Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Bab 9
William Kaye Estes

Teori Pengambilan Sampel Stimulus Estes*

Generalisasi
Kepunahan
Pemulihan spontan
Pencocokan Probabilitas
Model Pembelajaran Markov Estes
Estes dan Psikologi Kognitif
Model Array Kognitif: Mengklasifikasikan dan Mengkategorikan
Belajar untuk Belajar
Status Model Pembelajaran Matematika Saat Ini
Evaluasi Teori Estes
Kontribusi
Kritik

Salah satu tren saat ini dalam teori pembelajaran adalah menjauh dari teori yang luas
dan komprehensif menuju sistem miniatur. Para peneliti menandai area yang diminati
dan menjelajahinya secara menyeluruh. Keluasan dikorbankan untuk kedalaman.
Contoh tren ini adalah apa yang disebut ahli teori pembelajaran statistik, yang
mencoba membangun sistem mini yang kaku dari mana rentang fenomena
pembelajaran yang terbatas dapat disimpulkan. Yang paling berpengaruh dari ini, dan
salah satu yang paling awal, dikembangkan oleh Estes (1950). Estes, lahir pada
tahun 1919, memulai karir profesionalnya di University of Indiana. Dia pindah
pertama ke Universitas Stanford dan kemudian ke Universitas Rockefeller dan
sekarang di Harvard. Dalam Bab 5, kami menemukan beberapa penelitian tentang
hukuman yang dilakukan Estes saat dia menjadi mahasiswa Skinner di University of
Minnesota. Namun, untuk pengembangan teori pembelajaran statistiknya, Estes
paling dikenal. Teorinya dapat dianggap sebagai upaya untuk mengukur teori belajar
Guthrie. Teori Guthrie tampak sederhana, tapi

221
222 BAB 9

ketika seseorang bertanya tentang sifat stimulus secara lebih rinci, misalnya,
seseorang segera menyadari bahwa teorinya jauh lebih kompleks daripada yang
tampak pada awalnya. Estes menyelidiki kompleksitas ini dan menawarkan model
yang secara efektif menanganinya.

Teori Sampling Stimulus E stes

Sebelum memberikan contoh bagaimana teori stimulus sampling (SST) Estes

bekerja, kita melihat asumsi yang dibuat oleh Estes:
Asumsi ISituasi belajar terdiri dari sejumlah besar elemen stimulus tetapi
terbatas. Elemen-elemen ini terdiri dari banyak hal yang dapat dialami oleh
pembelajar pada permulaan percobaan pembelajaran. Rangsangan ini mencakup
peristiwa eksperimental seperti cahaya, bel, materi verbal yang disajikan dalam drum
memori, bilah di kotak Skinner, atau landasan pacu di labirin-T. Mereka juga
mencakup rangsangan yang dapat diubah atau sementara seperti perilaku
eksperimen, suhu, suara ekstra neous di dalam dan di luar ruangan, dan kondisi di
dalam subjek eksperimen seperti kelelahan atau sakit kepala. Semua elemen
stimulus yang diambil secara kolektif ini dilambangkan dengan S. Sekali lagi, S
adalah jumlah total stimulus yang menyertai suatu percobaan dalam situasi belajar
apapun.

Asumsi IISemua tanggapan yang dibuat dalam situasi eksperimental termasuk dalam
salah satu dari dua kategori. Jika responsnya adalah yang dicari oleh eksperimen
(seperti air liur, kedipan mata, penekanan batang, berbelok ke kanan dalam labirin-T,
atau melafalkan suku kata yang tidak masuk akal dengan benar), itu disebut respons
A{. Jika responsnya adalah apa pun selain yang diinginkan eksperimen, itu salah dan
diberi label A2. Dengan demikian, Estes membagi semua respons yang mungkin
terjadi dalam eksperimen pembelajaran menjadi dua kelas: (A^, respons yang
diminati eksperimen—respon yang “benar”—atau (A2), semua respons lainnya. Tidak
ada gradasi di antara:

Entah seekor binatang membuat tanggapan

terkondisi atau tidak; baik siswa melafalkan
suku kata yang tidak masuk akal dengan benar
atau tidak.

Asumsi IIISemua elemen di 5 berada di

dilampirkan ke Ax atau A2. Sekali lagi, ini
semua-
situasi atau tidak sama sekali: Semua elemen
stimulus dalam
Sbaik dikondisikan ke yang diinginkan atau cor

WilliamKaye Estes. (KesopanandariWK
Estes.)
tanggapan langsung (At) atau untuk yang tidak
relevan atau incor
jawaban yang tepat (A2). Elemen dikondisikan
ke Ax
dapatkan respons Ax, dan elemen dikondisikan
untuk A> mendapatkan A> tanggapan. Di awal
WILLIAM KAYE ESTES 223

percobaan, hampir semua rangsangan akan dikondisikan ke A2 dan akan

menimbulkan tanggapan A2. Misalnya, pada tahap awal percobaan, tikus terlibat
dalam perilaku selain menekan bar, peserta eksperimen tidak merespons ketika CS
disajikan, dan seorang siswa tidak mengingat suku kata yang tidak masuk akal yang
benar. Perilaku ini terjadi hanya setelah mereka melekat pada rangsangan dalam
konteks eksperimental.
Asumsi IVPembelajar terbatas dalam kemampuannya untuk mengalami S.
Pembelajar mengalami atau mengambil sampel hanya sebagian kecil dari
rangsangan yang tersedia pada setiap percobaan pembelajaran, dan ukuran sampel
diasumsikan tetap konstan selama percobaan. Proporsi konstan S yang dialami pada
awal setiap percobaan pembelajaran dilambangkan dengan 0 (theta). Setelah setiap
percobaan, elemen-elemen dalam 0 dikembalikan ke 5.
Asumsi VSebuah percobaan pembelajaran berakhir ketika respon terjadi; jika
respons Al mengakhiri percobaan, elemen stimulus di 0 dikondisikan ke respons Ax.
Mengikuti Guthrie, Estes menerima penjelasan kedekatan pembelajaran. Ketika
respons Al terjadi, asosiasi terbentuk antara respons itu dan rangsangan yang
mendahuluinya. Dengan kata lain, karena proporsi elemen stimulus di 5 diambil
sampelnya pada awal percobaan, elemen-elemen tersebut dikondisikan ke Al melalui
prinsip kedekatan setiap kali respons Al mengakhiri percobaan. Ketika jumlah elemen
dalam 5 yang dikondisikan ke Al meningkat, kemungkinan 0 mengandung beberapa
elemen tersebut meningkat. Dengan demikian, kecenderungan Axresponse untuk
ditimbulkan pada awal percobaan pembelajaran meningkat dari waktu ke waktu, dan
elemen stimulus yang awalnya melekat pada A2 secara bertahap melekat pada Ax.
Inilah yang disebut Estes sebagai pembelajaran. Keadaan sistem pada saat tertentu
adalah proporsi elemen yang dilampirkan dan respons A2.
Asumsi VIKarena elemen dalam 0 dikembalikan ke 5 pada akhir percobaan,
dan karena 0 sampel pada awal percobaan pembelajaran pada dasarnya adalah
acak, proporsi elemen yang dikondisikan ke A{ di .Sakan tercermin dalam elemen di
0 di awal setiap percobaan baru. Jika tidak ada elemen di S yang dikondisikan ke Alf
0 tidak akan ada elemen yang dikondisikan ke jawaban yang benar. Jika 50 persen
elemen dalam S dikondisikan menjadi 50 persen elemen dalam sampel acak 0 dari 5
dapat diharapkan dikondisikan ke A{.
Apa yang menentukan apakah respons Ax atau A2 terjadi pada percobaan
pembelajaran? Bagaimana teori Estes dapat mendamaikan klaimnya tentang
pembelajaran semua-atau-tidak sama sekali dengan fakta bahwa kinerja bersifat
probabilistik—bahwa respons Ax terkadang tidak akan terjadi bahkan setelah
beberapa percobaan pembelajaran yang berhasil? Jawaban atas pertanyaan-
pertanyaan tersebut menunjukkan mengapa teori Estes disebut sebagai teori belajar
statistik. Teori menyatakan bahwa probabilitas respons Al sama dengan proporsi
elemen stimulus dalam 0 berkondisi Ax pada awal percobaan pembelajaran, dan
setiap 0 adalah sampel acak dari S. Jika semua elemen dalam 0 dikondisikan ke A[y
responsnya memiliki peluang 100 persen untuk terjadi. Namun, jika hanya 75 persen
elemen dalam 0 yang berkondisi
224 BAB 9

terkait dengan Ab kami mengharapkan jawaban sekitar 75 persen dari waktu dan
A<>ulang
mensponsori 25 persen dari waktu. Dengan kata lain, probabilitas mengamati respons
Ax bergantung pada status sistem.
Dengan menggunakan asumsi di atas, kita dapat memperoleh ekspresi
matematis yang merangkum proses pembelajaran seperti yang terlihat oleh Estes:
1. Probabilitas respon Ax pada setiap percobaan n (Pn) sama dengan proporsi
elemen yang dikondisikan untuk Ax pada percobaan tersebut (pn).
Pn = Pn
2. Dari asumsi II, semua elemen adalah elemen AY (dengan probabilitas p) atau
elemen A2 (dengan probabilitas q). Dan ini merupakan 100 persen dari unsur-unsur dalam
situasi tersebut.
p + q =1.00
jadi
p =1,00 - q
3. Dari asumsi V, elemen yang tidak dikondisikan ke AY pada setiap percobaan
n (tercermin dalam q) harus menjadi elemen yang tidak dikondisikan ke A} sebelum percobaan
pertama dan yang tidak dikondisikan untuk Ax pada percobaan sebelumnya. Pada setiap
percobaan n, probabilitas bahwa suatu elemen tidak diprakondisikan pada percobaan 1 adalah
(1 - Pi). Demikian pula, pada setiap percobaan n, probabilitas bahwa suatu elemen tidak
dikondisikan ke Ax pada percobaan sebelumnya adalah (1 - 0)n" l. Probabilitas gabungan dari
dua peristiwa yang terjadi bersama-sama (yaitu, probabilitas bahwa suatu elemen tidak
diprakondisikan dan belum dikondisikan) adalah produk matematis dari probabilitas masing-
masing.

