TEDGlobal 2010
Tom Chatfield: 7 ways games reward the brain
Tom Chatfield: 7 maneiras pelas quais os jogos recompensam o cérebro
Filmed:
Readability: 3.8
1,288,061 views
Estamos trazendo os jogos para mais aspectos da nossa vida, e gastando horas incontáveis - e dinheiro de verdade - explorando mundos virtuais para obter tesouros imaginários. Por quê? Como mostra Tom Chatfield, jogos são perfeitamente adequados para distribuir recompensas que engajam o cérebro e nos mantêm buscando mais.
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
Eu amo videogames.
00:18
I'm also slightly in awe of them.
1
3000
3000
Também fico um pouco espantado com eles.
00:21
I'm in awe of their power
2
6000
2000
Fico espantado com seu poder
00:23
in terms of imagination, in terms of technology,
3
8000
2000
em termos da imaginação, da tecnologia,
00:25
in terms of concept.
4
10000
2000
em termos do conceito.
00:27
But I think, above all,
5
12000
2000
Mas eu acho que, sobretudo,
00:29
I'm in awe at their power
6
14000
2000
fico espantado com seu poder
00:31
to motivate, to compel us,
7
16000
3000
de motivar, de nos "arrastar",
00:34
to transfix us,
8
19000
2000
de nos paralisar,
00:36
like really nothing else we've ever invented
9
21000
3000
como nada que já tenhamos inventado
00:39
has quite done before.
10
24000
2000
conseguiu antes.
00:41
And I think that we can learn some pretty amazing things
11
26000
3000
E acho que podemos aprender coisas surpreendentes
00:44
by looking at how we do this.
12
29000
2000
olhando como fazemos isso.
00:46
And in particular, I think we can learn things
13
31000
2000
E, em particular, acho que podemos aprender coisas
00:48
about learning.
14
33000
3000
sobre o aprender.
00:51
Now the video games industry
15
36000
2000
Neste momento, a indústria de videogames
00:53
is far and away the fastest growing
16
38000
2000
é de longe a que cresce mais rápido
00:55
of all modern media.
17
40000
2000
de todas as mídias modernas.
00:57
From about 10 billion in 1990,
18
42000
2000
De cerca de 10 bilhões em 1990,
00:59
it's worth 50 billion dollars globally today,
19
44000
3000
vale 50 bilhões de dólares globalmente hoje,
01:02
and it shows no sign of slowing down.
20
47000
3000
e não mostra sinais de desaceleração.
01:05
In four years' time,
21
50000
2000
Em quatro anos,
01:07
it's estimated it'll be worth over 80 billion dollars.
22
52000
3000
estima-se que valerá mais de 80 bilhões de dólares,
01:10
That's about three times the recorded music industry.
23
55000
3000
cerca de três vezes o valor da indústria de música gravada.
01:13
This is pretty stunning,
24
58000
2000
Isso é realmente impressionante,
01:15
but I don't think it's the most telling statistic of all.
25
60000
3000
mas não penso que esse dado seja o mais expressivo.
01:18
The thing that really amazes me
26
63000
2000
O que realmente me impressiona
01:20
is that, today,
27
65000
2000
é que, hoje em dia,
01:22
people spend about
28
67000
2000
as pessoas gastam cerca de
01:24
eight billion real dollars a year
29
69000
3000
oito bilhões de dólares de verdade por ano
01:27
buying virtual items
30
72000
2000
comprando itens virtuais
01:29
that only exist
31
74000
2000
que somente existem
01:31
inside video games.
32
76000
3000
dentro dos videogames.
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
79000
3000
Esta é uma tela de um mundo de jogo virtual, o Entropia Universe.
01:37
Earlier this year,
34
82000
2000
No início deste ano,
01:39
a virtual asteroid in it
35
84000
2000
um asteroide virtual nesse mundo
01:41
sold for 330,000 real dollars.
36
86000
4000
foi vendido por 330 mil dólares reais
01:45
And this
37
90000
2000
E isso
01:47
is a Titan class ship
38
92000
3000
é uma nave da classe Titan
01:50
in the space game, EVE Online.
39
95000
2000
no jogo espacial EVE Online.
01:52
And this virtual object
40
97000
2000
E este objeto virtual
01:54
takes 200 real people
41
99000
2000
precisou de 200 pessoas reais
01:56
about 56 days of real time to build,
42
101000
3000
e cerca de 56 dias de tempo real para ser construído
01:59
plus countless thousands of hours
43
104000
3000
mais milhares de incontáveis horas
02:02
of effort before that.
44
107000
2000
de esforço anterior.
02:04
And yet, many of these get built.
45
109000
3000
E ainda assim, muitos desses são construídos.
02:07
At the other end of the scale,
46
112000
2000
Na outra ponta do espectro,
02:09
the game Farmville that you may well have heard of,
47
114000
3000
o jogo Farmville, o qual vocês já devem ter ouvido falar,
02:12
has 70 million players
48
117000
2000
possui 70 milhões de jogadores
02:14
around the world
49
119000
2000
ao redor do mundo,
02:16
and most of these players
50
121000
2000
e muitos desses jogadores
02:18
are playing it almost every day.
51
123000
2000
o jogam quase todos os dias.
