TEDGlobal 2010
Tom Chatfield: 7 ways games reward the brain
Tom Chatfield: 7 maneras en que los juegos recompensan al cerebro
Filmed:
Readability: 3.8
1,288,061 views
Estamos llevando el mundo de los juegos a más aspectos de nuestras vidas. Pasamos innumerables horas explorando mundos virtuales, gastando dinero real en busca de tesoros imaginarios. ¿Por qué? Como nos muestra Tom Chatfield los juegos están bien afinados para repartir premios que cautivan al cerebro y nos hacen ir por más.
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
Me encantan los videojuegos.
00:18
I'm also slightly in awe of them.
1
3000
3000
Estoy un poco subyugado por ellos.
00:21
I'm in awe of their power
2
6000
2000
Me asombra su poder
00:23
in terms of imagination, in terms of technology,
3
8000
2000
en términos de imaginación, de tecnología,
00:25
in terms of concept.
4
10000
2000
de concepto.
00:27
But I think, above all,
5
12000
2000
Pero creo que, sobre todo,
00:29
I'm in awe at their power
6
14000
2000
me asombra su poder
00:31
to motivate, to compel us,
7
16000
3000
de motivarnos, de movilizarnos,
00:34
to transfix us,
8
19000
2000
de paralizarnos,
00:36
like really nothing else we've ever invented
9
21000
3000
más que cualquier otra cosa que hayamos inventado
00:39
has quite done before.
10
24000
2000
o hecho con anterioridad.
00:41
And I think that we can learn some pretty amazing things
11
26000
3000
Y creo que podemos aprender cosas bastante sorprendentes
00:44
by looking at how we do this.
12
29000
2000
observando cómo jugamos.
00:46
And in particular, I think we can learn things
13
31000
2000
Y, en particular, creo que podemos aprender cosas
00:48
about learning.
14
33000
3000
sobre el aprendizaje.
00:51
Now the video games industry
15
36000
2000
La industria de los videojuegos
00:53
is far and away the fastest growing
16
38000
2000
es, con mucho, la de mayor crecimiento
00:55
of all modern media.
17
40000
2000
de todos los medios modernos.
00:57
From about 10 billion in 1990,
18
42000
2000
De unos 10.000 millones en 1990,
00:59
it's worth 50 billion dollars globally today,
19
44000
3000
hoy vale 50.000 millones de dólares a nivel mundial
01:02
and it shows no sign of slowing down.
20
47000
3000
y no muestra signos de desaceleración.
01:05
In four years' time,
21
50000
2000
Dentro de 4 años
01:07
it's estimated it'll be worth over 80 billion dollars.
22
52000
3000
se estima que va a valer más de 80.000 millones de dólares.
01:10
That's about three times the recorded music industry.
23
55000
3000
Eso es cerca de tres veces la industria discográfica.
01:13
This is pretty stunning,
24
58000
2000
Es bastante imponente
01:15
but I don't think it's the most telling statistic of all.
25
60000
3000
pero no creo que sea la estadística más reveladora de todas.
01:18
The thing that really amazes me
26
63000
2000
Lo que realmente me sorprende
01:20
is that, today,
27
65000
2000
es que hoy en día
01:22
people spend about
28
67000
2000
la gente gasta cerca de
01:24
eight billion real dollars a year
29
69000
3000
8.000 millones de dólares reales al año
01:27
buying virtual items
30
72000
2000
comprando objetos virtuales
01:29
that only exist
31
74000
2000
que existen sólo
01:31
inside video games.
32
76000
3000
dentro de los videojuegos.
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
79000
3000
Esta es una pantalla del juego virtual Entropia Universe.
01:37
Earlier this year,
34
82000
2000
A principios de este año,
01:39
a virtual asteroid in it
35
84000
2000
se vendió un asteroide virtual
01:41
sold for 330,000 real dollars.
36
86000
4000
del juego en 330.000 dólares reales.
01:45
And this
37
90000
2000
Y esta
01:47
is a Titan class ship
38
92000
3000
es una nave Titan
01:50
in the space game, EVE Online.
39
95000
2000
del juego espacial EVE Online.
01:52
And this virtual object
40
97000
2000
Este objeto virtual
01:54
takes 200 real people
41
99000
2000
requiere 200 personas físicas
01:56
about 56 days of real time to build,
42
101000
3000
y cerca de 56 días reales de construcción
01:59
plus countless thousands of hours
43
104000
3000
además de miles y miles de horas
02:02
of effort before that.
44
107000
2000
de esfuerzo previo.
02:04
And yet, many of these get built.
45
109000
3000
Y, sin embargo, se construyen muchas.
02:07
At the other end of the scale,
46
112000
2000
En el otro extremo de la escala
02:09
the game Farmville that you may well have heard of,
47
114000
3000
el juego Farmville, que seguro han escuchado nombrar,
02:12
has 70 million players
48
117000
2000
tiene 70 millones de jugadores
02:14
around the world
49
119000
2000
en todo el mundo,
02:16
and most of these players
50
121000
2000
y la mayoría de ellos
02:18
are playing it almost every day.
51
123000
2000
lo juegan casi todos los días.