q = ( i - pl) ( \ - ey - 1

4. Substitusi dari 3, diperoleh

Pn = l - ( l - P 1) ( l - 6 ) " - 1

Bagaimana teori Estes menghubungkan kinerja dan pelatihan? Contoh berikut

mungkin dapat membantu: Asumsikan bahwa kita memiliki dua pelajar. Satu dimulai
dengan Px= 0 dan 0 = .05. Yang kedua juga dimulai dengan Px = 0 tetapi mampu
mengambil sampel rangsangan dalam jumlah yang lebih besar di lingkungan belajar.
Untuk pelajar kedua, 0 = .20.
Untuk pembelajar pertama,

sedang diadili 1,Px= 1- (1)(1 - .05)°=0

sedang diadili 2,P> = 1- (1)(1 - .05)1= .05
sedang diadili 3,P3= 1- (1)(1 - .05)2= .10

dan kinerja mendekati 100 persen (P„ = 1,00) pada sekitar 105 percobaan, dengan
asumsi masing-masing percobaan ini berakhir dalam respon Axe.
WILLIAM KAYE ESTES 225

Untuk pembelajar kedua,

percobaan,P1= l-(l)(l-.20)° = 0
dalam percobaan
2,P2=1- (1) (1 - .20)1=.20
pada percobaan 3, =
1- (1) (1 - .20)2= .36

dan kinerja mendekati 100 persen (Pn = 1,00) pada sekitar 23-25 percobaan, sekali
lagi dengan asumsi setiap percobaan berakhir dengan respon Axe.
Rumus tersebut menghasilkan kurva belajar yang dipercepat secara negatif
dengan tote asymp 1 yang dapat bervariasi dari kasus ke kasus, seperti yang telah
kita lihat dalam contoh, tergantung pada ukuran 0 dan nilai Px. Kurva pembelajaran
yang dihasilkan oleh rumus Estes pada dasarnya sama dengan yang dihasilkan oleh
rumus Hull, yang dijelaskan dalam Bab 6 (lihat Gambar 6-1). Baik Estes dan Hull
berasumsi bahwa lebih banyak pembelajaran terjadi pada tahap awal eksperimen
pembelajaran daripada di tahap selanjutnya.
Kurva belajar yang dipercepat secara negatif terjadi, menurut Estes, karena
percobaan dalam eksperimen pembelajaran biasanya berakhir dengan respons Ax,
dan sebagai hasilnya, semakin banyak elemen yang dikondisikan ke A{. Tapi ada
hasil yang semakin berkurang. Mengambil contoh situasi di mana, pada permulaan
percobaan, respon sangat tidak mungkin (misalnya, dengan pengkondisian mata
berkedip), kita melihat bahwa hampir semua elemen di-5 akan dikondisikan ke A2
(tidak berkedip ketika cahaya disajikan). Namun, anggaplah bahwa kedipan terjadi
pada akhir percobaan 1. Dalam kasus ini, semua elemen sampel pada percobaan itu
(0) beralih dari A2 ke A{ karena semuanya dikondisikan ke A2 untuk memulai. Pada
percobaan berikutnya, beberapa elemen akan dikondisikan ke Aly tetapi sebagian
besar masih akan dikondisikan ke A2. Karena itu, sekarang mungkin beberapa
elemen yang dikondisikan ke Ax akan diambil sampelnya bersama dengan yang
dikondisikan ke A2. Dengan demikian laju pergantian (dari A2 ke Aj) tidak akan
sebesar pada percobaan 2 seperti pada percobaan 1 karena hanya elemen-elemen
yang dikondisikan ke A2 yang dapat ditransfer ke Aj. Seperti yang kita lihat
sebelumnya, perubahan dari A2 ke A{ inilah yang merupakan pembelajaran. Dalam
percobaan selanjutnya, semakin banyak elemen yang sudah dikondisikan ke Ab dan,
oleh karena itu, jumlah elemen yang dikondisikan untuk A2respons yang terkandung
dalam 0 pada setiap percobaan yang diberikan adalah kecil. Kemudian dapat dilihat
bahwa ketika uji coba pembelajaran berlangsung, kecepatan belajar menurun. Ketika
semua elemen dalam S dikondisikan ke A1? tidak ada pembelajaran lebih lanjut yang
dapat terjadi, dan probabilitas bahwa respons A} akan terjadi adalah 1. Jadi, kita
memiliki kurva belajar yang dipercepat secara negatif, yang sekali lagi hanya
menunjukkan bahwa pembelajaran berkembang lebih cepat pada tahap awal
daripada pada tahap selanjutnya. Laju pergantian elemen stimulus yang dipercepat
secara negatif ini digambarkan dalam Gambar 9-1.

Generalisasi
Generalisasi dari situasi belajar asli ke situasi lain dengan mudah diurus oleh teori
stimulus sampling. Estes mengambil posisi yang sama dalam transfer seperti yang
dilakukan Thorndike dan Guthrie. Artinya, transfer terjadi sejauh dua situasi memiliki
elemen stimulus yang sama. Jika banyak elemen sebelumnya
226 BAB 9

Peralihan Bersih
dari A2 ke Ai

5 Elemen Stimulus

(100% dari
elemen di 0)

4 Elemen Stimulus
Percobaan 2 (80% dari
elemen di 0)

2 Elemen Stimulus

(40% dari
elemen di 0)

o Elemen Stimulus Dikondisikan untukA2Tanggapan

• Elemen Stimulus Dikondisikan untuk Respons Ai

GAMBAR 9-1 Model Estes tentang bagaimana elemen stimulus berubah dari keadaan
tidak terkondisi ke keadaan terkondisi.

dikondisikan untuk A2response hadir dalam situasi belajar baru, probabilitas tinggi
bahwa respon akan ditimbulkan dalam situasi baru. Jika tidak ada elemen yang
dikondisikan ke At pada permulaan situasi pembelajaran baru, probabilitas respons
Ax adalah nol. Dalam situasi baru, seperti pembelajaran asli, probabilitas respons At
sama dengan proporsi elemen stimulus dalam 5 yang dikondisikan untuk itu.

Kepunahan
Estes menangani masalah kepunahan pada dasarnya dengan cara yang sama
seperti yang dilakukan Guthrie. Karena dalam pemadaman percobaan biasanya
berakhir dengan subjek melakukan sesuatu selain Ab, elemen stimulus yang
sebelumnya dikondisikan ke Al secara bertahap beralih kembali ke A2. Hukum untuk
perolehan dan kepunahan adalah sama. Faktanya, dalam sistem Estes, tidak masuk
akal untuk berbicara tentang kepunahan. Apa yang disebut kepunahan kembali
WILLIAM KAYE ESTES 227

cocok setiap kali kondisi diatur sehingga elemen stimulus dialihkan dari respons Ax
ke respons A2.

Pemulihan spontan
Seperti yang mungkin Anda ingat dari Bab 7, pemulihan spontan mengacu pada
munculnya kembali respons terkondisi setelah respons itu mengalami kepunahan.
Untuk menjelaskan pemulihan spontan, Estes sedikit memperluas gagasannya
tentang S. Sebelumnya dalam bab ini, 5 didefinisikan sebagai jumlah total elemen
stimulus yang ada pada awal percobaan dalam eksperimen pembelajaran. Kami juga
mencatat bahwa elemen stimulan ini termasuk peristiwa sementara seperti suara
asing dari luar (misalnya, mobil yang menjadi bumerang, guntur, dan suara keras)
dan keadaan tubuh sementara dari subjek percobaan (misalnya, gangguan
pencernaan, sakit kepala, dan kecemasan). Karena ini dan banyak peristiwa lainnya
bersifat sementara, mereka mungkin menjadi bagian dari S pada satu kesempatan
tetapi tidak pada yang lain. Demikian juga, ketika mereka adalah bagian dari S,
mereka tersedia untuk dijadikan sampel oleh subjek; ketika mereka bukan bagian dari
S, mereka tidak dapat dijadikan sampel. Dengan kata lain, hanya elemen-elemen
yang ada di 5 yang dapat dijadikan sampel sebagai bagian dari 0.
Di bawah kondisi di atas, ada kemungkinan bahwa selama pelatihan, respons
A{ dikondisikan ke banyak elemen sementara ini. Jika ternyata elemen-elemen ini
tidak tersedia selama pemadaman, respons Ax yang dikondisikan untuk mereka tidak
dapat dialihkan ke respons A2. Pergantian dapat terjadi hanya untuk elemen stimulus
yang benar-benar disampel; jadi jika elemen tertentu telah dikondisikan pada respons
Ax selama pelatihan dan selanjutnya tidak tersedia selama pemadaman, statusnya
tetap sama, yaitu, melekat pada Ax.
Sekarang pentingnya elemen sementara ini untuk pemulihan spontan menjadi
jelas. Sangat mungkin bahwa banyak elemen yang dikondisikan ke Al selama
akuisisi tidak tersedia selama kepunahan tetapi dapat muncul kembali beberapa saat
setelah kepunahan terjadi. Jadi, jika subjek ditempatkan kembali ke situasi
eksperimental beberapa saat setelah kepunahan, sebagian dari elemen ini sekarang
mungkin ada dan karena itu cenderung menimbulkan respons Ax. Pemulihan
spontan kemudian dijelaskan dengan asumsi bahwa proses kepunahan (pengalihan
elemen dari Ai ke A2) tidak pernah selesai sejak awal.

Pencocokan Probabilitas
Selama bertahun-tahun, para behavioris bingung dengan fenomena pencocokan
probabilitas. Eksperimen pencocokan probabilitas tradisional melibatkan lampu sinyal
yang diikuti oleh salah satu dari dua lampu lainnya. Ketika lampu sinyal menyala,
subjek harus menebak yang mana dari dua lampu lainnya yang akan menyala.
Eksperimen mengatur situasi sehingga lampu menyala dalam pola apa pun yang dia
inginkan, seperti lampu kiri 75 persen dari waktu, lampu kanan 25 persen dari waktu;
atau lampu kiri 100 persen waktu, lampu kanan nol persen waktu. Hasil dari
pengaturan seperti itu biasanya bahwa subjek akhirnya menebak frekuensi di mana
lampu menyala hampir persis seperti yang telah diatur oleh eksperimen; misalnya,
jika lampu kanan menyala 80 persen, subjek akan memprediksi bahwa
228 BAB 9