02:20
This may all sound
52
125000
2000
Isso pode parecer
02:22
really quite alarming to some people,
53
127000
2000
realmente bem alarmante para algumas pessoas,
02:24
an index of something worrying
54
129000
2000
um indicador de algo preocupante
02:26
or wrong in society.
55
131000
2000
ou errado em nossa sociedade.
02:28
But we're here for the good news,
56
133000
2000
Mas estamos aqui para as boas notícias
02:30
and the good news is
57
135000
2000
e a boa notícia é
02:32
that I think we can explore
58
137000
2000
que eu acho que podemos explorar
02:34
why this very real human effort,
59
139000
3000
o motivo pelo qual este esforço humano muito real,
02:37
this very intense generation of value, is occurring.
60
142000
4000
esta geração muito intensa de valor está ocorrendo.
02:41
And by answering that question,
61
146000
2000
E ao responder essa pergunta,
02:43
I think we can take something
62
148000
2000
acho que podemos tirar algo
02:45
extremely powerful away.
63
150000
2000
extremamente poderoso disso.
02:47
And I think the most interesting way
64
152000
2000
E acho que a maneira mais interessante
02:49
to think about how all this is going on
65
154000
2000
de pensar sobre tudo o que está acontecendo
02:51
is in terms of rewards.
66
156000
2000
é em termos de recompensas.
02:53
And specifically, it's in terms
67
158000
3000
E especificamente, é em termos
02:56
of the very intense emotional rewards
68
161000
2000
das recompensas emocionais muito intensas
02:58
that playing games offers to people
69
163000
2000
que esses jogos oferecem às pessoas
03:00
both individually
70
165000
2000
tanto individualmente
03:02
and collectively.
71
167000
2000
quanto coletivamente.
03:04
Now if we look at what's going on in someone's head
72
169000
2000
Agora, se olharmos o que está acontecendo na cabeça de alguém
03:06
when they are being engaged,
73
171000
2000
quando essa pessoa está comprometida, engajada,
03:08
two quite different processes are occurring.
74
173000
3000
dois processos bem diferentes estão ocorrendo.
03:11
On the one hand, there's the wanting processes.
75
176000
3000
Por um lado, os processos de querer.
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
Isso é um pouco como ambição e impulso -- eu vou fazer isso. Vou trabalhar duro.
03:17
On the other hand, there's the liking processes,
77
182000
2000
Por outro lado, há os processos de gostar,
03:19
fun and affection
78
184000
2000
diversão e afeto
03:21
and delight
79
186000
2000
e prazer --
03:23
and an enormous flying beast with an orc on the back.
80
188000
2000
e uma enorme besta voadora com um orc nas costas.
03:25
It's a really great image. It's pretty cool.
81
190000
2000
Essa é de fato uma grande imagem. É bem legal.
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
192000
3000
É do jogo World of Warcraft, com mais de 10 milhões de jogadores globalmente,
03:30
one of whom is me, another of whom is my wife.
83
195000
3000
um dos quais sou eu e outro é a minha esposa.
03:33
And this kind of a world,
84
198000
2000
E esse tipo de mundo,
03:35
this vast flying beast you can ride around,
85
200000
2000
essa enorme besta voadora que você pode montar
03:37
shows why games are so very good
86
202000
2000
mostra porque os jogos são tão bons
03:39
at doing both the wanting and the liking.
87
204000
3000
em fazer tanto o querer quanto o gostar.
03:42
Because it's very powerful. It's pretty awesome.
88
207000
2000
Porque é muito poderoso. É incrível.
03:44
It gives you great powers.
89
209000
2000
Dá a você grandes poderes.
03:46
Your ambition is satisfied, but it's very beautiful.
90
211000
3000
Sua ambição é satisfeita, mas é muito bonito.
03:49
It's a very great pleasure to fly around.
91
214000
3000
É um prazer muito grande voar
03:52
And so these combine to form
92
217000
2000
E então eles se combinam para formar
03:54
a very intense emotional engagement.
93
219000
2000
um engajamento emocional muito intenso.
03:56
But this isn't the really interesting stuff.
94
221000
3000
Mas essa não é a coisa verdadeiramente interessante.
03:59
The really interesting stuff about virtuality
95
224000
2000
A coisa realmente interessante sobre virtualidade,
04:01
is what you can measure with it.
96
226000
2000
é que você pode avaliar, medir com ela.
04:03
Because what you can measure in virtuality
97
228000
3000
Porque o que você pode medir na virtualidade
04:06
is everything.
98
231000
2000
é tudo.
04:08
Every single thing that every single person
99
233000
2000
Cada coisinha que cada pessoa
04:10
who's ever played in a game has ever done can be measured.
100
235000
3000
que já jogou um jogo já fez pode ser medida.
04:13
The biggest games in the world today
101
238000
2000
Os maiores jogos no mundo hoje
04:15
are measuring more than one billion points of data
102
240000
4000
estão medindo mais de um bilhão de pontos de dados
04:19
about their players, about what everybody does --
103
244000
2000
sobre seus jogadores, sobre o que todo mundo faz --
04:21
far more detail than you'd ever get from any website.
104
246000
3000
muito mais detalhes do que você jamais conseguiria em qualquer website.
04:24
And this allows something very special
105
249000
3000
E isso permite que uma coisa muito especial
04:27
to happen in games.
106
252000
2000
aconteça nos jogos.