02:20
This may all sound
52
125000
2000
Todo esto puede sonar
02:22
really quite alarming to some people,
53
127000
2000
realmente muy inquietante para alguna gente,
02:24
an index of something worrying
54
129000
2000
un índice de algo preocupante,
02:26
or wrong in society.
55
131000
2000
algo que está mal en la sociedad.
02:28
But we're here for the good news,
56
133000
2000
Pero estamos para dar buenas noticias
02:30
and the good news is
57
135000
2000
y la buena noticia es
02:32
that I think we can explore
58
137000
2000
que creo que podemos analizar
02:34
why this very real human effort,
59
139000
3000
la causa de este gran esfuerzo humano,
02:37
this very intense generation of value, is occurring.
60
142000
4000
de esta generación de valor tan intensa.
02:41
And by answering that question,
61
146000
2000
Y al responder esa pregunta
02:43
I think we can take something
62
148000
2000
creo que podemos sacar de eso
02:45
extremely powerful away.
63
150000
2000
algo extremadamente poderoso.
02:47
And I think the most interesting way
64
152000
2000
Y me parece que la forma más interesante
02:49
to think about how all this is going on
65
154000
2000
de pensar cómo sucede todo esto
02:51
is in terms of rewards.
66
156000
2000
es en términos de recompensa.
02:53
And specifically, it's in terms
67
158000
3000
Y, específicamente, en términos
02:56
of the very intense emotional rewards
68
161000
2000
de recompensas emocionales muy intensas
02:58
that playing games offers to people
69
163000
2000
que la gente obtiene con los videojuegos
03:00
both individually
70
165000
2000
tanto a nivel individual
03:02
and collectively.
71
167000
2000
como colectivo.
03:04
Now if we look at what's going on in someone's head
72
169000
2000
Ahora, si miramos lo que sucede en la mente de alguien
03:06
when they are being engaged,
73
171000
2000
cuando está absorto en el juego
03:08
two quite different processes are occurring.
74
173000
3000
vemos dos procesos bastante diferentes.
03:11
On the one hand, there's the wanting processes.
75
176000
3000
Por un lado está el proceso del deseo.
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
Es un poco de ambición y motivación: voy a hacerlo, voy a trabajar arduamente.
03:17
On the other hand, there's the liking processes,
77
182000
2000
Por otro lado está el proceso de los gustos:
03:19
fun and affection
78
184000
2000
la diversión, el afecto,
03:21
and delight
79
186000
2000
y el deleite...
03:23
and an enormous flying beast with an orc on the back.
80
188000
2000
y una enorme bestia voladora con un orco en la espalda.
03:25
It's a really great image. It's pretty cool.
81
190000
2000
Es una imagen muy buena. Es bastante cool.
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
192000
3000
Es del juego World of Warcraft con más de 10 millones de jugadores a nivel mundial,
03:30
one of whom is me, another of whom is my wife.
83
195000
3000
yo soy uno de ellos, mi esposa es otra.
03:33
And this kind of a world,
84
198000
2000
Y esta clase de mundo,
03:35
this vast flying beast you can ride around,
85
200000
2000
el paseo en esta gran bestia voladora,
03:37
shows why games are so very good
86
202000
2000
nos muestra por qué los juegos son tan buenos
03:39
at doing both the wanting and the liking.
87
204000
3000
tanto para el deseo como para los gustos.
03:42
Because it's very powerful. It's pretty awesome.
88
207000
2000
Porque es muy potente. Es bastante impresionante.
03:44
It gives you great powers.
89
209000
2000
Le da a uno grandes poderes.
03:46
Your ambition is satisfied, but it's very beautiful.
90
211000
3000
Se satisface la ambición; es muy hermoso.
03:49
It's a very great pleasure to fly around.
91
214000
3000
Es un gran placer dar ese paseo.
03:52
And so these combine to form
92
217000
2000
Y esto se combina para lograr
03:54
a very intense emotional engagement.
93
219000
2000
un compromiso emocional muy intenso.
03:56
But this isn't the really interesting stuff.
94
221000
3000
Pero esto no es lo que interesa en realidad.
03:59
The really interesting stuff about virtuality
95
224000
2000
Lo interesante de la virtualidad
04:01
is what you can measure with it.
96
226000
2000
es lo que se puede medir con ella.
04:03
Because what you can measure in virtuality
97
228000
3000
Porque en la virtualidad se puede
04:06
is everything.
98
231000
2000
medir todo.
04:08
Every single thing that every single person
99
233000
2000
Puede medirse cada una de las cosas
04:10
who's ever played in a game has ever done can be measured.
100
235000
3000
de cada persona que haya participado en un juego.
04:13
The biggest games in the world today
101
238000
2000
Los juegos más grandes del mundo hoy
04:15
are measuring more than one billion points of data
102
240000
4000
están midiendo más de 1.000 millones de registros
04:19
about their players, about what everybody does --
103
244000
2000
de sus jugadores, sobre lo que hacen todos...
04:21
far more detail than you'd ever get from any website.
104
246000
3000
mucho más detalle del que se ha obtenido jamás en un sitio web.
04:24
And this allows something very special
105
249000
3000
Y esto hace que suceda algo muy especial
04:27
to happen in games.
106
252000
2000
en los juegos.
