende negativt ladede utbrudd fra førerne. De kjører på og går etter belønningen uansett den midlertidige humpen i veien. Til gjengjeld finnes det også hunder som reagerer voldsomt på motgang og dårlig stemning de sensitive hundene som gir tilbake fra samme skuff med frustrasjon i form av alt fra hysteri til distansering. Ups-lyden, no reward marker (NRM) En stadig mer populær løsning når det oppstår feil i treningen er ups-lyden. En markering av feil som forteller hunden at den har mistet belønningen sin. Tidvis høres varianter som nei, oisann, om igjen, feil eller lignende. Tanken bak disse lydene er at de guider hunden på vei mot den rette atferden, altså ekstra informasjon som skal fortelle hunden om den nærmer seg målet eller om den er på vei i feil retning. Det er ingen tvil om at slike signaler so regel gis ut fra de beste intensjoner. Man ønsker å hjelpe hunden til forstå- else av hvilke atferder som ikke er ønsket, og dermed fremme treningsprosessen. Men la oss se på hva ups-lyden er i en vitenskapelig sammenheng. Det som skjer etter at man har gitt sitt ups-signal for hundens feil er at belønningen uteblir, og lyden markerer hvor feilen lå. Med andre ord; hunden har ikke møtt kriteriet og det blir ingen godbit. Godbiten blir i lommen, og er ingen mulighet i et øyeblikk. Dette er konsekvensen av hundens feil noe som betyr at vi har beveget oss ut i negativ straff. Dette gjør feil-meldingen vår (ups) til et betinget straff-redskap som skal markere den gale atferden og fortelle hunden at den ikke skal vente å få noen belønning. Dette er det motsatte av klikkeren, den betingede forsterkeren, som forteller hunden at den har gjort rett og belønningen er på vei. Negativ straff Når hunden som konsekvens av sin handling fratas muligheten for å tjene belønning for et øyeblikk. Fordeler og ulemper ved feil-melding Hvis man ønsker å bli kvitt en atferd som ligger i hundens repertoar vil en betinget straff i teorien virke med nøyaktighet og effektivitet. Vi kan med presisjon fortelle hunden at det der var feil, og slipper å vente til hunden selv finner det ut. Straffen fører til at atferden reduseres i forekomst. Alle vet imidlertid hvor vanskelig det faktisk er å forsterke den helt riktige atferden selv med en betinget forsterker, som et veltimet klikk, som kan kommunisere våre ønsker videre til hunden. Det 28 Canis nr. 2-2014
Klikkertrening en liten og hyggelig pause, og så er vi klare igjen. I tillegg kan hunden få følelsen av å miste kontrollen over situasjonen. En av de tingene vi ellers framhever ved klikkertrening er hundens selvtillit og initiativ, som går hånd i hånd med opplevelsen av å styre sin egen skjebne. Det er altså flere aspekter i dette enn det å bare miste godbiten, hvilket i seg selv kan være en prøvelse for humøret. krever stor øvelse og erfaring fra trenerens side. Det samme gjelder bruk av betinget straff (feil-meldingen vår). Kan du med sikkerhet vite at hunden oppfatter straffen på samme måte som deg? Er du sikker på at hunden vet at den feiles på grunn av manglende fart i innkallingen, og ikke på grunn av at den kom mot deg? Som de positive trenerne vi er, gjør vi en del ut av å lage kriterieplaner så vi kan kommunisere videre til hunden hva vi ønsker. Det er der fokuset vårt er ettersom vi tror på positiv forsterkning av riktig atferd, og ofte legger vi ikke de samme planene for feilmeldingene. Ups!, sier vi så snart vi ikke er fornøyde uten å ha gjort noen overveielser omkring de reelle atferdene vi straffer. Nei, det er ikke helt rettferdig vi har sikkert gjort overveielser, men ikke spekulert over konsekvensen av å treffe litt ved siden av med straffen eller hva det kan bety for hunden. Man bør alltid være forsiktig med straff. Også selv om den kommer i en form som ikke påfører hunden et ubehag som umiddelbart er til å ta og føle på. Men negativ straff er tross alt fortsatt straff! Straff kan medføre frustrasjon og irritasjon hos hunden, selv om vi mener at den er opplysende til hundens