TEDGlobal 2010
Tom Chatfield: 7 ways games reward the brain
Tom Chatfield: i 7 modi in cui i giochi ricompensano il cervello
Filmed:
Readability: 3.8
1,288,061 views
Stiamo portando il gioco in molti aspetti della nostra vita, passando innumerevoli ore - e soldi - esplorando mondi virtuali per cercare tesori immaginari. Perché? Come illustra Tom Chatfield, i giochi sono perfettamente programmati per dosare ricompense che impegnino il cervello e ci facciano continuare a giocare.
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
Io amo i videogiochi.
00:18
I'm also slightly in awe of them.
1
3000
3000
Ne sono anche leggermente soggiogato.
00:21
I'm in awe of their power
2
6000
2000
Sono soggiogato dal loro potere
00:23
in terms of imagination, in terms of technology,
3
8000
2000
in termini di immaginazione, in termini di tecnologia,
00:25
in terms of concept.
4
10000
2000
in termini di concetto.
00:27
But I think, above all,
5
12000
2000
Ma penso, soprattutto,
00:29
I'm in awe at their power
6
14000
2000
di essere messo in soggezione dal loro potere
00:31
to motivate, to compel us,
7
16000
3000
di motivarci, di forzarci,
00:34
to transfix us,
8
19000
2000
di immobilizzarci
00:36
like really nothing else we've ever invented
9
21000
3000
come nient'altro che siamo riusciti ad inventare
00:39
has quite done before.
10
24000
2000
abbia mai fatto.
00:41
And I think that we can learn some pretty amazing things
11
26000
3000
E io penso che si possano imparare alcune cose piuttosto sorprendenti
00:44
by looking at how we do this.
12
29000
2000
osservando il modo in cui giochiamo.
00:46
And in particular, I think we can learn things
13
31000
2000
E in particolare, penso che si possano apprendere delle cose
00:48
about learning.
14
33000
3000
sull’apprendimento.
00:51
Now the video games industry
15
36000
2000
In questo momento l’industria dei videogames
00:53
is far and away the fastest growing
16
38000
2000
è di gran lunga quella con la crescita più veloce
00:55
of all modern media.
17
40000
2000
di tutti i media moderni.
00:57
From about 10 billion in 1990,
18
42000
2000
Da circa 10 miliardi nel 1990,
00:59
it's worth 50 billion dollars globally today,
19
44000
3000
oggi vale in totale 50 miliardi di dollari,
01:02
and it shows no sign of slowing down.
20
47000
3000
e non mostra segni di rallentamento.
01:05
In four years' time,
21
50000
2000
Entro 4 anni
01:07
it's estimated it'll be worth over 80 billion dollars.
22
52000
3000
si stima che varrà oltre 80 miliardi di dollari.
01:10
That's about three times the recorded music industry.
23
55000
3000
Ovvero circa 3 volte l’industria discografica.
01:13
This is pretty stunning,
24
58000
2000
Ciò è abbastanza sbalorditivo,
01:15
but I don't think it's the most telling statistic of all.
25
60000
3000
però non penso che sia la statistica più rivelatrice di tutte.
01:18
The thing that really amazes me
26
63000
2000
La cosa che mi ha veramente affascinato
01:20
is that, today,
27
65000
2000
è che, oggi,
01:22
people spend about
28
67000
2000
le persone spendono circa
01:24
eight billion real dollars a year
29
69000
3000
8 milioni di dollari reali all’anno
01:27
buying virtual items
30
72000
2000
comprando oggetti virtuali
01:29
that only exist
31
74000
2000
che esistono solamente
01:31
inside video games.
32
76000
3000
all’interno dei videogiochi.
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
79000
3000
Questo è uno screenshot dal mondo virtuale Entropia Universe.
01:37
Earlier this year,
34
82000
2000
Poco tempo fa quest'anno,
01:39
a virtual asteroid in it
35
84000
2000
un asteroide virtuale in questo gioco
01:41
sold for 330,000 real dollars.
36
86000
4000
è stato venduto per 330.000 dollari reali.
01:45
And this
37
90000
2000
E questa
01:47
is a Titan class ship
38
92000
3000
è una nave spaziale classe Titan
01:50
in the space game, EVE Online.
39
95000
2000
nello spazio virtuale, EVE online.
01:52
And this virtual object
40
97000
2000
E questo oggetto virtuale
01:54
takes 200 real people
41
99000
2000
ha impegnato 200 persone reali
01:56
about 56 days of real time to build,
42
101000
3000
per circa 56 giorni di tempo reale nella sua costruzione,
01:59
plus countless thousands of hours
43
104000
3000
oltre che migliaia di ore
02:02
of effort before that.
44
107000
2000
di sforzi prima di tutto.
02:04
And yet, many of these get built.
45
109000
3000
Eppure ne vengono costruiti molti.
02:07
At the other end of the scale,
46
112000
2000
All'estremo opposto,
02:09
the game Farmville that you may well have heard of,
47
114000
3000
il gioco Farmville, di cui avrete sicuramente sentito parlare,
02:12
has 70 million players
48
117000
2000
conta 70 milioni di giocatori
02:14
around the world
49
119000
2000
in tutto il mondo,
02:16
and most of these players
50
121000
2000
e la maggior parte di questi giocatori
02:18
are playing it almost every day.
51
123000
2000
gioca praticamente tutti i giorni.
02:20
This may all sound
52
125000
2000
Tutto ciò potrebbe sembrare a qualcuno
02:22
really quite alarming to some people,
53
127000
2000
davvero molto allarmante,
02:24
an index of something worrying
54
129000
2000
un indice di qualcosa di preoccupante
02:26
or wrong in society.
55
131000
2000
o di sbagliato nella società.
02:28
But we're here for the good news,
56
133000
2000
Ma noi siamo qui per la buona notizia,
02:30
and the good news is
57
135000
2000
e la buona notizia è
02:32
that I think we can explore
58
137000
2000
che penso che si possa esplorare
02:34
why this very real human effort,
59
139000
3000
il perché si stia verificando questo sforzo umano molto reale,
02:37
this very intense generation of value, is occurring.
60
142000
4000
e questa intensissima generazione di valore.
02:41
And by answering that question,
61
146000
2000
E rispondendo a questa domanda,
02:43
I think we can take something
62
148000
2000
penso che possiamo apprendere qualcosa
02:45
extremely powerful away.
63
150000
2000
di estremamente potente.
02:47
And I think the most interesting way
64
152000
2000
E credo che il modo più interessante
02:49
to think about how all this is going on
65
154000
2000
di pensare a tutto ciò
02:51
is in terms of rewards.
66
156000
2000
sia in termini di premi.
02:53
And specifically, it's in terms
67
158000
3000
Nello specifico, è in termini
02:56
of the very intense emotional rewards
68
161000
2000
di premi estremamente intensi ed emotivi
02:58
that playing games offers to people
69
163000
2000
che il giocare offre alle persone,
03:00
both individually
70
165000
2000
sia individualmente
03:02
and collectively.
71
167000
2000
che collettivamente.
03:04
Now if we look at what's going on in someone's head
72
169000
2000
Ora, se diamo un’occhiata a ciò che accade nella testa di qualcuno
03:06
when they are being engaged,
73
171000
2000
quando è impegnato a giocare,
03:08
two quite different processes are occurring.
74
173000
3000
si verificheranno due diversi processi.
03:11
On the one hand, there's the wanting processes.
75
176000
3000
Da un lato c’è il processo del desiderio.
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
Questo è un po' come l’ambizione e la motivazione: io lo farò, io lavorerò sodo.
03:17
On the other hand, there's the liking processes,
77
182000
2000
Dall’altra parte c’è il processo del piacere,
03:19
fun and affection
78
184000
2000
il divertimento e l’affezione
03:21
and delight
79
186000
2000
e il godere -
03:23
and an enormous flying beast with an orc on the back.
80
188000
2000
e un'enorme bestia volante con un orco sulla schiena.
03:25
It's a really great image. It's pretty cool.
81
190000
2000
È certamente una bella immagine. È molto fica.
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
192000
3000
È tratta dal gioco World of Warcraft con più di 10 milioni di giocatori in totale,
03:30
one of whom is me, another of whom is my wife.
83
195000
3000
uno di questi sono io, e un altro di questi è mia moglie.
03:33
And this kind of a world,
84
198000
2000
E questo tipo di mondo,
03:35
this vast flying beast you can ride around,
85
200000
2000
questa enorme bestia volante che potete cavalcare di qua e di là
03:37
shows why games are so very good
86
202000
2000
dimostra come i giochi siano così perfetti
03:39
at doing both the wanting and the liking.
87
204000
3000
sia per sviluppare il desiderio, sia per sviluppare il piacere.
03:42
Because it's very powerful. It's pretty awesome.
88
207000
2000
Perché è molto potente. È praticamente stupendo.
03:44
It gives you great powers.
89
209000
2000
Ti dà grandi poteri.
03:46
Your ambition is satisfied, but it's very beautiful.
90
211000
3000
La tua ambizione è soddisfatta, e inoltre è estremamente bello.
03:49
It's a very great pleasure to fly around.
91
214000
3000
È veramente una goduria volare in giro.
03:52
And so these combine to form
92
217000
2000
E così ciò si combina per formare
03:54
a very intense emotional engagement.
93
219000
2000
un intensissimo coinvolgimento emozionale.
03:56
But this isn't the really interesting stuff.
94
221000
3000
Ma questa non è la cosa veramente interessante.
03:59
The really interesting stuff about virtuality
95
224000
2000
La cosa veramente interessante sul il mondo virtuale
04:01
is what you can measure with it.
96
226000
2000
è ciò che vi puoi misurare.
04:03
Because what you can measure in virtuality
97
228000
3000
Perché ciò che puoi misurare nel mondo virtuale
04:06
is everything.
98
231000
2000
è tutto.
04:08
Every single thing that every single person
99
233000
2000
Si può misurare ogni singola cosa che ogni singola persona
04:10
who's ever played in a game has ever done can be measured.
100
235000
3000
che abbia mai giocato in un videogioco abbia mai fatto.
04:13
The biggest games in the world today
101
238000
2000
Il gioco oggi più grande al mondo
04:15
are measuring more than one billion points of data
102
240000
4000
sta registrando più di un miliardo di dati
04:19
about their players, about what everybody does --
103
244000
2000
sui i suoi giocatori, su ciò che fanno tutti -
04:21
far more detail than you'd ever get from any website.
104
246000
3000
di gran lunga superiore alle informazioni che potreste mai ottenere da qualsiasi sito web.
04:24
And this allows something very special
105
249000
3000
E ciò permette che nei giochi accada qualcosa
04:27
to happen in games.
106
252000
2000
di veramente speciale.
04:29
It's something called the reward schedule.
107
254000
3000
È qualcosa chiamata 'la programmazione delle ricompense'.
04:32
And by this, I mean looking
108
257000
2000
E grazie a ciò, cioè guardando
04:34
at what millions upon millions of people have done
109
259000
2000
quello che milioni e milioni di persone hanno fatto
04:36
and carefully calibrating the rate,
110
261000
2000
e calibrando attentamente la probabilità,
04:38
the nature, the type, the intensity of rewards in games
111
263000
3000
la natura, il tipo e l’intensità delle ricompense nei giochi,
04:41
to keep them engaged
112
266000
2000
tenere i giocatori impegnati
04:43
over staggering amounts of time and effort.
113
268000
3000
per uno sconvolgente ammontare di tempo e di sforzi.
04:46
Now, to try and explain this
114
271000
2000
Ora, per spiegare ciò
04:48
in sort of real terms,
115
273000
3000
in una sorta di termini non virtuali,
04:51
I want to talk about a kind of task
116
276000
2000
voglio parlare di un tipo di missione
04:53
that might fall to you in so many games.
117
278000
2000
che potrebbe capitarvi in moltissimi giochi.
04:55
Go and get a certain amount of a certain little game-y item.
118
280000
3000
Vai e raccogli un certo ammontare di un certo oggetto x.
04:58
Let's say, for the sake of argument,
119
283000
2000
Diciamo per comodità,
05:00
my mission is to get 15 pies
120
285000
3000
che la mia missione sia di raccogliere 15 torte,
05:03
and I can get 15 pies
121
288000
3000
e io posso raccogliere 15 torte
05:06
by killing these cute, little monsters.
122
291000
2000
uccidendo questi adorabili piccoli mostriciattoli.
05:08
Simple game quest.
123
293000
2000
Una semplice missione di gioco.
05:10
Now you can think about this, if you like,
124
295000
2000
Ora, potete pensare a ciò, se vi va,
05:12
as a problem about boxes.
125
297000
2000
come un problema di scatole.
05:14
I've got to keep opening boxes.
126
299000
2000
Devo continuare ad aprire scatole.
05:16
I don't know what's inside them until I open them.
127
301000
3000
Non so cosa ci sia dentro finchè non le apro.
05:19
And I go around opening box after box until I've got 15 pies.
128
304000
3000
E io andrò in giro aprendo scatole finchè avrò 15 torte.
05:22
Now, if you take a game like Warcraft,
129
307000
2000
Ora, se prendete un gioco come Warcraft,
05:24
you can think about it, if you like,
130
309000
2000
lo potete pensare, se vi va,
05:26
as a great box-opening effort.
131
311000
3000
come un grande sforzo di apertura di scatole.
05:29
The game's just trying to get people to open about a million boxes,
132
314000
3000
Il gioco cerca solamente di far sì che le persone aprano circa un milione di scatole,
05:32
getting better and better stuff in them.
133
317000
2000
trovando oggetti sempre migliori al loro interno.
05:34
This sounds immensely boring
134
319000
3000
Ciò sembra immensamente noioso,
05:37
but games are able
135
322000
2000
ma i giochi sono in grado
05:39
to make this process
136
324000
2000
di rendere questo processo
05:41
incredibly compelling.
137
326000
2000
incredibilmente attraente.
05:43
And the way they do this
138
328000
2000
E il modo in cui lo fanno
05:45
is through a combination of probability and data.
139
330000
3000
è attraverso una combinazione di dati e probabilità.
05:48
Let's think about probability.
140
333000
2000
Pensiamo alla probabilità.
05:50
If we want to engage someone
141
335000
2000
Se vogliamo coinvolgere qualcuno
05:52
in the process of opening boxes to try and find pies,
142
337000
3000
nel processo di apertura delle scatole per cercare di trovare le torte,
05:55
we want to make sure it's neither too easy,
143
340000
2000
vogliamo essere sicuri che non sia né troppo facile,
05:57
nor too difficult, to find a pie.
144
342000
2000
né troppo difficile trovare una torta.
05:59
So what do you do? Well, you look at a million people --
145
344000
2000
E quindi come facciamo? Ok, guardiamo 1 milione di persone -
06:01
no, 100 million people, 100 million box openers --
146
346000
3000
no 100 milioni di persone, 100 milioni di apertori di scatole -
06:04
and you work out, if you make the pie rate
147
349000
3000
e si troverà, se si cerca il tasso di torte,
06:07
about 25 percent --
148
352000
2000
che circa il 25%
06:09
that's neither too frustrating, nor too easy.
149
354000
3000
non è né troppo frustrante, né troppo semplice;
06:12
It keeps people engaged.
150
357000
2000
mantiene la gente impegnata -
06:14
But of course, that's not all you do -- there's 15 pies.
151
359000
3000
ma naturalmente, questo non è tutto ciò che si deve fare - Ci sono 15 torte.
06:17
Now, I could make a game called Piecraft,
152
362000
2000
Potrei fare un gioco chiamato Tortacraft,
06:19
where all you had to do was get a million pies
153
364000
2000
dove tutto ciò che devi fare è raccogliere un milione di torte,
06:21
or a thousand pies.
154
366000
2000
o mille torte.
06:23
That would be very boring.
155
368000
2000
Ciò sarebbe molto noioso.
06:25
Fifteen is a pretty optimal number.
156
370000
2000
15 è un numero praticamente ottimo.
06:27
You find that -- you know, between five and 20
157
372000
2000
Sapete, tra 5 e 20
06:29
is about the right number for keeping people going.
158
374000
2000
sta il numero corretto per mantenere la gente impegnata.
06:31
But we don't just have pies in the boxes.
159
376000
2000
Ma non abbiamo solo torte nelle scatole.
06:33
There's 100 percent up here.
160
378000
2000
C’è un 100% qui dietro.
06:35
And what we do is make sure that every time a box is opened,
161
380000
3000
Vogliamo far si che ogni volta che una scatola viene aperta
06:38
there's something in it, some little reward
162
383000
2000
ci sia qualcosa al suo interno, qualche piccola ricompensa
06:40
that keeps people progressing and engaged.
163
385000
2000
che mantenga le persone impegnate e motivate.
06:42
In most adventure games,
164
387000
2000
Nella maggior pare dei giochi di avventura,
06:44
it's a little bit in-game currency, a little bit experience.
165
389000
3000
è un po’ di denaro del gioco, un po' di esperienza.
06:47
But we don't just do that either.
166
392000
2000
Ma non ci limitiamo nemmeno solo a questo.
06:49
We also say there's going to be loads of other items
167
394000
2000
Diciamo anche che ci saranno un sacco di altri oggetti
06:51
of varying qualities and levels of excitement.
168
396000
2000
di diversa qualità e livelli di emozione.
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
398000
3000
Ci sarà un 10% di possibilità di prendere un bell’oggetto.
06:56
There's going to be a 0.1 percent chance
170
401000
2000
Ci sarà un 0,1% di possibilità
06:58
you get an absolutely awesome item.
171
403000
3000
di prendere un oggetto assolutamente fantastico.
07:01
And each of these rewards is carefully calibrated to the item.
172
406000
3000
E ognuna di queste ricompense è attentamente calibrata all’oggetto.
07:04
And also, we say,
173
409000
2000
E ci chiederemo inoltre,
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
411000
3000
"Quanti mostri? Dovrei riempire l'intero mondo con un miliardo di mostri?"
07:09
No, we want one or two monsters on the screen at any one time.
175
414000
3000
No, vogliamo uno o due mostri sullo schermo ogni volta.
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
417000
3000
Quindi insisto. Né troppo facile, né troppo difficile.
07:15
So all this is very powerful.
177
420000
2000
Tutto ciò è molto potente.
07:17
But we're in virtuality. These aren't real boxes.
178
422000
3000
Ma noi siamo nel mondo virtuale; queste non sono vere scatole.
07:20
So we can do
179
425000
2000
Così possiamo fare
07:22
some rather amazing things.
180
427000
2000
alcune cose indubbiamente affascinanti.
07:24
We notice, looking at all these people opening boxes,
181
429000
4000
Notiamo, osservando tutta questa gente che apre scatole,
07:28
that when people get to about 13 out of 15 pies,
182
433000
3000
che quando le persone raccolgono circa 13 torte su 15,
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
436000
3000
modificano la loro percezione e iniziano ad annoiarsi un po', ad infastidirsi.
07:34
They're not rational about probability.
184
439000
2000
Non pensano alla probabilità.
07:36
They think this game is unfair.
185
441000
2000
Pensano che il gioco sia ingiusto.
07:38
It's not giving me my last two pies. I'm going to give up.
186
443000
2000
Non mi da le mie ultime due torte. Ci rinuncio.
07:40
If they're real boxes, there's not much we can do,
187
445000
2000
Se fossero scatole vere, non ci sarebbe molto da fare,
07:42
but in a game we can just say, "Right, well.
188
447000
2000
ma in un gioco possiamo semplicemente dire, "Ok, bene.
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
449000
4000
Dopo aver raccolto 13 torte, avrai il 75% delle possibilità di trovare una torta."
07:48
Keep you engaged. Look at what people do --
190
453000
2000
Vi mantiene coinvolti. Osservare ciò che le persone fanno -
07:50
adjust the world to match their expectation.
191
455000
2000
adattare il mondo alle loro aspettative.
07:52
Our games don't always do this.
192
457000
2000
I nostri giochi non lo fanno sempre.
07:54
And one thing they certainly do at the moment
193
459000
2000
Ma una cosa che sicuramente stanno facendo
07:56
is if you got a 0.1 percent awesome item,
194
461000
3000
è che se prendi un oggetto stupendo e rarissimo,
07:59
they make very sure another one doesn't appear for a certain length of time
195
464000
3000
faranno sì che non ricompaia per un certo periodo di tempo
08:02
to keep the value, to keep it special.
196
467000
2000
per mantenerne il valore, per mantenerlo speciale.
08:04
And the point is really
197
469000
2000
E il punto è
08:06
that we evolved to be satisfied by the world
198
471000
2000
che ci siamo evoluti per essere soddisfatti dal mondo
08:08
in particular ways.
199
473000
2000
in modi particolari.
08:10
Over tens and hundreds of thousands of years,
200
475000
3000
Per decine e centinaia di migliaia di anni,
08:13
we evolved to find certain things stimulating,
201
478000
2000
ci siamo evoluti per trovare stimolanti certe cose,
08:15
and as very intelligent, civilized beings,
202
480000
2000
e come le persone più intelligenti e civilizzate,
08:17
we're enormously stimulated by problem solving and learning.
203
482000
3000
siamo enormemente stimolati dal risolvere problemi e dall'imparare.
08:20
But now, we can reverse engineer that
204
485000
2000
Ma ora, possiamo fare ingegneria inversa
08:22
and build worlds
205
487000
2000
e creare nuovi mondi
08:24
that expressly tick our evolutionary boxes.
206
489000
3000
che si adattino espressamente ai nostri capricci evolutivi.
08:27
So what does all this mean in practice?
207
492000
2000
Cosa significa tutto ciò in pratica?
08:29
Well, I've come up
208
494000
2000
Ho riassunto tutto
08:31
with seven things
209
496000
2000
con sette lezioni
08:33
that, I think, show
210
498000
2000
che penso possano mostrare
08:35
how you can take these lessons from games
211
500000
2000
come possiamo apprendere questi insegnamenti dai giochi
08:37
and use them outside of games.
212
502000
3000
e usarli fuori dai giochi.
08:40
The first one is very simple:
213
505000
2000
La prima è molto semplice:
08:42
experience bars measuring progress --
214
507000
2000
una barra dell'esperienza che misuri il progresso -
08:44
something that's been talked about brilliantly
215
509000
2000
una cosa che è stata brillantemente sviluppata
08:46
by people like Jesse Schell earlier this year.
216
511000
3000
precedentemente quest'anno, da persone come Jesse Schell.
08:49
It's already been done at the University of Indiana in the States, among other places.
217
514000
3000
E' già stato fatto all'Università dell'Indiana, USA, oltre che in altri posti.
08:52
It's the simple idea that instead of grading people incrementally
218
517000
3000
E' la semplice idea che, invece di premiare le persone in modo incrementale
08:55
in little bits and pieces,
219
520000
2000
con piccoli incrementi,
08:57
you give them one profile character avatar
220
522000
2000
gli si può dare un avatar
08:59
which is constantly progressing
221
524000
2000
che registri il progresso constantemente
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
526000
3000
in piccoli incrementi infinitesimali, che le persone possano sentire come propri.
09:04
And everything comes towards that,
223
529000
2000
E tutto va a sommarsi nell'avatar,
09:06
and they watch it creeping up, and they own that as it goes along.
224
531000
3000
e la gente lo guarda progredire lentamente, e sente il suo progresso come il loro.
09:09
Second, multiple long and short-term aims --
225
534000
2000
La seconda lezione, obiettivi a lungo e breve termine -
09:11
5,000 pies, boring,
226
536000
2000
5.000 torte, noioso,
09:13
15 pies, interesting.
227
538000
2000
15 torte, interessante.
09:15
So, you give people
228
540000
2000
Perciò date alle persone
09:17
lots and lots of different tasks.
229
542000
2000
un sacco di compiti differenti.
09:19
You say, it's about
230
544000
2000
Uno dice
09:21
doing 10 of these questions,
231
546000
2000
di risolvere dieci problemi,
09:23
but another task
232
548000
2000
ma un altro compito
09:25
is turning up to 20 classes on time,
233
550000
2000
potrebbe essere di completare 20 classificazioni in tempo,
09:27
but another task is collaborating with other people,
234
552000
3000
ma un altro compito potrebbe essere di collaborare con altre persone,
09:30
another task is showing you're working five times,
235
555000
3000
un altro compito è di illustrare il vostro lavoro 5 volte,
09:33
another task is hitting this particular target.
236
558000
2000
un altro compito è di raggiungere un particolare obiettivo.
09:35
You break things down into these calibrated slices
237
560000
3000
Dovete dividere i compiti in fette ponderate
09:38
that people can choose and do in parallel
238
563000
2000
che le persone possano scegliere e svolgere in parallelo
09:40
to keep them engaged
239
565000
2000
per tenersi impegnate
09:42
and that you can use to point them
240
567000
2000
e che si possano utilizzare per indirizzarle
09:44
towards individually beneficial activities.
241
569000
3000
verso attività benefiche a livello individuale.
09:48
Third, you reward effort.
242
573000
2000
La terza lezione è ricompensare lo sforzo.
09:50
It's your 100 percent factor. Games are brilliant at this.
243
575000
3000
E' il discorso del 100%. I giochi sono fantastici in questo.
09:53
Every time you do something, you get credit; you get a credit for trying.
244
578000
3000
Ogni volta che fai qualcosa prendi dei premi, prendi dei premi per averci provato.
09:56
You don't punish failure. You reward every little bit of effort --
245
581000
3000
Non punire il fallimento; ricompensa ogni piccolo sforzo -
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
584000
3000
un po' di soldi, un po' di riconoscimento - hai risolto 20 problemi - ricompensa.
10:02
It all feeds in as minute reinforcement.
247
587000
3000
Tutto confluisce in piccoli riconoscimenti.
10:05
Fourth, feedback.
248
590000
2000
Quarta lezione, il feedback.
10:07
This is absolutely crucial,
249
592000
2000
Questo è assolutamente fondamentale,
10:09
and virtuality is dazzling at delivering this.
250
594000
2000
e il mondo virtuale è fenomenale a distribuire feedback.
10:11
If you look at some of the most intractable problems in the world today
251
596000
3000
Se diamo un occhio ad alcuni dei più complicati problemi del mondo di oggi
10:14
that we've been hearing amazing things about,
252
599000
2000
di cui stiamo sentendo cose incredibili,
10:16
it's very, very hard for people to learn
253
601000
3000
è sempre molto difficile per le persone imparare
10:19
if they cannot link consequences to actions.
254
604000
3000
se non possono collegare le consegunze alle azioni.
10:22
Pollution, global warming, these things --
255
607000
2000
In problemi come l'inquinamento, il riscaldamento globale, in questi problemi
10:24
the consequences are distant in time and space.
256
609000
2000
in cui le conseguenze sono distanti nel tempo e nello spazio
10:26
It's very hard to learn, to feel a lesson.
257
611000
2000
è molto difficile imparare e capire la lezione,
10:28
But if you can model things for people,
258
613000
2000
ma se si possono modellare le cose attorno alle persone,
10:30
if you can give things to people that they can manipulate
259
615000
2000
se si danno delle cose alla gente, in modo che la gente stessa le possa controllare
10:32
and play with and where the feedback comes,
260
617000
2000
e ci possa giocare e capire da cosa è dovuto il feedback,
10:34
then they can learn a lesson, they can see,
261
619000
2000
allora si può imparare una lezione, si può vedere,
10:36
they can move on, they can understand.
262
621000
3000
si può andare avanti, può capire.
10:39
And fifth,
263
624000
2000
Quinta lezione:
10:41
the element of uncertainty.
264
626000
2000
l'elemento di incertezza.
10:43
Now this is the neurological goldmine,
265
628000
3000
Questa è una miniera d'oro neurologica
10:46
if you like,
266
631000
2000
se vi va,
10:48
because a known reward
267
633000
2000
perchè una ricompensa conosciuta
10:50
excites people,
268
635000
2000
piace alle persone,
10:52
but what really gets them going
269
637000
2000
ma ciò che veramente le motiva
10:54
is the uncertain reward,
270
639000
2000
è una ricompensa incerta,
10:56
the reward pitched at the right level of uncertainty,
271
641000
2000
una ricompensa calibrata con il giusto grado di incertezza,
10:58
that they didn't quite know whether they were going to get it or not.
272
643000
3000
in modo che non si possa minimamente sapere se riusciranno a prenderla o meno.
11:01
The 25 percent. This lights the brain up.
273
646000
3000
Il 25%. Questo illumina il cervello.
11:04
And if you think about
274
649000
2000
E se ci pensate
11:06
using this in testing,
275
651000
2000
usando questo nelle verifiche,
11:08
in just introducing control elements of randomness
276
653000
2000
solamente introducendo elementi controllati di aleatorietà
11:10
in all forms of testing and training,
277
655000
2000
in tutte le forme di verifica e di insegnamento,
11:12
you can transform the levels of people's engagement
278
657000
2000
si può trasformare il livello di impegno della gente
11:14
by tapping into this very powerful
279
659000
2000
attingendo a questo potentissimo
11:16
evolutionary mechanism.
280
661000
2000
meccanismo evolutivo.
11:18
When we don't quite predict something perfectly,
281
663000
2000
Quando non sappiamo predire perfettamente qualcosa,
11:20
we get really excited about it.
282
665000
2000
allora ne siamo veramente affascinati.
11:22
We just want to go back and find out more.
283
667000
2000
Vogliamo solo riprovare e capirne di più.
11:24
As you probably know, the neurotransmitter
284
669000
2000
Come probabilmente saprete, il neurotrasmettitore
11:26
associated with learning is called dopamine.
285
671000
2000
collegato all'apprendimento è chiamato dopamina.
11:28
It's associated with reward-seeking behavior.
286
673000
3000
E' associato con il comportamento di ricerca della ricompensa.
11:31
And something very exciting is just beginning to happen
287
676000
3000
E qualcosa di molto emozionante sta per succedere
11:34
in places like the University of Bristol in the U.K.,
288
679000
3000
in posti come l'Università di Bristol in Inghilterra,
11:37
where we are beginning to be able to model mathematically
289
682000
3000
dove iniziamo ad essere in grado di modellizzare matematicamente
11:40
dopamine levels in the brain.
290
685000
2000
il grado di dopamina nel cervello.
11:42
And what this means is we can predict learning,
291
687000
2000
E ciò significa che possiamo prevedere l'apprendimento,
11:44
we can predict enhanced engagement,
292
689000
3000
possiamo prevedere l'aumento di impegno,
11:47
these windows, these windows of time,
293
692000
2000
queste finestre, queste finestre nel tempo,
11:49
in which the learning is taking place at an enhanced level.
294
694000
3000
nelle quali l'apprendimento si manifesta ad un livello più elevato.
11:52
And two things really flow from this.
295
697000
2000
E da ciò derivano direttamente due cose.
11:54
The first has to do with memory,
296
699000
2000
La prima ha a che fare con la memoria,
11:56
that we can find these moments.
297
701000
2000
che possiamo riscontrare in questi momenti.
11:58
When someone is more likely to remember,
298
703000
2000
Quando qualcuno è più propenso a ricordare,
12:00
we can give them a nugget in a window.
299
705000
2000
gli possiamo dare qualcosa di valore in quel momento.
12:02
And the second thing is confidence,
300
707000
2000
E la seconda cosa è la fiducia,
12:04
that we can see how game-playing and reward structures
301
709000
2000
notiamo come il giocare e la struttura delle ricompense
12:06
make people braver, make them more willing to take risks,
302
711000
3000
renda le persone più coraggiose, le renda più propense a correre dei rischi,
12:09
more willing to take on difficulty,
303
714000
2000
più propense a superare le difficoltà,
12:11
harder to discourage.
304
716000
2000
più difficili da scoraggiare.
12:13
This can all seem very sinister.
305
718000
2000
Tutto ciò potrebbe sembrare alquanto sinistro.
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
720000
2000
Della serie "I nostri cervelli sono stati manipolati, siamo tutti dipendenti."
12:17
The word "addiction" is thrown around.
307
722000
2000
La parola dipendenza è onnipresente.
12:19
There are real concerns there.
308
724000
2000
Ed è un vero problema per noi.
12:21
But the biggest neurological turn-on for people
309
726000
2000
Ma il principale interruttore neurologico per le persone
12:23
is other people.
310
728000
2000
sono le altre persone.
12:25
This is what really excites us.
311
730000
3000
Questo è ciò che ci eccita veramente.
12:28
In reward terms, it's not money;
312
733000
2000
In termini di ricompense, non sono i soldi,
12:30
it's not being given cash -- that's nice --
313
735000
3000
non è il contante - che è comunque cosa buona -
12:33
it's doing stuff with our peers,
314
738000
2000
è il lavorare con i nostri compagni,
12:35
watching us, collaborating with us.
315
740000
2000
confrontarci, collaborare con loro.
12:37
And I want to tell you a quick story about 1999 --
316
742000
2000
E voglio raccontarvi un breve aneddoto del 1999
12:39
a video game called EverQuest.
317
744000
2000
riguardante un videogioco chiamato Everquest.
12:41
And in this video game,
318
746000
2000
In questo videogioco
12:43
there were two really big dragons, and you had to team up to kill them --
319
748000
3000
c'erano due enormi dragoni, e bisognava creare una squadra per ucciderli -
12:46
42 people, up to 42 to kill these big dragons.
320
751000
3000
42 persone - 42 persone per uccidere questi enormi dragoni.
12:49
That's a problem
321
754000
2000
Ma questo è un problema,
12:51
because they dropped two or three decent items.
322
756000
3000
perchè questi dragoni davano solo due o tre oggetti interessanti.
12:54
So players addressed this problem
323
759000
3000
Perciò i giocatori hanno risolto questo problema
12:57
by spontaneously coming up with a system
324
762000
2000
spontaneamente creando un sistema
12:59
to motivate each other,
325
764000
2000
per motivarsi l'un l'altro,
13:01
fairly and transparently.
326
766000
2000
in modo leale e trasparente.
13:03
What happened was, they paid each other a virtual currency
327
768000
3000
E' successo che si pagavano l'un altro con una valuta virtuale
13:06
they called "dragon kill points."
328
771000
3000
che chiamavano dragon kill points.
13:09
And every time you turned up to go on a mission,
329
774000
2000
E ogni volta che portavano a termine una missione,
13:11
you got paid in dragon kill points.
330
776000
2000
venivano pagati in dragon kill points.
13:13
They tracked these on a separate website.
331
778000
2000
Loro li registravano in un sito separato.
13:15
So they tracked their own private currency,
332
780000
2000
Così registravano la loro valuta personale,
13:17
and then players could bid afterwards
333
782000
2000
e i giocatori potevano fare un'offerta
13:19
for cool items they wanted --
334
784000
2000
per gli oggetti interessanti che volevano -
13:21
all organized by the players themselves.
335
786000
2000
tutto organizzato dagli stessi giocatori.
13:23
Now the staggering system, not just that this worked in EverQuest,
336
788000
3000
La rilevanza di questo sistema non è limitata al fatto che ha funzionato in Everquest,
13:26
but that today, a decade on,
337
791000
2000
ma che oggi, dieci anni dopo,
13:28
every single video game in the world with this kind of task
338
793000
3000
ogni singolo videogioco nel mondo con questo tipo di missioni
13:31
uses a version of this system --
339
796000
2000
usa un adattamento di questo sistema -
13:33
tens of millions of people.
340
798000
2000
decine di milioni di persone.
13:35
And the success rate
341
800000
2000
E la riuscita di questo sistema
13:37
is at close to 100 percent.
342
802000
2000
è vicina al 100%.
13:39
This is a player-developed,
343
804000
2000
Questa è una valuta volontaria
13:41
self-enforcing, voluntary currency,
344
806000
3000
creata e rispettata dagli stessi giocatori,
13:44
and it's incredibly sophisticated
345
809000
2000
e comporta un comportamento di gioco
13:46
player behavior.
346
811000
2000
incredibilmente sofisticato.
13:50
And I just want to end by suggesting
347
815000
2000
E voglio concludere suggerendo
13:52
a few ways in which these principles
348
817000
2000
alcuni modi in cui questi principi
13:54
could fan out into the world.
349
819000
2000
possono essere diffusi nel mondo.
13:56
Let's start with business.
350
821000
2000
Partirò con le imprese.
13:58
I mean, we're beginning to see some of the big problems
351
823000
2000
Voglio dire, stiamo iniziando ad analizzare alcuni dei grandi problemi
14:00
around something like business are
352
825000
2000
connessi a qualcosa come l'impresa,
14:02
recycling and energy conservation.
353
827000
2000
il riciclo e la conservazione dell'energia.
14:04
We're beginning to see the emergence of wonderful technologies
354
829000
2000
Stiamo iniziando a vedere l'emergere di meravigliose tecnologie
14:06
like real-time energy meters.
355
831000
2000
come i misuratori di energie.
14:08
And I just look at this, and I think, yes,
356
833000
2000
E osservo tutto questo, e penso, sì,
14:10
we could take that so much further
357
835000
3000
possiamo sfruttare ancora di più tutto ciò
14:13
by allowing people to set targets
358
838000
2000
permettendo alle persone di fissare i loro obiettivi
14:15
by setting calibrated targets,
359
840000
2000
definendo obiettivi calibrati,
14:17
by using elements of uncertainty,
360
842000
3000
usando elementi di incertezza,
14:20
by using these multiple targets,
361
845000
2000
sfruttando una moltitudine di obiettivi,
14:22
by using a grand, underlying reward and incentive system,
362
847000
3000
usando un sistema di ricompense e incentivi completo e permeante,
14:25
by setting people up
363
850000
2000
incitando le persone
14:27
to collaborate in terms of groups, in terms of streets
364
852000
2000
a collaborare in termini di gruppi,
14:29
to collaborate and compete,
365
854000
2000
a collaborare e competere,
14:31
to use these very sophisticated
366
856000
2000
a utilizzare questi sofisticati
14:33
group and motivational mechanics we see.
367
858000
2000
meccanismi motivazionali di gruppo che abbiamo visto.
14:35
In terms of education,
368
860000
2000
In termini di educazione,
14:37
perhaps most obviously of all,
369
862000
2000
e forse più ovviamente del resto,
14:39
we can transform how we engage people.
370
864000
3000
possiamo trasformare il modo in cui coinvolgiamo le persone.
14:42
We can offer people the grand continuity
371
867000
2000
Possiamo offrire alle persone la continuità
14:44
of experience and personal investment.
372
869000
3000
dell'esperienza e dell'investimento personale.
14:47
We can break things down
373
872000
2000
Possiamo rompere gli obiettivi generali
14:49
into highly calibrated small tasks.
374
874000
2000
in piccole missioni ben calibrate.
14:51
We can use calculated randomness.
375
876000
2000
Possiamo utilizzare un'aleatorietà ponderata.
14:53
We can reward effort consistently
376
878000
2000
Possiamo ricompensare in modo significativo gli sforzi
14:55
as everything fields together.
377
880000
3000
facendo combaciare tutti i fattori.
14:58
And we can use the kind of group behaviors
378
883000
2000
E possiamo utilizzare la forma di comportamento di gruppo
15:00
that we see evolving when people are at play together,
379
885000
3000
che abbiamo visto evolvere mentre la gente gioca assieme,
15:03
these really quite unprecedentedly complex
380
888000
3000
questi complessissimi
15:06
cooperative mechanisms.
381
891000
2000
meccanismi di cooperazione senza precedenti.
15:08
Government, well, one thing that comes to mind
382
893000
2000
Una cosa che mi viene in mente
15:10
is the U.S. government, among others,
383
895000
3000
è che il governo americano, prima di altri,
15:13
is literally starting to pay people
384
898000
2000
sta letteralmente iniziando a pagare le persone
15:15
to lose weight.
385
900000
2000
per perdere peso.
15:17
So we're seeing financial reward being used
386
902000
2000
Stiamo dicendo che la ricompensa monetaria è stata usata
15:19
to tackle the great issue of obesity.
387
904000
2000
per sconfiggere il grande problema dell'obesità.
15:21
But again, those rewards
388
906000
2000
Ma ancora, queste ricompense
15:23
could be calibrated so precisely
389
908000
3000
potrebbero essere definite così precisamente
15:26
if we were able to use the vast expertise
390
911000
3000
se fossimo in grado di usare
15:29
of gaming systems to just jack up that appeal,
391
914000
3000
il sistema dei giochi per aumentarne il potere attrattivo,
15:32
to take the data, to take the observations,
392
917000
2000
se fossimo in grado di prendere dati, di prendere le osservazioni
15:34
of millions of human hours
393
919000
2000
di milioni di ore umane
15:36
and plow that feedback
394
921000
2000
e trasformarli in feedback,
15:38
into increasing engagement.
395
923000
2000
in un impegno sempre crescente.
15:40
And in the end, it's this word, "engagement,"
396
925000
3000
E alla fine è questa la parola, impegno,
15:43
that I want to leave you with.
397
928000
2000
con cui voglio lasciarvi.
15:45
It's about how individual engagement
398
930000
2000
Riguarda come l'impegno individuale
15:47
can be transformed
399
932000
2000
possa essere trasformato
15:49
by the psychological and the neurological lessons
400
934000
3000
dalle lezioni psicologiche e neurologiche
15:52
we can learn from watching people that are playing games.
401
937000
3000
che possiamo imparare osservando la gente che gioca.
15:55
But it's also about collective engagement
402
940000
3000
Ma riguarda anche l'impegno collettivo
15:58
and about the unprecedented laboratory
403
943000
3000
e riguarda il laboratorio senza precedenti
16:01
for observing what makes people tick
404
946000
2000
per osservare ciò che motiva le persone
16:03
and work and play and engage
405
948000
2000
a lavorare e a impegnarsi
16:05
on a grand scale in games.
406
950000
3000
su vasta scala nei giochi.
16:08
And if we can look at these things and learn from them
407
953000
3000
E se possiamo osservare e imparare da queste cose
16:11
and see how to turn them outwards,
408
956000
2000
e capire come portarli nella realtà
16:13
then I really think we have something quite revolutionary on our hands.
409
958000
3000
allora credo che avremo qualcosa di veramente rivoluzionario tra le nostre mani.
16:16
Thank you very much.
410
961000
2000
Grazie.
16:18
(Applause)
411
963000
4000
(Applausi)
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