04:29
It's something called the reward schedule.
107
254000
3000
Algo denominado programa de recompensa.
04:32
And by this, I mean looking
108
257000
2000
Y con esto quiero decir que buscan
04:34
at what millions upon millions of people have done
109
259000
2000
lo que han hecho millones y millones de personas
04:36
and carefully calibrating the rate,
110
261000
2000
ajustando con mucho cuidado la tasa,
04:38
the nature, the type, the intensity of rewards in games
111
263000
3000
la naturaleza, el tipo y la intensidad de las recompensas en los juegos
04:41
to keep them engaged
112
266000
2000
para mantenerlos enganchados
04:43
over staggering amounts of time and effort.
113
268000
3000
con ingentes cantidades de tiempo y esfuerzo.
04:46
Now, to try and explain this
114
271000
2000
Para tratar de explicar esto
04:48
in sort of real terms,
115
273000
3000
en términos reales
04:51
I want to talk about a kind of task
116
276000
2000
quiero hablar de un tipo de tarea
04:53
that might fall to you in so many games.
117
278000
2000
común a muchos juegos.
04:55
Go and get a certain amount of a certain little game-y item.
118
280000
3000
Vayan a buscar cierta cantidad de un elemento X.
04:58
Let's say, for the sake of argument,
119
283000
2000
Digamos, a fines del argumento,
05:00
my mission is to get 15 pies
120
285000
3000
mi misión es conseguir 15 tortas,
05:03
and I can get 15 pies
121
288000
3000
y para hacerlo hay que
05:06
by killing these cute, little monsters.
122
291000
2000
matar a estos monstruitos adorables.
05:08
Simple game quest.
123
293000
2000
Una misión simple.
05:10
Now you can think about this, if you like,
124
295000
2000
Esto puede pensarse, si se quiere,
05:12
as a problem about boxes.
125
297000
2000
como un problema de cajas.
05:14
I've got to keep opening boxes.
126
299000
2000
Tengo que seguir abriendo cajas.
05:16
I don't know what's inside them until I open them.
127
301000
3000
No sé lo que tienen dentro hasta que las abro.
05:19
And I go around opening box after box until I've got 15 pies.
128
304000
3000
Y voy abriendo caja tras caja hasta que consigo 15 tortas.
05:22
Now, if you take a game like Warcraft,
129
307000
2000
Si uno toma un juego como el Warcraft
05:24
you can think about it, if you like,
130
309000
2000
se lo puede pensar, si se quiere,
05:26
as a great box-opening effort.
131
311000
3000
como un gran esfuerzo de apertura de cajas.
05:29
The game's just trying to get people to open about a million boxes,
132
314000
3000
El juego está tratando de hacer que la gente abra un millón de cajas
05:32
getting better and better stuff in them.
133
317000
2000
poniendo cada vez mejores cosas en ellas.
05:34
This sounds immensely boring
134
319000
3000
Esto suena sumamente aburrido
05:37
but games are able
135
322000
2000
pero los juegos pueden
05:39
to make this process
136
324000
2000
hacer de este proceso
05:41
incredibly compelling.
137
326000
2000
algo extremadamente llevadero.
05:43
And the way they do this
138
328000
2000
Y lo hacen
05:45
is through a combination of probability and data.
139
330000
3000
mediante una combinación de probabilidad y datos.
05:48
Let's think about probability.
140
333000
2000
Pensemos en la probabilidad.
05:50
If we want to engage someone
141
335000
2000
Si queremos involucrar a una persona
05:52
in the process of opening boxes to try and find pies,
142
337000
3000
en la apertura de cajas para tratar de encontrar tortas
05:55
we want to make sure it's neither too easy,
143
340000
2000
queremos asegurarnos que no sea demasiado fácil
05:57
nor too difficult, to find a pie.
144
342000
2000
ni demasiado difícil encontrar una torta.
05:59
So what do you do? Well, you look at a million people --
145
344000
2000
Entonces, ¿qué hacer? Bueno, miramos un millón de personas...
06:01
no, 100 million people, 100 million box openers --
146
346000
3000
no, 100 millones de personas, de abridores de cajas,
06:04
and you work out, if you make the pie rate
147
349000
3000
y se calcula, si uno pone la tasa de tortas
06:07
about 25 percent --
148
352000
2000
en un 25%
06:09
that's neither too frustrating, nor too easy.
149
354000
3000
eso no es ni demasiado frustrante, ni demasiado fácil;
06:12
It keeps people engaged.
150
357000
2000
mantiene a la gente enganchada
06:14
But of course, that's not all you do -- there's 15 pies.
151
359000
3000
pero, claro, eso no es todo lo que se hace... hay 15 tortas.
06:17
Now, I could make a game called Piecraft,
152
362000
2000
Yo podría hacer un juego llamado Tortacraft
06:19
where all you had to do was get a million pies
153
364000
2000
en el que hay que conseguir un millón de tortas
06:21
or a thousand pies.
154
366000
2000
o mil tortas.
06:23
That would be very boring.
155
368000
2000
Eso sería muy aburrido.
06:25
Fifteen is a pretty optimal number.
156
370000
2000
15 es un número bastante óptimo.
