TEDGlobal 2010
Tom Chatfield: 7 ways games reward the brain
Tom Chatfield: 7 Arten wie Spiele das Gehirn belohnen
Filmed:
Readability: 3.8
1,288,061 views
Wir integrieren Spielvergnügen in mehr und mehr Teile unseres Lebens, wir investieren zahlose Stunden - und auch bares Geld -, um in virtuellen Welten nach imaginären Schätzen zu suchen. Warum? Wie uns Tom Chatfield zeigt, verstehen es Spiele auf ganz einzigartige Art und Weise, unserem Gehirn Belohnungen zuzuspielen, die uns nach mehr verlangen lassen.
Tom Chatfield - Gaming theorist
Tom Chatfield thinks about games -- what we want from them, what we get from them, and how we might use our hard-wired desire for a gamer's reward to change the way we learn. Full bio
Tom Chatfield thinks about games -- what we want from them, what we get from them, and how we might use our hard-wired desire for a gamer's reward to change the way we learn. Full bio
Double-click the English transcript below to play the video.
00:15
I love video games.
0
0
3000
Ich liebe Videospiele.
00:18
I'm also slightly in awe of them.
1
3000
3000
Ich bewundere sie auch ein wenig.
00:21
I'm in awe of their power
2
6000
2000
Ich bewundere ihre Stärke
00:23
in terms of imagination, in terms of technology,
3
8000
2000
im Hinblick auf Vorstellungskraft und Technologie,
00:25
in terms of concept.
4
10000
2000
im Hinblick auf Entwurf.
00:27
But I think, above all,
5
12000
2000
Aber am allermeisten
00:29
I'm in awe at their power
6
14000
2000
bewundere ich ihre Stärke,
00:31
to motivate, to compel us,
7
16000
3000
uns zu motivieren, uns anzutreiben,
00:34
to transfix us,
8
19000
2000
uns zu faszinieren,
00:36
like really nothing else we've ever invented
9
21000
3000
wie nichts anderes, was wir erfunden haben
00:39
has quite done before.
10
24000
2000
dies jemals tun konnte.
00:41
And I think that we can learn some pretty amazing things
11
26000
3000
Und ich denke, dass wir einige sehr beeindruckende Dinge lernen können,
00:44
by looking at how we do this.
12
29000
2000
indem wir uns anschauen, wie wir es tun.
00:46
And in particular, I think we can learn things
13
31000
2000
Und im besonderen, denke ich, dass wir etwas über das Lernen
00:48
about learning.
14
33000
3000
lernen können.
00:51
Now the video games industry
15
36000
2000
Nun die Videospielindustrie
00:53
is far and away the fastest growing
16
38000
2000
ist die bei weitem am schnellsten wachsende
00:55
of all modern media.
17
40000
2000
von allen modernen Medien.
00:57
From about 10 billion in 1990,
18
42000
2000
Von ungefähr 10 Milliarden in 1990,
00:59
it's worth 50 billion dollars globally today,
19
44000
3000
ist es heute weltweit 50 Milliarden Dollar wert
01:02
and it shows no sign of slowing down.
20
47000
3000
und es gibt keine Anzeichen dafür, dass es weniger wird.
01:05
In four years' time,
21
50000
2000
Es wird geschätzt, dass innerhalb der nächsten vier Jahre
01:07
it's estimated it'll be worth over 80 billion dollars.
22
52000
3000
wird geschätzt, dass der Wert bei über 80 Milliarden Dollar liegt.
01:10
That's about three times the recorded music industry.
23
55000
3000
Das ist das dreifache der Musikindustrie.
01:13
This is pretty stunning,
24
58000
2000
Ziemlich beeindruckend,
01:15
but I don't think it's the most telling statistic of all.
25
60000
3000
aber ich denke nicht, dass dies die vielsagendste Statistik von allen ist.
01:18
The thing that really amazes me
26
63000
2000
Die Tatsache, die mich wirklich verblüfft
01:20
is that, today,
27
65000
2000
ist, dass heutzutage
01:22
people spend about
28
67000
2000
Menschen ungefähr
01:24
eight billion real dollars a year
29
69000
3000
acht Milliarden reale Dollars pro Jahr für
01:27
buying virtual items
30
72000
2000
virtuelle iTunes ausgeben,
01:29
that only exist
31
74000
2000
die nur
01:31
inside video games.
32
76000
3000
innerhalb von Videospielen existieren.
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
79000
3000
Dies ist ein Screenshot aus der virtuellen Welt, Entropia Universe.
01:37
Earlier this year,
34
82000
2000
Zu Beginn dieses Jahres,
01:39
a virtual asteroid in it
35
84000
2000
wurde ein virtueller Asteroid daraus
01:41
sold for 330,000 real dollars.
36
86000
4000
für 330.000 reale Dollar verkauft.
01:45
And this
37
90000
2000
Und dies
01:47
is a Titan class ship
38
92000
3000
ist ein Schiff der Titanklasse
01:50
in the space game, EVE Online.
39
95000
2000
aus dem Weltraumspiel, EVE Online.
01:52
And this virtual object
40
97000
2000
Und dieses virtuelle Objekt
01:54
takes 200 real people
41
99000
2000
wurde von 200 realen Menschen
01:56
about 56 days of real time to build,
42
101000
3000
in circa 56 echten Tagen gebaut,
01:59
plus countless thousands of hours
43
104000
3000
plus der unzählige Stunden
02:02
of effort before that.
44
107000
2000
an Einsatz zuvor.
02:04
And yet, many of these get built.
45
109000
3000
Und doch werden viele von diesen gebaut.
02:07
At the other end of the scale,
46
112000
2000
Am anderen Ende der Skala.
02:09
the game Farmville that you may well have heard of,
47
114000
3000
Das Spiel, Farmville, Sie haben vielleicht davon gehört,
02:12
has 70 million players
48
117000
2000
hat 70 Millionen Spieler
02:14
around the world
49
119000
2000
weltweit,
02:16
and most of these players
50
121000
2000
und die meisten dieser Spieler
02:18
are playing it almost every day.
