ABOUT THE SPEAKER
Tamekia MizLadi Smith - Performer, mentor
Tamekia MizLadi Smith wants to start new conversations around involving non-clinical staff in healthcare.

Why you should listen

As a spoken-word performer, Tamekia MizLadi Smith educates and empowers her audiences with what she calls EDUtainment, a witty combination of music and storytelling. She has worked as a consultant and mentor for programs such as Girls in Action, Dear Sistah Girlfriend and the Columbus City Schools. Her forthcoming book, True Story, explores how to improve community health through mentoring and creative arts.

More profile about the speaker
Tamekia MizLadi Smith | Speaker | TED.com
TED2018

Tamekia MizLadi Smith: How to train employees to have difficult conversations

Tamekia MizLadi Smith: Wie man Mitarbeitern beibringt, schwierige Gespräche zu führen

Filmed:
2,028,253 views

"Es ist an der Zeit, in Präsenzschulungen zu investieren, die Mitarbeiter dazu befähigen, schwierige Gespräche zu führen", sagt Tamekia MizLadi Smith. In einem witzigen, provokativen Vortrag stellt Smith ein Schulungsprogramm für den Arbeitsplatz mit dem Namen "Ich bin S.E.L.I.G." vor, das Vorgesetzte und Mitarbeiter gleichermaßen dazu animiert, mit Mitgefühl und Respekt miteinander zu sprechen. Fazit: Lassen Sie Menschen immer wissen, warum ihre Arbeit wichtig ist.
- Performer, mentor
Tamekia MizLadi Smith wants to start new conversations around involving non-clinical staff in healthcare. Full bio

Double-click the English transcript below to play the video.