06:27
You find that -- you know, between five and 20
157
372000
2000
Uno encuentra que entre 5 y 20
06:29
is about the right number for keeping people going.
158
374000
2000
es el número justo para mantener a la gente enganchada.
06:31
But we don't just have pies in the boxes.
159
376000
2000
Pero no sólo hay tortas en las cajas.
06:33
There's 100 percent up here.
160
378000
2000
Hay un 100% allí.
06:35
And what we do is make sure that every time a box is opened,
161
380000
3000
Y lo que nos aseguramos es que cada vez que se abre una caja
06:38
there's something in it, some little reward
162
383000
2000
haya algo dentro, una pequeña recompensa,
06:40
that keeps people progressing and engaged.
163
385000
2000
eso mantiene a la gente progresando y motivada.
06:42
In most adventure games,
164
387000
2000
En la mayoría de los juegos de aventura
06:44
it's a little bit in-game currency, a little bit experience.
165
389000
3000
hay un poco de dinero del juego, un poco de experiencia,
06:47
But we don't just do that either.
166
392000
2000
pero no sólo hacemos eso tampoco.
06:49
We also say there's going to be loads of other items
167
394000
2000
También decimos va a haber un montón de otros artículos
06:51
of varying qualities and levels of excitement.
168
396000
2000
de diferentes calidades y niveles de emoción.
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
398000
3000
Va a haber un 10% de probabilidad de que consigas algo bastante bueno.
06:56
There's going to be a 0.1 percent chance
170
401000
2000
Va a haber una probabilidad de 0,1%
06:58
you get an absolutely awesome item.
171
403000
3000
de conseguir algo totalmente impresionante.
07:01
And each of these rewards is carefully calibrated to the item.
172
406000
3000
Y cada uno de estos premios es ajustado minuciosamente para el artículo.
07:04
And also, we say,
173
409000
2000
Y también decimos:
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
411000
3000
'Bien, ¿cuántos monstruos? ¿Debería tener todo el mundo lleno con mil millones de monstruos?
07:09
No, we want one or two monsters on the screen at any one time.
175
414000
3000
No, queremos uno o dos monstruos en pantalla en un momento dado.
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
417000
3000
Así seguimos. No es demasiado fácil, ni demasiado difícil.
07:15
So all this is very powerful.
177
420000
2000
Todo esto es muy potente.
07:17
But we're in virtuality. These aren't real boxes.
178
422000
3000
Pero esto es algo virtual; no son cajas de verdad.
07:20
So we can do
179
425000
2000
Por eso podemos
07:22
some rather amazing things.
180
427000
2000
hacer cosas sorprendentes.
07:24
We notice, looking at all these people opening boxes,
181
429000
4000
Observamos al mirar a la gente que abre cajas
07:28
that when people get to about 13 out of 15 pies,
182
433000
3000
que cuando van consiguiendo unas 13 de las 15 tortas
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
436000
3000
cambia su percepción y empiezan a aburrirse un poco, a fastidiarse.
07:34
They're not rational about probability.
184
439000
2000
No piensan en las probabilidades.
07:36
They think this game is unfair.
185
441000
2000
Piensan que el juego es injusto.
07:38
It's not giving me my last two pies. I'm going to give up.
186
443000
2000
No me va a dar las últimas dos tortas. Me voy a dar por vencido.
07:40
If they're real boxes, there's not much we can do,
187
445000
2000
Si fueran cajas reales no hay mucho que hacer
07:42
but in a game we can just say, "Right, well.
188
447000
2000
pero en un juego podemos decir "Correcto, bien",
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
449000
4000
al obtener 13 tortas, tienes 75% de probabilidad de conseguir otra torta.
07:48
Keep you engaged. Look at what people do --
190
453000
2000
Sigue enganchado. Miren lo que hacen...
07:50
adjust the world to match their expectation.
191
455000
2000
modifican el mundo para satisfacer sus expectativas.
07:52
Our games don't always do this.
192
457000
2000
Nuestros juegos no siempre hacen eso.
07:54
And one thing they certainly do at the moment
193
459000
2000
Y algo que seguro hacen en el momento,
07:56
is if you got a 0.1 percent awesome item,
194
461000
3000
si uno consiguió una recompensa de las buenas,
07:59
they make very sure another one doesn't appear for a certain length of time
195
464000
3000
es asegurarse que no aparezca otra igual durante bastante tiempo
08:02
to keep the value, to keep it special.
196
467000
2000
para mantener el valor, y que sea especial.
08:04
And the point is really
197
469000
2000
Y la idea es en verdad
08:06
that we evolved to be satisfied by the world
198
471000
2000
que evolucionamos para que el mundo nos satisfaga
08:08
in particular ways.
199
473000
2000
de maneras particulares.
08:10
Over tens and hundreds of thousands of years,
200
475000
3000
Durante decenas y cientos de miles de años
08:13
we evolved to find certain things stimulating,
201
478000
2000
evolucionamos para encontrar estimulantes ciertas cosas
08:15
and as very intelligent, civilized beings,
202
480000
2000
y como seres inteligentes y civilizados
08:17
we're enormously stimulated by problem solving and learning.
203
482000
3000
nos estimula mucho la resolución de problemas y el aprendizaje.
