TEDGlobal 2010
Tom Chatfield: 7 ways games reward the brain
Tom Chatfield: Oyunların beyni ödüllendirmesinin 7 yolu
Filmed:
Readability: 3.8
1,288,061 views
Oyun oynamayı günlük yaşantımızın birçok yönüne taşıyoruz, sanal dünyalarda hayali hazineleri keşfetmek için saatlerce zaman -- ve gerçek para -- harcıyoruz. Neden peki? Tom Chatfield'ın gösterdiği gibi oyunlar beyni meşgul tutan ve daha fazlasının peşine düşmemizi sağlayan ödüller dağıtmak için mükemmel şekilde ayarlanmışlardır.
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
Video oyunlarını seviyorum.
00:18
I'm also slightly in awe of them.
1
3000
3000
Aynı zamanda hayranlıkla karışık bir saygı da duyuyorum.
00:21
I'm in awe of their power
2
6000
2000
Hayal gücü, teknoloji
00:23
in terms of imagination, in terms of technology,
3
8000
2000
ve kavramlar konusundaki güçlerine
00:25
in terms of concept.
4
10000
2000
saygı duyuyorum.
00:27
But I think, above all,
5
12000
2000
Fakat hepsinden öte,
00:29
I'm in awe at their power
6
14000
2000
bizi daha önce icat ettiğimiz
00:31
to motivate, to compel us,
7
16000
3000
her şeyden daha fazla
00:34
to transfix us,
8
19000
2000
motive etme,
00:36
like really nothing else we've ever invented
9
21000
3000
zorlama ve şaşkına çevirme güçlerine
00:39
has quite done before.
10
24000
2000
saygı duyuyorum.
00:41
And I think that we can learn some pretty amazing things
11
26000
3000
Ve bence bunu nasıl yaptığımıza bakarak
00:44
by looking at how we do this.
12
29000
2000
çok harika şeyler öğrenebiliriz.
00:46
And in particular, I think we can learn things
13
31000
2000
Özellikle de öğrenme hakkında
00:48
about learning.
14
33000
3000
bir şeyler öğrenebiliriz.
00:51
Now the video games industry
15
36000
2000
Video oyunları endüstrisi
00:53
is far and away the fastest growing
16
38000
2000
bütün modern medya içinde
00:55
of all modern media.
17
40000
2000
en hızlı büyüyendir.
00:57
From about 10 billion in 1990,
18
42000
2000
1990'da 10 milyar dolar iken,
00:59
it's worth 50 billion dollars globally today,
19
44000
3000
bugün 50 milyar dolar değerinde,
01:02
and it shows no sign of slowing down.
20
47000
3000
ve hiç yavaşlama belirtisi göstermiyor.
01:05
In four years' time,
21
50000
2000
Dört sene içinde,
01:07
it's estimated it'll be worth over 80 billion dollars.
22
52000
3000
80 milyar doların üstünde olacağı tahmin ediliyor.
01:10
That's about three times the recorded music industry.
23
55000
3000
Bu müzik endüstrisinin yaklaşık üç katı kadardır.
01:13
This is pretty stunning,
24
58000
2000
Bu oldukça hayret verici,
01:15
but I don't think it's the most telling statistic of all.
25
60000
3000
fakat bence bu, en etkileyici istatistik de değil.
01:18
The thing that really amazes me
26
63000
2000
Beni gerçekten hayrete düşüren şey,
01:20
is that, today,
27
65000
2000
günümüzde insanların
01:22
people spend about
28
67000
2000
yılda 8 milyar dolar
01:24
eight billion real dollars a year
29
69000
3000
gerçek parayı, sadece video
01:27
buying virtual items
30
72000
2000
oyunlarında bulunan
01:29
that only exist
31
74000
2000
sanal maddeleri
01:31
inside video games.
32
76000
3000
almak için harcıyor olması.
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
79000
3000
Bu ekran görüntüsü Entropia Universe adlı sanal oyun dünyasından.
01:37
Earlier this year,
34
82000
2000
Bu senenin başında,
01:39
a virtual asteroid in it
35
84000
2000
buradaki bir sanal asteroid
01:41
sold for 330,000 real dollars.
36
86000
4000
330,000 gerçek dolara satıldı.