51
123000
2000
spielen es beinah jeden Tag.
02:20
This may all sound
52
125000
2000
Dies hört sich
02:22
really quite alarming to some people,
53
127000
2000
wirklich beunruhigend für einige Menschen an,
02:24
an index of something worrying
54
129000
2000
ein Anzeichen für etwas Beunruhigendes
02:26
or wrong in society.
55
131000
2000
oder Schlechtes in der Gesellschaft.
02:28
But we're here for the good news,
56
133000
2000
Aber wir sind hier für die guten Nachrichten,
02:30
and the good news is
57
135000
2000
und die guten Nachrichten sind,
02:32
that I think we can explore
58
137000
2000
dass ich denke, wir können erforschen,
02:34
why this very real human effort,
59
139000
3000
warum dieser sehr reale menschliche Einsatz,
02:37
this very intense generation of value, is occurring.
60
142000
4000
diese sehr intensive Schaffung von Wert, stattfindet.
02:41
And by answering that question,
61
146000
2000
Und indem wir diese Frage beantworten,
02:43
I think we can take something
62
148000
2000
denke ich, nehmen wir etwas
02:45
extremely powerful away.
63
150000
2000
extrem mächtiges weg.
02:47
And I think the most interesting way
64
152000
2000
Und ich denke die interessanteste Art,
02:49
to think about how all this is going on
65
154000
2000
wie wir darüber nachdenken sollten,
02:51
is in terms of rewards.
66
156000
2000
ist die im Hinblick auf Belohnungen.
02:53
And specifically, it's in terms
67
158000
3000
Besonders im Hinblick auf
02:56
of the very intense emotional rewards
68
161000
2000
die sehr intensiven emotionalen Belohnungen,
02:58
that playing games offers to people
69
163000
2000
die die Spiele den Menschen ermöglichen,
03:00
both individually
70
165000
2000
sowohl individuell
03:02
and collectively.
71
167000
2000
als auch kollektiv gesehen.
03:04
Now if we look at what's going on in someone's head
72
169000
2000
Wenn wir uns nun anschauen, was in den Köpfen von Menschen vorgeht,
03:06
when they are being engaged,
73
171000
2000
wenn sie involviert werden,
03:08
two quite different processes are occurring.
74
173000
3000
laufen zwei sehr unterschiedliche Prozesse ab.
03:11
On the one hand, there's the wanting processes.
75
176000
3000
Einerseits gibt es den Prozess des Wollens.
03:14
This is a bit like ambition and drive -- I'm going to do that. I'm going to work hard.
76
179000
3000
Dies ist ein wenig wie Ehrgeiz und Drang - Ich werde das tun. Ich werde hart arbeiten.
03:17
On the other hand, there's the liking processes,
77
182000
2000
Andererseits gibt es den Prozess des Mögens,
03:19
fun and affection
78
184000
2000
Spaß und Zuneigung
03:21
and delight
79
186000
2000
und Vergnügen --
03:23
and an enormous flying beast with an orc on the back.
80
188000
2000
und ein riesiges fliegendes Monster mit einem Ork auf seinem Rücken.
03:25
It's a really great image. It's pretty cool.
81
190000
2000
Es ist ein wirklich tolles Bild. Es ist ziemlich cool.
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
192000
3000
Es ist aus dem Spiel World of Warcraft mit mehr als 10 Millionen Spieler weltweit,
03:30
one of whom is me, another of whom is my wife.
83
195000
3000
einer davon bin ich, ein anderer ist meine Frau.
03:33
And this kind of a world,
84
198000
2000
Und diese Art der Welt,
03:35
this vast flying beast you can ride around,
85
200000
2000
dieses riesige fliegende Monster, das du fliegen kannst,
03:37
shows why games are so very good
86
202000
2000
zeigt, warum Spiele so gut darin sind,
03:39
at doing both the wanting and the liking.
87
204000
3000
beides zu tun, das Wollen und das Mögen.
03:42
Because it's very powerful. It's pretty awesome.
88
207000
2000
Weil es sehr kraftvoll ist. Es ist ziemlich cool.
03:44
It gives you great powers.
89
209000
2000
Es gibt einem große Macht.
03:46
Your ambition is satisfied, but it's very beautiful.
90
211000
3000
Dein Ehrgeiz wird befriedigt, aber es ist sehr schön.
03:49
It's a very great pleasure to fly around.
91
214000
3000
Es ist ein sehr großes Vergnügen herumzufliegen.
03:52
And so these combine to form
92
217000
2000
Und durch diese Verbindung entsteht
03:54
a very intense emotional engagement.
93
219000
2000
eine sehr intensive emotionale Verbindung.
03:56
But this isn't the really interesting stuff.
94
221000
3000
Aber dies ist nicht der wirklich interessante Teil.
03:59
The really interesting stuff about virtuality
95
224000
2000
Das wirklich interessante hinsichtlich Virtualität,
04:01
is what you can measure with it.
96
226000
2000
ist, dass man sie messen kann.
04:03
Because what you can measure in virtuality
97
228000
3000
Weil man in der der Virtualität alles
04:06
is everything.
98
231000
2000
messen kann.
04:08
Every single thing that every single person
99
233000
2000
Jede einzelne Aktion einer Person,
04:10
who's ever played in a game has ever done can be measured.
100
235000
3000
die je in einem Spiel gespielt wurde, kann gemessen werden.
04:13
The biggest games in the world today
101
238000
2000
Die größten Spiele dieser Welt heutzutage
04:15
are measuring more than one billion points of data
102
240000
4000
messen mehr als eine Milliarde Datenpunkte
04:19
about their players, about what everybody does --
103
244000
2000
über ihre Spieler, darüber, was jeder so macht --
04:21
far more detail than you'd ever get from any website.
104
246000
3000
viel mehr Details, als man je von einer Webseite bekommen kann.
04:24
And this allows something very special
105
249000
3000
Und das ermöglicht, dass etwas sehr spezielles
04:27
to happen in games.
106
252000
2000
in Spielen passiert.
04:29
It's something called the reward schedule.
107
254000
3000
Es ist etwas, was man den Belohnungsplan nennt.