08:20
But now, we can reverse engineer that
204
485000
2000
Ahora podemos hacer ingeniería inversa
08:22
and build worlds
205
487000
2000
y construir mundos
08:24
that expressly tick our evolutionary boxes.
206
489000
3000
que dispongan expresamente nuestras cajas evolucionarias.
08:27
So what does all this mean in practice?
207
492000
2000
¿Qué significa todo esto en la práctica?
08:29
Well, I've come up
208
494000
2000
Bueno, se me ocurren
08:31
with seven things
209
496000
2000
siete cosas
08:33
that, I think, show
210
498000
2000
que creo que muestran
08:35
how you can take these lessons from games
211
500000
2000
como aprender estas lecciones de los juegos
08:37
and use them outside of games.
212
502000
3000
y usarlas fuera de ellos.
08:40
The first one is very simple:
213
505000
2000
La primera es muy simple:
08:42
experience bars measuring progress --
214
507000
2000
barras de experiencia que midan el progreso...
08:44
something that's been talked about brilliantly
215
509000
2000
algo desarrollado de forma brillante
08:46
by people like Jesse Schell earlier this year.
216
511000
3000
por gente como Jesse Schell a principios de año.
08:49
It's already been done at the University of Indiana in the States, among other places.
217
514000
3000
Ya se ha abordado en la Universidad de Indiana, EE.UU., entre otros lugares,
08:52
It's the simple idea that instead of grading people incrementally
218
517000
3000
Es la sencilla idea de, en vez de puntuar a la gente de manera incremental,
08:55
in little bits and pieces,
219
520000
2000
de a pequeños incrementos,
08:57
you give them one profile character avatar
220
522000
2000
se les da un avatar para el perfil
08:59
which is constantly progressing
221
524000
2000
que está constantemente en un progreso
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
526000
3000
de incrementos muy pero muy pequeñitos; avatar que creen son ellos mismos.
09:04
And everything comes towards that,
223
529000
2000
Y todo va en esa dirección,
09:06
and they watch it creeping up, and they own that as it goes along.
224
531000
3000
lo ven deslizarse lentamente y se identifican con eso sobre la marcha.
09:09
Second, multiple long and short-term aims --
225
534000
2000
La segunda lección: objetivos de corto y largo plazo;
09:11
5,000 pies, boring,
226
536000
2000
5.000 tortas es aburrido,
09:13
15 pies, interesting.
227
538000
2000
15 tortas es interesante.
09:15
So, you give people
228
540000
2000
Se le da a las personas
09:17
lots and lots of different tasks.
229
542000
2000
muchísimas tareas diferentes.
09:19
You say, it's about
230
544000
2000
Uno dice, se trata de
09:21
doing 10 of these questions,
231
546000
2000
hacer 10 preguntas
09:23
but another task
232
548000
2000
pero otra tarea
09:25
is turning up to 20 classes on time,
233
550000
2000
sube eso a 20 clases a tiempo,
09:27
but another task is collaborating with other people,
234
552000
3000
pero otra tarea consiste en colaborar con otra gente,
09:30
another task is showing you're working five times,
235
555000
3000
otra tarea es mostrar tu trabajo cinco veces,
09:33
another task is hitting this particular target.
236
558000
2000
otra tarea está afectando este objetivo en particular.
09:35
You break things down into these calibrated slices
237
560000
3000
Uno descompone las cosas en estas partes calibradas
09:38
that people can choose and do in parallel
238
563000
2000
que la gente puede elegir hacer en paralelo
09:40
to keep them engaged
239
565000
2000
para que sigan enganchados
09:42
and that you can use to point them
240
567000
2000
y que uno puede usar para dirigirlos
09:44
towards individually beneficial activities.
241
569000
3000
hacia actividades beneficiosas a nivel individual.
09:48
Third, you reward effort.
242
573000
2000
Tercera lección: se recompensa el esfuerzo.
09:50
It's your 100 percent factor. Games are brilliant at this.
243
575000
3000
Es el factor del 100%. Los juegos son brillantes en eso.
09:53
Every time you do something, you get credit; you get a credit for trying.
244
578000
3000
Cada vez que uno hace algo es reconocido, uno es reconocido por intentar.
09:56
You don't punish failure. You reward every little bit of effort --
245
581000
3000
No se castiga el error; se recompensa el más mínimo esfuerzo...
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
584000
3000
un pedacito de oro, un poquito de reconocimiento... hiciste 20 preguntas... anotar.
10:02
It all feeds in as minute reinforcement.
247
587000
3000
Son todos pequeños reconocimientos.
10:05
Fourth, feedback.
248
590000
2000
Cuarta lección: feedback.
10:07
This is absolutely crucial,
249
592000
2000
Esto es absolutamente crucial,
10:09
and virtuality is dazzling at delivering this.
250
594000
2000
y lo virtual descolla en la entrega de feedback.
10:11
If you look at some of the most intractable problems in the world today
251
596000
3000
Si miramos algunos de los problemas más difíciles del mundo de hoy
10:14
that we've been hearing amazing things about,
252
599000
2000
de lo que hemos escuchado cosas maravillosas,
10:16
it's very, very hard for people to learn
253
601000
3000
es muy, muy difícil para la gente aprender
10:19
if they cannot link consequences to actions.