01:45
And this
37
90000
2000
Ve bu,
01:47
is a Titan class ship
38
92000
3000
EVE Online adlı bir uzay oyunundaki
01:50
in the space game, EVE Online.
39
95000
2000
Titan sınıfı bir gemi.
01:52
And this virtual object
40
97000
2000
Ve bu sanal objeyi
01:54
takes 200 real people
41
99000
2000
inşa etmek 200 insanın
01:56
about 56 days of real time to build,
42
101000
3000
56 gerçek saatinin yanında ondan önce de
01:59
plus countless thousands of hours
43
104000
3000
sayısız şekilde binlerce saat
02:02
of effort before that.
44
107000
2000
çaba gerektiriyor.
02:04
And yet, many of these get built.
45
109000
3000
Üstelik, çoğu da yapılıyor.
02:07
At the other end of the scale,
46
112000
2000
Diğer taraftan da,
02:09
the game Farmville that you may well have heard of,
47
114000
3000
Farmville oyunu, muhtemelen hepiniz duymuşsunuzdur,
02:12
has 70 million players
48
117000
2000
dünya çapında
02:14
around the world
49
119000
2000
70 milyon oyuncuya sahip
02:16
and most of these players
50
121000
2000
ve bunların büyük çoğunluğu
02:18
are playing it almost every day.
51
123000
2000
hemen hemen her gün bunu oynuyor.
02:20
This may all sound
52
125000
2000
Bu durum bazı insanlara
02:22
really quite alarming to some people,
53
127000
2000
oldukça endişe verici gelebilir,
02:24
an index of something worrying
54
129000
2000
endişe verici bir şey,
02:26
or wrong in society.
55
131000
2000
ya da yapılması yanlış olan bir şey gibi.
02:28
But we're here for the good news,
56
133000
2000
Ama iyi haber için buradayız
02:30
and the good news is
57
135000
2000
ve iyi haber;
02:32
that I think we can explore
58
137000
2000
bence insanın bu gerçek çabasının,
02:34
why this very real human effort,
59
139000
3000
değerlerdeki bu yoğun değişiminin
02:37
this very intense generation of value, is occurring.
60
142000
4000
neden ortaya çıktığını anlayabiliriz.
02:41
And by answering that question,
61
146000
2000
Ve bu soruyu cevaplayarak,
02:43
I think we can take something
62
148000
2000
bence oldukça güçlü bir şeyi
02:45
extremely powerful away.
63
150000
2000
uzaklaştırabiliriz.
02:47
And I think the most interesting way
64
152000
2000
Ve bence tüm bunların nasıl olduğu hakkında
02:49
to think about how all this is going on
65
154000
2000
fikir yürütmenin en ilginç yolu,
02:51
is in terms of rewards.
66
156000
2000
ödüller açısından bakmaktır.
02:53
And specifically, it's in terms
67
158000
3000
Özellikle de oyunların
02:56
of the very intense emotional rewards
68
161000
2000
hem bireysel, hem toplu şekilde
02:58
that playing games offers to people
69
163000
2000
insanlara sunduğu
03:00
both individually
70
165000
2000
oldukça yoğun
03:02
and collectively.
71
167000
2000
duygusal ödüller açısından.
03:04
Now if we look at what's going on in someone's head
72
169000
2000
Şimdi eğer birinin oyuna bağlandığı sırada
03:06
when they are being engaged,
73
171000
2000
kafasından neler geçtiğine bakarsak,
03:08
two quite different processes are occurring.
74
173000
3000
birbirinden oldukça farklı iki sürecin işlediğini görürüz.
03:11
On the one hand, there's the wanting processes.
75
176000
3000
Bir tarafta isteme süreci;
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
bu biraz hırs ve çaba gibidir -- Bunu yapacağım. Daha çok çalışacağım.
03:17
On the other hand, there's the liking processes,
77
182000
2000
Diğer tarafta sevme,
03:19
fun and affection
78
184000
2000
eğlenme ve etkilenme
03:21
and delight
79
186000
2000
ve zevk alma süreci--
03:23
and an enormous flying beast with an orc on the back.
80
188000
2000
ve geri planda bir orkla dev bir uçan canavar.
03:25
It's a really great image. It's pretty cool.
81
190000
2000
Gerçekten harika bir görüntü. Oldukça güzel.
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
192000
3000
Bu, dünyada 10 milyondan fazla oyuncusu olan World of Warcraft oyunundan.