In unserer Welt werden Daten
24 Stunden am Tag,
00:12
We liveLeben in a worldWelt
where the collectionSammlung of dataDaten
0
968
2198
00:15
is happeningHappening 24 hoursStd. a day,
sevenSieben daysTage a weekWoche,
1
3190
2548
7 Tage die Woche,
365 Tage im Jahr gesammelt.
00:17
365 daysTage a yearJahr.
2
5762
2293
Diese Daten werden von sogenannten
Empfangsspezialisten gesammelt.
00:20
This dataDaten is usuallygewöhnlich collectedgesammelt by
what we call a front-desk-Rezeption specialistSpezialist now.
3
8730
4323
Das sind Einzelhändler
in Ihrem Lieblingskaufhaus,
00:25
These are the retailVerkauf clerksSachbearbeiter
at your favoriteFavorit departmentAbteilung storesShops,
4
13077
3120
die Kassierer im Supermarkt,
00:28
the cashiersKassierer at the groceryLebensmittelgeschäft storesShops,
5
16221
2443
die Aufnahme im Krankenhaus
00:30
the registrationAnmeldung specialistsSpezialisten
at the hospitalKrankenhaus
6
18688
2605
00:33
and even the personPerson that soldverkauft you
your last movieFilm ticketFahrkarte.
7
21317
3114
und sogar die Person,
die Ihnen Ihre Kinokarte verkauft.
Sie fragen diskret nach:
"Darf ich Ihre Postleitzahl erfragen?"
00:36
They askFragen discreetdiskret questionsFragen, like:
"MayMai I please have your zipReißverschluss codeCode?"
8
24908
3875
00:40
Or, "Would you like to use
your savingsErsparnisse cardKarte todayheute?"
9
28807
3111
Oder: "Möchten Sie
Ihre Kundenkarte benutzen?"
Das alles erzeugt Daten.
00:44
All of whichwelche givesgibt us dataDaten.
10
32369
2309
Die Gespräche werden aber schwieriger,
00:46
HoweverJedoch, the conversationKonversation
becomeswird a little bitBit more complexKomplex
11
34702
4587
00:51
when the more difficultschwer questionsFragen
need to be askedaufgefordert.
12
39313
3318
wenn schwierigere Fragen
gestellt werden müssen.
Ich erzähle Ihnen eine Geschichte.
00:54
Let me tell you a storyGeschichte, see.
13
42655
1793
Es war einmal eine Frau
namens Miss Margaret.
00:56
OnceEinmal uponauf a time, there was
a womanFrau namedgenannt MissMiss MargaretMargaret.
14
44750
3018
00:59
MissMiss MargaretMargaret had been
a front-desk-Rezeption specialistSpezialist
15
47792
2151
Miss Margaret war 20 Jahre lang
Empfangsdame gewesen.
01:01
for almostfast 20 yearsJahre.
16
49967
1460
In all dieser Zeit hatte sie
wirklich niemals
01:03
And in all that time, she has never,
and I do mean never,
17
51451
3817
einen Patienten nach Geschlecht,
Rasse oder Ethnie fragen müssen.
01:07
had to askFragen a patientgeduldig theirihr genderGeschlecht,
raceRennen or ethnicityEthnizität.
18
55292
3520
01:10
Because, see, now MissMiss MargaretMargaret
has the abilityFähigkeit to just look at you.
19
58836
3223
Denn Miss Margaret
kann Sie einfach ansehen.
Oh ja.
01:14
Uh-huhUh-huh.
20
62083
1158
Und sie kann sehen,
ob man Mädchen oder Junge,
01:15
And she can tell
if you are a boyJunge or a girlMädchen,
21
63265
2777
schwarz oder weiß, Amerikaner
oder Nicht-Amerikaner ist.
01:18
blackschwarz or whiteWeiß, AmericanAmerikanische or non-Americannicht-Amerikaner.
22
66066
3237
Nach ihrer Auffassung waren das
die einzigen Kategorien.
01:21
And in her mindVerstand,
those were the only categoriesKategorien.
23
69327
3238
Stellen Sie sich den Tag vor,
01:24
So imaginevorstellen that graveGrab day,
24
72589
2016
01:26
when her sassySassy supervisorSupervisor invitedeingeladen her
to this "changeVeränderung everything" meetingTreffen
25
74629
4893
als ihre freche Chefin sie
zum "Ändere alles"-Treffen bat
01:31
and told her that would have to askFragen
eachjede einzelne and everyjeden last one of her patientsPatienten
26
79546
3634
und ihr sagte, dass sie jeden einzelnen