egen fordel. Forestill deg denne situasjonen: Du setter deg inn i bilen, forventningsfull til å komme deg en tur ut i skogen. Du vrir om nøkkelen og setter bilen i revers. BANG! Du så deg ikke over skulderen og knuste den ene baklykta i en lyktestolpe. Det er riktig irriterende å gjøre en slik feil. Tenk nå at mens du sitter der og irriterer deg kommer det en vennlig sjel som banker på ruta og sier Du har rygget inn i en lyktestolpe. Det blir dyrt!. Vil du takke mannen eller vil du eksplodere i et anfall av road rage? Det er rimelig provoserende. Er man uheldig (og storforbruker av feil-meldinger) kan de negativt ladede opplevelsene, frustrasjon og irritasjon sette et dype merker i hunden og forgifte så vel treningsmiljøet som signalet det ble feilet etter. Eller kanskje til og med treningsopplevelsen sammen med deg. Den klassiske betingingen er alltid med i treningen vår uansett hvordan vi snur og vender på den. Det betyr at enten vi vil det eller ei, vil et nøytralt feilsignal som ups kunne bli negativt ladet, og det kan smitte av og frata en atferd, et signal eller en situasjon verdi, på samme måte som en god forsterkningshistorikk kan tilføre verdi. Et eksempel: du gir hunden et signal, la oss si sitt, og hunden dekker i stedet. Her vil det være naturlig å bruke feil-meldingen din den betingede straffen. Dette vil straffe at hunden dekker, i det leken blir i lommen din. Nå ja, det var det du ville oppnå. Nemlig å fortelle hunden at dekk ikke var det du lette etter i denne situasjonen, og dermed jobbe mot at det ikke skjer igjen. Men hva skjer i det øyeblikket feil-meldingen din er negativt ladet? Hunden dekker og du forteller den at dette var feil på en måte som, til tross for dine intensjoner, Canis nr. 2-2014 29
Tekst og foto: Theresa Zamastil forbindes med frustrasjon og elendighet fra tidligere erfaringer. Selve atferden å dekke risikeres nå forbundet med de samme følelsene. Samtidig blir hunden usikker på sitt-signalet, og har kanskje ikke lyst til å prøve igjen. Har du opplevd en lignende situasjon? En fin fri ved foten, signalet sitt gis og hunden gir deg glad en dekk. UPS! Det ønskelige nå er at hunden i neste forsøk tenker Dekk, det var helt klart feil jeg må skjerpe meg og gi mennesket mitt en superrask sitt!. Det finnes hunder som reagerer på den måten, men ofte vil man se en hund som reagerer langsomt, tvilende til signalene. Et annet eksempel som mange kan nikke gjenkjennende til er hunden som egentlig er trent med positiv forsterkning, men som plutselig mister all lyst og motivasjon når det trenes konkurranseøvelser, for eksempel i forbindelse med lydighet. Hunden vil likevel gjerne være med når det trenes på sirkuskunster og andre (likegyldige) triks. En forklaring er ofte at trenerens ambisjoner har komme i veien for konkurranserelatert trening ved at hennes frustrasjon og irritasjon ved feil er betinget til situasjonen, øvelsene og miljøet og overskygger den positive forsterkningen. For mye fokus på feil suger energi. Fokus på riktig atferd styrker. Det er svært forskjellig hvor sensitive hundene er, hvor hardt de vil kjempe for belønningen sin og hvor lett de influeres. Felles for alle hunder er uansett at de ved straff ikke mottar informasjon om hva man ønsker av dem, men utelukkende hva man ikke ønsker. kan det virkelig skade å ha et signal som betyr oisann om igjen Njei i teorien burde det jo ikke velte lasset at man har et nøytralt ord som man i ny og ne kan bruke til å fortelle hunden at det kunne vært bedre. Men kunsten er å holde ordet nøytralt og unngå overforbruk. Men har man først lært dette signalet er det pokker så fristende å (mis)bruke det, og vanskelig å holde det nøytralt. Ikke minst fordi vi ofte er i følelsenes vold, og ups kan fort gå fra å være upsy-daisy -aktig til UUUPPPSSSS *# %#!!! død og bedervelse. Man kan fort finne ut at feil-markering er en enkel måte å komme gjennom det plutselige limbo som ofte oppstår når hunden gjør feil. For treneren er det en rett håndgripelig