254
604000
3000
si no se puede vincular consecuencias con acciones.
10:22
Pollution, global warming, these things --
255
607000
2000
La contaminación, el calentamiento global, esas cosas,
10:24
the consequences are distant in time and space.
256
609000
2000
las consecuencias están distantes en tiempo y espacio.
10:26
It's very hard to learn, to feel a lesson.
257
611000
2000
Es muy difícil aprender realmente una lección
10:28
But if you can model things for people,
258
613000
2000
pero si se puede modelar las cosas para la gente,
10:30
if you can give things to people that they can manipulate
259
615000
2000
si uno le da cosas a la gente para que manipule
10:32
and play with and where the feedback comes,
260
617000
2000
y juegue, cuando vuelve el feedback
10:34
then they can learn a lesson, they can see,
261
619000
2000
pueden aprender una lección, pueden ver,
10:36
they can move on, they can understand.
262
621000
3000
pueden avanzar, pueden comprender.
10:39
And fifth,
263
624000
2000
Quinta lección:
10:41
the element of uncertainty.
264
626000
2000
el factor incertidumbre.
10:43
Now this is the neurological goldmine,
265
628000
3000
Esta es una mina de oro neurológica,
10:46
if you like,
266
631000
2000
si se quiere,
10:48
because a known reward
267
633000
2000
porque una recompensa conocida
10:50
excites people,
268
635000
2000
apasiona a las personas
10:52
but what really gets them going
269
637000
2000
pero lo que realmente los motiva
10:54
is the uncertain reward,
270
639000
2000
es la recompensa incierta,
10:56
the reward pitched at the right level of uncertainty,
271
641000
2000
la recompensa con el grado justo de incertidumbre,
10:58
that they didn't quite know whether they were going to get it or not.
272
643000
3000
que no saben muy bien si la van a conseguir o no.
11:01
The 25 percent. This lights the brain up.
273
646000
3000
El 25%, eso ilumina el cerebro.
11:04
And if you think about
274
649000
2000
Y si piensan
11:06
using this in testing,
275
651000
2000
usar esto en exámenes,
11:08
in just introducing control elements of randomness
276
653000
2000
si piensan agregar elementos de aleatoriedad
11:10
in all forms of testing and training,
277
655000
2000
en exámenes y capacitaciones,
11:12
you can transform the levels of people's engagement
278
657000
2000
pueden transformar los niveles de compromiso de la gente
11:14
by tapping into this very powerful
279
659000
2000
aprovechando este potente
11:16
evolutionary mechanism.
280
661000
2000
mecanismo evolutivo.
11:18
When we don't quite predict something perfectly,
281
663000
2000
Cuando no podemos predecir algo a la perfección
11:20
we get really excited about it.
282
665000
2000
nos sentimos muy excitados con eso.
11:22
We just want to go back and find out more.
283
667000
2000
Queremos volver atrás e ir por más.
11:24
As you probably know, the neurotransmitter
284
669000
2000
Como probablemente ya sepan, el neurotransmisor
11:26
associated with learning is called dopamine.
285
671000
2000
asociado al aprendizaje se denomina dopamina.
11:28
It's associated with reward-seeking behavior.
286
673000
3000
Está asociado con la búsqueda de recompensa.
11:31
And something very exciting is just beginning to happen
287
676000
3000
Y está empezando a pasar algo muy emocionante
11:34
in places like the University of Bristol in the U.K.,
288
679000
3000
en lugares como la Universidad de Bristol, en el R.U.,
11:37
where we are beginning to be able to model mathematically
289
682000
3000
donde estamos empezando a poder modelar en forma matemática
11:40
dopamine levels in the brain.
290
685000
2000
los niveles de dopamina del cerebro.
11:42
And what this means is we can predict learning,
291
687000
2000
Esto significa que podemos predecir el aprendizaje,
11:44
we can predict enhanced engagement,
292
689000
3000
podemos predecir aumentos de participación,
11:47
these windows, these windows of time,
293
692000
2000
estas ventanas, estas ventanas de tiempo,
11:49
in which the learning is taking place at an enhanced level.
294
694000
3000
en las que se produce el aprendizaje en un nivel elevado.
11:52
And two things really flow from this.
295
697000
2000
Y de esto se derivan dos cosas.
11:54
The first has to do with memory,
296
699000
2000
La primera tiene que ver con la memoria,
11:56
that we can find these moments.
297
701000
2000
que podemos encontrar esos momentos
11:58
When someone is more likely to remember,
298
703000
2000
en los que alguien es más propenso a recordar
12:00
we can give them a nugget in a window.
299
705000
2000
podemos darle algo valioso en ese momento.
12:02
And the second thing is confidence,
300
707000
2000
La segunda cosa es la confianza;
12:04
that we can see how game-playing and reward structures
301
709000
2000
podemos ver que las estructuras de juego y recompensa
12:06
make people braver, make them more willing to take risks,
302
711000
3000
envalentonan a la gente, la predispone a asumir riesgos,
12:09
more willing to take on difficulty,
303
714000
2000
a asumir dificultades,
12:11
harder to discourage.
304
716000
2000
es más difícil disuadir.
12:13
This can all seem very sinister.