04:29
It's something called the reward schedule.
107
254000
3000
É algo chamado cronograma (esquema) de recompensa.
04:32
And by this, I mean looking
108
257000
2000
E com isso, eu quero dizer olhar
04:34
at what millions upon millions of people have done
109
259000
2000
o que milhões e milhões de pessoas fizeram
04:36
and carefully calibrating the rate,
110
261000
2000
e cuidadosamente ajustar a taxa,
04:38
the nature, the type, the intensity of rewards in games
111
263000
3000
a natureza, o tipo, a intensidade das recompensas nos jogos
04:41
to keep them engaged
112
266000
2000
para mantê-las engajadas
04:43
over staggering amounts of time and effort.
113
268000
3000
por espantosas quantidades de tempo e esforço.
04:46
Now, to try and explain this
114
271000
2000
Agora, para tentar explicar isso
04:48
in sort of real terms,
115
273000
3000
em termos reais,
04:51
I want to talk about a kind of task
116
276000
2000
eu quero falar sobre um tipo de tarefa
04:53
that might fall to you in so many games.
117
278000
2000
que pode cair para você em tantos jogos.
04:55
Go and get a certain amount of a certain little game-y item.
118
280000
3000
Você tem que conseguir uma certa quantidade de um certo item Y.
04:58
Let's say, for the sake of argument,
119
283000
2000
Digamos, como ajudar a pensar,
05:00
my mission is to get 15 pies
120
285000
3000
minha missão é conseguir 15 tortas
05:03
and I can get 15 pies
121
288000
3000
e eu posso conseguir 15 tortas
05:06
by killing these cute, little monsters.
122
291000
2000
matando aqueles monstrinhos lindos.
05:08
Simple game quest.
123
293000
2000
Uma missão simples de jogo.
05:10
Now you can think about this, if you like,
124
295000
2000
Agora, vocês podem pensar a respeito, se quiserem,
05:12
as a problem about boxes.
125
297000
2000
como um problema de caixas.
05:14
I've got to keep opening boxes.
126
299000
2000
Eu tenho que ficar abrindo caixas.
05:16
I don't know what's inside them until I open them.
127
301000
3000
Eu não sei o que há dentro delas até que as abra.
05:19
And I go around opening box after box until I've got 15 pies.
128
304000
3000
E fico abrindo caixa depois de caixa, até que eu tenha 15 tortas.
05:22
Now, if you take a game like Warcraft,
129
307000
2000
Agora, se você pega um jogo como Warcraft,
05:24
you can think about it, if you like,
130
309000
2000
você pode pensar a respeito dele, se quiser,
05:26
as a great box-opening effort.
131
311000
3000
como um grande esforço de abrir caixas.
05:29
The game's just trying to get people to open about a million boxes,
132
314000
3000
O jogo está apenas tentando fazer as pessoas abrirem cerca de um milhão de caixas,
05:32
getting better and better stuff in them.
133
317000
2000
conseguindo coisas cada vez melhores nelas.
05:34
This sounds immensely boring
134
319000
3000
Isso parece imensamente tedioso,
05:37
but games are able
135
322000
2000
mas os jogos conseguem
05:39
to make this process
136
324000
2000
tornar esse processo
05:41
incredibly compelling.
137
326000
2000
incrivelmente irrestível.
05:43
And the way they do this
138
328000
2000
E eles fazem isso
05:45
is through a combination of probability and data.
139
330000
3000
através de uma combinação de probabilidade e dados.
05:48
Let's think about probability.
140
333000
2000
Vamos pensar sobre probabilidade.
05:50
If we want to engage someone
141
335000
2000
Se queremos engajar alguém
05:52
in the process of opening boxes to try and find pies,
142
337000
3000
no processo de abrir caixas e tentar encontrar tortas.
05:55
we want to make sure it's neither too easy,
143
340000
2000
Queremos nos certificar de que não é nem fácil demais,
05:57
nor too difficult, to find a pie.
144
342000
2000
nem difícil demais encontrar uma torta.
05:59
So what do you do? Well, you look at a million people --
145
344000
2000
Então o que você faz? Bom, você olha para um milhão de pessoas --
06:01
no, 100 million people, 100 million box openers --
146
346000
3000
não, 100 mihões de pessoas, 100 milhões de abridores de caixas --
06:04
and you work out, if you make the pie rate
147
349000
3000
e você calcula, se você fizer a taxa de torta
06:07
about 25 percent --
148
352000
2000
cerca de 25% --
06:09
that's neither too frustrating, nor too easy.
149
354000
3000
que não é nem muito frustrante, nem muito fácil;
06:12
It keeps people engaged.
150
357000
2000
isso mantém as pessoas engajadas
06:14
But of course, that's not all you do -- there's 15 pies.
151
359000
3000
mas claro, isso não é tudo o que você faz - isso são 15 tortas
06:17
Now, I could make a game called Piecraft,
152
362000
2000
Agora, eu poderia fazer um jogo chamado "Piecraft",
06:19
where all you had to do was get a million pies
153
364000
2000
onde tudo o que você tem a fazer é conseguir um milhão de tortas
06:21
or a thousand pies.
154
366000
2000
ou mil tortas.
06:23
That would be very boring.
155
368000
2000
Isso seria muito chato.
06:25
Fifteen is a pretty optimal number.