ihrer Patienten bitten müsse,
sich selbst zu identifizieren.
01:35
to self-identifyselbst zu identifizieren.
27
83204
1405
01:36
She gavegab her sixsechs gendersGeschlechter,
eightacht racesRennen and over 100 ethnicitiesEthnien.
28
84633
4770
Sie gab ihr sechs Geschlechter,
acht Rassen und über 100 Ethnien.
Miss Margaret war geschockt.
01:41
Well, now, MissMiss MargaretMargaret was appalledentsetzt.
29
89427
2588
Ich meine richtiggehend beleidigt.
01:44
I mean, highlyhöchst offendedbeleidigt.
30
92039
1397
01:45
So much so that she marchedmarschierten down
to that human-resourceHumanressourcen departmentAbteilung
31
93460
3331
So sehr, dass sie
zur Personalabteilung ging,
um herauszufinden,
ob sie in Frührente gehen könne.
01:48
to see if she was eligibleförderfähigen
for an earlyfrüh retirementRuhestand.
32
96815
2524
Sie beendete ihre Wutrede mit den Worten,
01:51
And she endedendete her rantrant by sayingSprichwort
33
99363
1960
dass ihre schlaue Chefin sie zu diesem
"Ändere alles"-Treffen eingeladen habe
01:53
that her sassySassy supervisorSupervisor invitedeingeladen her
to this "changeVeränderung everything" meetingTreffen
34
101347
4870
01:58
and didn't, didn't, even, even
35
106241
2024
und nicht einmal, ja nicht einmal
etwas zu Essen mitgebracht habe.
02:00
bringbringen, bringbringen foodLebensmittel, foodLebensmittel, foodLebensmittel, foodLebensmittel.
36
108289
3028
(Lachen)
02:03
(LaughterLachen)
37
111341
1154
(Applaus) (Jubel)
02:04
(ApplauseApplaus) (CheersCheers)
38
112519
5067
Man bringt doch Essen
zu so einem Meeting mit.
02:10
You know you've got to bringbringen foodLebensmittel
to these meetingsSitzungen.
39
118681
2434
(Lachen)
02:13
(LaughterLachen)
40
121139
2343
02:15
AnywayWie auch immer.
41
123506
1159
Jedenfalls ...
02:16
(LaughterLachen)
42
124689
1508
(Lachen)
Das war ein Beispiel
aus der Gesundheitsbranche,
02:18
Now, that was an exampleBeispiel
of a healthcareGesundheitswesen settingRahmen,
43
126221
2769
aber natürlich sammeln alle Unternehmen
in der ein oder anderen Form Daten.
02:21
but of courseKurs, all businessesUnternehmen
collectsammeln some formbilden of dataDaten.
44
129014
3333
02:24
TrueWahre storyGeschichte: I was going
to wireDraht some moneyGeld.
45
132371
3142
Wahre Geschichte:
Ich wollte Geld überweisen.
Die Kundenberaterin fragte mich,
02:28
And the customerKunde serviceBedienung
representativeVertreter askedaufgefordert me
46
136165
2555
ob ich in den USA geboren sei.
02:30
if I was borngeboren in the UnitedVereinigte StatesStaaten.
47
138744
2334
02:33
Now, I hesitatedgezögert to answerAntworten her questionFrage,
48
141419
2381
Ich zögerte, ihre Frage zu beantworten,
und bevor sie wusste, warum ich zögerte,
02:35
and before she even realizedrealisiert
why I hesitatedgezögert,
49
143824
3130
fing sie an, das Unternehmen,
für das sie arbeitete, schlecht zu machen.
02:38
she beganbegann to throwwerfen the companyUnternehmen
she workedhat funktioniert for underunter the busBus.
50
146978
3015
02:42
She said, "GirlMädchen, I know it's stupidblöd,
but they makin'Makin ' us askFragen this questionFrage."
51
150017
5072
Sie sagte: "Ich weiß, es ist dumm,
aber wir müssen diese Fragen stellen."
02:47
(LaughterLachen)
52
155113
1151
(Lachen)
02:48
Because of the way she presentedvorgeführt it to me,
53
156288
2073
Wegen der Art, wie sie es mir vortrug,
dachte ich: "Warum?
02:50
I was like, "GirlMädchen, why?
54
158385
1600
Warum müsst ihr diese Fragen stellen?
02:52
Why they makin'Makin ' you askFragen this questionFrage?
55
160561
2230
02:54
Is they deportin'deportin' people?"
56
162815
1802
Deportieren sie Leute?"
(Lachen)
02:56
(LaughterLachen)
57
164641
2142