305
718000
2000
Todo esto puede parecer muy siniestro.
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
720000
2000
Una especie de "Manipulan nuestros cerebros, somos todos adictos".
12:17
The word "addiction" is thrown around.
307
722000
2000
La palabra adicción está presente.
12:19
There are real concerns there.
308
724000
2000
Hay una preocupación real por eso.
12:21
But the biggest neurological turn-on for people
309
726000
2000
Pero el detonante neurológico más grande de las personas
12:23
is other people.
310
728000
2000
son otras personas.
12:25
This is what really excites us.
311
730000
3000
Esto es lo que realmente nos excita.
12:28
In reward terms, it's not money;
312
733000
2000
En términos de recompensa, no es el dinero,
12:30
it's not being given cash -- that's nice --
313
735000
3000
no es el efectivo -que es bueno-
12:33
it's doing stuff with our peers,
314
738000
2000
es hacer algo con nuestros pares,
12:35
watching us, collaborating with us.
315
740000
2000
mirarnos, colaborar mutuamente.
12:37
And I want to tell you a quick story about 1999 --
316
742000
2000
Y quiero contarles una breve historia de 1999,
12:39
a video game called EverQuest.
317
744000
2000
de un videojuego llamado Everquest.
12:41
And in this video game,
318
746000
2000
En este videojuego
12:43
there were two really big dragons, and you had to team up to kill them --
319
748000
3000
había dos grandes dragones y había que formar un equipo para matarlos,
12:46
42 people, up to 42 to kill these big dragons.
320
751000
3000
42 personas... hasta 42 personas para matar a estos dragones.
12:49
That's a problem
321
754000
2000
Era un problema
12:51
because they dropped two or three decent items.
322
756000
3000
porque habían puesto dos o tres dragones.
12:54
So players addressed this problem
323
759000
3000
Así que los jugadores abordaron el problema
12:57
by spontaneously coming up with a system
324
762000
2000
apareciendo espontáneamente con un sistema
12:59
to motivate each other,
325
764000
2000
de motivación mutua,
13:01
fairly and transparently.
326
766000
2000
justo y transparente.
13:03
What happened was, they paid each other a virtual currency
327
768000
3000
Se pagaban unos a otros con una moneda virtual
13:06
they called "dragon kill points."
328
771000
3000
que denominaron puntos mata-dragón.
13:09
And every time you turned up to go on a mission,
329
774000
2000
Y cada vez que a uno le tocaba ir a una misión
13:11
you got paid in dragon kill points.
330
776000
2000
se le pagaba en puntos mata-dragón.
13:13
They tracked these on a separate website.
331
778000
2000
Hacían este seguimiento en un sitio web aparte.
13:15
So they tracked their own private currency,
332
780000
2000
Hacían el seguimiento de su propio dinero
13:17
and then players could bid afterwards
333
782000
2000
y luego los jugadores podían ofertar
13:19
for cool items they wanted --
334
784000
2000
por algo "cool" que quisieran...
13:21
all organized by the players themselves.
335
786000
2000
todo organizado por los mismos jugadores.
13:23
Now the staggering system, not just that this worked in EverQuest,
336
788000
3000
Lo asombroso del sistema es que no sólo funcionó con Everquest
13:26
but that today, a decade on,
337
791000
2000
sino que hoy, una década después,
13:28
every single video game in the world with this kind of task
338
793000
3000
cada videojuego del mundo que tiene este tipo de tarea
13:31
uses a version of this system --
339
796000
2000
usa una versión de este sistema...
13:33
tens of millions of people.
340
798000
2000
decenas de millones de personas.
13:35
And the success rate
341
800000
2000
Y la tasa de éxito
13:37
is at close to 100 percent.
342
802000
2000
es cercana al 100%.
13:39
This is a player-developed,
343
804000
2000
Esto es desarrollado por jugadores,
13:41
self-enforcing, voluntary currency,
344
806000
3000
auto impuesto, una moneda voluntaria,
13:44
and it's incredibly sophisticated
345
809000
2000
y es un comportamiento de usuario
13:46
player behavior.
346
811000
2000
muy sofisticado.
13:50
And I just want to end by suggesting
347
815000
2000
Y quiero terminar sugiriendo
13:52
a few ways in which these principles
348
817000
2000
algunas maneras en las que estos principios
13:54
could fan out into the world.
349
819000
2000
podrían divulgarse en el mundo.
13:56
Let's start with business.
350
821000
2000
Voy a empezar por los negocios.
13:58
I mean, we're beginning to see some of the big problems
351
823000
2000
Estamos empezando a ver algunos grandes problemas
14:00
around something like business are
352
825000
2000
en torno a los negocios
14:02
recycling and energy conservation.
353
827000
2000
de reciclaje y conservación de energía.
14:04
We're beginning to see the emergence of wonderful technologies
354
829000
2000
Empezamos a ver el surgimiento de tecnologías maravillosas
14:06
like real-time energy meters.
355
831000
2000
como medidores de energía en tiempo real.