løsning, og den tilfredsstillelsen kan lett føre til at hun oftere og oftere tyr til denne løsningen. Med den bakgrunnen kan man saktens forestille seg at the quick fix kommer til å overskygge trenerens eget ansvar; å lage en fornuftig kriterieplan som sikrer hunden suksess i alle sine oppdrag. I klikkertreningen jobber vi hardt for at signaler skal være grønne lys muligheter for gode ting som gleder hunden og inspirerer den til å gjøre sitt aller beste med geist og motivasjon, med initiativ og selvtillit. Det ville være en synd å trekke energien ut av denne positive oppbygningen ved å trekke av på straffkontoen. jeg så det ikke gjorde du? LRS least reinforcing stimulus I klikkertrening og annen trening basert på positiv forsterkning, fokuserer vi som tidligere nevnt på at vi belønner ønsket atferd og ignorerer feil atferd. Feil i form av å være en annen atferd enn den vi hadde tenkt oss. Men hvordan ignorerer vi i praksis en atferd? Definitivt ikke ved å gi hunden et feil-signal. Heller ikke ved å gi hunden en time-out hvor man for eksempel vender ryggen til hunden, og dermed fratar den muligheten for belønning i en periode. Som i tilfellet med feil-signalet kan det være veldig frustrerende for hunden når vi snur ryggen mot den eller på annen måte gjør et nummer ut av feilen. Motiverende er det i alle fall ikke. Det er ikke engang særlig nøytralt når vi midt i en bevegelse stivner som gele på en kald dag. Ignorerer vi atferden når vi går et lite skritt til siden når det skjer feil? Nei, om feil-signalet er verbalt eller fysisk gjør ikke den store forskjellen et feil-signal er et feil-signal. At en respons er nøytral må bety at den verken er straffende eller forsterkende den er ingenting. I 1980-årene definerte en gruppe trenere fra de amerikanske Sea World-parkene et begrep de kalte Least Reinforcing Stimulus (LRS minst forsterkende stimulus). LRS er en 2-3 sekunder lang pause med minst mulig endring i treningsmiljøet som respons på uønsket atferd. Målet med dette er å minske forekomsten av den uønskede atferden uten bivirkninger fra straff eller negativ forsterkning. 30 Canis nr. 2-2014
Klikkertrening Når bør man bruke feil-signaler? Vil man bruke feil-signaler, bør man tenke dem inn i treningen (minst) like strukturert som en betinget forsterker. En betinget straff bør kun brukes av erfarne trenere, og selv da ikke for ofte. Et lite gjennomtenkt klikk ødelegger kanskje bilde av hvordan atferden skulle se ut. Et lite gjennomtenkt feil-signal kan ødelegge hundens totale treningsopplevelse. Man bør jobbe med feil-signalet så det ikke blir betinget til frustrasjon og irritasjon. Sørg for å målrettet forsterke rolig respons på feil-signalet. Det skal være OK å feile. Man kan sammenligne den lille pausen i treningen med en mini time-out, men igjen uten de uhensiktsmessige bivirkningene som kan oppstå når hunden forbinder handlingen med negative erfaringer. I praksis gjør dyret en feil i treningen og treneren fortsetter sin gjøren og laden i 2-3 sekunder, men uten å forsterke på det tidspunktet hvor forsterkeren ellers ville ha kommet hvis dyret hadde utført den ønskede atferden. Betrakter man denne treningen vil det faktisk være vanskelig å helt se hva som skjer, men mindre man har fulgt treningen nøye og kjenner de presise kriteriene. Det er også akkurat det som er meningen med LRS. Treneren vet det har skjedd Forgiftede signaler Blander man straff og forsterkning sammen, kan dette forgifte de signalene du har jobbet hardt for å gjøre til grønne lys som hunden sitter på nåler for å få. en feil, dyret vet det ettersom ikke forsterkningen kommer som forventet, men umiddelbart etterpå får den igjen mulighet til å tjene belønningen sin. På denne måten har ikke konsekvensen av feilen på noen måte vært negativ eller straffende, og man unngår dermed at dyret flipper ut! LRS-begrepet ble opprinnelig brukt i trening av marine pattedyr, som kan ta livet av mennesker på grunn av størrelsen hvis de mister hodet på grunn av