Aber ich wandte mich an mein anderes Ich,
02:58
But then I had to turnWende on
the other sideSeite of me,
58
166807
2222
03:01
the more professionalProfessionel
speaker-poetLautsprecher-Dichter sideSeite of me.
59
169053
2568
das professionellere Sprecher-Ich.
Das, das versteht,
dass es Miss Margarets überall gibt.
03:04
The one that understoodverstanden that there were
little MissMiss MargaretsMargarets all over the placeOrt.
60
172164
4150
Gutherzige Menschen,
sogar gute Angestellte,
03:08
People who were good people,
maybe even good employeesMitarbeiter,
61
176871
2968
aber ohne die Fähigkeit,
ihre Fragen richtig zu stellen,
03:11
but lackedfehlten the abilityFähigkeit
to askFragen theirihr questionsFragen properlyrichtig
62
179863
2552
03:14
and unfortunatelyUnglücklicherweise, that madegemacht her look badschlecht,
63
182439
2535
und das ließ sie schlecht dastehen,
und noch schlimmer,
03:16
but the worstam schlimmsten, that madegemacht
the businessGeschäft look even worseschlechter
64
184998
3246
das ließ das Unternehmen
noch schlechter dastehen als sie selbst.
03:20
than how she was looking.
65
188268
1666
Denn sie hatte keine Ahnung, wer ich war.
03:22
Because she had no ideaIdee who I was.
66
190236
1767
03:24
I mean, I literallybuchstäblich could have been
a womanFrau who was scheduledgeplant to do a TEDTED Talk
67
192027
3685
Ich hätte eine Frau sein können,
die einen TED-Talk halten
und sie als Beispiel benutzen würde.
03:27
and would use her as an exampleBeispiel.
68
195736
1778
03:29
ImagineStellen Sie sich vor that.
69
197538
1300
Stellen Sie sich das vor.
03:30
(ApplauseApplaus)
70
198862
4262
(Applaus)
Und leider passiert es,
dass Leute die Fragen nicht beantworten,
03:35
And unfortunatelyUnglücklicherweise,
71
203148
1183
03:36
what happensdas passiert is people would declineAblehnen
to answerAntworten the questionsFragen,
72
204355
2895
weil sie denken,
03:39
because they feel like
you would use the informationInformation
73
207274
2509
die Informationen würden benutzt,
um sie zu diskriminieren,
03:41
to discriminatediskriminieren againstgegen them,
74
209807
1425
und zwar nur wegen der Art,
wie die Information präsentiert wurde.
03:43
all because of how you presentedvorgeführt
the informationInformation.
75
211256
2391
Und hier bekommen wir schlechte Daten.
03:45
And at that pointPunkt, we get badschlecht dataDaten.
76
213671
1778
Jeder weiß, was schlechte Daten bewirken.
03:47
And everybodyjeder knowsweiß what badschlecht dataDaten does.
77
215473
2111
Schlechte Daten kosten Zeit,
sie kosten Geld
03:49
BadSchlechte dataDaten costsKosten you time,
it costsKosten you moneyGeld
78
217608
2793
03:52
and it costsKosten you resourcesRessourcen.
79
220425
1946
und sie kosten Ressourcen.
Leider, wenn man schlechte Daten erhält,
03:54
UnfortunatelyLeider, when you have badschlecht dataDaten,
80
222395
2563
03:56
it alsoebenfalls costsKosten you a lot more,
81
224982
3079
kostet Sie das sogar noch mehr,
denn wir haben ungleiche
Gesundheitsversorgung,
04:00
because we have healthGesundheit disparitiesUnterschiede,
82
228085
2395
wir haben soziale Determinanten
bezüglich Gesundheit
04:02
and we have socialSozial determinantsDeterminanten of healthGesundheit,
83
230504
2214
04:04
and we have the infantSäugling mortalityMortalität,
84
232742
1658
und wir haben Säuglingssterblichkeit.
04:06
all of whichwelche dependshängt davon ab
on the dataDaten that we collectsammeln,
85
234424
2643
All das hängt von unseren Daten ab,
04:09
and if we have badschlecht dataDaten,
than we have those issuesProbleme still.
86
237091
3248
und wenn wir schlechte Daten haben,
bleiben diese Probleme.
04:12