04:32
And by this, I mean looking
108
257000
2000
Und damit meine ich, was
04:34
at what millions upon millions of people have done
109
259000
2000
Millionen von Menschen getan haben,
04:36
and carefully calibrating the rate,
110
261000
2000
mit der sorgfältigen Anpassung der Rate,
04:38
the nature, the type, the intensity of rewards in games
111
263000
3000
der Natur, dem Typ, der Intensität der Belohnung in Spielen,
04:41
to keep them engaged
112
266000
2000
damit sie involviert bleiben
04:43
over staggering amounts of time and effort.
113
268000
3000
über einen großen Zeitraum und viel Einsatz hindurch.
04:46
Now, to try and explain this
114
271000
2000
Nun, um dies auszuprobieren und zu erklären
04:48
in sort of real terms,
115
273000
3000
mithilfe von realen Begriffen,
04:51
I want to talk about a kind of task
116
276000
2000
möchte ich über eine Sorte von Aufgaben reden,
04:53
that might fall to you in so many games.
117
278000
2000
die in so vielen Spielen anfällt.
04:55
Go and get a certain amount of a certain little game-y item.
118
280000
3000
Geh und besorge eine bestimme Menge eines bestimmten Spielfaktors.
04:58
Let's say, for the sake of argument,
119
283000
2000
Nehmen wir der einfachheitshalber an, dass
05:00
my mission is to get 15 pies
120
285000
3000
meine Mission darin besteht, 15 Kuchen zu holen
05:03
and I can get 15 pies
121
288000
3000
und ich kann 15 Kuchen bekommen,
05:06
by killing these cute, little monsters.
122
291000
2000
indem ich diese süßen, kleinen Monster töte.
05:08
Simple game quest.
123
293000
2000
Einfaches Spielabenteuer.
05:10
Now you can think about this, if you like,
124
295000
2000
Wenn man möchte, kann man das
05:12
as a problem about boxes.
125
297000
2000
als ein Problem mit Kisten sehen.
05:14
I've got to keep opening boxes.
126
299000
2000
Ich muss die ganze Zeit Kisten öffnen.
05:16
I don't know what's inside them until I open them.
127
301000
3000
Ich weiß nicht, was darin ist, bis ich sie geöffnet habe.
05:19
And I go around opening box after box until I've got 15 pies.
128
304000
3000
Und ich begebe mich daran, Kiste nach Kiste zu öffnen, bis ich 15 Kuchen habe.
05:22
Now, if you take a game like Warcraft,
129
307000
2000
Wenn man nun ein Spiel wie Warcraft betrachtet,
05:24
you can think about it, if you like,
130
309000
2000
kann man es, wenn man will,
05:26
as a great box-opening effort.
131
311000
3000
als eine große Kistenöffnungs-Unternehmung sehen.
05:29
The game's just trying to get people to open about a million boxes,
132
314000
3000
Das Spiel versucht Menschen nur dazu zu bringen, Millionen von Kisten zu öffnen,
05:32
getting better and better stuff in them.
133
317000
2000
um bessere und bessere Sachen zu bekommen.
05:34
This sounds immensely boring
134
319000
3000
Das hört sich ungemein langweilig an,
05:37
but games are able
135
322000
2000
aber Spiele sind dazu im Stande,
05:39
to make this process
136
324000
2000
diesen Prozess
05:41
incredibly compelling.
137
326000
2000
ungemein fesselnd zu machen.
05:43
And the way they do this
138
328000
2000
Und die Art wie sie es tun,
05:45
is through a combination of probability and data.
139
330000
3000
geschieht durch die Kombination von Wahrscheinlichkeit und Daten.
05:48
Let's think about probability.
140
333000
2000
Lasst uns über Wahrscheinlichkeit nachdenken.
05:50
If we want to engage someone
141
335000
2000
Wenn wir jemanden damit beschäftigen möchten,
05:52
in the process of opening boxes to try and find pies,
142
337000
3000
Kisten zu öffnen um Kuchen zu finden,
05:55
we want to make sure it's neither too easy,
143
340000
2000
dann wollen wir sicher stellen, dass es nicht zu einfach,
05:57
nor too difficult, to find a pie.
144
342000
2000
oder zu schwierig ist, einen Kuchen zu finden.
05:59
So what do you do? Well, you look at a million people --
145
344000
2000
Wie macht man das? Man schaut sich eine Millionen Menschen an --
06:01
no, 100 million people, 100 million box openers --
146
346000
3000
nein, 100 Millionen, 100 Millionen Kistenöffner --
06:04
and you work out, if you make the pie rate
147
349000
3000
und man stellt fest, dass, wenn die Kuchenrate
06:07
about 25 percent --
148
352000
2000
bei ungefähr 25 Prozent liegt--
06:09
that's neither too frustrating, nor too easy.
149
354000
3000
ist dies nicht zu frustrierend und aber auch nicht zu einfach;
06:12
It keeps people engaged.
150
357000
2000
Menschen bleiben so involviert --
06:14
But of course, that's not all you do -- there's 15 pies.
151
359000
3000
aber natürlich ist dies nicht alles, was man tut - es sind 15 Kuchen.
06:17
Now, I could make a game called Piecraft,
152
362000
2000
Nun, ich könnte ein Spiel mit dem Namen Piecraft entwickeln,
06:19
where all you had to do was get a million pies
153
364000
2000
indem man nur eine Millionen Kuchen holen muss,
06:21
or a thousand pies.
154
366000
2000
oder Tausend Kuchen.
06:23
That would be very boring.
155
368000
2000
Das wäre sehr langweilig.
06:25
Fifteen is a pretty optimal number.
156
370000
2000
15 ist schon die optimale Anzahl.
06:27
You find that -- you know, between five and 20
157
372000
2000
Man sieht so zwischen 5 und 20
06:29
is about the right number for keeping people going.
158
374000
2000
als die richtige Anzahl an, bei der Menschen bei der Sache bleiben.
06:31
But we don't just have pies in the boxes.
159
376000
2000
Aber wir haben nicht nur Kuchen in Kisten.
06:33
There's 100 percent up here.
160
378000
2000
Es gibt ganz oben die 100 Prozent.
06:35
And what we do is make sure that every time a box is opened,
161
380000
3000
Und daher stellen wir sicher, dass jedes Mal wenn eine Kiste geöffnet wird,
06:38
there's something in it, some little reward
162
383000
2000
das dann etwas darin ist, eine kleine Belohnung,
06:40
that keeps people progressing and engaged.
163
385000
2000
die Menschen weiter antreibt und involviert.
06:42
In most adventure games,
164
387000
2000
In den meisten Abenteuerspielen,
06:44
it's a little bit in-game currency, a little bit experience.
165
389000
3000
ist es ein wenig Spielgeld, etwas Erfahrung,
06:47
But we don't just do that either.
166
392000
2000
aber wir tun nicht nur das.
06:49
We also say there's going to be loads of other items
167
394000
2000
Wir sagen auch noch, dass es ganz viele andere Dinge gibt,
06:51
of varying qualities and levels of excitement.
168
396000
2000
von unterschiedlicher Qualität und auf verschiedenen Spannungsebenen.
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
398000
3000
Es gibt eine 10-prozentige Chance, dass du etwas ziemlich gutes bekommst.
06:56
There's going to be a 0.1 percent chance
170
401000
2000
Es gibt eine 0,1-prozentige Chance,
06:58
you get an absolutely awesome item.
171
403000
3000
dass du eine absolut super Sache bekommst.
07:01
And each of these rewards is carefully calibrated to the item.
172
406000
3000
Und jede dieser Belohnungen ist sorgfältig darauf abgestimmt.
07:04
And also, we say,
173
409000
2000
Und außerdem sagen wir noch:
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
411000
3000
"Nun, wie viele Monster? Sollte die gesamte Welt mit einer Milliarde Monster gefüllt sein?"
07:09
No, we want one or two monsters on the screen at any one time.
175
414000
3000
Nein, wir wollen jeweils nur ein oder zwei Monster auf dem Bildschirm haben.
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
417000
3000
Damit ich weiter gelockt werde. Es ist nicht zu einfach, nicht zu schwierig.
07:15
So all this is very powerful.
177
420000
2000
All dies ist sehr einflussreich.
07:17
But we're in virtuality. These aren't real boxes.
178
422000
3000
Aber wir befinden uns in der Virtualität, dies sind keine echten Kisten.
07:20
So we can do
179
425000
2000
Also können wir
07:22
some rather amazing things.
180
427000
2000
einige ziemlich verblüffende Dinge tun.
07:24
We notice, looking at all these people opening boxes,
181
429000
4000
Wir bemerken, wenn wir all diese Menschen beobachten, die Kisten öffnen,
07:28
that when people get to about 13 out of 15 pies,
182
433000
3000
dass wenn Menschen ungefähr 13 der 15 Kuchen finden,
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
436000
3000
ihre Aufmerksamkeit wandert, sie werden etwas gelangweilt und gereizt.
07:34
They're not rational about probability.
184
439000
2000
Sie sind irrational im Bezug auf Wahrscheinlichkeit.
07:36
They think this game is unfair.
185
441000
2000
Sie denken, dass das Spiel unfair ist.
07:38
It's not giving me my last two pies. I'm going to give up.
186
443000
2000
Es gibt mir meine 2 letzten Kuchen nicht, ich gebe auf.
07:40
If they're real boxes, there's not much we can do,
187
445000
2000
Wenn es echte Kisten sind, können wir nicht viel tun,
07:42
but in a game we can just say, "Right, well.
188
447000
2000
aber in einem Spiel sagen wir: "Ok dann."
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
449000
4000
Wenn du 13 Kuchen hast, steigt deine Chance einen weiteren Kuchen zu finden auf 75%.
07:48
Keep you engaged. Look at what people do --
190
453000
2000
Es hält dich beschäftigt. Wenn man sieht, was Menschen tun,
07:50
adjust the world to match their expectation.
191
455000
2000
sie passen ihre Welt an ihre Erwartungen an.
07:52
Our games don't always do this.
192
457000
2000
Unsere Spiele tun dies nicht immer.
07:54
And one thing they certainly do at the moment
193
459000
2000
Und eine Sache, die sie sicherlich im Moment tun,
07:56
is if you got a 0.1 percent awesome item,
194
461000
3000
ist, dass wenn es eine 0,1-prozentige Chance auf eine super Sache gibt,
07:59
they make very sure another one doesn't appear for a certain length of time
195
464000
3000
wird sichergestellt, dass so etwas in der nächsten Zeit nicht noch einmal geschieht,
08:02
to keep the value, to keep it special.
196
467000
2000
um den Wert zu halten, die Besonderheit.
08:04
And the point is really
197
469000
2000
Und der Punkt ist wirklich,
08:06
that we evolved to be satisfied by the world
198
471000
2000
dass wir uns so entwickelt haben, dass wir mit der Welt
08:08
in particular ways.
199
473000
2000
auf besondere Weise zufrieden sind.
08:10
Over tens and hundreds of thousands of years,
200
475000
3000
In hunderttausenden von Jahren,
08:13
we evolved to find certain things stimulating,
201
478000
2000
haben wir uns dazu entwickelt, bestimmte Dinge stimulierend zu finden
08:15
and as very intelligent, civilized beings,
202
480000
2000
und als sehr intelligente, zivilisierte Wesen,
08:17
we're enormously stimulated by problem solving and learning.
203
482000
3000
werden wir enorm durch Problemlösen und Lernen stimuliert.
08:20
But now, we can reverse engineer that
204
485000
2000
Aber nun können wir das auch anders herum tun
08:22
and build worlds
205
487000
2000
und Welten bauen,
08:24
that expressly tick our evolutionary boxes.
206
489000
3000
die explizit unsere evolutionären Triebe stimulieren.
08:27
So what does all this mean in practice?
207
492000
2000
Was bedeutet dies nun alles für die Praxis?