et temperamentsutbrudd. Men jeg lurer på om ikke en sur hund kan være like ille! Feil no biggie! Kan man ikke argumentere for at denne pausen i treningen, om enn forsvinnende liten, med tiden kan ta form som straff? Det vil sikkert og vist kunne forekomme for sensitive dyr som føler seg snytt, også selv om det bare er i to sekunder. Når man først begynner å føle seg snytt kan følelsene komme i kok, og en situasjon som opprinnelig var nøytral vipper over kanten og tynger i negativ retning. I treningen skal vi for alt i verden unngå denne assosiasjonen til snyteri, bedrag og humbug. Det skal være OK å gjøre feil. Verden går ikke under fordi man har dekket i stedet for å legge seg, eller fordi man kom til å sitte litt skjevt. Derfor er det viktig at hunden, eller hvilket som helst dyr man nå trener, aldri begynner å forbinde en feil med noe negativt. Selvfølgelig skal man ikke framelske feil og holde en kjempefest når det skjer, men man bør likevel sørge for å forsterke hunden for å reagere med ro og is i magen når det skjer feil. Man kan saktens opprettholde den gode stemningen ved å jevnlig belønne hunden for å ta det med opphøyd ro når vi ikke belønner for den atferden vi egentlig etterspurte. Lyder dette selvmotsigende? Ja, kanskje. Men man skal hele tiden overveie to ting: Dels er det av største viktighet at hunden aldri mister motet. Hvis man kan sikre dette ved å belønne for god oppførsel ved feil, så synes jeg at det er verdt det. Dels må man ha med i beregningen at belønninger er relative. Ovenstående skriver jeg kanskje som om det er en selvfølge. Slik har min reise med feil i treningen langt fra vært. Jeg har vært gjennom mange løsningsmodeller til jeg fant det som passet for hunden min og meg. Eksempelet jeg vil legge fram er min 8-årige golden retriever. En hund med stor tilbøyelighet til stress, en sensitiv hund som absolutt ikke har håndtert feil på en god måte (og det har ikke jeg heller. Høna eller egget det vet jeg ikke!) Ved selv de minste feil har han gjennom tidene reagert på tre forskjellige måter; Han har forlatt treningen for å herje og løpe Canis nr. 2-2014 31
Tekst og foto: Theresa Zamastil hodeløst rundt på banen for å hilse på de andre hundeførerne, stjele belønningene de har eller vise fram andre unoter. Andre ganger har han falt helt sammen og mistet enhver motivasjon for trening, og i noen tilfeller har han begynt å halse. Alt sammen tegn på dyp frustrasjon. Vi har landet på å unngå all bruk av feil-melding bortsett fra en kort pause eller avbrudd i treningen hvis feilen oppstår i en kjede. Jeg kjenner etter hvert hunden godt nok til at jeg vet hvilke feil og i hvilke situasjoner frustrasjonen dukker opp. Derfor passer jeg på at pausen følges av litt hyggelig berøring i disse situasjonene, eller eventuelt et par godbiter, mens vi snakker om det. Blir hunden i dette tilfellet belønnet for feil atferd? Nej, det gjør han ikke. Han blir belønnet for å håndtere avbruddet i treningen som en gentleman og ikke miste motet. Det er akkurat dette jeg mener når jeg sier at all belønning er relativ. Det er definitivt ingen tvil om at hunden mye heller ville fortsatt treningen sin med de superkule belønningene han kan tjene der, enn å sitte sammen med meg og bli klødd mens han spiser noen tørre Frolic. Er ikke det der litt for hyggelig? har jeg blitt spurt etter en feil. Men det er akkurat hyggelig nok til at den prosedyren vi kjører ved feil beholder en liten positiv overvekt for hunden, men på ingen måte så hyggelig at han vil begynne å gjøre feil for å oppnå kosen og de tørre godbitene. Jeg foreslår ikke at man ved enhver feil skal gjennomgå et ritual med kos og klapp, men at man gjør seg konkrete overveielser over hva som kreves for å holde sin minst forsterkende stimulus på et nivå hvor det ikke tipper over i å lukte av straff, men bevarer sin egenskap som forsterkende i så liten overvekt som mulig. Et åpenlyst alternativ Uansett hvilken løsning man velger for å håndtere feil må man ikke være så tilfreds med beslutningen ar man glemmer den absolutt beste løsningen at hunden ikke gjør feil. Dette er et umulig senario, men med gode og veloverveide treningsplaner kan man sørge for å holde feilene på et minimum. Dette krever at man som trener minutiøst setter kriterier som er mulige å håndtere, noe som dessuten krever en del mer hjernegymnastikk enn å fortelle hunden når den har gjort feil. I siste instans er det likevel være tankevirksomhet som gir godt utbytte. Jo færre ganger hunden din gjør feil, desto mindre øver den seg på samme feil. 32 Canis nr. 2-2014