And we have underprivilegedbenachteiligten Menschen populationsPopulationen
87
240363
1899
Wir haben unterprivilegierte Menschen,
die unterprivilegiert bleiben,
04:14
that remainbleiben übrig unfortunateunglücklich
and underprivilegedbenachteiligten Menschen,
88
242286
2791
denn die Daten, die wir nutzen,
sind entweder veraltet
04:17
because the dataDaten that we're usingmit
is eitherentweder outdatedveraltete,
89
245101
3926
04:21
or is not good at all
or we don't have anything at all.
90
249051
3293
oder nicht gut, oder wir haben gar keine.
Wäre es nicht fantastisch,
wenn es Leute wie Miss Margaret
04:24
Now, wouldn'twürde nicht it be amazingtolle
if people like MissMiss MargaretMargaret
91
252987
2636
04:27
and the customer-serviceKunden-service
representativeVertreter at the wiringVerdrahtung placeOrt
92
255647
3150
und die Kundenberaterin in der Bank
selig machen würde,
04:30
were gracedzierte to collectsammeln dataDaten
with compassionatemitfühlend carePflege?
93
258821
4374
Daten mit Mitgefühl zu erfragen?
04:35
Can I explainerklären to you
what I mean by "gracedzierte?"
94
263562
2317
Ich erkläre, was ich mit "selig" meine.
Ich habe ein Akrostichon geschrieben.
04:38
I wroteschrieb an acrosticAkrostichon poemGedicht.
95
266324
1666
04:40
G: GettingImmer the frontVorderseite deskSchreibtisch specialistSpezialist
involvedbeteiligt and lettingVermietung them know
96
268300
4773
S: Sorge tragen, dass die
Empfangsperson einbezogen wird,
E: erkennt, wie wichtig ihre Rolle ist,
04:45
R: the RelevanceRelevanz of theirihr roleRolle
as they becomewerden
97
273097
3953
L: lernt, die Richtigkeit
der Daten zu gewährleisten,
04:49
A: AccountableVerantwortlich for the accuracyGenauigkeit
of dataDaten while implementingimplementierend
98
277074
3531
04:52
C: CompassionateMitfühlend carePflege withininnerhalb
all encountersBegegnungen by becomingWerden
99
280629
4044
I: imstande ist, den Menschen
mit Mitgefühl zu begegnen,
04:56
E: EquippedAusgestattet with the educationBildung
needederforderlich to informinformieren people
100
284697
3301
G: die Gabe besitzt, Menschen
angemessen darüber zu informieren,
05:00
of why dataDaten collectionSammlung is so importantwichtig.
101
288022
3293
warum Datenerhebung so wichtig ist.
(Applaus)
05:04
(ApplauseApplaus)
102
292315
2949
05:07
Now, I'm an artistKünstler.
103
295288
2096
Ich bin Künstlerin.
05:09
And so what happensdas passiert with me
104
297408
1674
Was mir passiert:
Wenn ich etwas Künstlerisches schaffe,
05:11
is that when I createerstellen
something artisticallykünstlerisch,
105
299106
2174
erwacht die Lehrerin in mir.
05:13
the trainerTrainer in me is awakenedgeweckt as well.
106
301304
1923
05:15
So what I did was, I beganbegann to developentwickeln
that acrosticAkrostichon poemGedicht into a fullvoll trainingAusbildung
107
303251
4072
Ich wandelte das Akrostichon
also in eine Schulung
mit dem Titel "Ich bin S.E.L.I.G." um.
05:19
entitledberechtigt "I'm G.R.A.C.E.D."
108
307347
1548
05:20
Because I remembermerken,
beingSein the front-desk-Rezeption specialistSpezialist,
109
308919
2841
Denn ich erinnere mich,
als ich am Empfang war,
und als ich zur Bank ging,
um dort zu arbeiten, dachte ich:
05:23
and when I wentging to the officeBüro
of equityEigenkapital to startAnfang workingArbeiten,
110
311784
2674
05:26
I was like, "Is that why they askedaufgefordert us
to askFragen that questionFrage?"
111
314482
3555
"Sollen wir deswegen
diese Fragen stellen?"
05:30
It all becamewurde a brighthell lightLicht to me,
112
318061
1768
Es leuchtete mir plötzlich ein
und mir wurde klar,
05:31
and I realizedrealisiert that I askedaufgefordert people
and I told people about --