08:29
Well, I've come up
208
494000
2000
Nun, mir fallen da
08:31
with seven things
209
496000
2000
sieben Dinge ein,
08:33
that, I think, show
210
498000
2000
die, so denke ich, zeigen,
08:35
how you can take these lessons from games
211
500000
2000
wie man diese Lektionen nehmen
08:37
and use them outside of games.
212
502000
3000
und sie außerhalb der Spiele nutzen kann.
08:40
The first one is very simple:
213
505000
2000
Die erste ist sehr einfach:
08:42
experience bars measuring progress --
214
507000
2000
eine Anzeige, die den Fortschritt misst --
08:44
something that's been talked about brilliantly
215
509000
2000
etwas, worüber brillant referiert wurde
08:46
by people like Jesse Schell earlier this year.
216
511000
3000
von Menschen wie Jesse Schell Anfang des Jahres.
08:49
It's already been done at the University of Indiana in the States, among other places.
217
514000
3000
Es wird u.a. schon an der Universität von Indiana in den USA angewandt.
08:52
It's the simple idea that instead of grading people incrementally
218
517000
3000
Es ist die einfache Idee: anstatt Studenten schrittweise zu benoten,
08:55
in little bits and pieces,
219
520000
2000
nach kleinen Einheiten und Abschnitten,
08:57
you give them one profile character avatar
220
522000
2000
gibt man ihnen ihren eigenen Avatar-Charakter,
08:59
which is constantly progressing
221
524000
2000
der sich ständig weiterentwickelt
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
526000
3000
in winzig, winzig, winzig kleinen Schritten, die sich wie die eigenen anfühlen.
09:04
And everything comes towards that,
223
529000
2000
Und alles entwickelt sich
09:06
and they watch it creeping up, and they own that as it goes along.
224
531000
3000
und sie sehen wie es schleichend vorankommt und sie bestimmen den Fortschritt
09:09
Second, multiple long and short-term aims --
225
534000
2000
Zweitens, mehrere lang- und kurzfristige Ziele --
09:11
5,000 pies, boring,
226
536000
2000
5.000 Kuchen - langweilig,
09:13
15 pies, interesting.
227
538000
2000
15 Kuchen - interessant.
09:15
So, you give people
228
540000
2000
Man gibt also Leuten
09:17
lots and lots of different tasks.
229
542000
2000
ganz viele unterschiedliche Aufgaben.
09:19
You say, it's about
230
544000
2000
Man sagt, es geht darum,
09:21
doing 10 of these questions,
231
546000
2000
diese 10 Fragen zu beantworten,
09:23
but another task
232
548000
2000
aber eine andere Aufgabe
09:25
is turning up to 20 classes on time,
233
550000
2000
ist, 20-mal pünktlich zum Unterricht zu kommen,
09:27
but another task is collaborating with other people,
234
552000
3000
eine andere Aufgabe ist die Zusammenarbeit mit anderen,
09:30
another task is showing you're working five times,
235
555000
3000
eine andere Aufgabe ist das Vorzeigen deiner Arbeiten 5-mal,
09:33
another task is hitting this particular target.
236
558000
2000
eine andere Aufgabe ist das Erreichen dieses bestimmenten Ziels.
09:35
You break things down into these calibrated slices
237
560000
3000
Man bringt Aufgaben in diese messbaren Einheiten,
09:38
that people can choose and do in parallel
238
563000
2000
in denen die Menschen wählen und parallel daran arbeiten können,
09:40
to keep them engaged
239
565000
2000
um sie bei der Stange zu halten
09:42
and that you can use to point them
240
567000
2000
und du kannst es nutzen, um sie
09:44
towards individually beneficial activities.
241
569000
3000
auf individuell angenhme Aktivitäten aufmerksam zu machen.
09:48
Third, you reward effort.
242
573000
2000
Drittens belohnst du Einsatz.
09:50
It's your 100 percent factor. Games are brilliant at this.
243
575000
3000
Es ist dein 100 Prozent-Faktor. Spiele sind hervorragend darin.
09:53
Every time you do something, you get credit; you get a credit for trying.
244
578000
3000
Jedes Mal, wenn du etwas tust, bekommst du Guthaben, auch für den Versuch.
09:56
You don't punish failure. You reward every little bit of effort --
245
581000
3000
Fehler werden nicht bestraft, man belohnt jede kleine Anstrengung -
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
584000
3000
dein bisschen Gold, dein bisschen Guthaben - du hast 20 Fragen absolviert - abgehakt.
10:02
It all feeds in as minute reinforcement.
247
587000
3000
Alles zusammen führt zu Verstärkung auf dem kleinsten Level.
10:05
Fourth, feedback.
248
590000
2000
Viertens, Feedback.
10:07
This is absolutely crucial,
249
592000
2000
Dies ist absolut entscheidend
10:09
and virtuality is dazzling at delivering this.
250
594000
2000
und Virtualität ist darin umwerfend.
10:11
If you look at some of the most intractable problems in the world today
251
596000
3000
Wenn man sich einige der hartnäckigen Probleme in der Welt heute ansieht,
10:14
that we've been hearing amazing things about,
252
599000
2000
über die man so viele erstaunliche Dinge gehört hat,
10:16
it's very, very hard for people to learn
253
601000
3000
liegt es daran, dass es sehr schwer ist etwas zu lernen,
10:19
if they cannot link consequences to actions.
254
604000
3000
wenn man nicht in die Lage versetzt wird, Konsequenzen mit Handlungen zu verknüpfen.
10:22
Pollution, global warming, these things --
255
607000
2000
Verschmutzung, globale Erwärmung, diese Dinge,
10:24
the consequences are distant in time and space.
256
609000
2000
die Konsequenzen sind zeitlich und räumlich weit entfernt.
10:26
It's very hard to learn, to feel a lesson.
257
611000
2000
Es ist sehr schwierig zu lernen, dass man eine Lektion fühlen soll,
10:28
But if you can model things for people,
258
613000
2000
aber wenn man diese Dinge für Menschen modellieren kann,
10:30
if you can give things to people that they can manipulate
259
615000
2000
wenn man Menschen Dinge gibt, die sie beeinflussen
10:32
and play with and where the feedback comes,
260
617000
2000
und damit spielen können und womit Feedback verknüpft ist,
10:34
then they can learn a lesson, they can see,
261
619000
2000
dann können sie eine Lektion lernen, sie können sehen,
10:36
they can move on, they can understand.
262
621000
3000
sie können weitermachen, sie können verstehen.
10:39
And fifth,
263
624000
2000
Und fünftens,
10:41
the element of uncertainty.
264
626000
2000
der Faktor der Ungewissheit.
10:43
Now this is the neurological goldmine,
265
628000
3000
Nun, dies ist eine neurologische Goldmine,
10:46
if you like,
266
631000
2000
wenn man so will,
10:48
because a known reward
267
633000
2000
weil eine bekannte Belohnung
10:50
excites people,
268
635000
2000
Menschen erfreut,
10:52
but what really gets them going
269
637000
2000
aber was sie wirklich antreibt,
10:54
is the uncertain reward,
270
639000
2000
ist die unbekannte Belohnung,
10:56
the reward pitched at the right level of uncertainty,
271
641000
2000
die Belohnung abgestimmt auf den richtigen Moment der Ungewissheit,
10:58
that they didn't quite know whether they were going to get it or not.
272
643000
3000
von der sie nicht wussten, ob sie sie bekommen werden oder nicht.
11:01
The 25 percent. This lights the brain up.
273
646000
3000
Die 25 Prozent. Das weckt das Gehirn auf.
11:04
And if you think about
274
649000
2000
Und wenn man in Erwägung zieht,
11:06
using this in testing,
275
651000
2000
dies in Testsituationen zu gebrauchen,
11:08
in just introducing control elements of randomness
276
653000
2000
durch Verwendung von zufälligen Kontrolleinheiten
11:10
in all forms of testing and training,
277
655000
2000
in allen Bereichen des Testens und Trainings,
11:12
you can transform the levels of people's engagement
278
657000
2000
dann kann man das Niveau verändern, auf dem Menschen Einsatz zeigen,
11:14
by tapping into this very powerful
279
659000
2000
mithilfe dieses sehr mächtigen
11:16
evolutionary mechanism.
280
661000
2000
Evolutions-Mechanismus.
11:18
When we don't quite predict something perfectly,
281
663000
2000
Und wenn wir etwas nicht perfekt vorhersagen,
11:20
we get really excited about it.
282
665000
2000
finden wir das aufregend.
11:22
We just want to go back and find out more.
283
667000
2000
Wir wollen dahin zurückgehen und mehr herausfinden.
11:24
As you probably know, the neurotransmitter
284
669000
2000
Und wie Sie vielleicht wissen, die Neurotransmitter,
11:26
associated with learning is called dopamine.
285
671000
2000
die mit dem Lernen verbunden sind, heißen Dopamine.
11:28
It's associated with reward-seeking behavior.
286
673000
3000
Sie sind mit Verhalten verbunden, das nach Belohnungen sucht.
11:31
And something very exciting is just beginning to happen
287
676000
3000
Und etwas sehr spannendes passiert momentan,
11:34
in places like the University of Bristol in the U.K.,
288
679000
3000
an Orten wie der Universität von Bristol in GB,
11:37
where we are beginning to be able to model mathematically
289
682000
3000
wo wir langsam in der Lage sind, mathematische Modelle des
11:40
dopamine levels in the brain.
290
685000
2000
Dopaminspiegels im Gehirn zu entwerfen.
11:42
And what this means is we can predict learning,
291
687000
2000
Dies bedeutet, dass wir Lernen vorhersagen können,
11:44
we can predict enhanced engagement,
292
689000
3000
wir können verstärktes Engagement vorhersagen,
11:47
these windows, these windows of time,
293
692000
2000
diese Fenster, diese Zeitfenster,
11:49
in which the learning is taking place at an enhanced level.
294
694000
3000
in denen Lernen auf einem erhöhten Niveau stattfindet.
11:52
And two things really flow from this.
295
697000
2000
Und zwei Punkte lassen sich hieraus wirklich ableiten.
11:54
The first has to do with memory,
296
699000
2000
Der erste hat mit Erinnerung zu tun,
11:56
that we can find these moments.
297
701000
2000
in dem wir diese Momente finden können.
11:58
When someone is more likely to remember,
298
703000
2000
Wenn es wahrscheinlicher ist, dass sich jemand erinnert,
12:00
we can give them a nugget in a window.
299
705000
2000
können wir ihm eine Information in einem der Fenster geben.
12:02
And the second thing is confidence,
300
707000
2000
Und der zweite Punkt ist Vertrauen,
12:04
that we can see how game-playing and reward structures
301
709000
2000
denn wir sehen wie Spiele und Belohnungsstrukturen
12:06
make people braver, make them more willing to take risks,
302
711000
3000
Menschen mutiger machen, sie zu höherer Risikobereitschaft führen,
12:09
more willing to take on difficulty,
303
714000
2000
dass sie sich mit größerer Bereitschaft Schwierigkeiten stellen,
12:11
harder to discourage.
304
716000
2000
und schwerer zu entmutigen sind.
12:13
This can all seem very sinister.
305
718000
2000
Dies kann alles sehr düster erscheinen.
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
720000
2000
In der Art: "Unsere Gehirne wurden manipuliert, wir sind alle Süchtige."
12:17
The word "addiction" is thrown around.
307
722000
2000
Mit dem Wort 'Abhängigkeit' wird um sich geworfen.
12:19
There are real concerns there.
308
724000
2000
Es gibt hier echte Bedenken.
12:21
But the biggest neurological turn-on for people
309
726000
2000
Aber die größte neurologische Stimulation für Menschen
12:23
is other people.
310
728000
2000
sind andere Menschen.
12:25
This is what really excites us.
311
730000
3000
Das begeistert uns wirklich.
12:28
In reward terms, it's not money;
312
733000
2000
Die Belohnung ist nicht das Geld,
12:30
it's not being given cash -- that's nice --
313
735000
3000
ist nicht, Geld zu bekommen - das ist angenehm -
12:33
it's doing stuff with our peers,
314
738000
2000
es ist, etwas mit Gleichgesinnten zu tun,
12:35
watching us, collaborating with us.