156
370000
2000
15 é um número excelente.
06:27
You find that -- you know, between five and 20
157
372000
2000
Você descobre que -- sabe, entre cinco e 20
06:29
is about the right number for keeping people going.
158
374000
2000
é mais ou menos o número certo para fazer com que as pessoas continuem.
06:31
But we don't just have pies in the boxes.
159
376000
2000
Mas não temos apenas tortas nas caixas.
06:33
There's 100 percent up here.
160
378000
2000
Há cem por cento aqui.
06:35
And what we do is make sure that every time a box is opened,
161
380000
3000
E o que fazemos é nos certificar de que cada vez que uma caixa é aberta,
06:38
there's something in it, some little reward
162
383000
2000
haja algo nela, alguma pequena recompensa,
06:40
that keeps people progressing and engaged.
163
385000
2000
que mantém as pessoas progredindo e engajadas.
06:42
In most adventure games,
164
387000
2000
Na maioria dos jogos de aventura,
06:44
it's a little bit in-game currency, a little bit experience.
165
389000
3000
há um pouco de moeda do jogo, um pouco de experiência,
06:47
But we don't just do that either.
166
392000
2000
mas não fazemos apenas isso também.
06:49
We also say there's going to be loads of other items
167
394000
2000
Também dizemos que haverá centenas de outros itens
06:51
of varying qualities and levels of excitement.
168
396000
2000
de qualidades e níveis de excitação variados.
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
398000
3000
Haverá uma chance de 10 por cento de você conseguir um item muito bom.
06:56
There's going to be a 0.1 percent chance
170
401000
2000
Haverá uma chance de 0,1 por cento
06:58
you get an absolutely awesome item.
171
403000
3000
de você conseguir um item absolutamente incrível.
07:01
And each of these rewards is carefully calibrated to the item.
172
406000
3000
E cada uma dessas recompensas é cuidadosamente ajustada para o item.
07:04
And also, we say,
173
409000
2000
E também, dizemos,
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
411000
3000
"Bom, quantos monstros? Devo ter o mundo todo cheio de um bilhão de monstros?"
07:09
No, we want one or two monsters on the screen at any one time.
175
414000
3000
Não, queremos um ou dois monstros na tela ao mesmo tempo.
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
417000
3000
Então sou atraído. Não é tão fácil, nem tão difícil.
07:15
So all this is very powerful.
177
420000
2000
Então tudo isso é muito poderoso.
07:17
But we're in virtuality. These aren't real boxes.
178
422000
3000
Mas estamos na virtualidade, não são caixas reais.
07:20
So we can do
179
425000
2000
Então podemos fazer
07:22
some rather amazing things.
180
427000
2000
algumas coisas impressionantes.
07:24
We notice, looking at all these people opening boxes,
181
429000
4000
Notamos, olhando toda essa gente abrindo caixas,
07:28
that when people get to about 13 out of 15 pies,
182
433000
3000
que, quando as pessoas pegam cerca de 13 das 15 tortas,
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
436000
3000
suas percepções mudam, começam a ficar aborrecidas, irritadas.
07:34
They're not rational about probability.
184
439000
2000
Elas não são racionais sobre probabilidade.
07:36
They think this game is unfair.
185
441000
2000
Pensam que o jogo é injusto.
07:38
It's not giving me my last two pies. I'm going to give up.
186
443000
2000
Não está me entregando minhas últimas duas tortas. Terei que desistir.
07:40
If they're real boxes, there's not much we can do,
187
445000
2000
Se fossem caixas reais, não haveria muito a fazer,
07:42
but in a game we can just say, "Right, well.
188
447000
2000
mas num jogo nós podemos dizer "Certo, tudo bem."
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
449000
4000
Quando se pega 13 tortas, você ganhou 75 por cento de chance de pegar uma torta agora.
07:48
Keep you engaged. Look at what people do --
190
453000
2000
Isso mantém você engajado. Olhe o que as pessoas fazem --
07:50
adjust the world to match their expectation.
191
455000
2000
ajustam o mundo para se adequar às suas expectativas.
07:52
Our games don't always do this.
192
457000
2000
Nossos jogos nem sempre fazem isso.
07:54
And one thing they certainly do at the moment
193
459000
2000
E algo que certamente fazem atualmente
07:56
is if you got a 0.1 percent awesome item,
194
461000
3000
é, se você tem um item 0,1% interessante,
07:59
they make very sure another one doesn't appear for a certain length of time
195
464000
3000
eles garantem que outro não apareça por um certo tempo
08:02
to keep the value, to keep it special.
196
467000
2000
para conservar seu valor, para fazê-lo especial.
08:04
And the point is really
197
469000
2000
E o ponto que realmente interessa é
08:06
that we evolved to be satisfied by the world
198
471000
2000
que evoluímos para nos satisfazer com esse mundo
08:08
in particular ways.
199
473000
2000
em modos específicos.
08:10
Over tens and hundreds of thousands of years,
200
475000
3000
Em dezenas e centenas de milhares de anos,
08:13
we evolved to find certain things stimulating,
201
478000
2000
nós evoluímos para achar certas coisas estimulantes,
08:15
and as very intelligent, civilized beings,
202
480000
2000
e, como seres muito inteligentes e civilizados,
08:17
we're enormously stimulated by problem solving and learning.