cahaya akan datang sekitar 80 persen dari percobaan. Ini disebut sebagai
pencocokan probabilitas.
Untuk menangani hasil ini, kita perlu menambahkan simbol untuk dua peristiwa
stimulus baru ke teori Estes:
ei =lampu kiri menyala
E2 = lampu kanan menyala
Dalam hal ini, respons Ax memprediksi Ej, dan A2 memprediksi E^. Dalam analisis
Estes tentang pencocokan probabilitas, tebakan aktual subjek tidak relevan.
Diasumsikan bahwa ketika Ex terjadi, itu membangkitkan respons Ax implisit pada
subjek, dan ketika Eo terjadi, itu membangkitkan respons A2 implisit. Jadi, bagi Estes,
peristiwa itu sendiri bertindak sebagai “penguat” (lihat Estes & Straughan, 1954, untuk
detail lebih lanjut). Situasi eksperimental dapat digambarkan sebagai berikut:
Tebakan Peristiwa
SEBUAH
Lampu Sinyal —> , ej —> Perilaku implisit mengakhiri percobaan
E*
Dua simbol tambahan diperlukan untuk analisis kecocokan probabilitas Estes
ing:
7t = peluang terjadinya Ej
1- K = peluang terjadinya E^
Pada percobaan di mana E{ terjadi, semua elemen sampel dari 5 pada percobaan itu
dikondisikan ke Au dan pada percobaan di mana Eo terjadi, sampel elemen akan
dikondisikan ke A2.
Seperti sebelumnya, probabilitas respons A{ pada setiap percobaan (Pn) sama
dengan proporsi elemen di 5 yang dikondisikan ke Ax dan probabilitas respons A2
sama dengan proporsi elemen yang tidak dikondisikan ke Ax atau (1 - Pn). Seperti
sebelumnya, 0 sama dengan proporsi elemen sampel pada setiap percobaan, dan
sekali lagi, nilai ini tetap sama selama percobaan.
Probabilitas Ayresponse setelah n percobaan diberikan oleh rumus berikut:
/>„ =*-( itu - A ) ( l - e )
Karena (1 - 0) kurang dari 1, dengan n semakin besar, persamaan ini
menghasilkan kurva dipercepat negatif dengan asimtot n. Jadi, berapa pun nilai n,
rumus ini memprediksi bahwa proporsi tanggapan yang dibuat oleh subjek bahkan
akan benar-benar sesuai dengan proporsi ejkejadian yang ditetapkan oleh
eksperimen. Dengan kata lain, Estes memprediksi kemungkinan pencocokan oleh
subjek, dan inilah yang terjadi. Untuk detail lebih lanjut mengenai penerapan teori
Estes untuk pencocokan probabilitas, lihat Estes dan Straughan (1954) atau Estes
(1964b).

Model Pembelajaran E stes'Markov

Semua teori pembelajaran statistik bersifat probabilistik; yaitu, variabel dependen yang
mereka pelajari adalah probabilitas respons. Namun, ada perbedaan pendapat tentang
apa yang dikatakan oleh probabilitas respons yang berubah ini kepada kita tentang sifat
pembelajaran. Argumen klasik adalah apakah belajar itu bertahap atau selesai dalam satu
percobaan. Thorndike con-
WILLIAM KAYE ESTES 229

menghindari bahwa belajar itu bertahap dan itu meningkat sedikit demi sedikit dari
percobaan ke percobaan. Hull dan Skinner setuju dengan Thorndike dalam hal ini. Guthrie
berbeda dengan mengatakan bahwa belajar terjadi dengan cara semua-atau-tidak sama
sekali dan hanya tampak bertahap karena kompleksitas tugas yang dipelajari. Kami
membahas dalam Bab 10 bahwa ahli teori Gestalt, dengan studi wawasan mereka, juga
merasa bahwa mereka menunjukkan bahwa pelajar beralih dari keadaan tidak terpelajar
ke keadaan terpelajar dengan sangat cepat dan tidak sedikit demi sedikit.
Teori sampling stimulus awal Estes menerima baik sudut pandang inkremental
(bertahap) dan semua atau tidak sama sekali mengenai proses pembelajaran. Anda
akan ingat bahwa hanya sebagian kecil dari jumlah total elemen stimulus yang ada
selama percobaan yang dijadikan sampel pada percobaan apa pun. Elemen sampel
dikondisikan dengan cara semua atau tidak sama sekali terhadap respons apa pun
yang menghentikan percobaan. Namun, karena hanya sebagian kecil dari elemen
yang dikondisikan pada percobaan tertentu, pembelajaran berlangsung sedikit demi
sedikit, dan ini adalah bagaimana kurva pembelajaran yang dipercepat secara negatif
dihasilkan. Untuk mengulangi, posisi awal Estes adalah bahwa elemen-elemen
stimulus yang dijadikan sampel pada percobaan tertentu dikondisikan dengan cara
semua-atau-tidak sama sekali; tetapi karena hanya sejumlah kecil dari mereka yang
dijadikan sampel dalam uji coba, pembelajaran berlangsung secara bertahap atau
bertahap. Probabilitas membuat respons berubah secara bertahap dari satu
percobaan ke percobaan berikutnya, dan jika jumlah total elemen stimulus yang
diberikan dalam percobaan itu cukup besar, sifat belajar semua atau tidak sama
sekali tidak dapat dideteksi. Artinya, dengan sejumlah besar elemen stimulus yang
ada dalam eksperimen, akan ada perubahan yang sangat kecil dalam probabilitas
respons dari satu percobaan pembelajaran ke percobaan berikutnya, dan ketika
probabilitas tersebut diplot, itu akan terlihat sebagai z/pembelajaran adalah
inkremental. dari semua-atau-tidak di alam.
Kemudian, Estes merancang sejumlah studi yang memungkinkan proses
pembelajaran diamati secara lebih rinci (misalnya, Estes, 1960, 1964a; Estes, Hopkins, &
Crothers, 1960). Studi-studi ini menunjukkan bahwa ketika jumlah elemen yang akan
dijadikan sampel sangat kecil, pembelajaran jelas terjadi dengan cara semua-atau-tidak
sama sekali; sebenarnya, dapat dikatakan bahwa belajar terjadi sepenuhnya pada satu
percobaan atau tidak terjadi sama sekali—tampaknya tidak ada di antaranya. Perubahan
cepat dari keadaan tidak terpelajar ke keadaan terpelajar ini dikatakan sesuai dengan
proses Markov, yang dicirikan oleh perubahan probabilitas respons yang tiba-tiba dan
bertahap daripada perubahan yang relatif lambat dan bertahap dari percobaan ke
percobaan.
Dalam satu penelitian, Estes (1964a) menggunakan rekan berpasangan untuk
menunjukkan sifat pembelajaran yang bertahap. Dalam pembelajaran asosiasi
berpasangan, subjek mempelajari pasangan item sehingga ketika mereka
ditunjukkan anggota pertama dari pasangan, mereka dapat merespons dengan yang
lain. Estes menggunakan variasi pembelajaran rekanan berpasangan di mana subjek
ditunjukkan anggota pertama dari pasangan, dan memiliki empat tanggapan untuk
dipilih, hanya satu yang benar. Jadi, setelah subjek melihat anggota pertama dari
pasangan tersebut, kemungkinan mereka memilih jawaban yang benar secara
kebetulan saja adalah 0,25 (1 banding 4). Estes menemukan bahwa jika subjek
menebak dengan benar pada satu percobaan, kemungkinan menebak dengan benar
pada percobaan berikutnya pergi ke 1 dan tinggal di sana. Dengan kata lain, setelah
menebak dengan benar, subjek akan benar pada 100 persen dari percobaan
berikutnya. Subjek yang tidak menebak dengan benar terus menebak pada tingkat
peluang sampai mereka menebak dengan benar, pada saat itu probabilitas mereka
berikutnya untuk menjadi benar melonjak menjadi 1. Fakta terpenting di sini adalah
bahwa subjek yang berbeda mempelajari respons yang benar pada titik yang
berbeda dalam percobaan ; yaitu, ketika mata pelajaran belajar, mereka belajar
sepenuhnya, tetapi pembelajaran ini terjadi pada percobaan yang berbeda untuk
mata pelajaran yang berbeda, seperti yang ditunjukkan pada Gambar 9-2.
230 BAB 9

GAMBAR 9 -2Subjek beralih dari tingkat

kebetulan
Probabilitas Respon yang Benar
kinerja untuk kinerja yang sempurna hanya
satu percobaan, tetapi proses ini terjadi pada
waktu yang berbeda
kali untuk mata pelajaran yang berbeda. (Dari
“Semua-atau-
Tidak Ada Proses dalam Pembelajaran dan
Retensi,”
oleh WK Estes, 1964,Psikolog Amerika,
79, hlm. 16-25. Hak Cipta oleh American
Asosiasi Psikologi. Dicetak ulang oleh
izin dari penerbit dan penulis.)

Uji coba

Apa yang terjadi ketika contoh individu dari keadaan tidak terpelajar ke keadaan
terpelajar diabaikan dan data dari semua mata pelajaran dikumpulkan menjadi satu?
Dalam keadaan ini, probabilitas membuat respons yang benar untuk subjek dalam
keadaan tidak dipelajari akan digabungkan dengan mereka yang berada dalam
keadaan terpelajar dan probabilitas rata-rata akan diplot. Misalnya, jika ada lima
subjek dalam percobaan dan tiga berada dalam keadaan tidak dipelajari (probabilitas
membuat respons yang benar = .25) dan dua berada dalam kondisi terpelajar
(probabilitas membuat respons yang benar = 1), probabilitas rata-rata membuat
jawaban yang benar untuk grup adalah 0,55. Semakin banyak percobaan
pembelajaran yang terjadi, semakin banyak subjek yang akan memasuki kondisi yang
dipelajari, dan kemungkinan rata-rata untuk kelompok akan meningkat. Proses ini
ditunjukkan pada Gambar 9-3.
Penting untuk dicatat bahwa karena data digabungkan, seseorang mendapat
kesan bahwa pembelajaran itu bertahap dan sedikit meningkat dari percobaan ke
percobaan. Ketika satu

GAMBAR 9 -3 Meskipun individu

mata pelajaran yang dipelajari
sepenuhnya dalam satu percobaan,
ketika data dari sejumlah indi
subjek individu dikumpulkan, secara
Kemungki

negatif
kurva belajar yang dipercepat dihasilkan.
Kurva ini memberikan kesan yang salah
nan

bahwa belajar itu terus menerus dan

tidak terjadi dalam mode semua-atau-
tidak sama sekali
ion. (Dari “Semua atau Tidak Ada Proses
di
Pembelajaran dan Retensi,” oleh WK Estes,
1964,
hal.16-25. Hak Cipta oleh American
Asosiasi Psikologi. Dicetak ulang oleh
izin dari penerbit dan
Pengarang.)
WILLIAM KAYE ESTES 231

melihat kinerja individu, namun, ilusi pembelajaran bertahap menghilang.