03:30
one of whom is me, another of whom is my wife.
83
195000
3000
Oyunculardan biri de benim, ve eşim.
03:33
And this kind of a world,
84
198000
2000
Ve bu tipte bir dünya,
03:35
this vast flying beast you can ride around,
85
200000
2000
çevresinde gezip tozabileceğin uçan dev canavar,
03:37
shows why games are so very good
86
202000
2000
oyunların neden hem istek hem de beğeni
03:39
at doing both the wanting and the liking.
87
204000
3000
konusunda çok iyi olduklarını gösteriyor.
03:42
Because it's very powerful. It's pretty awesome.
88
207000
2000
Çünkü çok güçlü, harika.
03:44
It gives you great powers.
89
209000
2000
Size harika güçler veriyor.
03:46
Your ambition is satisfied, but it's very beautiful.
90
211000
3000
Hırsınızı tatmin ediyorsunuz ama bu çok güzel.
03:49
It's a very great pleasure to fly around.
91
214000
3000
Etrafta uçuşmak büyük bir keyif.
03:52
And so these combine to form
92
217000
2000
Böylece bunlar yoğun,
03:54
a very intense emotional engagement.
93
219000
2000
duygusal bir bağlılığı meydana getiriyor.
03:56
But this isn't the really interesting stuff.
94
221000
3000
Ama asıl ilginç şey bu değil.
03:59
The really interesting stuff about virtuality
95
224000
2000
Sanallık hakkında esas ilginç şey,
04:01
is what you can measure with it.
96
226000
2000
onunla ne ölçebildiğiniz.
04:03
Because what you can measure in virtuality
97
228000
3000
Çünkü sanal dünyada ölçebileceğiniz şey
04:06
is everything.
98
231000
2000
her şeydir.
04:08
Every single thing that every single person
99
233000
2000
Bir oyunda oynamış olan her bir insanın yaptığı
04:10
who's ever played in a game has ever done can be measured.
100
235000
3000
her şey ölçülebilir.
04:13
The biggest games in the world today
101
238000
2000
Bugün dünyadaki en büyük oyunlar
04:15
are measuring more than one billion points of data
102
240000
4000
oyuncuları ve ne yaptıkları hakkında
04:19
about their players, about what everybody does --
103
244000
2000
bir milyardan fazla veri ölçüyor. -- sizin bugüne kadar
04:21
far more detail than you'd ever get from any website.
104
246000
3000
herhangi websitesinden edindiğiniz detaydan daha fazlası.
04:24
And this allows something very special
105
249000
3000
Ve bu, çok özel birşeyin
04:27
to happen in games.
106
252000
2000
oyunlarda olmasına izin veriyor.
04:29
It's something called the reward schedule.
107
254000
3000
Ödül Takvimi deniyor.
04:32
And by this, I mean looking
108
257000
2000
Bununla, milyonlarca insanın
04:34
at what millions upon millions of people have done
109
259000
2000
ne yaptığına ve
04:36
and carefully calibrating the rate,
110
261000
2000
süresiz zaman ve çaba harcayarak
04:38
the nature, the type, the intensity of rewards in games
111
263000
3000
oyunlara bağlı kalmalarını sağlayan ödüllerin
04:41
to keep them engaged
112
266000
2000
türü, çeşidi ve ölçüsünün
04:43
over staggering amounts of time and effort.
113
268000
3000
ayarlanmasına dikkatle bakmayı kastediyorum.
04:46
Now, to try and explain this
114
271000
2000
Şimdi, bunu gerçek anlamda
04:48
in sort of real terms,
115
273000
3000
denemek ve açıklamak için
04:51
I want to talk about a kind of task
116
276000
2000
birçok oyunda karşılaşabileceğiniz
04:53
that might fall to you in so many games.
117
278000
2000
bir görev hakkında konuşmak istiyorum.
04:55
Go and get a certain amount of a certain little game-y item.
118
280000
3000
Gidip küçük bir oyun nesnesinden belirli miktarda getirin.
04:58
Let's say, for the sake of argument,
119
283000
2000
Örnek olması için farzedelim ki
05:00
my mission is to get 15 pies
120
285000
3000
benim görevim 15 tane çörek getirmek
05:03
and I can get 15 pies
121
288000
3000
ve ben 15 tane çöreği şirin, küçük canavarları
05:06
by killing these cute, little monsters.