203
482000
3000
fomos imensamente estimulados pelo aprender e resolver problemas.
08:20
But now, we can reverse engineer that
204
485000
2000
Mas agora, podemos realizar engenharia reversa nisso
08:22
and build worlds
205
487000
2000
e construir mundos
08:24
that expressly tick our evolutionary boxes.
206
489000
3000
que claramente estimulem nossas bases evolutivas.
08:27
So what does all this mean in practice?
207
492000
2000
Então o que tudo isso significa na prática?
08:29
Well, I've come up
208
494000
2000
Bom, eu apareço
08:31
with seven things
209
496000
2000
com sete coisas
08:33
that, I think, show
210
498000
2000
que, eu acho, mostram
08:35
how you can take these lessons from games
211
500000
2000
como você pode aprender essas lições dos jogos
08:37
and use them outside of games.
212
502000
3000
e usá-las fora dos jogos.
08:40
The first one is very simple:
213
505000
2000
A primeira é muito simples:
08:42
experience bars measuring progress --
214
507000
2000
barras de experiência que registram o progresso --
08:44
something that's been talked about brilliantly
215
509000
2000
algo que foi mencionado brilhantemente
08:46
by people like Jesse Schell earlier this year.
216
511000
3000
por pessoas como Jesse Schell mais cedo neste ano.
08:49
It's already been done at the University of Indiana in the States, among other places.
217
514000
3000
Isso já foi feito na Universidade de Indiana nos Estados Unidos, entre outros lugares,
08:52
It's the simple idea that instead of grading people incrementally
218
517000
3000
É a ideia simples que, em vez de classificar as pessoas de forma crescente
08:55
in little bits and pieces,
219
520000
2000
em pequenos pedaços,
08:57
you give them one profile character avatar
220
522000
2000
você dá a elas um avatar de personagem
08:59
which is constantly progressing
221
524000
2000
que está constantemente progredindo
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
526000
3000
em doses pequenas, que elas sentem que são elas mesmas.
09:04
And everything comes towards that,
223
529000
2000
E tudo vem em direção a isso,
09:06
and they watch it creeping up, and they own that as it goes along.
224
531000
3000
e elas o observam escalar e elas tomam posse disso conforme evolui.
09:09
Second, multiple long and short-term aims --
225
534000
2000
Segunda coisa, múltiplos objetivos de longo e curto prazo --
09:11
5,000 pies, boring,
226
536000
2000
5.000 tortas, chato,
09:13
15 pies, interesting.
227
538000
2000
15 tortas, interessante.
09:15
So, you give people
228
540000
2000
Então você dá às pessoas
09:17
lots and lots of different tasks.
229
542000
2000
muitas e muitas tarefas diferentes.
09:19
You say, it's about
230
544000
2000
Você diz, trata-se de
09:21
doing 10 of these questions,
231
546000
2000
responder dez dessas perguntas,
09:23
but another task
232
548000
2000
mas outra tarefa
09:25
is turning up to 20 classes on time,
233
550000
2000
é estar presente em 20 aulas pontualmente,
09:27
but another task is collaborating with other people,
234
552000
3000
mas outra tarefa é colaborar com outras pessoas,
09:30
another task is showing you're working five times,
235
555000
3000
uma outra tarefa é mostrar seu trabalho cinco vezes,
09:33
another task is hitting this particular target.
236
558000
2000
outra tarefa é atingir este objetivo específico.
09:35
You break things down into these calibrated slices
237
560000
3000
Você decompõe tarefas em pedaços equilibrados
09:38
that people can choose and do in parallel
238
563000
2000
que as pessoas podem escolher e fazer ao mesmo tempo
09:40
to keep them engaged
239
565000
2000
para mantê-los engajados
09:42
and that you can use to point them
240
567000
2000
e que você pode usar para direcioná-los
09:44
towards individually beneficial activities.
241
569000
3000
para atividades individualmente benéficas.
09:48
Third, you reward effort.
242
573000
2000
Em terceiro lugar, recompense o esforço.
09:50
It's your 100 percent factor. Games are brilliant at this.
243
575000
3000
É seu fator mais importante. Jogos são brilhantes neste ponto.
09:53
Every time you do something, you get credit; you get a credit for trying.
244
578000
3000
Toda vez que você faz algo, ganha crédito, ou um crédito por tentar.
09:56
You don't punish failure. You reward every little bit of effort --
245
581000
3000
Se você não punir falhas e recompensar cada pequeno esforço -
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
584000
3000
seu pequeno pedaço de ouro, de crédito - você respondeu as vinte perguntas - OK
10:02
It all feeds in as minute reinforcement.
247
587000
3000
Tudo se encaixa como reforço instantâneo.
10:05
Fourth, feedback.
248
590000
2000
Quarta coisa, retorno (feedback).
10:07
This is absolutely crucial,
249
592000
2000
Isso é absolutamente crucial,
10:09
and virtuality is dazzling at delivering this.
250
594000
2000
e a virtualidade é mestre em fornecer isso.
10:11
If you look at some of the most intractable problems in the world today
251
596000
3000
Se você olhar alguns dos problemas mais intratáveis no mundo hoje
10:14
that we've been hearing amazing things about,
252
599000
2000
dos quais já ouvimos coisas impressionantes,
10:16
it's very, very hard for people to learn
253
601000
3000
é muito, muito difícil para as pessoas aprenderem
10:19
if they cannot link consequences to actions.