Dalam studi sebelumnya, Estes (1960) menggunakan situasi asosiasi
berpasangan lainnya dalam melibatkan suku kata dan angka yang tidak masuk akal.
Dia menjalankan empat puluh delapan mata pelajaran pada daftar rekanan
berpasangan delapan item; yaitu, ada delapan pasang suku kata dan angka yang
tidak masuk akal. Setiap mata pelajaran disajikan dengan masing-masing dari
delapan suku kata-nomor pasangan satu kali dan kemudian diuji dengan melihat
suku kata saja dan menebak nomor yang terkait dengannya. Kali ini tidak ada pilihan
ganda, seperti yang ada dalam studi rekanan berpasangan lainnya yang disebutkan
sebelumnya.
Untuk membedakan antara sudut pandang yang mengatakan belajar itu
bertahap dan yang mengatakan semuanya atau tidak sama sekali, Estes
berhipotesis empat subjek yang memulai eksperimen dengan probabilitas nol untuk
benar. Keempat subjek hipotetis ini melihat suku kata dan angka berpasangan satu
kali. Saat diuji, salah satu dari empat mengantisipasi angka dengan benar setelah
melihat suku kata yang tidak masuk akal. Estes mengandaikan bahwa kemungkinan
benar pada tes berikutnya dinaikkan dari nol menjadi 0,25 untuk grup. Tetapi
peningkatan kemungkinan menjadi benar ini dapat terjadi dalam dua cara:
(1) Mereka yang percaya pada sifat belajar yang bertahap akan mengatakan bahwa
"kekuatan asosiatif" meningkat di keempat mata pelajaran, dan oleh karena itu pada tes
berikutnya semua anggota kelompok memiliki kemungkinan benar 0,25 dan kemungkinan
benar. salah dari 0,75; (2) salah satu anggota kelompok membentuk asosiasi yang benar
sedangkan tiga lainnya tidak. Menurut prinsip pembelajaran semua atau tidak sama sekali,
satu orang akan selalu benar pada tes berikutnya, dan tiga lainnya akan selalu salah.
Perbedaan antara sudut pandang kekuatan asosiatif dan sudut pandang semua-atau-tidak
ada digambarkan dalam Gambar 9-4.

Penguatan Tes Satu Tes Istirahat

R=N R=C

□. n

0= o

□.
P

pn =0
C

T
GAMBAR 9 -4 Diagram menunjukkan apa efek
dari tulangan tunggal dianggap menurut
"kekuatan asosiatif" (bagian atas diagram) dan
semua-atau-tidak (bagian bawah diagram)
sudut pandang.N =tanggapan yang salah; C =
jawaban yang benar;R= tanggapan yang dibuat
pada uji coba mengikuti satu penguatan.
Sebagai contoh,R
= nberarti bahwa subjek membuat kesalahan
tanggapan pada uji coba. (Dari “Teori
Pembelajaran dan 'Kimia Mental Baru,'” oleh
WK Estes, 1960,Tinjauan Psikologis,67,hal. 207-
223. Hak Cipta 1960 oleh American
Psychological Association. Dicetak ulang
dengan izin dari penerbit dan penulis.)
232 BAB 9

Sekarang kita kembali ke eksperimen nyata yang melibatkan empat puluh

delapan subjek. Estes in menyatakan bahwa menurut sudut pandang kekuatan
asosiatif, bagaimana subjek melakukan bentuk pada tes kedua seharusnya tidak ada
hubungannya dengan apakah mereka benar pada tes pertama. Dengan kata lain, jika
kinerja subjek yang salah pada tes pertama dibandingkan dengan kinerja subjek yang
benar pada tes pertama, itu harus menunjukkan bahwa mereka melakukannya
dengan baik pada tes kedua. Sudut pandang all-or-none, bagaimanapun,
mengatakan bahwa semua atau sebagian besar subjek yang benar pada tes pertama
juga harus benar pada tes kedua, dan subjek yang salah pada tes pertama juga harus
salah. pada tes kedua. Estes menjalankan tes semacam itu dan hasilnya dirangkum
dalam Gambar 9-5.
Terlihat pada Gambar 9-5 bahwa dari 384 kemungkinan benar (48 mata
pelajaran x 8 pasangan berpasangan), 49 persen jawaban pada tes 1 benar dan 51
persen salah. Tujuh puluh satu persen item yang ditanggapi dengan benar pada tes 1
juga ditanggapi dengan benar pada tes 2, sedangkan hanya 9 persen dari item yang
ditanggapi dengan salah pada tes 1 yang ditanggapi dengan benar pada tes 2. Hasil
ini mendukung dengan gagasan bahwa ketika sesuatu dipelajari, itu dipelajari
sepenuhnya; jika tidak dipelajari sepenuhnya, itu tidak dipelajari sama sekali. Estes
menjalankan beberapa percobaan dengan kelompok kontrol yang menunjukkan
bahwa 51 persen soal yang tidak terjawab sama sulitnya dengan 49 persen yang
tidak terjawab dan bahwa subjek yang tidak terjawab 51 persen memiliki kemampuan
belajar rata-rata yang sama dengan mata pelajaran lainnya.
Seperti kebanyakan gagasan dalam teori pembelajaran saat ini, karya Estes
tidak luput dari kritik. Underwood dan Keppel (1962), misalnya, menemukan
kesalahan pada banyak bagian dari eksperimen yang baru saja kita bahas. Antara
lain, mereka bertanya-tanya, jika sudut pandang all-or-none benar, mengapa semua
item yang benar pada tes pertama tidak juga benar pada tes kedua, bukan hanya 71
persennya? Underwood dan Keppel merasa bahwa teori pembelajaran inkremental
Hull lebih mampu menangani data daripada teori Estes'all-or-none:

Dapat dikatakan bahwa jika suatu butir soal pada uji coba pertama salah maka
berada di bawah ambang batas unjuk kerja; tidak ada alasan mengapa itu harus
benar pada yang kedua

Ri T) Istirahat T2 GAMBAR 9 -5 Hasil eksperimen pembelajaran

terkait berpasangan. Lihat teks untuk
.71 penjelasan. (Dari “Teori Pembelajaran dan
C 'Kimia Mental Baru/” oleh WK Estes,
1960,Tinjauan Psikologis, 67,hal. 207-223.
.49 Hak Cipta 1960 oleh American
Psychological Association. Dicetak ulang
.29 dengan izin dari penerbit dan penulis.)
n
384
kasus .09
C

.51
------------- N
.91
n
WILLIAM KAYE ESTES 233

tes tanpa studi intervensi. Demikian juga, item di atas ambang batas pada uji coba
pertama memiliki probabilitas tinggi untuk benar pada uji coba kedua. Butir-butir soal
yang benar pada uji coba pertama tetapi tidak benar pada uji coba kedua, dan butir-
butir yang tidak benar pada uji pertama tetapi benar pada uji kedua, akan ditangani
oleh beberapa teori inkremental melalui tidak adanya osilasi, (hal. 3-4 )

Seperti yang Anda ingat, efek osilasi (sOR) adalah bagian dari teori
pembelajaran Hull (lihat Bab 6). Menurut Hull, efek osilasi beroperasi melawan
respons yang dipelajari dalam jumlah yang bervariasi dari percobaan ke percobaan
dan secara acak. Ketika nilai sOR kebetulan tinggi, kemungkinan respons yang
dipelajari pada percobaan tertentu itu rendah. Ketika nilai sOR rendah, itu memiliki
sedikit efek pada elisitasi dari respon yang dipelajari. Hull menggunakan efek osilasi
untuk menjelaskan mengapa respons yang dipelajari dapat terjadi pada satu
percobaan tetapi tidak pada percobaan berikutnya.

Estes dan Psikologi Kognitif

Meskipun Estes tetap menjadi ahli teori kedekatan, dalam beberapa tahun terakhir, ia telah
menekankan mekanisme kognitif dalam analisis pembelajarannya (lihat, misalnya, Estes
1969a, 1969b, 1971,1972,1973,1978). Seperti yang telah kita lihat, analisis sebelumnya
mengikuti Guthrie dengan mengasumsikan bahwa rangsangan apa pun yang ada pada
penghentian percobaan pembelajaran menjadi terkait dengan respons apa pun yang
menghentikan percobaan. Baik Guthrie dan Estes memandang belajar sebagai asosiasi
mekanis dan otomatis dari peristiwa-peristiwa yang berdekatan. Pada dasarnya,
organisme, termasuk manusia, dipandang sebagai mesin yang dapat merasakan,
merekam, dan merespons. Meski masih mekanistik, analisis pembelajaran Estes saat ini
jauh lebih kompleks karena mempertimbangkan pengaruh peristiwa kognitif.

Pentingnya MemoriSebelumnya, Estes menyatakan bahwa rangsangan dan

respons menjadi terkait oleh kedekatan, dan sekali terkait, ketika rangsangan
berulang, mereka akan memperoleh respons yang terkait dengannya. Kemudian,
Estes menambahkan elemen ketiga untuk analisisnya, yaitu, memori (lihat, misalnya,
Estes, 1969a, 1972, 1973, 1978). Dalam analisis Estes yang lebih baru, daripada
rangsangan yang mengarah langsung ke tanggapan, rangsangan menimbulkan
ingatan akan pengalaman sebelumnya, dan interaksi rangsangan saat ini dengan
ingatan pengalaman sebelumnya yang menghasilkan perilaku.
Estes (1976) menjelaskan apa yang dia yakini terjadi dalam situasi
pengambilan keputusan di mana tanggapan yang berbeda dikaitkan dengan hasil
yang berbeda. Misalnya, membuat respons Axe akan menghasilkan lima poin dan
membuat respons A2 akan menghasilkan tiga poin. Pertama, menurut Estes, subjek
mempelajari nilai dari setiap respons, dan informasi ini disimpan dalam memori.
Selanjutnya, ketika diberi kesempatan untuk merespons, subjek akan memindai
situasi untuk menentukan respons apa yang mungkin dan mengingat apa hasilnya.
Dengan informasi ini, subjek akan memilih untuk membuat respons yang
menghasilkan hasil yang paling berharga. Estes (1976) menyebutnya model
pemindaian pengambilan keputusan. Secara umum, model mengklaim bahwa dalam
setiap situasi pengambilan keputusan,
234 BAB 9

tionships dan akan merespon sedemikian rupa untuk menghasilkan hasil yang paling
menguntungkan. Model pemindaian inilah yang sekarang digunakan Estes untuk
menjelaskan pencocokan probabilitas (lihat Estes, 1976).
Memori juga memainkan peran penting dalam analisis Estes tentang operasi kognitif
tingkat tinggi seperti yang melibatkan bahasa. Mengikuti tradisi empiris Inggris, Estes
berasumsi bahwa ingatan sederhana digabungkan untuk membentuk ingatan yang
kompleks. Dalam belajar bahasa, misalnya, pertama-tama huruf alfabet dipelajari dan
dipertahankan, kemudian kata, lalu kalimat, dan kemudian prinsip-prinsip pengorganisasian
lainnya. Pemanfaatan bahasa, kemudian, membutuhkan ingatan yang diatur dalam hierarki
mulai dari ingatan elemen sederhana (misalnya, huruf) hingga ingatan aturan dan prinsip
tata bahasa yang kompleks. Estes (1971) mengatakan bahwa perilaku manusia yang
kompleks seperti yang melibatkan bahasa “lebih baik dipahami dalam hal pengoperasian
aturan, prinsip, strategi, dan sejenisnya daripada dalam hal suksesi tanggapan terhadap
rangsangan tertentu”(hal. 23). Menurut Estes, itu adalah interaksi proses kognitif yang
kompleks dengan stimulasi sensorik yang menentukan bagaimana situasi ditanggapi.