14:08
And I just look at this, and I think, yes,
356
833000
2000
Y miro esto y digo "sí"
14:10
we could take that so much further
357
835000
3000
podemos llevar eso mucho más lejos
14:13
by allowing people to set targets
358
838000
2000
permitiéndole a la gente ponerse objetivos,
14:15
by setting calibrated targets,
359
840000
2000
fijando objetivos calibrados,
14:17
by using elements of uncertainty,
360
842000
3000
usando factores de incerteza,
14:20
by using these multiple targets,
361
845000
2000
usando objetivos múltiples,
14:22
by using a grand, underlying reward and incentive system,
362
847000
3000
usando un gran sistema subyacente de recompensas e incentivos,
14:25
by setting people up
363
850000
2000
organizando a la gente
14:27
to collaborate in terms of groups, in terms of streets
364
852000
2000
para colaborar en grupos, organizada por calles
14:29
to collaborate and compete,
365
854000
2000
para colaborar y competir,
14:31
to use these very sophisticated
366
856000
2000
para usar esa mecánica de grupo
14:33
group and motivational mechanics we see.
367
858000
2000
motivacional tan sofisticada que vemos.
14:35
In terms of education,
368
860000
2000
En materia educativa
14:37
perhaps most obviously of all,
369
862000
2000
quizá lo más obvio de todo sea
14:39
we can transform how we engage people.
370
864000
3000
transformar la manera de involucrar a la gente.
14:42
We can offer people the grand continuity
371
867000
2000
Podemos ofrecerle a la gente la gran continuidad
14:44
of experience and personal investment.
372
869000
3000
entre experiencia e inversión personal.
14:47
We can break things down
373
872000
2000
Podemos partir las cosas
14:49
into highly calibrated small tasks.
374
874000
2000
en tareas pequeñas muy calibradas.
14:51
We can use calculated randomness.
375
876000
2000
Podemos usar aleatoriedad calculada.
14:53
We can reward effort consistently
376
878000
2000
Podemos premiar el esfuerzo de manera
14:55
as everything fields together.
377
880000
3000
consistente si se cumple todo junto.
14:58
And we can use the kind of group behaviors
378
883000
2000
Y podemos usar ese comportamiento grupal
15:00
that we see evolving when people are at play together,
379
885000
3000
que vemos aparecer cuando la gente juega junta,
15:03
these really quite unprecedentedly complex
380
888000
3000
estos mecanismos cooperativos muy complejos
15:06
cooperative mechanisms.
381
891000
2000
que no tienen precedentes.
15:08
Government, well, one thing that comes to mind
382
893000
2000
En el gobierno, algo que me viene a la mente
15:10
is the U.S. government, among others,
383
895000
3000
es que el gobierno de EE.UU., entre otros,
15:13
is literally starting to pay people
384
898000
2000
está empezando a pagarle a la gente
15:15
to lose weight.
385
900000
2000
para que adelgace.
15:17
So we're seeing financial reward being used
386
902000
2000
Estamos diciendo que se usa una recompensa económica
15:19
to tackle the great issue of obesity.
387
904000
2000
para abordar el gran problema de la obesidad.
15:21
But again, those rewards
388
906000
2000
Pero, de nuevo, esas recompensas
15:23
could be calibrated so precisely
389
908000
3000
podrían calibrarse con precisión
15:26
if we were able to use the vast expertise
390
911000
3000
si usáramos la vasta experiencia
15:29
of gaming systems to just jack up that appeal,
391
914000
3000
de los videojuegos para aumentar ese atractivo,
15:32
to take the data, to take the observations,
392
917000
2000
para tomar los datos, las observaciones,
15:34
of millions of human hours
393
919000
2000
de millones de horas hombre
15:36
and plow that feedback
394
921000
2000
e invertir ese feedback
15:38
into increasing engagement.
395
923000
2000
en el aumento del compromiso.
15:40
And in the end, it's this word, "engagement,"
396
925000
3000
Y al final es esta palabra, el compromiso,
15:43
that I want to leave you with.
397
928000
2000
la que quiero dejarles.
15:45
It's about how individual engagement
398
930000
2000
Se trata de cómo transformar
15:47
can be transformed
399
932000
2000
la participación individual
15:49
by the psychological and the neurological lessons
400
934000
3000
mediante las lecciones psicológicas y neurológicas
15:52
we can learn from watching people that are playing games.
401
937000
3000
que podemos aprender mirando a la gente jugar videojuegos.
15:55
But it's also about collective engagement
402
940000
3000
Pero también se trata de compromiso colectivo
15:58
and about the unprecedented laboratory
403
943000
3000
y de un laboratorio sin precedentes
16:01
for observing what makes people tick
404
946000
2000
para observar qué mueve a las personas
16:03
and work and play and engage
405
948000
2000
a trabajar, jugar y comprometerse
16:05
on a grand scale in games.
406
950000
3000
a gran escala en los juegos.
16:08
And if we can look at these things and learn from them
407
953000
3000
Y si podemos ver estas cosas y aprender de ellas
16:11
and see how to turn them outwards,
408
956000
2000
y ver cómo podemos articularlas,
16:13
then I really think we have something quite revolutionary on our hands.
409
958000
3000
creo que realmente tenemos algo muy revolucionario en nuestras manos.
16:16
Thank you very much.
410
961000
2000
Muchas gracias.
16:18
(Applause)
411
963000
4000
(Aplausos)
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