254
604000
3000
se elas não puderem relacionar consequências a ações.
10:22
Pollution, global warming, these things --
255
607000
2000
Poluição, aquecimento global, essas coisas,
10:24
the consequences are distant in time and space.
256
609000
2000
as consequências estão distantes no tempo e espaço.
10:26
It's very hard to learn, to feel a lesson.
257
611000
2000
É muito difícil aprender alguma lição disso,
10:28
But if you can model things for people,
258
613000
2000
mas se você puder modelar as coisas para as pessoas,
10:30
if you can give things to people that they can manipulate
259
615000
2000
se puder dar coisas às pessoas que elas possam manipular
10:32
and play with and where the feedback comes,
260
617000
2000
e escolher sobre com que e de onde o feedback vem,
10:34
then they can learn a lesson, they can see,
261
619000
2000
então elas podem aprender uma lição, elas podem ver,
10:36
they can move on, they can understand.
262
621000
3000
podem evoluir, podem entender.
10:39
And fifth,
263
624000
2000
E a quinta coisa,
10:41
the element of uncertainty.
264
626000
2000
o elemento da incerteza.
10:43
Now this is the neurological goldmine,
265
628000
3000
Essa é uma mina de ouro neurológica,
10:46
if you like,
266
631000
2000
se você quiser,
10:48
because a known reward
267
633000
2000
porque um reforço conhecido
10:50
excites people,
268
635000
2000
excita as pessoas,
10:52
but what really gets them going
269
637000
2000
mas o que realmente mobiliza as pessoas
10:54
is the uncertain reward,
270
639000
2000
e o reforço incerto,
10:56
the reward pitched at the right level of uncertainty,
271
641000
2000
o reforço recebido no nível certo de incerteza,
10:58
that they didn't quite know whether they were going to get it or not.
272
643000
3000
que eles não sabem bem se receberão ou não.
11:01
The 25 percent. This lights the brain up.
273
646000
3000
Os 25 por cento. Isso ilumina o cérebro.
11:04
And if you think about
274
649000
2000
E se você pensar sobre
11:06
using this in testing,
275
651000
2000
usar isto na avaliação,
11:08
in just introducing control elements of randomness
276
653000
2000
simplesmente introduzindo elementos de controle aleatoriamente
11:10
in all forms of testing and training,
277
655000
2000
em todas as formas de teste e treinamento,
11:12
you can transform the levels of people's engagement
278
657000
2000
poderá mudar os níveis de engajamento das pessoas
11:14
by tapping into this very powerful
279
659000
2000
pelo uso deste mecanismo evolutivo
11:16
evolutionary mechanism.
280
661000
2000
muito poderoros
11:18
When we don't quite predict something perfectly,
281
663000
2000
Porque quando não prevemos algo com perfeição,
11:20
we get really excited about it.
282
665000
2000
ficamos realmente entusiasmados a respeito
11:22
We just want to go back and find out more.
283
667000
2000
Desejamos apenas voltar e descobrir mais.
11:24
As you probably know, the neurotransmitter
284
669000
2000
Como vocês provavelmente sabem, o neurotransmissor
11:26
associated with learning is called dopamine.
285
671000
2000
associado à aprendizagem é chamado "dopamina".
11:28
It's associated with reward-seeking behavior.
286
673000
3000
Está associado ao comportamento de busca de reforço.
11:31
And something very exciting is just beginning to happen
287
676000
3000
E algo muito excitante está começando a acontecer
11:34
in places like the University of Bristol in the U.K.,
288
679000
3000
em lugares como a Universidade de Bristol no Reino Unido,
11:37
where we are beginning to be able to model mathematically
289
682000
3000
onde estamos começando a modelar matematicamente
11:40
dopamine levels in the brain.
290
685000
2000
os níveis de dopamina no cérebro.
11:42
And what this means is we can predict learning,
291
687000
2000
E isso significa que podemos prever aprendizagem,
11:44
we can predict enhanced engagement,
292
689000
3000
podemos prever o comprometimento avançado,
11:47
these windows, these windows of time,
293
692000
2000
nestas janelas do tempo,
11:49
in which the learning is taking place at an enhanced level.
294
694000
3000
onde a aprendizagem acontece em nível privilegiado.
11:52
And two things really flow from this.
295
697000
2000
E duas coisas realmente derivam disso.
11:54
The first has to do with memory,
296
699000
2000
A primeira tem a ver com a memória,
11:56
that we can find these moments.
297
701000
2000
que podemos encontrar esses momentos.
11:58
When someone is more likely to remember,
298
703000
2000
Quando alguém tem mais chances de lembrar,
12:00
we can give them a nugget in a window.
299
705000
2000
podemos dar a eles um pequeno incentivo.
12:02
And the second thing is confidence,
300
707000
2000
O segundo aspecto é a confiança,
12:04
that we can see how game-playing and reward structures
301
709000
2000
que podemos ver como jogos e estruturas de reforço
12:06
make people braver, make them more willing to take risks,
302
711000
3000
tornam as pessoas mais fortes, mais aptas a aceitar riscos,
12:09
more willing to take on difficulty,
303
714000
2000
mais dispostas de enfrentar dificuldades,
12:11
harder to discourage.