Model Array Kognitif:

Mengklasifikasikan dan
Mengkategorikan
Estes melihat stimulus sampling theory (SST) sebagai perpanjangan matematis dari
teori transfer elemen identik Thorndike. Artinya, dikembangkan untuk membuat
prediksi yang tepat tentang transfer pembelajaran dari satu situasi ke situasi lain,
berdasarkan elemen stimulus yang sama untuk keduanya. Dalam karya terbarunya,
Estes (1994) memperluas masalah yang pertama kali dieksplorasi oleh Medin dan
Shaffer (1978) dan terus mengembangkan pendekatan elemen identik Thorndike.
Namun kali ini model tersebut diterapkan secara khusus pada perilaku klasifikasi dan
kategorisasi. Memeriksa makhluk, mencatat bahwa ia memiliki bulu, bahwa ia
terbang, dan bertelur, dan kemudian menyebutnya "burung" adalah salah satu contoh
dari perilaku semacam ini. Dokter yang mengumpulkan data dan mendiagnosis flu
biasa, bukan pneumonia, dan memasarkan analis yang menyatakan perusahaan
sebagai investasi yang baik, daripada usaha berisiko, mengklasifikasikan atau
mengkategorikan. Meskipun pendekatan Estes untuk klasifikasi sangat kognitif, kita
akan melihat bahwa ada kesamaan antara jenis perilaku yang diprediksi oleh SST
dan oleh model klasifikasinya. Selanjutnya, beberapa asumsi penting Estes tentang
pembelajaran, yang dibuat dalam pendekatan kognitifnya, serupa dengan yang dia
buat dalam pengembangan SST sebelumnya.
Ingatlah bahwa dalam SST, pembelajaran terjadi dengan cara semua atau tidak
sama sekali, satu percobaan dan itu hanya membutuhkan kedekatan antara
rangsangan dan respons tertentu. Pada uji coba pembelajaran berikutnya, subjek
mengambil sampel sejumlah elemen stimulus dari kumpulan stimulus, dan respons
yang dihasilkan bergantung pada proporsi stimulus dalam sampel yang dilampirkan
pada respons itu. Jika sampel tidak mengandung elemen yang dikondisikan, baik
karena sifat pengambilan sampel yang acak atau karena lingkungan telah berubah,
respons tidak akan diperoleh.
Dalam model klasifikasi kognitif Estes, subjek diasumsikan untuk memeriksa
stimulus yang kompleks dan memperhatikan (mengambil sampel) fitur-fitur penting
atau menonjolnya. Seperti di SST, fitur stimulus tersebut, bersama dengan informasi
tentang kategori atau anggota kelasnya.
WILLIAM KAYE ESTES 235

kapal, dipelajari semua atau tidak sama sekali, dalam satu percobaan. Pada titik
inilah pendekatan kognitif Estes, yang disebut model array, berbeda dari SST. Dalam
kasus model larik, karakteristik stimulus dan penunjukan kategori disimpan dalam
memori sebagai satu set—sebuah larik—yang membuat fitur atau atribut penting
tetap berbeda dan siap untuk dibandingkan dengan atribut rangsangan lainnya.
Ketika stimulus baru ditemukan, fitur yang menonjol dari sdmulus baru dibandingkan
dengan set fitur yang dipelajari dan disimpan sebelumnya. Klasifikasi stimulus baru
kemudian didasarkan pada kesamaan atributnya dengan atribut stimulus yang
disimpan dalam susunan memori. Ada perbedaan tambahan antara SST dan model
array yang layak disebutkan. Fokus SST adalah pada asosiasi stimulus-respon yang
terbentuk di masa lalu dan cara asosiasi tersebut terakumulasi. Fokus model array
adalah pada klasifikasi peristiwa yang dihadapi di masa sekarang atau yang akan
dihadapi di masa depan. Dalam mencatat bahwa kita tidak memperoleh catatan
memori yang tepat dan sangat rinci tentang situasi yang dihadapi sebelumnya, Estes
(1994) mengatakan,

Situasi tidak pernah terulang secara tepat, dan oleh karena itu catatan saja tidak akan
membantu kita dalam menghadapi masalah saat ini atau mengantisipasi masa depan.
Memori sangat penting untuk perilaku adaptif karena diorganisasikan dengan cara yang
membuat informasi yang diperoleh dari pengalaman masa lalu dapat diterapkan pada
situasi sekarang. Dan inti dari memori adalah klasifikasi__ Cukuplah untuk mengatakan
bahwa klasifikasi adalah dasar untuk semua aktivitas intelektual kita, (hal. 4)

SST Mengasumsikan Hubungan Stimulus AditifMeskipun SST dan model array

mencerminkan teori transfer elemen identik Thorndike, mereka melakukannya
dengan cara yang berbeda. Sebuah contoh sederhana dapat membantu
mengilustrasikan perbedaan-perbedaan ini. Mari kita lihat dulu masalah di mana
subjek belajar membedakan antara dua rangsangan yang disebut "A" dan "B" dan
cara teori pengambilan sampel menangani masalah generalisasi respons "A". Dalam
contoh kita, rangsangan akan memiliki tiga fitur atau elemen pengambilan sampel
yang berbeda: Mereka adalah ukuran, warna, dan bentuk. Stimulus "A" besar,
berwarna merah, dan berbentuk persegi. Subjek belajar mengatakan "B" pada
rangsangan kedua yang berbeda yaitu lingkaran kecil berwarna biru. Setelah
pelatihan diskriminasi dengan rangsangan awal ini, subjek diuji pada dua rangsangan
baru. Ini adalah lingkaran merah besar dan kotak biru kecil. Masalahnya ditampilkan
pada Tabel 9-1.

TABEL 9-1

PELATIHAN TES

ST IM ULI 1A IB ST IM ULI 2 A 2B

1 besar kecil besar kecil

Contoh
Elemen 2 merah biru merah biru

3 kotak lingkaran lingkaran kotak

TANGGAPAN "SEBUAH" " B" ??? ???

Diprediksi: (66% “A”) (33% "A")

236 BAB 9

Seperti yang ditunjukkan di kanan bawah, kami ingin mengetahui bagaimana

subjek akan merespons rangsangan tes, 2A dan 2B, setelah diskriminasi dipelajari
dengan rangsangan pelatihan. Perhatikan bahwa lingkaran merah besar berbagi dua
elemen dengan stimulus pelatihan yang dipelajari subjek untuk disebut "A" tetapi
hanya memiliki satu elemen yang sama dengan stimulus pelatihan yang disebut "B."
Demikian pula, kotak biru kecil berbagi dua elemen dengan stimulus pelatihan "B"
tetapi hanya satu elemen dengan "A." Prediksi dasar dari SST, berdasarkan
kombinasi aditif langsung dari elemen stimulus, adalah bahwa subjek akan menyebut
lingkaran merah besar sebagai "A" sekitar 66 persen dari waktu menjadi penyebab
stimulus ini berbagi dua pertiga dari sifat-sifat stimulus pelatihan yang telah melekat
pada respon "A." Mereka juga harus memanggil kecil, kotak biru sebuah "A" sekitar
33 persen dari waktu karena sepertiga dari unsur-unsurnya melekat pada respon "A"
selama pelatihan diskriminasi awal. Ini adalah demonstrasi yang cukup langsung
tentang bagaimana ide Thorndike tentang elemen identik digunakan dalam SST untuk
memprediksi generalisasi, dan prediksi untuk masalah pembelajaran yang sangat
sederhana seperti ini, pada kenyataannya, cukup akurat (dikutip dalam Atkinson Sc
Estes, 1963, hal.193).
Masalah signifikan dengan SST adalah bahwa, dalam situasi yang lebih
kompleks daripada yang baru saja dijelaskan, teori tidak dapat menjelaskan efek
merugikan besar yang diamati ketika pelajar manusia atau bukan manusia diuji dalam
konteks atau dengan rangsangan yang sangat berbeda dari yang ada selama
pelatihan. Dalam bukunya Classification and Cognition, Estes (1994) menunjukkan
bahwa kelemahan kritis adalah asumsi efek stimulus aditif—ide konseptual dan
matematis, yang ditunjukkan dalam contoh kita, bahwa elemen stimulus digabungkan
dengan cara aditif untuk memperoleh respons yang dipelajari. . Sebagai alternatif,
model array mengasumsikan bahwa elemen digabungkan secara multiplikasi untuk
mendapatkan respons.

Model Array Mengasumsikan Hubungan Stimulus Multiplicative Berdasarkan

model array, kami menilai kesamaan rangsangan dalam konteks baru relatif terhadap
rangsangan dalam situasi pelatihan dengan membandingkan atribut atau elemen
stimulus. Dalam setiap kasus perbandingan, faktor yang disebut 5, koefisien
kesamaan, menggambarkan tingkat kesamaan antara pasangan atribut stimulus.
Estes menulis “Kami membandingkan dua situasi... fitur demi fitur, menerapkan
koefisien kesamaan kesatuan [cetak miring ditambahkan] jika fitur cocok dan
koefisien dengan beberapa nilai lebih kecil 5, jika berbeda. Ukuran kesamaan adalah
produk [cetak miring ditambahkan] dari koefisien ini” (hal. 19). Oleh karena itu,
probabilitas transfer respons dari situasi pelatihan ke situasi pengujian adalah fungsi
dari produk koefisien kesamaan. Jelas, jika semua perbandingan elemen stimulus
menghasilkan kecocokan yang sempurna, semua koefisien kesamaan sama dengan
1,00, dan ukuran kesamaannya adalah (1 x 1x 1x 1...) atau 1. Probabilitas transfer
respons kemudian adalah 1,00 atau kepastian. Probabilitas respons menurun dari
kepastian setiap kali ada ketidaksesuaian antara rangsangan yang dibandingkan.
Pada contoh sebelumnya, koefisien kesamaan untuk perbandingan ukuran dan
warna keduanya 1,00 karena kedua rangsangan besar dan merah. Namun, koefisien
kesamaan untuk perbandingan bentuk adalah 5, beberapa angka kurang dari 1,00
karena bentuk tidak cocok dengan sempurna. Jadi, ukuran kesamaan antara
rangsangan 1A dan 2A adalah (1 x 1x s) atau 5, dan karena ukuran kesamaan untuk
1A dan 2A kurang dari 1,00, kita tidak akan mengharapkan transfer respons yang
sempurna antara keduanya. Probabilitas transfer respon kemudian 1,00 atau
kepastian. Probabilitas respons menurun dari kepastian setiap kali ada
ketidaksesuaian antara rangsangan yang dibandingkan. Pada contoh sebelumnya,
koefisien kesamaan untuk perbandingan ukuran dan warna keduanya 1,00 karena
kedua rangsangan besar dan merah. Namun, koefisien kesamaan untuk
perbandingan bentuk adalah 5, beberapa angka kurang dari 1,00 karena bentuk tidak
cocok dengan sempurna. Jadi, ukuran kesamaan antara rangsangan 1A dan 2A
adalah (1 x 1x s) atau 5, dan karena ukuran kesamaan untuk 1A dan 2A kurang dari
1,00, kita tidak akan mengharapkan transfer respons yang sempurna antara
keduanya. Probabilitas transfer respon kemudian 1,00 atau kepastian. Probabilitas
respons menurun dari kepastian setiap kali ada ketidaksesuaian antara rangsangan
yang dibandingkan. Pada contoh sebelumnya, koefisien kesamaan untuk
perbandingan ukuran dan warna keduanya 1,00 karena kedua rangsangan besar dan
merah. Namun, koefisien kesamaan untuk perbandingan bentuk adalah 5, beberapa
angka kurang dari 1,00 karena bentuk tidak cocok dengan sempurna. Jadi, ukuran
kesamaan antara rangsangan 1A dan 2A adalah (1 x 1x s) atau 5, dan karena ukuran
kesamaan untuk 1A dan 2A kurang dari 1,00, kita tidak akan mengharapkan transfer
respons yang sempurna antara keduanya. koefisien kesamaan untuk perbandingan
ukuran dan warna keduanya 1,00 karena kedua rangsangan besar dan merah.
Namun, koefisien kesamaan untuk perbandingan bentuk adalah 5, beberapa angka
kurang dari 1,00 karena bentuk tidak cocok dengan sempurna. Jadi, ukuran
kesamaan antara rangsangan 1A dan 2A adalah (1 x 1x s) atau 5, dan karena ukuran
kesamaan untuk 1A dan 2A kurang dari 1,00, kita tidak akan mengharapkan transfer
respons yang sempurna antara keduanya. koefisien kesamaan untuk perbandingan
ukuran dan warna keduanya 1,00 karena kedua rangsangan besar dan merah.
Namun, koefisien kesamaan untuk perbandingan bentuk adalah 5, beberapa angka
kurang dari 1,00 karena bentuk tidak cocok dengan sempurna. Jadi, ukuran
kesamaan antara rangsangan 1A dan 2A adalah (1 x 1x s) atau 5, dan karena ukuran
kesamaan untuk 1A dan 2A kurang dari 1,00, kita tidak akan mengharapkan transfer
respons yang sempurna antara keduanya.
WILLIAM KAYE ESTES 237

rangsangan. Perhatikan bahwa dengan nilai s yang sesuai, model array dapat
diterapkan pada masalah generalisasi pada Tabel 9-1 dan membuat prediksi yang
serupa dengan yang dibuat oleh SST.
Namun, model array dimaksudkan untuk menggambarkan dan memprediksi
bagaimana orang menilai rangsangan menjadi anggota kategori tertentu, bukan
bagaimana respons terkondisi digeneralisasi atau ditransfer ke situasi baru, dan kita
dapat menggunakan rangsangan dari masalah generalisasi kita untuk menunjukkan
dasar model array. Dalam contoh kita, tiga atribut atau elemen stimulus dibatasi
sehingga masing-masing hanya dapat memiliki satu dari dua nilai. Sehubungan
dengan ukuran, stimulus bisa besar
(ditunjukkan dengan “+”) atau bisa kecil (ditunjukkan dengan a Bisa berwarna merah
(+) atau biru (-); dan bisa berupa persegi (+) atau lingkaran (-). kita
dasar, deskripsi umum, s diberi nilai tunggal untuk semua perbandingan atribut.
Aturan kategorisasi yang kami tentukan secara sewenang-wenang untuk eksperimen
ini adalah bahwa semua benda merah besar termasuk dalam kategori A; semua
benda kecil berwarna biru termasuk dalam kategori B. Rangsangan akan disajikan
satu per satu, subjek akan merespon dengan mengkategorikan stimulus sebagai "A"
atau "B," dan eksperimen akan menunjukkan apakah respon kategoris benar .

Item dalam Kategori Mirip Satu Sama LainLangkah pertama dalam

mengembangkan model array untuk masalah yang dikembangkan di atas adalah
menentukan kesamaan
item dalam kategori. Kita dapat melihat bahwa dua dari rangsangan kita sebenarnya
termasuk dalam kategori A. Pada Tabel 9-2 kita menunjukkan koefisien kesamaan
mereka dan produk dari koefisien tersebut sebagai ukuran kesamaan item-item
tersebut satu sama lain. Perlu diingat bahwa koefisien kesamaan adalah 1 ketika nilai
elemen seni cocok (keduanya + atau keduanya -) dan adalah 5, beberapa nilai
kurang dari 1 ketika nilainya berbeda.
Ada juga dua anggota kategori B, dan kami menunjukkan koefisien kesamaan
mereka dan produk untuk rangsangan tersebut pada Tabel 9-3.
Ukuran kesamaan stimulus dengan dirinya sendiri, tentu saja, 1,00 karena
semua fitur cocok. Dalam kedua kategori A dan B, ukuran kesamaan dua
rangsangan dalam kategori, ditunjukkan oleh produk dari koefisien kesamaan, adalah
5 dan kurang dari 1,00 karena, dalam setiap kasus, dua fitur cocok dengan sempurna
tetapi ada ketidakcocokan sehubungan dengan bentuk. Perhatikan, bagaimanapun,
bahwa ukuran kesamaan antara rangsangan dari kategori yang berbeda bahkan
lebih kecil dari s. Jika dua rangsangan memiliki satu elemen yang cocok dan dua
ketidakcocokan, produknya adalah (1 xsxs)

TA BLE 9-2 E lem en ts in C a te go ry A

UKURAN WARNA MEMBENTUK

STIMULUS 1A + + +
STIMULUS 2A + + -

koefisien 1 1 S
PRODUK: (1x1 xs) = s
238 BAB 9

TABEL 9-3 E lem en ts in C a te go ry B

UKURAN WARNA MEMBENTUK

STIMULUS IB
STIMULUS 2B _ _ +

koefisien 1 1 S

PRODUK:( 1 x 1 x ) = S

ataus~.Jika dua rangsangan tidak cocok pada ketiga fitur, produknya adalah (5 x 5 x
5)atau53.Jika
kami mengatur 5= .7 dalam (Pengaturan ini sewenang-wenang dan digunakan
contoh ini untuk ilustrasi
saja), kita lihat
dua pertandingan; satu ketidakcocokan = (1 x 1x .7) = .7
satu pertandingan; dua ketidakcocokan = (1 x .7 x .7) =
(.7)2= .49 tidak ada kecocokan; tiga ketidakcocokan = (.7 x
.7 x .7) = (.7)3= .34

Item Stimulus Mewakili Seluruh KategoriLangkah selanjutnya dalam

menerapkan model array adalah menentukan sejauh mana stimulus tertentu mewakili
kategorinya secara keseluruhan. Untuk melakukan ini, kami membangun matriks
koefisien kesamaan yang membandingkan elemen-elemen dalam suatu kategori
dengan elemen-elemen lain dalam kategori itu, termasuk perbandingan satu stimulus
dengan dirinya sendiri. Matriks untuk rangsangan dalam kategori A ditampilkan pada
Tabel 9-4. Di kolom paling kanan, kita melihat bahwa kesamaan stimulus 1A untuk
semua item dalam kategori A adalah (1 +5), kesamaan item itu dengan dirinya sendiri
ditambah kesamaan item itu dengan anggota kategori lainnya. Kesamaan 2A untuk
semua item di A juga (1 +5).
Selanjutnya, kita dapat membuat matriks yang mewakili kesamaan item di A
dengan item di B, sehingga mewakili kesamaan setiap item di A dengan kategori B
secara keseluruhan. Jumlah kesamaan item di A dengan setiap item di B ditunjukkan
di kolom paling kanan pada Tabel 9-5.
Akhirnya, kita dapat membuat prediksi probabilistik tentang kategorisasi yang
benar dari suatu stimulus. Prediksi ini didasarkan pada kesamaan stimulus ^ dengan
kategorinya sendiri (benar) relatif terhadap jumlah kesamaannya dengan semua
kategori yang mungkin. Jadi, peluang untuk mengkategorikan stimulus 2A dengan
benar dihitung dengan membagi kesamaan stimulus 2A dengan kategori A dengan
kesamaan stimulus 2A dengan kategori

TABEL 9 -4Stim uli dalam C a te go ry A

ST IM ULUS 1A ST IM ULUS 2A (SIM IL AR IT YTOA)

STIMULUS 1A 1 S (1 + s)
STIMULUS 2A S 1 (1 + s)
WILLIAM KAYE ESTES 239

gories A dan B. Artinya, probabilitas mengenali stimulus 2A dengan benar sebagai

anggota A adalah
(1+5)
(1 + s) + (s2+ 53)
Untuk melihat bagaimana model dapat bekerja dengan contoh konkret,
katakanlah kita melatih subjek pada item 1A dan IB, dan, seperti di atas, 5 = .7.
Model array memprediksi bahwa, ketika stimulus 2A muncul, probabilitas bahwa itu
akan dikategorikan sebagai "A" adalah
(1 + .7)
(1 + .7) + (.49+ .34)

= 1.7/2.53
= 0,67

Mungkin latihan yang berguna bagi pembaca untuk menggunakan model untuk
memprediksi probabilitas kategorisasi yang benar dari 2B dalam kondisi yang sama.
Perhatikan, bagaimanapun, bahwa manipulasi matematis ini bukan hanya latihan
sehingga para eksperimen dapat memprediksi kinerja dalam tugas-tugas
pembelajaran kategoris. Teori ini mengasumsikan bahwa subjek terlibat dalam
proses kognitif yang ditangkap dalam teori matematika. Estes (1994) menulis:

Pada awal setiap percobaan setelah percobaan pertama, subjek menghitung [cetak
miring ditambahkan] kesamaan contoh yang disajikan kepada setiap anggota larik
memori saat ini, menjumlahkan [cetak miring ditambahkan] kesamaannya dengan
semua anggota yang terkait dengan setiap kategori, menghitung [cetak miring
ditambahkan] probabilitas setiap kategori, dan menghasilkan [cetak miring
ditambahkan] respons berdasarkan probabilitas ini. Tentu saja tidak diasumsikan
bahwa individu melakukan perhitungan ini seperti yang akan dilakukan komputer,
hanya sistem pemrosesan menyelesaikan dalam beberapa cara serangkaian
perhitungan yang mengarah ke probabilitas respons yang sama seperti yang
dihasilkan oleh komputer yang diprogram untuk mensimulasikan model, (hal. 46)

Jelas, dengan analisisnya yang lebih baru, Estes telah memeluk psikologi
kognitif.
Pandangan Estes tentang Peran PenguatanPandangan Estes saat ini tentang
penguatan juga bersifat kognitif. Estes tidak pernah menjadi ahli teori penguatan, dan
dia bukan ahli teori penguatan sekarang. Posisi sebelumnya menolak hukum efek,
yang menyatakan bahwa penguatan memperkuat ikatan atau hubungan antara
stimulus dan respons. Mengikuti Guthrie, Estes percaya bahwa penguatan mencegah

TABEL 9-5Stim uli dalam C a te go ry B

STIMULUS 1A
STIMULUS 2A
ST IM ULUSIB ST IM ULUS 2 B (SIM IL AR IT YTOB)
s3 s2 (s3 ++>
s2 s3 (52 + S3)
240 BAB 9

unlearning dari asosiasi dengan melestarikan asosiasi antara rangsangan tertentu

dan respon tertentu. Pandangan Estes yang lebih baru tentang peran penguatan
menekankan informasi yang diberikannya kepada organisme (lihat, misalnya, Estes,
1969b, 1971, 1978).

Menurut Estes, organisme tidak hanya mempelajari hubungan SR tetapi juga

hubungan RO (respon-outcome). Artinya, organisme belajar, dan mengingat,
tanggapan mana yang mengarah pada konsekuensi mana. Dalam situasi tertentu,
beberapa respons mengarah pada penguatan, beberapa mengarah pada hukuman,
dan lainnya tidak mengarah pada keduanya. Penguatan paksaan dan hukuman tidak
memperkuat atau melemahkan perilaku karena hubungan RO yang mengarah pada
penguatan maupun hukuman tidak dipelajari dengan mudah seperti yang terjadi
(Estes, 1969b). Organisme hanya mempelajari apa yang mengarah ke apa, dan
informasi ini menentukan respons mana yang lebih disukai daripada respons lain
yang mungkin.

Dalam analisisnya tentang penguatan, Estes membuat perbedaan penting

antara pembelajaran dan kinerja. Baginya, penguatan dan hukuman bukanlah
variabel belajar karena pembelajaran terjadi tanpa kehadirannya. Sebaliknya,
penguatan dan hukuman adalah variabel kinerja karena mereka menentukan
bagaimana materi yang sudah dipelajari akan memanifestasikan dirinya dalam
perilaku.
Meskipun posisi Estes menekankan mekanisme kognitif (misalnya, memori) dan
memandang penguatan dan hukuman sebagai memberikan informasi kepada
organisme, posisinya masih memandang manusia sebagai mesin. Dalam hal ini,
perbedaan utama antara posisi sebelumnya dan posisi baru-baru ini adalah bahwa
mesin menjadi jauh lebih kompleks. Hulse, Egeth, dan Deese (1980) dengan baik
merangkum pandangan Estes tentang bagaimana penguatan dan hukuman secara
otomatis memandu perilaku:

Fungsi penguatan, dalam teori Estes, bukanlah untuk secara langsung memperkuat
pembentukan asosiasi-asosiasi baru; kedekatan sederhana sudah cukup untuk itu.
Dalam hal ini dia sangat dekat dengan Guthrie. Sebaliknya, peristiwa yang
memperkuat memiliki efeknya pada kinerja, yang, dalam istilah Guthrie, berarti
kecenderungan urutan tertentu dari respons yang dipelajari untuk mencapai
beberapa kesimpulan akhir. Fungsi penguatan adalah untuk memberikan umpan
balik berdasarkan antisipasi ... hadiah atau hukuman yang akan datang yang
dijumlahkan dengan rangsangan saat ini (atau rangsangan yang diingat dari memori)
dalam situasi belajar dan dengan demikian memandu perilaku secara istimewa di
sepanjang satu jalur yang bertentangan dengan yang lain. . Intinya, dengan kata lain,
teori Estes menekankan model sibernetik untuk pengaruh penguatan pada kinerja:

Istilah sibernetik dalam kutipan ini mengacu pada sistem yang secara otomatis
dipandu oleh umpan balik dari lingkungan. Contoh sistem sibernetik termasuk pilot
otomatis di pesawat terbang atau termostat yang mengatur suhu rumah.
Dengan interpretasi informasinya tentang penguatan dan pembedaan antara
pembelajaran dan kinerja, Estes menyelaraskan dirinya dengan teori Edward Tolman
(lihat Bab 12) dan Albert Bandura (lihat Bab 13). Estes, Tolman, dan Bandura
semuanya percaya bahwa kita mempelajari apa yang kita amati dan bagaimana
informasi ini
WILLIAM KAYE ESTES 241

tion diterjemahkan ke dalam perilaku tergantung pada tujuan organisme. Ada juga
hubungan kekerabatan antara posisi terakhir Estes dan pendekatan pemrosesan
informasi dalam psikologi. Psikologi pemrosesan informasi berpendapat bahwa input
dari lingkungan (stimuli) berinteraksi dengan satu atau lebih proses mental sebelum
menghasilkan output (perilaku). Seperti Estes, banyak psikolog pemrosesan
informasi menerima model sibernetik dalam menjelaskan perilaku manusia.

Belajar untuk Belajar

Kontroversi atas posisi pembelajaran inkremental versus semua atau tidak sama
sekali (kadang-kadang disebutkontroversi kontinuitas-
nonkontinuitas)masih sangat hidup dan menjanjikan untuk beberapa waktu
yang akan datang. Seperti kebanyakan posisi ekstrim, bagaimanapun, kebenaran
mungkin akan ditemukan di suatu tempat di antara keduanya. Sebuah contoh yang
tampaknya memuaskan kedua belah pihak dalam perdebatan adalah posisi awal
Estes bahwa, dengan lingkungan belajar yang kompleks, pembelajaran berlangsung
dengan cara semua-atau-tidak sama sekali, hanya terjadi sedikit demi sedikit.
Bahkan, secara logis, semua teori belajar inkremental dapat direduksi menjadi teori
all-or-none. Apa yang benar-benar diperdebatkan oleh para ahli teori adalah ukuran
potongan materi yang dipelajari pada percobaan apa pun.
Memang, ada banyak bukti yang menunjukkan bahwa posisi inkremental dan semua
atau tidak sama sekali benar. Salah satu contoh datang dari karya terkenal Harry
Harlow. Harlow (1905-1981) menerima pendidikan sarjana dan pascasarjana di
Universitas Stanford dan kemudian melanjutkan ke Universitas Wisconsin, di mana ia
tinggal sampai kematiannya. Dia adalah presiden dari American Psychological
Association (APA) pada tahun 1957 dan diberi Penghargaan Kontribusi Ilmiah yang
Terhormat oleh APA pada tahun 1960.

Selama bertahun-tahun, Harlow telah

menggunakan penelitian kreatifnya tentang
monyet untuk menjelaskan berbagai topik yang
relevan dengan perilaku manusia. Ini adalah
karyanya pada proses pembelajaran yang
menjadi perhatian kita di sini.
Menggunakan Alat Uji Umum Wisconsin
yang ditunjukkan pada Gambar 9-6, Harlow
(1949) menghadapi monyet dengan total 344
masalah diskriminasi, termasuk tiga puluh dua
masalah praktik. Pada setiap masalah, mereka
harus memilih salah satu dari dua objek yang
memiliki penguat ditempatkan di bawahnya.
Masing-masing dari 344 masalah melibatkan
serangkaian objek yang berbeda. Temuan
Harlow yang luar biasa adalah bahwa
semakin banyak masalah diskriminasi yang
diselesaikan monyet, semakin baik mereka
menyelesaikannya.
242 BAB 9

GAMBAR 9 -6 Alat Uji Umum Wisconsin. (Dari “Pembentukan Perangkat Pembelajaran,”

oleh HF Harlow, 1949,Tinjauan Psikologis, 56, hal. 52. Hak Cipta 1949 oleh American
Psychological Association. Dicetak ulang dengan izin.)

Ternyata hewan-hewan itu adalahbelajar untuk belajar,atau membentuk

apa yang disebut Harlow sebagai set pembelajaran.Pada masalah
diskriminasi awal, monyet cenderung membuat banyak kesalahan, dan perbaikan
dari masalah ke masalah cukup lambat. Masalah selanjutnya, bagaimanapun,
cenderung diselesaikan baik dengan hanya satu kesalahan atau tanpa kesalahan.
Pada blok terakhir dari lima puluh enam masalah, monyet memilih objek yang benar
95 persen dari waktu pada percobaan kedua. Seolah-olah mereka telah
mengembangkan strategi “win-stay, lose-shift.” Artinya, jika mereka memilih objek
yang benar pada percobaan pertama, mereka tetap menggunakannya pada
percobaan berikutnya; jika pilihan pertama mereka salah, bagaimanapun, mereka
beralih ke objek lain pada percobaan berikutnya. Persentase jawaban yang benar
untuk enam percobaan pertama dari setiap masalah diskriminasi ditunjukkan pada
Gambar 9-7.
Keuntungan dari uji coba pembelajaran awal bersifat lambat dan bertahap.
Namun, pembelajaran kemudian sangat cepat dan lebih seperti variasi semua-atau-
tidak sama sekali. Har low (1949) mengatakan, “Sebelum pembentukan perangkat
pembelajaran diskriminasi, satu percobaan pelatihan menghasilkan keuntungan yang
dapat diabaikan; setelah pembentukan perangkat pembelajaran
diskriminasi,percobaan pelatihan tunggal merupakan solusi masalah. Data ini dengan
jelas menunjukkan bahwahewan secara bertahap dapat belajar wawasan”(hal. 56).
Untuk menjelaskan hasil-hasilnya, Harlow (1950, 1959) menggunakan
konsepfaktor kesalahan.Faktor kesalahan adalah strategi yang salah yang harus
dipadamkan sebelum masalah diskriminasi dapat diselesaikan. Dengan kata lain, faktor
kesalahan adalah sepuluh kepadatan respons yang mengarah pada respons yang salah.
Salah satu faktor kesalahan bisa menjadi kecenderungan
WILLIAM KAYE ESTES 243

GAMBAR 9 -7
Harlow menemukan secara
bertahap
peningkatan kemampuan
untuk mengatasi diskriminasi
masalah. Meskipun
kinerjanya relatif
miskin pada diskriminasi dini
masalah, masalah nanti
cenderung diselesaikan
hanya dalam satu
uji coba. (Dari
Formasi Pembelajaran
Set,” oleh HF Harlow,
1949,Tinjauan Psikologis,
56,hal 51-65. hak cipta
1949 oleh orang Amerika
Asosiasi Psikologi.
Dicetak ulang dengan izin.)