113
319853
3637
dass ich Menschen
mit dem falschen Geschlecht,
05:35
I callednamens them by the wrongfalsch genderGeschlecht,
I callednamens them by the wrongfalsch raceRennen,
114
323514
3284
mit der falschen Rasse,
der falschen Ethnie angesprochen hatte,
05:38
I callednamens them by the wrongfalsch ethnicityEthnizität,
115
326822
1803
und es wurde unangenehm.
05:40
and the environmentUmwelt becamewurde hostilefeindlich,
116
328649
2007
Die Leute waren beleidigt
05:42
people was offendedbeleidigt and I was frustratedfrustriert
because I was not gracedzierte.
117
330680
4284
und ich war frustriert,
weil ich nicht "selig" war.
05:46
I remembermerken my computerizedEDV trainingAusbildung,
118
334988
2587
Ich erinnere mich an mein
computerbasiertes Training,
05:49
and unfortunatelyUnglücklicherweise, that trainingAusbildung did not
preparevorbereiten me to deescalateentschärfen a situationLage.
119
337599
5626
das mich leider nicht
darauf vorbereitet hatte,
solche Situationen zu deeskalieren.
05:55
It did not preparevorbereiten me to have
teachablelehrbar momentsMomente when I had questionsFragen
120
343249
3376
Es zeigte mir keine Lehr-Momente auf,
wenn ich Fragen dazu hatte,
wie man die Fragen stellt.
05:58
about askingfragen the questionsFragen.
121
346649
1658
06:00
I would look at the computerComputer and say,
"So, what do I do when this happensdas passiert?"
122
348331
3564
Ich sah den PC an und fragte:
"Was mache ich, wenn das passiert?"
Und der PC sagte....
06:03
And the computerComputer would say ...
123
351919
1858
06:05
nothing, because a computerComputer
cannotnicht können talk back to you.
124
353801
3268
Nichts, denn ein Computer
spricht nicht Ihnen.
(Lachen)
06:09
(LaughterLachen)
125
357093
3207
Deshalb ist es wichtig,
jemanden vor sich zu haben,
06:12
So that's the importanceBedeutung
of havingmit someonejemand there
126
360324
2571
06:14
who was trainedausgebildet to teachlehren you
and tell you what you do
127
362919
2777
der gelernt hat, einem beizubringen,
was man in solchen Situationen zu tun hat.
06:17
in situationsSituationen like that.
128
365720
1690
Als ich "Ich bin S.E.L.I.G." erschuf,
06:20
So, when I createderstellt
the "I'm G.R.A.C.E.D" trainingAusbildung,
129
368030
2626
entwickelte ich es mit Erfahrung,
06:22
I createderstellt it with that experienceErfahrung
that I had in mindVerstand,
130
370680
2994
aber auch mit Überzeugung.
06:25
but alsoebenfalls that convictionÜberzeugung
that I had in mindVerstand.
131
373698
2516
06:28
Because I wanted
the instructionalLehr designEntwurf of it
132
376238
2253
Ich wollte die Schulung so aufbauen,
dass sie einen sicheren
und offenen Dialog ermöglicht.
06:30
to be a safeSafe spacePlatz
for openöffnen dialogueDialog for people.
133
378515
2778
06:33
I wanted to talk about biasesVorurteile,
134
381317
1895
Ich wollte über Vorurteile sprechen,
die unbewussten und die bewussten,
06:35
the unconsciousbewusstlos onesEinsen
and the consciousbewusst onesEinsen,
135
383236
2397
und was wir tun.
06:37
and what we do.
136
385657
1166
Denn ich weiß, dass sich,
wenn man Leuten die Gründe erklärt,
06:38
Because now I know
that when you engageengagieren people in the why,
137
386847
3944
ihre Perspektive und ihre Haltung ändern.
06:42
it challengesHerausforderungen theirihr perspectivePerspektive,
and it changesÄnderungen theirihr attitudesEinstellungen.
138
390815
3476
06:46
Now I know that dataDaten
that we have at the frontVorderseite deskSchreibtisch
139
394315
3159
Ich weiß, dass mit den Daten,
die wir am Empfang erheben,
06:49
translatesübersetzt into researchForschung that eliminateseliminiert
disparitiesUnterschiede and findsfindet curesheilt.