304
716000
2000
mais difíceis de desencorajar.
12:13
This can all seem very sinister.
305
718000
2000
Tudo isso pode parecer muito estranho.
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
720000
2000
Mas é algo como "nossos cérebros foram manipulados e estamos viciados."
12:17
The word "addiction" is thrown around.
307
722000
2000
A palavra "vício" circula por aí.
12:19
There are real concerns there.
308
724000
2000
Há preocupações reais nisso.
12:21
But the biggest neurological turn-on for people
309
726000
2000
Mas a maior virada neurológica para as pessoas
12:23
is other people.
310
728000
2000
são as outras pessoas.
12:25
This is what really excites us.
311
730000
3000
O que realmente nos excita.
12:28
In reward terms, it's not money;
312
733000
2000
Em termos de reforço, não é dinheiro,
12:30
it's not being given cash -- that's nice --
313
735000
3000
não é dinheiro ganho - que é bom -
12:33
it's doing stuff with our peers,
314
738000
2000
é fazer coisas com outras pessoas
12:35
watching us, collaborating with us.
315
740000
2000
nos observando e colaborando conosco.
12:37
And I want to tell you a quick story about 1999 --
316
742000
2000
E desejo contar uma pequena estória que aconteceu mais ou menos em 1999
12:39
a video game called EverQuest.
317
744000
2000
um videogame chamado Everquest.
12:41
And in this video game,
318
746000
2000
E nesse videogame,
12:43
there were two really big dragons, and you had to team up to kill them --
319
748000
3000
havia dois dragões muito grandes e você tinha que formar equipes para matá-los --
12:46
42 people, up to 42 to kill these big dragons.
320
751000
3000
42 pessoas -- até 42 pessoas para matar esses grandes dragões.
12:49
That's a problem
321
754000
2000
Isso é um problema,
12:51
because they dropped two or three decent items.
322
756000
3000
porque deles caíam dois ou três itens importantes.
12:54
So players addressed this problem
323
759000
3000
Então os jogadores abordaram esse problema
12:57
by spontaneously coming up with a system
324
762000
2000
espontaneamente inventando um sistema
12:59
to motivate each other,
325
764000
2000
para motivar uns aos outros,
13:01
fairly and transparently.
326
766000
2000
de modo justo e transparente.
13:03
What happened was, they paid each other a virtual currency
327
768000
3000
O que aconteceu foi que eles pagaram uns aos outros com moeda virtual
13:06
they called "dragon kill points."
328
771000
3000
que eles chamaram "pontos de matar dragões".
13:09
And every time you turned up to go on a mission,
329
774000
2000
E toda vez que você aparecia para uma missão,
13:11
you got paid in dragon kill points.
330
776000
2000
era pago em pontos de matar dragões.
13:13
They tracked these on a separate website.
331
778000
2000
Eles registravam tudo isso em um website separado.
13:15
So they tracked their own private currency,
332
780000
2000
De modo que registravam sua própria moeda.
13:17
and then players could bid afterwards
333
782000
2000
e esses jogadores podiam ofertar mais tarde
13:19
for cool items they wanted --
334
784000
2000
para ter itens desejados --
13:21
all organized by the players themselves.
335
786000
2000
tudo organizado pelos jogadores mesmo.
13:23
Now the staggering system, not just that this worked in EverQuest,
336
788000
3000
Agora, impressionante não é que funcionou no Everquest,
13:26
but that today, a decade on,
337
791000
2000
mas que hoje, uma década depois,
13:28
every single video game in the world with this kind of task
338
793000
3000
todo videogame do mundo com esse tipo de tarefa
13:31
uses a version of this system --
339
796000
2000
usa uma versão desse sistema --
13:33
tens of millions of people.
340
798000
2000
dezenas de milhares de pessoas.
13:35
And the success rate
341
800000
2000
E a taxa de sucesso
13:37
is at close to 100 percent.
342
802000
2000
é aproximadamente 100 por cento.
13:39
This is a player-developed,
343
804000
2000
Esta é uma moeda desenvolvida por jogadores,
13:41
self-enforcing, voluntary currency,
344
806000
3000
auto-aplicada e voluntária,
13:44
and it's incredibly sophisticated
345
809000
2000
e é um comportamento incrivelmente sofisticado
13:46
player behavior.
346
811000
2000
do jogador.
13:50
And I just want to end by suggesting
347
815000
2000
E quero apenas terminar sugerindo
13:52
a few ways in which these principles
348
817000
2000
alguns modos pelos quais esses princípios
13:54
could fan out into the world.
349
819000
2000
podem ser disseminados no mundo.
13:56
Let's start with business.
350
821000
2000
Começarei pelos negócios.
13:58
I mean, we're beginning to see some of the big problems
351
823000
2000
Quero dizer, estamos começando a ver alguns grandes problemas
14:00
around something like business are
352
825000
2000
algo como negócios,
14:02
recycling and energy conservation.
353
827000
2000
reciclagem e conservação de energia.
14:04
We're beginning to see the emergence of wonderful technologies
354
829000
2000
Estamos começando a ver o surgimento de tecnologias maravilhosas
14:06
like real-time energy meters.
355
831000
2000
como medidores de energia em tempo real.