315
740000
2000
die uns zusehen, mit uns zusammenarbeiten.
12:37
And I want to tell you a quick story about 1999 --
316
742000
2000
Und ich möchte Ihnen eine kurze Geschichte erzählen, so 1999 -
12:39
a video game called EverQuest.
317
744000
2000
gab es ein Videospiel namens Everquest.
12:41
And in this video game,
318
746000
2000
Und in diesem Videospiel,
12:43
there were two really big dragons, and you had to team up to kill them --
319
748000
3000
gab es zwei richtig große Drachen und man musste sich
12:46
42 people, up to 42 to kill these big dragons.
320
751000
3000
mit bis zu 42 Leuten zusammenschließen um sie zu töten.
12:49
That's a problem
321
754000
2000
Das ist ein Problem,
12:51
because they dropped two or three decent items.
322
756000
3000
weil sie dafür zwei bis drei Positionen zurück fielen.
12:54
So players addressed this problem
323
759000
3000
Also sind Spieler dieses Problem angegangen,
12:57
by spontaneously coming up with a system
324
762000
2000
indem sie spontan ein System entwickelt haben,
12:59
to motivate each other,
325
764000
2000
um sich gegenseitig zu motivieren,
13:01
fairly and transparently.
326
766000
2000
auf faire Art und Weise und einsehbar für alle anderen.
13:03
What happened was, they paid each other a virtual currency
327
768000
3000
Sie haben sich nämlich gegenseitig virtuelles Geld gezahlt,
13:06
they called "dragon kill points."
328
771000
3000
das sie 'Drachen-Tötungspunkte' nannten.
13:09
And every time you turned up to go on a mission,
329
774000
2000
Und jedes Mal, wenn du auf eine Mission gingst,
13:11
you got paid in dragon kill points.
330
776000
2000
wurden dir Drachen-Tötungspunkte gezahlt.
13:13
They tracked these on a separate website.
331
778000
2000
Diese wurden auf einer separaten Webseite nachgehalten.
13:15
So they tracked their own private currency,
332
780000
2000
Damit haben sie ihre eigene private Währung verfolgt
13:17
and then players could bid afterwards
333
782000
2000
und danach konnten Spieler dann Gebote abgeben,
13:19
for cool items they wanted --
334
784000
2000
für coole Dinge, die sie wollten -
13:21
all organized by the players themselves.
335
786000
2000
alles durch die Spiele selbst organisiert.
13:23
Now the staggering system, not just that this worked in EverQuest,
336
788000
3000
Dieses atemberaubende an diesem System ist nicht, dass es in Everquest funktionierte,
13:26
but that today, a decade on,
337
791000
2000
aber das heute, ein Jahrzehnt später,
13:28
every single video game in the world with this kind of task
338
793000
3000
jedes einzelne Videospiel in dieser Welt mit dieser Aufgabenstellung,
13:31
uses a version of this system --
339
796000
2000
eine Version dieses Systems verwendet -
13:33
tens of millions of people.
340
798000
2000
zig Millionen von Menschen.
13:35
And the success rate
341
800000
2000
Und die Erfolgsrate
13:37
is at close to 100 percent.
342
802000
2000
liegt bei ungefähr 100 Prozent.
13:39
This is a player-developed,
343
804000
2000
Dies ist eine von den Spielern entwickelte,
13:41
self-enforcing, voluntary currency,
344
806000
3000
Geltung verschaffende, freiwillige Währung
13:44
and it's incredibly sophisticated
345
809000
2000
und beruht auf unglaublich anspruchsvollem
13:46
player behavior.
346
811000
2000
Spielerverhalten.
13:50
And I just want to end by suggesting
347
815000
2000
Und ich möchte nun mit Vorschlägen schließen,
13:52
a few ways in which these principles
348
817000
2000
die zeigen, wie man einige dieser Prinzipen
13:54
could fan out into the world.
349
819000
2000
in die reale Welt transferieren kann.
13:56
Let's start with business.
350
821000
2000
Ich beginne mit der Geschäftswelt.
13:58
I mean, we're beginning to see some of the big problems
351
823000
2000
Wir erleben einige der großen Probleme,
14:00
around something like business are
352
825000
2000
in den Bereichen von Unternehmungen,
14:02
recycling and energy conservation.
353
827000
2000
wie Recycling und Energieeinsparung.
14:04
We're beginning to see the emergence of wonderful technologies
354
829000
2000
Wir erleben das Aufkommen von wunderbaren Technologien,
14:06
like real-time energy meters.
355
831000
2000
wie Echtzeit-Energiezähler.
14:08
And I just look at this, and I think, yes,
356
833000
2000
Und ich betrachte diese gerade und denke, ja,
14:10
we could take that so much further
357
835000
3000
wir können dies noch so viel weiter führen,
14:13
by allowing people to set targets
358
838000
2000
indem wir Menschen zugestehen, Ziele zu setzen,
14:15
by setting calibrated targets,
359
840000
2000
austarierte Ziele zu setzen,
14:17
by using elements of uncertainty,
360
842000
3000
durch die Verwendung von Unsicherheitsfaktoren,
14:20
by using these multiple targets,
361
845000
2000
durch die Verwendung dieser vielen Ziele,
14:22
by using a grand, underlying reward and incentive system,
362
847000
3000
durch die Verwendung eines großen, zugrundeliegenden Belohnungs- und Anreizsystems,
14:25
by setting people up
363
850000
2000
durch die Organisation von Menschen,
14:27
to collaborate in terms of groups, in terms of streets
364
852000
2000
die in Gruppen, in Straßen kooperieren,
14:29
to collaborate and compete,
365
854000
2000
kooperieren und konkurrieren,
14:31
to use these very sophisticated
366
856000
2000
um diese sehr ausgeklügelten
14:33
group and motivational mechanics we see.
367
858000
2000
Gruppen- und Motivationsmechanismen zu sehen.
14:35
In terms of education,
368
860000
2000
Im Hinblick auf Erziehung und Bildung,
14:37
perhaps most obviously of all,
369
862000
2000
hier wahrscheinlich am deutlichsten,
14:39
we can transform how we engage people.
370
864000
3000
können wir verändern, wie wir Menschen einbeziehen.
14:42
We can offer people the grand continuity
371
867000
2000
Wir können Menschen das großartige zusammenhängende Ganze
14:44
of experience and personal investment.
372
869000
3000
von Erfahrung und persönlichem Einsatz bieten.
14:47
We can break things down
373
872000
2000
Wir können Sachverhalte herrunter brechen
14:49
into highly calibrated small tasks.
374
874000
2000
auf extrem abgestimmte kleine Aufgaben.
14:51
We can use calculated randomness.
375
876000
2000
Wir können Zufälligkeiten einbauen.
14:53
We can reward effort consistently
376
878000
2000
Wir können Einsatz konstant belohnen,
14:55
as everything fields together.
377
880000
3000
da alles zusammen kommt.
14:58
And we can use the kind of group behaviors
378
883000
2000
Und wir können das Gruppenverhalten nutzen,
15:00
that we see evolving when people are at play together,
379
885000
3000
das sich entwickelt, wenn Menschen zusammenspielen,
15:03
these really quite unprecedentedly complex
380
888000
3000
diese wirklich beispielslos komplexen
15:06
cooperative mechanisms.
381
891000
2000
kooperativen Mechanismen.
15:08
Government, well, one thing that comes to mind
382
893000
2000
Die Regierung, nun eine der Dinge, die einem da einfällt,
15:10
is the U.S. government, among others,
383
895000
3000
ist die US-Regierung neben anderen,
15:13
is literally starting to pay people
384
898000
2000
hat geradezu damit begonnen, Menschen zu bezahlen,
15:15
to lose weight.
385
900000
2000
um Gewicht zu verlieren.
15:17
So we're seeing financial reward being used
386
902000
2000
Also sagen wir, dass finanzielle Belohnung benutzt wird,
15:19
to tackle the great issue of obesity.
387
904000
2000
um das große Problem der Fettleibigkeit zu bekämpfen.
15:21
But again, those rewards
388
906000
2000
Aber auch hier gilt, diese Belohnungen
15:23
could be calibrated so precisely
389
908000
3000
können nur dann so genau eingestellt werden,
15:26
if we were able to use the vast expertise
390
911000
3000
wenn wir dazu in der Lage sind, das weitläufige Fachwissen
15:29
of gaming systems to just jack up that appeal,
391
914000
3000
der Spielsysteme zu verwenden, um den Anreiz zu erhöhen,
15:32
to take the data, to take the observations,
392
917000
2000
die Daten, die Beobachtungen zu verwenden
15:34
of millions of human hours
393
919000
2000
von Millionen von abgeleisteten Stunden
15:36
and plow that feedback
394
921000
2000
und dieses Feedback so umzuarbeiten,
15:38
into increasing engagement.
395
923000
2000
dass sich daraus steigendes Engagement entwickelt.
15:40
And in the end, it's this word, "engagement,"
396
925000
3000
Und am Ende ist es das Wort, Engagement,
15:43
that I want to leave you with.
397
928000
2000
dass ich Ihnen ans Herz legen möchte.
15:45
It's about how individual engagement
398
930000
2000
Es geht darum, wie individuelles Engagement
15:47
can be transformed
399
932000
2000
umgewandelt werden kann,
15:49
by the psychological and the neurological lessons
400
934000
3000
durch die psychologischen und neurologischen Einsichten,
15:52
we can learn from watching people that are playing games.
401
937000
3000
die wir erhalten, wenn wir Menschen beim Spielen beobachten.
15:55
But it's also about collective engagement
402
940000
3000
Aber es geht auch um das kollektive Engagement
15:58
and about the unprecedented laboratory
403
943000
3000
und um die beispiellose Forschung,
16:01
for observing what makes people tick
404
946000
2000
wo beobachtet wird, was Menschen antreibt,
16:03
and work and play and engage
405
948000
2000
wie sie arbeiten und spielen und Einsatz zeigen
16:05
on a grand scale in games.
406
950000
3000
im großen Stil in Spielen.
16:08
And if we can look at these things and learn from them
407
953000
3000
Und wenn wir dies betrachten und davon lernen können
16:11
and see how to turn them outwards,
408
956000
2000
und uns darum bemühen, dies nach außen zu bringen,
16:13
then I really think we have something quite revolutionary on our hands.
409
958000
3000
dann haben wir, denke ich, etwas ziemlich revolutionäres in unseren Händen.
16:16
Thank you very much.
410
961000
2000
Ich danke Ihnen vielmals.
16:18
(Applause)
411
963000
4000
(Applaus)
ABOUT THE SPEAKER
Tom Chatfield - Gaming theoristTom Chatfield thinks about games -- what we want from them, what we get from them, and how we might use our hard-wired desire for a gamer's reward to change the way we learn.
Why you should listen
It can be difficult to wrap one's mind around the size and the reach of modern video- and online-game culture. But gaming is not only outstripping more-traditional media in revenue (it overtook music in 2008), it's become a powerful lens to re-examine our culture at large. Tom Chatfield, a longtime gamer, is the arts and books editor at the UK current-affairs magazine Prospect. In his book Fun Inc., he argues that games, with their immersive quests and deeply satisfying (and carefully designed) virtual rewards, are a great place to test new approaches to real-world systems that need a reboot.
More than a game journalist, Chatfield is a game theorist, looking at neurological research on how games engage our pleasure centers -- and then looking at a world where millions of videogame-veteran Generation Z'ers are entering the workforce and the voters' rolls. They're good with complex rule sets; they're used to forming ad hoc groups to reach a goal; and they love to tweak and mod existing systems. What if society harnessed that energy to redefine learning? Or voting? Understanding the psychology of the videogame reward schedule, Chatfield believes, is not only important for understanding the world of our children -- it's a stepping stone to improving our world right now.
Tom Chatfield | Speaker | TED.com