140
397498
4813
in der Forschung Ungleichheiten bekämpft
und Heilungen gefunden werden.
Ich weiß, dass es ein besserer Weg ist,
Menschen Änderung zu lehren,
06:54
Now I know that teachingLehren people
transitionalÜbergangs changeVeränderung
141
402335
3706
06:58
insteadstattdessen of shockingschockierend them into changeVeränderung
142
406065
2846
als sie damit zu überrumpeln,
07:00
is always a better way
of implementingimplementierend changeVeränderung.
143
408935
3255
um eine wahre Änderung hervorzurufen.
Ich weiß, dass die Menschen
eher Informationen teilen,
07:04
See, now I know people are more likelywahrscheinlich
to shareAktie informationInformation
144
412214
3046
07:07
when they are treatedbehandelt with respectdie Achtung
by knowledgeablekenntnisreich staffPersonal membersMitglieder.
145
415284
3859
wenn sie von kompetentem Personal
mit Respekt behandelt werden.
Ich weiß, man muss kein Statistiker sein,
07:11
Now I know that you
don't have to be a statisticianStatistiker
146
419167
3021
07:14
to understandverstehen the powerLeistung
and the purposeZweck of dataDaten,
147
422212
3001
um Macht und Zweck der Daten zu verstehen,
07:17
but you do have to treatbehandeln people
with respectdie Achtung and have compassionatemitfühlend carePflege.
148
425237
4364
aber man muss Menschen
mit Respekt und Mitgefühl begegnen.
Ich weiß, wenn man "selig" ist,
07:21
Now I know that when you've been gracedzierte,
149
429625
2825
liegt es in der eigenen Verantwortung,
auch jemand anderen zu befähigen.
07:24
it is your responsibilityVerantwortung
to empowerermächtigen somebodyjemand elsesonst.
150
432474
3376
07:27
But mostdie meisten importantlywichtig, now I know
151
435874
2425
Aber vor allem weiß ich jetzt:
Wenn man Menschen beibringt,
07:30
that when teachingLehren humanMensch beingsWesen
152
438323
2413
07:32
to communicatekommunizieren with other humanMensch beingsWesen,
153
440760
3079
mit anderen Menschen zu kommunizieren,
sollte das durch einen Menschen geschehen.
07:35
it should be deliveredgeliefert by a humanMensch beingSein.
154
443863
3785
(Applaus)
07:40
(ApplauseApplaus)
155
448117
6792
Wenn Sie also alle zur Arbeit gehen
07:46
So when y'ally ' all go to work
156
454933
1849
und ein "Ändere alles"-Meeting
vereinbaren, --
07:48
and y'ally ' all scheduleZeitplan that
"changeVeränderung everything" meetingTreffen --
157
456806
3335
07:52
(LaughterLachen)
158
460165
1650
(Lachen)
denken Sie an Miss Margaret.
07:53
remembermerken MissMiss MargaretMargaret.
159
461839
1515
07:55
And don't forgetvergessen the foodLebensmittel, the foodLebensmittel,
the foodLebensmittel, the foodLebensmittel.
160
463792
3819
Und vergessen Sie das Essen nicht.
Vielen Dank.
08:00
Thank you.
161
468103
1151
(Applaus)
08:01
(ApplauseApplaus) (CheersCheers)
162
469278
5475
08:06
Thank you.
163
474777
1175
08:07
(ApplauseApplaus)
164
475976
1595
Translated by Larissa Melzner
Reviewed by Swenja Gawantka

▲Back to top

ABOUT THE SPEAKER
Tamekia MizLadi Smith - Performer, mentor
Tamekia MizLadi Smith wants to start new conversations around involving non-clinical staff in healthcare.

Why you should listen

As a spoken-word performer, Tamekia MizLadi Smith educates and empowers her audiences with what she calls EDUtainment, a witty combination of music and storytelling. She has worked as a consultant and mentor for programs such as Girls in Action, Dear Sistah Girlfriend and the Columbus City Schools. Her forthcoming book, True Story, explores how to improve community health through mentoring and creative arts.

More profile about the speaker
Tamekia MizLadi Smith | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee