TEDGlobal 2010
Tom Chatfield: 7 ways games reward the brain
Tom Chatfield: 7 manieren waarop games het brein belonen
Filmed:
Readability: 3.8
1,288,061 views
We betrekken het spelen van games in steeds meer aspecten van ons leven, spenderen ontelbare uren -- en echt geld -- aan het verkennen van virtuele werelden, op zoek naar denkbeeldige schatten. Waarom? Tom Chatfield laat zien dat games perfect zijn afgestemd om beloningen uit te delen die het brein betrokken houden en ons hongerig maken naar meer.
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
Ik ben dol op videogames.
00:18
I'm also slightly in awe of them.
1
3000
3000
Ik ben er ook enigszins van onder de indruk.
00:21
I'm in awe of their power
2
6000
2000
Ik ben onder de indruk van hun kracht
00:23
in terms of imagination, in terms of technology,
3
8000
2000
wat betreft verbeelding, technologie,
00:25
in terms of concept.
4
10000
2000
wat betreft opzet.
00:27
But I think, above all,
5
12000
2000
Maar ik denk dat ik vooral
00:29
I'm in awe at their power
6
14000
2000
onder de indruk ben van hun kracht
00:31
to motivate, to compel us,
7
16000
3000
om ons te motiveren, te dwingen,
00:34
to transfix us,
8
19000
2000
ons aan de grond te nagelen,
00:36
like really nothing else we've ever invented
9
21000
3000
zoals nog geen enkele eerdere uitvinding
00:39
has quite done before.
10
24000
2000
op vergelijkbare wijze voor elkaar heeft gekregen.
00:41
And I think that we can learn some pretty amazing things
11
26000
3000
En ik denk dat we verbazingwekkende dingen kunnen leren
00:44
by looking at how we do this.
12
29000
2000
door te bekijken hoe ze dit doen.
00:46
And in particular, I think we can learn things
13
31000
2000
En in het bijzonder denk ik
00:48
about learning.
14
33000
3000
dat we wat kunnen leren over leren.
00:51
Now the video games industry
15
36000
2000
De videogamesindustrie
00:53
is far and away the fastest growing
16
38000
2000
is zonder twijfel de snelst groeiende
00:55
of all modern media.
17
40000
2000
van alle moderne media.
00:57
From about 10 billion in 1990,
18
42000
2000
Met een waarde van zo'n 10 miljard in 1990,
00:59
it's worth 50 billion dollars globally today,
19
44000
3000
naar nu wereldwijd 50 miljard,
01:02
and it shows no sign of slowing down.
20
47000
3000
en er zijn geen tekens van vertraging zichtbaar.
01:05
In four years' time,
21
50000
2000
Over vier jaar,
01:07
it's estimated it'll be worth over 80 billion dollars.
22
52000
3000
is de schatting dat de waarde hoger is dan 80 miljard dollar.
01:10
That's about three times the recorded music industry.
23
55000
3000
Dat is ongeveer driemaal de platenindustrie.
01:13
This is pretty stunning,
24
58000
2000
Dat is erg opzienbarend,
01:15
but I don't think it's the most telling statistic of all.
25
60000
3000
maar volgens mij is dat niet het opvallendste statistische gegeven.
01:18
The thing that really amazes me
26
63000
2000
Wat me pas echt verbaast,
01:20
is that, today,
27
65000
2000
is dat mensen, tegenwoordig,
01:22
people spend about
28
67000
2000
ongeveer
01:24
eight billion real dollars a year
29
69000
3000
acht miljard echte dollars per jaar
01:27
buying virtual items
30
72000
2000
besteden aan virtuele voorwerpen
01:29
that only exist
31
74000
2000
die alleen bestaan
01:31
inside video games.
32
76000
3000
in videogames.
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
79000
3000
Dit is een schermweergave van de virtuele gamewereld Entropia Universe.
01:37
Earlier this year,
34
82000
2000
Eerder dit jaar
01:39
a virtual asteroid in it
35
84000
2000
is daarin een virtuele asteroïde
01:41
sold for 330,000 real dollars.
36
86000
4000
verkocht voor 330.000 echte dollars.
01:45
And this
37
90000
2000
En dit
01:47
is a Titan class ship
38
92000
3000
is een 'Titan-class'-schip
01:50
in the space game, EVE Online.
39
95000
2000
in het ruimtespel EVE Online.
01:52
And this virtual object
40
97000
2000
Dit virtuele voorwerp
01:54
takes 200 real people
41
99000
2000
kost 200 echte mensen
01:56
about 56 days of real time to build,
42
101000
3000
ongeveer 56 dagen echte tijd om te bouwen,
01:59
plus countless thousands of hours
43
104000
3000
plus ontelbare duizenden uren
02:02
of effort before that.
44
107000
2000
aan inspanning daaraan voorafgaand.
02:04
And yet, many of these get built.
45
109000
3000
En toch worden er hier veel van gebouwd.
02:07
At the other end of the scale,
46
112000
2000
Het andere uiterste van de schaal,
02:09
the game Farmville that you may well have heard of,
47
114000
3000
het spel FarmVille, waar je vast over hebt gehoord,
02:12
has 70 million players
48
117000
2000
heeft 70 miljoen spelers
02:14
around the world
49
119000
2000
over de hele wereld,
02:16
and most of these players
50
121000
2000
en de meeste van deze spelers
02:18
are playing it almost every day.
51
123000
2000
spelen het bijna dagelijks.
02:20
This may all sound
52
125000
2000
Dit klinkt allemaal misschien
02:22
really quite alarming to some people,
53
127000
2000
best wel alarmerend voor sommigen,
02:24
an index of something worrying
54
129000
2000
een indicatie van iets zorgelijks
02:26
or wrong in society.
55
131000
2000
of verkeerds in de samenleving.
02:28
But we're here for the good news,
56
133000
2000
Maar we zijn hier voor het goede nieuws,
02:30
and the good news is
57
135000
2000
en het goede nieuws is
02:32
that I think we can explore
58
137000
2000
dat ik denk dat we kunnen verkennen
02:34
why this very real human effort,
59
139000
3000
waarom deze heel concrete menselijke inspanning
02:37
this very intense generation of value, is occurring.
60
142000
4000
deze zeer intense waardecreatie plaatsvindt.
02:41
And by answering that question,
61
146000
2000
En door die vraag te beantwoorden,
02:43
I think we can take something
62
148000
2000
denk ik dat we er iets
02:45
extremely powerful away.
63
150000
2000
zeer krachtigs uit kunnen halen.
02:47
And I think the most interesting way
64
152000
2000
Ik denk dat de interessantste manier
02:49
to think about how all this is going on
65
154000
2000
om dit alles te beschouwen
02:51
is in terms of rewards.
66
156000
2000
is om in termen van beloning te denken.
02:53
And specifically, it's in terms
67
158000
3000
En specifiek in termen
02:56
of the very intense emotional rewards
68
161000
2000
van de zeer intense emotionele beloningen
02:58
that playing games offers to people
69
163000
2000
die het spelen van games aan mensen biedt,
03:00
both individually
70
165000
2000
zowel individueel
03:02
and collectively.
71
167000
2000
als gezamenlijk.
03:04
Now if we look at what's going on in someone's head
72
169000
2000
Als we kijken wat er in iemands hoofd omgaat
03:06
when they are being engaged,
73
171000
2000
terwijl ze betrokken raken,
03:08
two quite different processes are occurring.
74
173000
3000
dan doen zich twee zeer verschillende processen voor.
03:11
On the one hand, there's the wanting processes.
75
176000
3000
Enerzijds is er het proces van 'willen'.
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
Te vergelijken met ambitie en motivatie -- Ik ga dat doen. Ik ga hard werken.
03:17
On the other hand, there's the liking processes,
77
182000
2000
Anderzijds zijn er de processen van 'houden van',
03:19
fun and affection
78
184000
2000
plezier en genegenheid
03:21
and delight
79
186000
2000
en opgetogenheid
03:23
and an enormous flying beast with an orc on the back.
80
188000
2000
en een enorm vliegend beest met een ork op de rug.
03:25
It's a really great image. It's pretty cool.
81
190000
2000
Het is echt een geweldig beeld. Het is behoorlijk cool.
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
192000
3000
Het hoort bij het spel World of Warcraft, met wereldwijd meer dan 10 miljoen spelers,
03:30
one of whom is me, another of whom is my wife.
83
195000
3000
waarvan ik er een ben en weer een andere mijn vrouw.
03:33
And this kind of a world,
84
198000
2000
En een wereld als deze,
03:35
this vast flying beast you can ride around,
85
200000
2000
dit enorme vliegende beest waarmee je je verplaatst
03:37
shows why games are so very good
86
202000
2000
laat zien waarom games zo ontzettend goed zijn
03:39
at doing both the wanting and the liking.
87
204000
3000
in zowel het willen als het houden van.
03:42
Because it's very powerful. It's pretty awesome.
88
207000
2000
Dat komt doordat het heel krachtig is. Het is erg overweldigend.
03:44
It gives you great powers.
89
209000
2000
Het geeft je grootse krachten.
03:46
Your ambition is satisfied, but it's very beautiful.
90
211000
3000
Je ambitie is bevredigd, maar het is erg mooi.
03:49
It's a very great pleasure to fly around.
91
214000
3000
Het is een groot genot om rond te vliegen.
03:52
And so these combine to form
92
217000
2000
En deze combinatie vormt
03:54
a very intense emotional engagement.
93
219000
2000
een heel intense emotionele betrokkenheid.
03:56
But this isn't the really interesting stuff.
94
221000
3000
Maar dit is niet wat echt interessant is.
03:59
The really interesting stuff about virtuality
95
224000
2000
Wat echt interessant is aan virtualiteit
04:01
is what you can measure with it.
96
226000
2000
is wat je ermee kan meten.
04:03
Because what you can measure in virtuality
97
228000
3000
Omdat je in de virtualiteit
04:06
is everything.
98
231000
2000
alles kunt meten.
04:08
Every single thing that every single person
99
233000
2000
Elk ding dat ieder individu
04:10
who's ever played in a game has ever done can be measured.
100
235000
3000
die ooit een game heeft gespeeld, ooit heeft gedaan, kan worden gemeten.
04:13
The biggest games in the world today
101
238000
2000
De grootste spellen in de wereld van vandaag
04:15
are measuring more than one billion points of data
102
240000
4000
meten meer dan 1 miljard datapunten
04:19
about their players, about what everybody does --
103
244000
2000
over hun spelers, over wat iedereen doet --
04:21
far more detail than you'd ever get from any website.
104
246000
3000
veel meer details dan je ooit met een website zal krijgen.
04:24
And this allows something very special
105
249000
3000
En dit maakt iets heel speciaals mogelijk
04:27
to happen in games.
106
252000
2000
in games.
04:29
It's something called the reward schedule.
107
254000
3000
Het wordt het beloningsschema genoemd.
04:32
And by this, I mean looking
108
257000
2000
En hiermee bedoel ik bekijken
04:34
at what millions upon millions of people have done
109
259000
2000
wat miljoenen mensen hebben gedaan
04:36
and carefully calibrating the rate,
110
261000
2000
en het zorgvuldig afstellen van de verhouding,
04:38
the nature, the type, the intensity of rewards in games
111
263000
3000
de aard, het soort, de intensiteit van beloningen in games
04:41
to keep them engaged
112
266000
2000
om ze betrokken te houden
04:43
over staggering amounts of time and effort.
113
268000
3000
gedurende duizelingwekkende hoeveelheden tijd en inspanning.
04:46
Now, to try and explain this
114
271000
2000
Om dit te kunnen verklaren
04:48
in sort of real terms,
115
273000
3000
met vergelijkbare echte begrippen,
04:51
I want to talk about a kind of task
116
276000
2000
wil ik het hebben over een soort taak
04:53
that might fall to you in so many games.
117
278000
2000
die je in veel games tegenkomt.
04:55
Go and get a certain amount of a certain little game-y item.
118
280000
3000
Verkrijg een bepaalde hoeveelheid van een bepaald klein 'game'-ig voorwerp.
04:58
Let's say, for the sake of argument,
119
283000
2000
Stel je bijvoorbeeld voor dat
05:00
my mission is to get 15 pies
120
285000
3000
mijn missie is om 15 taarten te verzamelen,
05:03
and I can get 15 pies
121
288000
3000
en ik kan 15 taarten krijgen
05:06
by killing these cute, little monsters.
122
291000
2000
door deze schattige, kleine monsters te doden.
05:08
Simple game quest.
123
293000
2000
Eenvoudige in-game opdracht.
05:10
Now you can think about this, if you like,
124
295000
2000
Je zou dit kunnen zien
05:12
as a problem about boxes.
125
297000
2000
als een probleem met dozen.
05:14
I've got to keep opening boxes.
126
299000
2000
Ik moet dozen blijven openen.
05:16
I don't know what's inside them until I open them.
127
301000
3000
Ik weet niet wat erin zit, tot ik ze open.
05:19
And I go around opening box after box until I've got 15 pies.
128
304000
3000
En ik ga door met dozen openen, tot ik 15 taarten heb.
05:22
Now, if you take a game like Warcraft,
129
307000
2000
Als je nu een spel als Warcraft hebt,
05:24
you can think about it, if you like,
130
309000
2000
kun je dit zien
05:26
as a great box-opening effort.
131
311000
3000
als een grote poging om dozen te laten openen.
05:29
The game's just trying to get people to open about a million boxes,
132
314000
3000
Het spel probeert mensen ertoe te zetten een miljoen dozen te openen,
05:32
getting better and better stuff in them.
133
317000
2000
om daar steeds betere spullen in te vinden.
05:34
This sounds immensely boring
134
319000
3000
Dit klinkt enorm saai,
05:37
but games are able
135
322000
2000
maar spellen zijn in staat
05:39
to make this process
136
324000
2000
om dit proces
05:41
incredibly compelling.
137
326000
2000
zeer onweerstaanbaar te maken.
05:43
And the way they do this
138
328000
2000
En de manier waarop ze dit doen
05:45
is through a combination of probability and data.
139
330000
3000
is door waarschijnlijkheid en data te combineren.
05:48
Let's think about probability.
140
333000
2000
Neem waarschijnlijkheid.
05:50
If we want to engage someone
141
335000
2000
Om iemand te betrekken
05:52
in the process of opening boxes to try and find pies,
142
337000
3000
in het proces van dozen openen om taarten te vinden,
05:55
we want to make sure it's neither too easy,
143
340000
2000
moeten we ervoor zorgen dat het niet te makkelijk,
05:57
nor too difficult, to find a pie.
144
342000
2000
maar ook niet te moeilijk is om een taart te vinden.
05:59
So what do you do? Well, you look at a million people --
145
344000
2000
Dus wat doe je? Je bekijkt zo'n miljoen mensen --
06:01
no, 100 million people, 100 million box openers --
146
346000
3000
of nee, 100 miljoen mensen, 100 miljoen dozenopeners --
06:04
and you work out, if you make the pie rate
147
349000
3000
en je gaat na, indien je de taartverhouding
06:07
about 25 percent --
148
352000
2000
zo'n 25 procent maakt --
06:09
that's neither too frustrating, nor too easy.
149
354000
3000
dat is niet te frustrerend, maar ook niet te makkelijk;
06:12
It keeps people engaged.
150
357000
2000
het houdt mensen betrokken --
06:14
But of course, that's not all you do -- there's 15 pies.
151
359000
3000
maar natuurlijk blijft het daar niet bij -- er zijn 15 taarten.
06:17
Now, I could make a game called Piecraft,
152
362000
2000
Ik zou een spel genaamd Piecraft kunnen maken,
06:19
where all you had to do was get a million pies
153
364000
2000
waarin je niets anders doet dan een miljoen taarten verzamelen,
06:21
or a thousand pies.
154
366000
2000
of duizend taarten.
06:23
That would be very boring.
155
368000
2000
Dat zou erg saai zijn.
06:25
Fifteen is a pretty optimal number.
156
370000
2000
15 is eigenlijk een optimaal aantal.
06:27
You find that -- you know, between five and 20
157
372000
2000
Je vindt het -- je weet wel, tussen vijf en 20
06:29
is about the right number for keeping people going.
158
374000
2000
is ongeveer het juiste aantal om mensen bezig te houden.
06:31
But we don't just have pies in the boxes.
159
376000
2000
Maar er zitten niet gewoon taarten in de dozen.
06:33
There's 100 percent up here.
160
378000
2000
Honderd procent zit hierboven.
06:35
And what we do is make sure that every time a box is opened,
161
380000
3000
En we zorgen ervoor dat, telkens wanneer een doos wordt geopend,
06:38
there's something in it, some little reward
162
383000
2000
er iets in zit, een of andere kleine beloning,
06:40
that keeps people progressing and engaged.
163
385000
2000
waardoor mensen vooruitgang blijven boeken en betrokken blijven.
06:42
In most adventure games,
164
387000
2000
In de meeste avonturenspellen,
06:44
it's a little bit in-game currency, a little bit experience.
165
389000
3000
gaat het om wat in-game valuta, wat ervaringspunten,
06:47
But we don't just do that either.
166
392000
2000
maar daar blijft het niet bij.
06:49
We also say there's going to be loads of other items
167
394000
2000
We zeggen ook dat er massa's andere voorwerpen komen
06:51
of varying qualities and levels of excitement.
168
396000
2000
met verschillende kwaliteit en opwindingsniveaus.
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
398000
3000
Er zal zo'n 10 procent kans zijn dat je een heel goed voorwerp krijgt.
06:56
There's going to be a 0.1 percent chance
170
401000
2000
Er zal 0,10 procent kans zijn
06:58
you get an absolutely awesome item.
171
403000
3000
dat je een voorwerp krijgt dat overweldigend goed is.
07:01
And each of these rewards is carefully calibrated to the item.
172
406000
3000
En elk van deze beloningen is zorgvuldig geijkt met het voorwerp.
07:04
And also, we say,
173
409000
2000
En we zeggen ook:
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
411000
3000
"Nou, hoeveel monsters? Moet ik de hele wereld vullen met een miljard monsters?"
07:09
No, we want one or two monsters on the screen at any one time.
175
414000
3000
Nee, we willen maar een of twee monsters per keer op het scherm.
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
417000
3000
Dus ik word erdoor aangetrokken. Het is niet te makkelijk, niet te moeilijk.
07:15
So all this is very powerful.
177
420000
2000
Dit is dus erg krachtig.
07:17
But we're in virtuality. These aren't real boxes.
178
422000
3000
Maar we zitten in de virtualiteit; dit zijn geen echte dozen.
07:20
So we can do
179
425000
2000
We zijn dus in staat
07:22
some rather amazing things.
180
427000
2000
dingen te doen die best verbazingwekkend zijn.
07:24
We notice, looking at all these people opening boxes,
181
429000
4000
Als we kijken naar al die mensen die dozen openen,
07:28
that when people get to about 13 out of 15 pies,
182
433000
3000
zien we dat als mensen ongeveer 13 van de 15 taarten krijgen,
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
436000
3000
hun perceptie verschuift, ze beginnen wat verveeld te raken, een beetje kribbig.
07:34
They're not rational about probability.
184
439000
2000
Ze zijn niet rationeel over waarschijnlijkheid.
07:36
They think this game is unfair.
185
441000
2000
Ze vinden het spel oneerlijk.
07:38
It's not giving me my last two pies. I'm going to give up.
186
443000
2000
Het geeft me de laatste twee taarten niet. Ik ga opgeven.
07:40
If they're real boxes, there's not much we can do,
187
445000
2000
Als het echte dozen zijn, is er niet veel aan te doen,
07:42
but in a game we can just say, "Right, well.
188
447000
2000
maar in een spel kunnen we gewoon zeggen, "Oké dan."
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
449000
4000
Als je 13 taarten krijgt, heb je 75 procent kans dat je de taart nu krijgt.
07:48
Keep you engaged. Look at what people do --
190
453000
2000
Houd je betrokken. Kijk naar hetgeen mensen doen --
07:50
adjust the world to match their expectation.
191
455000
2000
pas de wereld aan, zodat die voldoet aan hun verwachting.
07:52
Our games don't always do this.
192
457000
2000
Onze spellen doen dit niet altijd.
07:54
And one thing they certainly do at the moment
193
459000
2000
Een ding dat ze op dit moment zeker doen
07:56
is if you got a 0.1 percent awesome item,
194
461000
3000
is, als je een 0,10 procent geweldig voorwerp hebt gekregen,
07:59
they make very sure another one doesn't appear for a certain length of time
195
464000
3000
zorgen dat gedurende bepaalde tijd er niet nog een verschijnt
08:02
to keep the value, to keep it special.
196
467000
2000
om het waardevol, speciaal te houden
08:04
And the point is really
197
469000
2000
En het punt is eigenlijk
08:06
that we evolved to be satisfied by the world
198
471000
2000
dat we geëvolueerd zijn om bevredigd te worden door de wereld
08:08
in particular ways.
199
473000
2000
op een bepaalde manier.
08:10
Over tens and hundreds of thousands of years,
200
475000
3000
Gedurende tientallen, honderden en duizenden jaren,
08:13
we evolved to find certain things stimulating,
201
478000
2000
zijn we geëvolueerd om bepaalde dingen als stimulerend te ervaren,
08:15
and as very intelligent, civilized beings,
202
480000
2000
en als heel intelligente, beschaafde wezen,
08:17
we're enormously stimulated by problem solving and learning.
203
482000
3000
worden we enorm gestimuleerd door probleemoplosssing en leren.
08:20
But now, we can reverse engineer that
204
485000
2000
Maar nu kunnen we daarvan gebruik maken
08:22
and build worlds
205
487000
2000
en werelden bouwen
08:24
that expressly tick our evolutionary boxes.
206
489000
3000
die specifiek onze evolutionaire snaren raken.
08:27
So what does all this mean in practice?
207
492000
2000
Wat betekent dit in de praktijk?
08:29
Well, I've come up
208
494000
2000
Ik ben uitgekomen op
08:31
with seven things
209
496000
2000
zeven dingen
08:33
that, I think, show
210
498000
2000
die volgens mij aantonen
08:35
how you can take these lessons from games
211
500000
2000
hoe je lessen geleerd door het spelen van spellen
08:37
and use them outside of games.
212
502000
3000
buiten die spellen kunt gebruiken.
08:40
The first one is very simple:
213
505000
2000
De eerste is erg eenvoudig:
08:42
experience bars measuring progress --
214
507000
2000
ervaringsmeters meten vooruitgang --
08:44
something that's been talked about brilliantly
215
509000
2000
iets dat op briljante wijze is besproken
08:46
by people like Jesse Schell earlier this year.
216
511000
3000
door mensen als Jesse Schell eerder dit jaar.
08:49
It's already been done at the University of Indiana in the States, among other places.
217
514000
3000
Het is onder andere reeds toegepast op de Universiteit van Indiana in de VS.
08:52
It's the simple idea that instead of grading people incrementally
218
517000
3000
Het eenvoudige idee is, dat mensen niet meer trapsgewijs punten krijgen
08:55
in little bits and pieces,
219
520000
2000
maar juist geleidelijk,
08:57
you give them one profile character avatar
220
522000
2000
je geeft ze een profielkarakteravatar
08:59
which is constantly progressing
221
524000
2000
die continu vooruitgang boekt
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
526000
3000
in heel kleine stapjes, waarvan ze het gevoel hebben dat zij die hebben gezet.
09:04
And everything comes towards that,
223
529000
2000
En alles leidt daarheen,
09:06
and they watch it creeping up, and they own that as it goes along.
224
531000
3000
en ze zien het langzaam stijgen en voelen zich er steeds meer eigenaar van.
09:09
Second, multiple long and short-term aims --
225
534000
2000
Ten tweede, meerdere doelen op lange en korte termijn --
09:11
5,000 pies, boring,
226
536000
2000
5.000 taarten: saai,
09:13
15 pies, interesting.
227
538000
2000
15 taarten: interessant.
09:15
So, you give people
228
540000
2000
Je geeft mensen dus
09:17
lots and lots of different tasks.
229
542000
2000
een heleboel verschillende taken.
09:19
You say, it's about
230
544000
2000
Je vertelt erbij dat het gaat
09:21
doing 10 of these questions,
231
546000
2000
om het oplossen van 10 van deze vragen,
09:23
but another task
232
548000
2000
maar een andere taak
09:25
is turning up to 20 classes on time,
233
550000
2000
is zorgen dat je op tijd bent bij 20 lessen,
09:27
but another task is collaborating with other people,
234
552000
3000
een andere taak is samenwerken met anderen,
09:30
another task is showing you're working five times,
235
555000
3000
een andere taak laten zien dat je vijf keer hebt gewerkt,
09:33
another task is hitting this particular target.
236
558000
2000
een andere een specifiek doel bereiken.
09:35
You break things down into these calibrated slices
237
560000
3000
Je breekt dingen op in zorgvuldig afgestelde plakjes
09:38
that people can choose and do in parallel
238
563000
2000
die mensen kunnen kiezen en tegelijkertijd kunnen uitvoeren
09:40
to keep them engaged
239
565000
2000
om ze betrokken te houden
09:42
and that you can use to point them
240
567000
2000
en die je kunt gebruiken om ze te richten
09:44
towards individually beneficial activities.
241
569000
3000
op individueel bevorderlijke activiteiten.
09:48
Third, you reward effort.
242
573000
2000
Ten derde beloon je gedane moeite.
09:50
It's your 100 percent factor. Games are brilliant at this.
243
575000
3000
Het is je 100 procent-factor. Spellen zijn hier briljant in.
09:53
Every time you do something, you get credit; you get a credit for trying.
244
578000
3000
Elke keer dat je iets doet, verdien je een tegoed, een tegoed voor het proberen.
09:56
You don't punish failure. You reward every little bit of effort --
245
581000
3000
Je straft mislukking niet af; je beloont steeds elk beetje gedane moeite --
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
584000
3000
hier is je beetje goud, je beetje tegoed -- je hebt 20 vragen gedaan -- kassa.
10:02
It all feeds in as minute reinforcement.
247
587000
3000
Het is een soort voeden met kleine bekrachtigingen.
10:05
Fourth, feedback.
248
590000
2000
Ten vierde, terugkoppeling.
10:07
This is absolutely crucial,
249
592000
2000
Dit is absoluut cruciaal
10:09
and virtuality is dazzling at delivering this.
250
594000
2000
en virtualiteit is schitterend in de aanlevering ervan.
10:11
If you look at some of the most intractable problems in the world today
251
596000
3000
Als je kijkt naar sommige van de meest eigenzinnige problemen in de huidige wereld
10:14
that we've been hearing amazing things about,
252
599000
2000
waarover we verbazingwekkende dingen hebben gehoord,
10:16
it's very, very hard for people to learn
253
601000
3000
dan is het erg, erg moeilijk voor mensen om te leren
10:19
if they cannot link consequences to actions.
254
604000
3000
als ze geen verband kunnen leggen tussen gevolg en actie.
10:22
Pollution, global warming, these things --
255
607000
2000
Vervuiling, de opwarming van de aarde, dit soort dingen,
10:24
the consequences are distant in time and space.
256
609000
2000
de gevolgen zijn ver weg in tijd en ruimte.
10:26
It's very hard to learn, to feel a lesson.
257
611000
2000
Het is erg moeilijk te leren om een les te voelen,
10:28
But if you can model things for people,
258
613000
2000
maar als je ergens een model van kunt maken voor mensen,
10:30
if you can give things to people that they can manipulate
259
615000
2000
als je ze iets kunt geven dat ze kunnen manipuleren,
10:32
and play with and where the feedback comes,
260
617000
2000
waar ze mee kunnen spelen en terugkoppeling op krijgen,
10:34
then they can learn a lesson, they can see,
261
619000
2000
dan kunnen ze een les leren, ze kunnen zien,
10:36
they can move on, they can understand.
262
621000
3000
ze kunnen doorgaan, ze kunnen begrip kweken.
10:39
And fifth,
263
624000
2000
En ten vijfde,
10:41
the element of uncertainty.
264
626000
2000
het aspect onzekerheid.
10:43
Now this is the neurological goldmine,
265
628000
3000
Dit is dus een neurologische goudmijn,
10:46
if you like,
266
631000
2000
als je dat zou willen,
10:48
because a known reward
267
633000
2000
omdat een bekende beloning
10:50
excites people,
268
635000
2000
mensen opwindt,
10:52
but what really gets them going
269
637000
2000
maar wat ze echt op gang krijgt
10:54
is the uncertain reward,
270
639000
2000
is een onzekere beloning,
10:56
the reward pitched at the right level of uncertainty,
271
641000
2000
de beloning afgestemd op het juiste niveau van onzekerheid,
10:58
that they didn't quite know whether they were going to get it or not.
272
643000
3000
waarvan ze niet echt weten of ze het gaan krijgen.
11:01
The 25 percent. This lights the brain up.
273
646000
3000
De 25 procent. Dit doet het brein oplichten.
11:04
And if you think about
274
649000
2000
En als je erover nadenkt
11:06
using this in testing,
275
651000
2000
het gebruik daarvan tijdens het proberen,
11:08
in just introducing control elements of randomness
276
653000
2000
alleen al door de introductie van controleaspecten van willekeur
11:10
in all forms of testing and training,
277
655000
2000
bij elke manier van uitproberen en oefenen,
11:12
you can transform the levels of people's engagement
278
657000
2000
kun je de niveaus van betrokkenheid van mensen transformeren
11:14
by tapping into this very powerful
279
659000
2000
door aan te sluiten op dit zeer krachtige
11:16
evolutionary mechanism.
280
661000
2000
evolutionaire mechanisme.
11:18
When we don't quite predict something perfectly,
281
663000
2000
Dat als we iets niet bepaald perfect kunnen voorspellen,
11:20
we get really excited about it.
282
665000
2000
we erg heel erg opgewonden van raken.
11:22
We just want to go back and find out more.
283
667000
2000
We willen dan gewoon terug om er meer over te weten komen.
11:24
As you probably know, the neurotransmitter
284
669000
2000
Zoals je wellicht weet, heet de neurotransmitter
11:26
associated with learning is called dopamine.
285
671000
2000
verbonden met leren dopamine.
11:28
It's associated with reward-seeking behavior.
286
673000
3000
Het is verbonden met beloningzoekend gedrag.
11:31
And something very exciting is just beginning to happen
287
676000
3000
En iets heel spannends is net in gang gezet
11:34
in places like the University of Bristol in the U.K.,
288
679000
3000
op plekken als de Universiteit van Bristol in het Verenigd Koninkrijk,
11:37
where we are beginning to be able to model mathematically
289
682000
3000
waar is gestart met de mogelijkheid om
11:40
dopamine levels in the brain.
290
685000
2000
de dopamineniveaus in het brein wiskundig te modelleren.
11:42
And what this means is we can predict learning,
291
687000
2000
Dit betekent dat we leren kunnen voorspellen,
11:44
we can predict enhanced engagement,
292
689000
3000
we kunnen verhoogde betrokkenheid voorspellen,
11:47
these windows, these windows of time,
293
692000
2000
deze vensters, deze vensters van tijd,
11:49
in which the learning is taking place at an enhanced level.
294
694000
3000
waarin leren plaatsvindt op een verhoogd niveau.
11:52
And two things really flow from this.
295
697000
2000
Twee dingen zijn hierbij gebaat.
11:54
The first has to do with memory,
296
699000
2000
Het eerste heeft te maken met geheugen,
11:56
that we can find these moments.
297
701000
2000
dat we deze momenten kunnen vinden.
11:58
When someone is more likely to remember,
298
703000
2000
Als iemand makkelijker kan onthouden,
12:00
we can give them a nugget in a window.
299
705000
2000
kunnen we hem een goudklompje in een scherm geven.
12:02
And the second thing is confidence,
300
707000
2000
En het tweede ding is vertrouwen.
12:04
that we can see how game-playing and reward structures
301
709000
2000
dat we kunnen zien hoe spellen spelen en beloningsstructuren
12:06
make people braver, make them more willing to take risks,
302
711000
3000
mensen moediger maakt, ze meer bereid maakt om risico's te nemen,
12:09
more willing to take on difficulty,
303
714000
2000
meer bereid om moeilijkheid aan te gaan,
12:11
harder to discourage.
304
716000
2000
moeilijker te ontmoedigen.
12:13
This can all seem very sinister.
305
718000
2000
Dit kan allemaal erg duister overkomen.
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
720000
2000
Zoiets als "Onze breinen zijn gemanipuleerd, we zijn allemaal verslaafden."
12:17
The word "addiction" is thrown around.
307
722000
2000
Het woord verslaving wordt rondgeslingerd.
12:19
There are real concerns there.
308
724000
2000
Wat dat betreft zijn er echte zorgen.
12:21
But the biggest neurological turn-on for people
309
726000
2000
Maar de grootste neurologische aantrekking voor mensen
12:23
is other people.
310
728000
2000
zijn andere mensen.
12:25
This is what really excites us.
311
730000
3000
Dat is wat ons echt opwindt.
12:28
In reward terms, it's not money;
312
733000
2000
In termen van beloning, is het niet geld,
12:30
it's not being given cash -- that's nice --
313
735000
3000
het is niet het krijgen van geld -- dat is leuk --
12:33
it's doing stuff with our peers,
314
738000
2000
het is het doen van dingen met onze gelijken,
12:35
watching us, collaborating with us.
315
740000
2000
die ons bekijken, met ons samenwerken.
12:37
And I want to tell you a quick story about 1999 --
316
742000
2000
En ik wil je een kort verhaal vertellen over 1999 --
12:39
a video game called EverQuest.
317
744000
2000
een videogame genaamd EverQuest.
12:41
And in this video game,
318
746000
2000
En in deze videogame,
12:43
there were two really big dragons, and you had to team up to kill them --
319
748000
3000
waren twee enorm grote draken en je moest een team vormen om ze te doden --
12:46
42 people, up to 42 to kill these big dragons.
320
751000
3000
42 mensen -- tot maar liefst 42 om deze grote draken te doden.
12:49
That's a problem
321
754000
2000
Dat is een probleem,
12:51
because they dropped two or three decent items.
322
756000
3000
want ze lieten maar twee of drie interessante voorwerpen achter.
12:54
So players addressed this problem
323
759000
3000
Dus spelers pakten dit probleem aan
12:57
by spontaneously coming up with a system
324
762000
2000
door spontaan met een systeem te komen
12:59
to motivate each other,
325
764000
2000
om elkaar te motiveren,
13:01
fairly and transparently.
326
766000
2000
eerlijk en transparant.
13:03
What happened was, they paid each other a virtual currency
327
768000
3000
Wat gebeurde, was dat ze elkaar betaalden met andere virtuele valuta
13:06
they called "dragon kill points."
328
771000
3000
genaamd drakendoodpunten.
13:09
And every time you turned up to go on a mission,
329
774000
2000
En steeds wanneer je kwam opdagen om op missie te gaan,
13:11
you got paid in dragon kill points.
330
776000
2000
werd je betaald in drakendoodpunten.
13:13
They tracked these on a separate website.
331
778000
2000
Ze hielden deze bij op een aparte website.
13:15
So they tracked their own private currency,
332
780000
2000
Ze hielden dus hun eigen privé-valuta bij,
13:17
and then players could bid afterwards
333
782000
2000
en spelers konden dan na afloop bieden
13:19
for cool items they wanted --
334
784000
2000
op te gekke voorwerpen die ze wilden --
13:21
all organized by the players themselves.
335
786000
2000
helemaal georganiseerd door spelers zelf.
13:23
Now the staggering system, not just that this worked in EverQuest,
336
788000
3000
Dit verbazingwekkende systeem werkte niet alleen voor EverQuest ,
13:26
but that today, a decade on,
337
791000
2000
maar vandaag de dag, een decennium later,
13:28
every single video game in the world with this kind of task
338
793000
3000
gebruikt elke vergelijkbare videogame in de wereld
13:31
uses a version of this system --
339
796000
2000
een versie van dit systeem --
13:33
tens of millions of people.
340
798000
2000
tientallen miljoenen mensen.
13:35
And the success rate
341
800000
2000
En het slagingspercentage
13:37
is at close to 100 percent.
342
802000
2000
ligt vlakbij 100 procent.
13:39
This is a player-developed,
343
804000
2000
Dit is een door spelers ontwikkelde,
13:41
self-enforcing, voluntary currency,
344
806000
3000
zelfversterkende, vrijwillige soort valuta,
13:44
and it's incredibly sophisticated
345
809000
2000
en het is ontzettend hoog ontwikkeld
13:46
player behavior.
346
811000
2000
spelersgedrag.
13:50
And I just want to end by suggesting
347
815000
2000
En ik wil graag eindigen door een paar manieren
13:52
a few ways in which these principles
348
817000
2000
voor te stellen waarop deze principes
13:54
could fan out into the world.
349
819000
2000
in de wereld kunnen uitzwermen.
13:56
Let's start with business.
350
821000
2000
Ik start met bedrijven.
13:58
I mean, we're beginning to see some of the big problems
351
823000
2000
Ik bedoel, we beginnen sommige van de
14:00
around something like business are
352
825000
2000
grote problemen te zien rondom iets als bedrijvigheid,
14:02
recycling and energy conservation.
353
827000
2000
recycling en energieinstandhouding.
14:04
We're beginning to see the emergence of wonderful technologies
354
829000
2000
We beginnen de opkomst van fantastische technologieën te zien
14:06
like real-time energy meters.
355
831000
2000
als real-time energiemeters.
14:08
And I just look at this, and I think, yes,
356
833000
2000
En als ik dit zie, denk ik, ja,
14:10
we could take that so much further
357
835000
3000
we kunnen dat zoveel verder doorvoeren
14:13
by allowing people to set targets
358
838000
2000
door mensen toe te staan doelen te stellen
14:15
by setting calibrated targets,
359
840000
2000
door geijkte doelen in te stellen,
14:17
by using elements of uncertainty,
360
842000
3000
door aspecten van onzekerheid te gebruiken,
14:20
by using these multiple targets,
361
845000
2000
door deze samengestelde doelen te gebruiken,
14:22
by using a grand, underlying reward and incentive system,
362
847000
3000
door een groots, onderliggend belonings- en stimulanssysteem te gebruiken,
14:25
by setting people up
363
850000
2000
door mensen op te stellen
14:27
to collaborate in terms of groups, in terms of streets
364
852000
2000
om samen te werken in de zin van groepen, straten
14:29
to collaborate and compete,
365
854000
2000
om samen te werken en te wedijveren,
14:31
to use these very sophisticated
366
856000
2000
om de hoogontwikkelde groeps-
14:33
group and motivational mechanics we see.
367
858000
2000
en motivationele mechanismen die we zien, te gebruiken.
14:35
In terms of education,
368
860000
2000
Op het gebied van onderwijs,
14:37
perhaps most obviously of all,
369
862000
2000
misschien het meest duidelijk van alles,
14:39
we can transform how we engage people.
370
864000
3000
kunnen we veranderen hoe we mensen betrekken.
14:42
We can offer people the grand continuity
371
867000
2000
We kunnen mensen de grootse continuïteit aanbieden
14:44
of experience and personal investment.
372
869000
3000
van ervaring en persoonlijke investering.
14:47
We can break things down
373
872000
2000
We kunnen dingen opbreken
14:49
into highly calibrated small tasks.
374
874000
2000
in bijzonder afgestelde kleine taken.
14:51
We can use calculated randomness.
375
876000
2000
We kunnen berekende willekeur gebruiken.
14:53
We can reward effort consistently
376
878000
2000
We kunnen inspanning consistent belonen
14:55
as everything fields together.
377
880000
3000
aangezien alles op een plek uitkomt.
14:58
And we can use the kind of group behaviors
378
883000
2000
En we kunnen het soort groepsgedrag gebruiken
15:00
that we see evolving when people are at play together,
379
885000
3000
dat we zien ontstaan als mensen samen spelen,
15:03
these really quite unprecedentedly complex
380
888000
3000
die complexe coöperatieve mechanismen
15:06
cooperative mechanisms.
381
891000
2000
zonder voorgaande.
15:08
Government, well, one thing that comes to mind
382
893000
2000
Overheid, nou een ding dat in me opkomt
15:10
is the U.S. government, among others,
383
895000
3000
is dat de overheid van de VS, onder andere,
15:13
is literally starting to pay people
384
898000
2000
letterlijk is begonnen mensen te betalen
15:15
to lose weight.
385
900000
2000
om af te vallen.
15:17
So we're seeing financial reward being used
386
902000
2000
Dus we zeggen dat een financiële beloning gebruikt wordt
15:19
to tackle the great issue of obesity.
387
904000
2000
om het grote probleem van obesitas te tackelen.
15:21
But again, those rewards
388
906000
2000
Maar nogmaals, zulke beloningen
15:23
could be calibrated so precisely
389
908000
3000
kunnen zo precies afgesteld worden
15:26
if we were able to use the vast expertise
390
911000
3000
als we in staat zouden zijn de enorme expertise te gebruiken
15:29
of gaming systems to just jack up that appeal,
391
914000
3000
van gamingsystemen om de aantrekkingskracht ervan op te krikken,
15:32
to take the data, to take the observations,
392
917000
2000
de data eruit te nemen, observaties eruit te halen,
15:34
of millions of human hours
393
919000
2000
van miljoenen manuren
15:36
and plow that feedback
394
921000
2000
en die terugkoppeling om te ploegen
15:38
into increasing engagement.
395
923000
2000
tot toegenomen betrokkenheid.
15:40
And in the end, it's this word, "engagement,"
396
925000
3000
En uiteindelijk is het dat woord, betrokkenheid,
15:43
that I want to leave you with.
397
928000
2000
dat ik jullie wil meegeven.
15:45
It's about how individual engagement
398
930000
2000
Het gaat om hoe individuele betrokkenheid
15:47
can be transformed
399
932000
2000
omgevormd kan worden
15:49
by the psychological and the neurological lessons
400
934000
3000
door de psychologische en neurologische lessen
15:52
we can learn from watching people that are playing games.
401
937000
3000
die we kunnen leren door te kijken naar mensen die games spelen.
15:55
But it's also about collective engagement
402
940000
3000
Maar het gaat ook om collectieve betrokkenheid
15:58
and about the unprecedented laboratory
403
943000
3000
en over het ongekende laboratorium
16:01
for observing what makes people tick
404
946000
2000
om te observeren wat mensen enthousiast maakt,
16:03
and work and play and engage
405
948000
2000
laat werken, spelen en
16:05
on a grand scale in games.
406
950000
3000
op grootschalige wijze betrokken houdt in games.
16:08
And if we can look at these things and learn from them
407
953000
3000
En als we hiernaar kunnen kijken en ervan kunnen leren
16:11
and see how to turn them outwards,
408
956000
2000
en zien hoe we ze daarbuiten kunnen gebruiken,
16:13
then I really think we have something quite revolutionary on our hands.
409
958000
3000
dan denk ik dat we iets heel revolutionairs in handen hebben.
16:16
Thank you very much.
410
961000
2000
Dank u wel.
16:18
(Applause)
411
963000
4000
(Applaus)
ABOUT THE SPEAKER
Tom Chatfield - Gaming theoristTom Chatfield thinks about games -- what we want from them, what we get from them, and how we might use our hard-wired desire for a gamer's reward to change the way we learn.
Why you should listen
It can be difficult to wrap one's mind around the size and the reach of modern video- and online-game culture. But gaming is not only outstripping more-traditional media in revenue (it overtook music in 2008), it's become a powerful lens to re-examine our culture at large. Tom Chatfield, a longtime gamer, is the arts and books editor at the UK current-affairs magazine Prospect. In his book Fun Inc., he argues that games, with their immersive quests and deeply satisfying (and carefully designed) virtual rewards, are a great place to test new approaches to real-world systems that need a reboot.
More than a game journalist, Chatfield is a game theorist, looking at neurological research on how games engage our pleasure centers -- and then looking at a world where millions of videogame-veteran Generation Z'ers are entering the workforce and the voters' rolls. They're good with complex rule sets; they're used to forming ad hoc groups to reach a goal; and they love to tweak and mod existing systems. What if society harnessed that energy to redefine learning? Or voting? Understanding the psychology of the videogame reward schedule, Chatfield believes, is not only important for understanding the world of our children -- it's a stepping stone to improving our world right now.
Tom Chatfield | Speaker | TED.com