docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

10_Wiki/Topics_GD/ABA.md

@@ -2,11 +2,11 @@
 id: ABA-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [[[Psychology]], [[Behavior]]al-science, [[Reinforcement-Learning]], aba, pedagogy]
+tags: [[Psychology|[Psychology]], [[Behavior|Behavior]]al-science, [[Reinforcement-Learning|Reinforcement-Learning]], aba, pedagogy]
 last_reinforced: 2026-04-26
 ---
 
-# ABA (Applied Behavior [[Analysis]], 응용 행동 분석)
+# ABA (Applied Behavior [[Analysis|Analysis]], 응용 행동 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "행동의 원인을 분석하고, 보상 설계를 통해 바람직한 변화를 이끌어내라" — 행동주의 심리학에 근거하여 인간의 행동을 객관적으로 측정하고, 환경 조절과 강화를 통해 사회적으로 유의미한 행동 변화를 유도하는 과학적 방법론.
@@ -16,7 +16,7 @@ last_reinforced: 2026-04-26
 - **핵심 요소:**
     - **ABC Analysis:** 선행 사건(A), 행동(B), 결과(C)의 연쇄 고리 파악.
     - **Positive Reinforcement:** 바람직한 행동 뒤에 보상을 주어 행동의 재발 확률을 높임.
-    - **[[prompt]]ing & Fading:** 초기에는 보조(Prompt)를 통해 행동을 유도하고, 점차 보조를 줄여 독립적 수행을 도움.
+    - **prompting & Fading:** 초기에는 보조(Prompt)를 통해 행동을 유도하고, 점차 보조를 줄여 독립적 수행을 도움.
     - **Generalization:** 학습된 행동이 치료실 밖의 실제 환경에서도 유지되도록 유도.
 - **의의:** 자폐 스펙트럼 장애 치료뿐만 아니라 조직 관리, 교육, 그리고 인공지능 에이전트의 보상 함수 설계에 광범위하게 응용됨.
 
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 강화학습 보상 모델 설계 시, ABA의 '기능적 행동 평가' 원칙을 도입하여 에이전트가 왜 특정 오류 행동을 반복하는지 분석하고 교정함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Psychology-of-Learning]], [[Reinforcement-Learning]], [[Alignment]], [[Habit-Formation]]
+- [[Psychology-of-Learning|Psychology-of-Learning]], [[Reinforcement-Learning|Reinforcement-Learning]], [[Alignment|Alignment]], [[Habit-Formation|Habit-Formation]]
 - **Raw Source:** 10_Wiki/Topics/AI/ABA.md