Klikkertrening LRS - Least Reinforcing Stimulus = minst forsterkende stimulus En kort pause på 2-3 sekunder hvor situasjonen er så nøytral som mulig. Den lille overvekten av forsterkende egenskaper forekommer ved jevnlig å forsterke hundens positive respons ved at belønne den for ro og velvilje Den feilfrie treningen er i bunn og grunn det som alle som involverer seg i positiv trening må sikte etter. Når vi former fram atferd tilrettelegger vi treningen slik at hunden lykkes. Vi forsterker atferden ved å sette inn på belønningskontoen, så det er ingen grunn til å unødig svekke motivasjon og selvtillit hos hunden ved å trekke for mye av kontoen ved bruk av straff den mye brukte banklignelsen! oppsummering Det er mange måter å håndtere feil på. Et par av dem er beskrevet i teksten. Å feile hunden med en feil-markør, et ord eller en lyd som forteller hunden at den har gjort feil og ikke kan forvente belønning, er blitt svært populært. Noen av fallgruvene er uheldig følelsesmessig assosiering av ordet, som reelt fungerer som en betinget straff. Straff kan, hvis man ikke er ytterst forsiktig, føre til frustrasjon hos hunden, og frustrasjonen kan komme til uttrykk som bjeffing, overslagshandlinger, unngåelse eller andre Feil-meldinger og atferdskjeder Atferdskjeder holdes sammen av signalenes forsterkende effekt på de foregående leddene. Å bruke feil-melding i en kjede kan straffe atferden og forgifte signalet som skulle holde kjeden sammen. Dette kan smitte av på kjedens tidligere ledd. uhensiktsmessige bivirkninger. Hvis hunden har gjort denne følelsesmessige koblingen risikerer man å forgifte signalene og atferdene som burde vært bygget opp av positiv forsterkning, og man risikerer å svekke hundens treningsmotivasjon og til slutt relasjonen til deg i treningen. En feil-markør provoserer hunden ettersom feilene påpekes, på sammen måte som vi provoseres når noen forteller oss at vi har feilet. Feil vil imidlertid forkomme. En mindre provoserende måte å svekke forekomsten av feil, er bruk av en helt nøytral kort pause (LRS) på 2-3 sekunder uten de store tiltakene. Det eneste merkbare utslaget er at det ikke kommer noen belønning, men ut over dette er situasjonen så nøytral som mulig. Denne framgangsmåten skal sørge for at hunden ikke straffes for feilen, og for å forhindre unødig negativ følelsesmessig respons holdes feilhåndteringen på den positive siden av spekteret ved å jevnlig sørge for at hunden belønnes for ro og god sportsånd. Dette er muligheten for at hunden beholder motivasjonen til tross for en feil i ny og ne. I begynnelsen definerte vi feil som uønskede atferder og responser. Denne definisjonen legger dog en del ansvar over på hunden, hvor ansvaret i virkeligheten ligger på oss som trenere. Det er opplagt å ha en plan klar for hvordan vi skal håndtere feil, men den viktigste oppgaven er å sørge for å tilrettelegge treningen slik at hundens feilfrekvens er minimal. Håndtering av feil bør aldri overskygge en god treningsplan. Referanser: (1991). Decreasing the Frequency of Behavior through Extinction: An Application for the training of Marine Mammals. Side 13-107, Animal Training, Successful Animal Management through Positive John G. Shed Aquarium Emily Larlham (2012). Errorless Learning versus the use of No Reward Markers. Dogmantics Dog Training Blog (June 1, 2012) Kathy Sdao, Cues and Behavior Chains seminar Mistakes seminar Canis nr. 2-2014 33