1 2 3 4 5 6
Uji coba

selalu memilih objek di sebelah kiri (preferensi posisi); lain mungkin kecenderungan
untuk terus memilih objek yang sama meskipun tidak benar (pelestarian stimulus).
Bagi Harlow, belajar lebih merupakan masalah menghilangkan strategi yang salah
(faktor kesalahan) daripada memperkuat respons yang benar. Dengan demikian,
pembelajaran awal berjalan lambat karena melibatkan penghapusan faktor
kesalahan; pembelajaran selanjutnya berlangsung cepat karena didasarkan pada
strategi yang dapat diterapkan secara efektif untuk semua masalah diskriminasi dua
pilihan.
Ahli teori lain yang menerima baik inkremental lambat dan interpretasi cepat
semua-atau-tidak ada pembelajaran adalah Donald Hebb. Menurut Hebb,
pembelajaran yang terjadi sangat awal dalam kehidupan adalah variasi inkremental,
sedangkan pembelajaran selanjutnya bersifat kognitif, berwawasan luas, dan lebih
bersifat all-or-none. Kami memiliki lebih banyak untuk dikatakan tentang pandangan
Hebb tentang pembelajaran di Bab 14.

Status Model Pembelajaran Matematika Saat Ini

Meskipun kami telah meminimalkan matematika dalam cakupan kami tentang Estes
dalam bab ini, pendekatannya sering disebut sebagai model pembelajaran
matematika karena ia mencoba untuk menunjukkan bagaimana proses pembelajaran
dapat dijelaskan dalam berbagai formulasi matematika. Model pembelajaran
matematika relatif baru dalam psikologi, dan kebaruannya terbukti. Psikolog selalu
ingin menjadi ilmiah, dan bahasa sains adalah matematika. Oleh karena itu, ketika
ada kesempatan untuk menggunakan matematika dengan cara baru dalam psikologi,
hal itu disambut dengan antusiasme dan optimisme yang cukup besar. Salah satu
kontribusi utama dari studi matematika pembelajaran telah memungkinkan deskripsi
yang tepat dari fenomena-fenomena.
244 BAB 9

ena yang telah dipelajari selama bertahun-tahun tanpa dijelaskan dalam model
matematika. Di luar operasi pembersihan ini, bagaimanapun, model matematika telah
memberikan sedikit informasi baru mengenai sifat proses pembelajaran. Saat ini, ada
sejumlah besar formulasi matematika, tanpa tema pemersatu berjalan melalui
mereka, untuk menggambarkan fenomena pembelajaran yang berbeda. Mengatakan
bahwa ada kekurangan sintesis bukanlah kritik terhadap model pembelajaran
matematika; alih-alih, ini mencirikan pendekatan baru apa pun di lapangan. Kami
menjelajahi kelas model matematika lain, yang berhubungan dengan pembelajaran
dalam jaringan saraf, di Bab 14.

Evaluasi Teori E stes

Kontribusi
Shepard (1992) melihat Estes sebagai pengaruh utama dalam mengubah arah teori
belajar, menggerakkannya ke arah yang baru, karakter bidang yang lebih berorientasi
kognitif yang dicirikan oleh "keanggunan formal dan presisi konseptual ...
dikombinasikan dengan landasan yang aman dalam pengamatan" (hal. .210).
Jika kita membandingkan matematika SST dengan rumus diperpanjang Hull,
kita melihat bahwa pendekatan Estes sebenarnya cukup sederhana, hanya
menggunakan dua faktor yang digabungkan melalui prinsip-prinsip logis dari teori
probabilitas. Seperti Guthrie, pembelajaran teorinya hanya membutuhkan kedekatan,
dan, seperti Guthrie, ia menempatkan gangguan sebagai kendaraan untuk
kepunahan dan pelupaan.
Namun, dalam SST, logika probabilitas dan pengambilan sampellah yang
menghasilkan prediksi teori, termasuk kurva belajar yang sudah dikenal atau kurva
kepunahan. Demikian pula, logika teori probabilitas yang mengarah pada penjelasan
penilaian kategoris dalam model array yang lebih baru. Jadi, kami melihat pendekatan
Estes sebagai "Top-Down," dimulai dengan beberapa prinsip dasar dan menghasilkan
berbagai prediksi yang tepat tentang perilaku.
Estes dikreditkan oleh Shepard (1992) dengan keberangkatan yang lebih
penting dari behavioris arus utama tahun 1950-an. Teorinya dengan mudah diperluas
untuk belajar dalam mata pelajaran manusia dan diperluas menjadi jenis
pembelajaran yang semakin kompleks, seperti klasifikasi dan pembelajaran konsep
(Estes, 1957, 1960), sehingga meletakkan dasar bagi ilmu kognitif kontemporer.
Selain itu, Bower (1994) menulis,

Oleh karena itu, dalam perspektif sejarah yang luas, meskipun asumsi khusus dan
paradigma eksperimental SST telah digantikan dan dimodifikasi selama bertahun-
tahun, antusiasme saat ini untuk model pembelajaran dan kognisi terdistribusi
paralel, koneksionis [Bab 14] dapat dilihat sebagai hasil parsial dan warisan
kerangka SST. Seharusnya tidak mengherankan bahwa dalam adegan saat ini salah
satu peneliti yang lebih kreatif dan kuat dari model jaringan adaptif adalah ahli teori
yang tak ada bandingannya dan tak kenal lelah, William K. Estes, (hal. 298)
WILLIAM KAYE ESTES 245

Kritik
Ada sejumlah kritik yang diajukan terhadap teori Estes. Yang pertama, dan yang
paling sering dicatat oleh mahasiswa teori belajar, menyangkut ruang lingkup teori
yang terbatas. Teori-teori sebelumnya jauh lebih ambisius daripada teori Estes,
membangun struktur besar yang mungkin menjelaskan segala macam fenomena
pembelajaran. Teori Thorndike dimulai dengan mekanisme yang mendasari
pembelajaran dan diperluas ke dalam praktik pendidikan. Bahkan teori Pavlov
melampaui pembelajaran tanggapan refleksif sederhana dan menjadi fenomena
kompleks seperti bahasa. Teori Estes mewakili trade-off antara ruang lingkup dan
presisi prediksi karakteristik banyak teori matematika-psikologis. Bahkan di area
masalah yang terbatas, ada saat-saat di mana teori yang dirumuskan dengan tepat
seperti itu menjadi ekstrem, dan terkadang salah,
Shepard (1992) mengajukan dua kritik tambahan terhadap pendekatan Estes.
Pertama, teori Estes, seperti teori Guthrie, mengasumsikan tidak ada mekanisme
selain kedekatan stimulus-respons untuk memperkuat koneksi pembelajaran,
meskipun keduanya berasumsi bahwa kondisi stimulus harus berubah ketika respons
yang benar dipancarkan. Estes, bagaimanapun, tidak membuat perbedaan penting
antara kedekatan dan kemungkinan yang diidentifikasi oleh Rescorla.
Kedua, Shepard (1992) membuat pengamatan bahwa Estes dan rekan-
rekannya mengizinkan abstraksi matematis dalam teori untuk sangat membatasi
kondisi eksperimen. Jika sebuah eksperimen dibatasi sedemikian rupa sehingga
menjadi buatan, sehingga gagal mencerminkan lingkungan belajar dunia nyata, maka
hasil eksperimen itu mungkin kurang valid, dan teori itu sendiri dirusak.

Pertanyaan Diskusi

1. Kategorikan masing-masing ahli teori berikut sebagai menerima baik penjelasan

tambahan belajar atau penjelasan semua-atau-tidak sama sekali: Thorndike, Pavlov, Watson,
Guthrie, Skinner, dan Hull. Jelaskan secara singkat alasan Anda untuk mengkategorikan
setiap ahli teori seperti yang Anda lakukan.
2. Rancang eksperimen yang memungkinkan seseorang untuk menentukan
dengan jelas apakah pembelajaran bersifat inkremental atau semua-atau-tidak sama sekali.
3. Diskusikan pentingnya memori dalam versi revisi teori belajar Estes.
4. Jelaskan model pengambilan keputusan pemindaian Estes.
5. Mengapa penjelasan Estes tentang perilaku disebut sebagai model sibernetik?
6. Sebutkan beberapa kelebihan dan kekurangan teori belajar statistika.
7. Dari pengalaman sehari-hari Anda, apakah Anda merasa bahwa belajar itu
bertahap atau semua atau tidak sama sekali? Tempat apa yang dimiliki perasaan pribadi
semacam ini dalam sains? Menjelaskan.

8. Apakah Anda merasa bahwa proses yang mirip dengan “belajar untuk belajar”
terjadi dalam kehidupan siswa? Jelaskan menjadi "testwise" dalam hal belajar untuk belajar.
246 BAB 9

9. Bagaimana teori faktor kesalahan belajar Harlow dibandingkan dengan

sebagian besar teori belajar lain yang telah Anda baca dalam buku ini? Misalnya, apakah
teorinya menekankan "menekan" tanggapan yang benar?
10. Mengenai proses pembelajaran, jelaskan secara singkat posisi inkremental
(kontinuitas), posisi all-or-none (nonkontinuitas), dan posisi kompromi yang akan menonjolkan
kontinuitas dan nonkontinuitas pada waktu yang berbeda atau untuk alasan yang berbeda.
11. Bagaimana ukuran 0 mempengaruhi proses pembelajaran menurut pandangan
Estes? Buat daftar beberapa faktor yang Anda rasa dapat memengaruhi ukuran 0.
12. Fitur stimulus apa yang mungkin digunakan dalam model larik untuk
menjelaskan bagaimana kita mengklasifikasikan daun sebagai "ek" atau "maple?"

Sorotan Bab

model larik pembelajaran rekanan berpasangan

kontroversi kontinuitas- pencocokan probabilitas
nonkontinuitas
faktor kesalahan pemindaian model pengambilan
keputusan
belajar untuk belajar keadaan sistem
perangkat belajar teori sampling stimulus (SST)
Proses Markov teta (0)
kurva belajar yang dipercepat secara negatif