14:08
And I just look at this, and I think, yes,
356
833000
2000
E eu olho para isso e penso, sim,
14:10
we could take that so much further
357
835000
3000
podemos levar isso muito mais longe
14:13
by allowing people to set targets
358
838000
2000
permitindo que as pessoas estabeleçam metas
14:15
by setting calibrated targets,
359
840000
2000
ao estabelecer metas ajustadas,
14:17
by using elements of uncertainty,
360
842000
3000
pelo uso de elementos de incerteza,
14:20
by using these multiple targets,
361
845000
2000
ao usar essas múltiplas metas,
14:22
by using a grand, underlying reward and incentive system,
362
847000
3000
ao usar uma enorme recompensa subjacente e um sistema de incentivos,
14:25
by setting people up
363
850000
2000
ao engajar as pessoas
14:27
to collaborate in terms of groups, in terms of streets
364
852000
2000
a colaborar em termos de grupos, em termos de ruas,
14:29
to collaborate and compete,
365
854000
2000
a colaborar e competir,
14:31
to use these very sophisticated
366
856000
2000
a usar essa mecânica muito
14:33
group and motivational mechanics we see.
367
858000
2000
sofisticada e motivacional que vemos.
14:35
In terms of education,
368
860000
2000
Na área de educação,
14:37
perhaps most obviously of all,
369
862000
2000
talvez a mais óbvia de todas,
14:39
we can transform how we engage people.
370
864000
3000
podemos mudar o modo como as pessoas se engajam.
14:42
We can offer people the grand continuity
371
867000
2000
Podemos oferecer às pessoas a grande continuidade
14:44
of experience and personal investment.
372
869000
3000
da experiência e do investimento pessoal.
14:47
We can break things down
373
872000
2000
Podemos decompor as coisas
14:49
into highly calibrated small tasks.
374
874000
2000
em tarefas pequenas altamente ajustadas.
14:51
We can use calculated randomness.
375
876000
2000
Podemos usar aleatoriedade calculada.
14:53
We can reward effort consistently
376
878000
2000
Podemos recompensar esforço consistentemente
14:55
as everything fields together.
377
880000
3000
pois tudo se encaixa.
14:58
And we can use the kind of group behaviors
378
883000
2000
Podemos usar o tipo de comportamentos de grupo
15:00
that we see evolving when people are at play together,
379
885000
3000
que vimos evoluir quando pessoas jogam juntas,
15:03
these really quite unprecedentedly complex
380
888000
3000
esses mecanismos inovadoramente complexos
15:06
cooperative mechanisms.
381
891000
2000
e cooperativos.
15:08
Government, well, one thing that comes to mind
382
893000
2000
Para o Governo, o que vem à mente
15:10
is the U.S. government, among others,
383
895000
3000
é o Governo dos Estados Unidos, entre outros,
15:13
is literally starting to pay people
384
898000
2000
é literalmente começar a pagar as pessoas
15:15
to lose weight.
385
900000
2000
para perder peso.
15:17
So we're seeing financial reward being used
386
902000
2000
Estamos dizendo recompensa financeira sendo usada
15:19
to tackle the great issue of obesity.
387
904000
2000
para enfrentar a grande questão da obesidade.
15:21
But again, those rewards
388
906000
2000
Mas novamente, estes reforços
15:23
could be calibrated so precisely
389
908000
3000
poderiam ser ajustados tão precisamente
15:26
if we were able to use the vast expertise
390
911000
3000
se fôssemos capazes de usar o vasto conhecimento
15:29
of gaming systems to just jack up that appeal,
391
914000
3000
dos sistemas de jogos para apenas turbinar esse apelo,
15:32
to take the data, to take the observations,
392
917000
2000
para pegar dados, registrar observações
15:34
of millions of human hours
393
919000
2000
de milhares de horas humanas
15:36
and plow that feedback
394
921000
2000
e verificar o retorno
15:38
into increasing engagement.
395
923000
2000
em termos de engajamento crescente
15:40
And in the end, it's this word, "engagement,"
396
925000
3000
No final, esta é a palavra, engajamento,
15:43
that I want to leave you with.
397
928000
2000
que eu quero deixar para vocês.
15:45
It's about how individual engagement
398
930000
2000
Como o engajamento individual
15:47
can be transformed
399
932000
2000
pode ser transformado
15:49
by the psychological and the neurological lessons
400
934000
3000
por lições psicológicas e neurológicas
15:52
we can learn from watching people that are playing games.
401
937000
3000
nós podemos aprender da observação de pessoas jogando.
15:55
But it's also about collective engagement
402
940000
3000
Mas isso também tem a ver com engajamento coletivo
15:58
and about the unprecedented laboratory
403
943000
3000
e com o laboratório inovador
16:01
for observing what makes people tick
404
946000
2000
de observar o que move as pessoas
16:03
and work and play and engage
405
948000
2000
e as faz trabalhar e jogar e engajar
16:05
on a grand scale in games.
406
950000
3000
em grande escala nos jogos.
16:08
And if we can look at these things and learn from them
407
953000
3000
E se podemos olhar para essas coisas e aprender com elas
16:11
and see how to turn them outwards,
408
956000
2000
e ver como trazê-las para fora,
16:13
then I really think we have something quite revolutionary on our hands.
409
958000
3000
então eu realmente acho que temos algo bastante revolucionário em nossas mãos.
16:16
Thank you very much.
410
961000
2000
Muito obrigado.
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