122
291000
2000
öldürerek getirebilirim.
05:08
Simple game quest.
123
293000
2000
Basit bir oyun görevi.
05:10
Now you can think about this, if you like,
124
295000
2000
İsterseniz bunu kutularla ilgili bir
05:12
as a problem about boxes.
125
297000
2000
problem gibi düşünebilirsiniz.
05:14
I've got to keep opening boxes.
126
299000
2000
Onları açmaya devam etmem gerekiyor.
05:16
I don't know what's inside them until I open them.
127
301000
3000
İçlerinde ne olduğunu onları açana kadar bilmiyorum.
05:19
And I go around opening box after box until I've got 15 pies.
128
304000
3000
ve 15 çöreği toplayana dek kutuları birer birer açıyorum.
05:22
Now, if you take a game like Warcraft,
129
307000
2000
Şimdi, Warcraft gibi bir oyunu düşünürsek
05:24
you can think about it, if you like,
130
309000
2000
oyunu büyük bir
05:26
as a great box-opening effort.
131
311000
3000
kutu açma işi gibi düşünebilirsiniz.
05:29
The game's just trying to get people to open about a million boxes,
132
314000
3000
Oyun sadece insanlara, içlerinde sürekli daha da güzel şeyler
05:32
getting better and better stuff in them.
133
317000
2000
bulabilmek için yaklaşık bir milyon kutu açtırmaya çalışıyor.
05:34
This sounds immensely boring
134
319000
3000
Oldukça sıkıcı duruyor
05:37
but games are able
135
322000
2000
ama oyunlar bunu
05:39
to make this process
136
324000
2000
inanılmaz derecede
05:41
incredibly compelling.
137
326000
2000
ilginç hale getirebiliyor.
05:43
And the way they do this
138
328000
2000
Ve bunu olasılıkların ve verilerin
05:45
is through a combination of probability and data.
139
330000
3000
kombinasyonları ile gerçekleştiriyorlar.
05:48
Let's think about probability.
140
333000
2000
Olasılık üzerine düşünelim.
05:50
If we want to engage someone
141
335000
2000
Birisini çörekleri bulmak için kutu
05:52
in the process of opening boxes to try and find pies,
142
337000
3000
açmaya yönlendirmek istiyorsak.
05:55
we want to make sure it's neither too easy,
143
340000
2000
Çörek bulmanın ne çok kolay,
05:57
nor too difficult, to find a pie.
144
342000
2000
ne de çok zor olduğundan emin olmasını istiyoruz.
05:59
So what do you do? Well, you look at a million people --
145
344000
2000
Öyleyse ne yaparsınız? Bir milyon insana bakın --
06:01
no, 100 million people, 100 million box openers --
146
346000
3000
hayır 100 milyon insana, 100 milyon kutu açıcıya bakın --
06:04
and you work out, if you make the pie rate
147
349000
3000
ve çörek oranını %25 arttırmak isterseniz,
06:07
about 25 percent --
148
352000
2000
üzerinde çalışırsınız --
06:09
that's neither too frustrating, nor too easy.
149
354000
3000
ne çok zor, ne çok kolay;
06:12
It keeps people engaged.
150
357000
2000
insanları bağlı tutuyor --
06:14
But of course, that's not all you do -- there's 15 pies.
151
359000
3000
ama şüphesiz, tüm yaptığınız bu değil -- 15 çörek var.
06:17
Now, I could make a game called Piecraft,
152
362000
2000
Şimdi, Piecraft adında tek yapmanız gerekenin
06:19
where all you had to do was get a million pies
153
364000
2000
bir milyon ya da bin çörek toplamak
06:21
or a thousand pies.
154
366000
2000
olduğu bir oyun yapabilirim.
06:23
That would be very boring.
155
368000
2000
Bu da çok sıkıcı olur.
06:25
Fifteen is a pretty optimal number.
156
370000
2000
15 oldukça uygun bir rakam.
06:27
You find that -- you know, between five and 20
157
372000
2000
İnsanların bağlı kalmasını sağlamak için
06:29
is about the right number for keeping people going.
158
374000
2000
5 ile 20 arası olmasının doğru olduğunu bulursunuz.
06:31
But we don't just have pies in the boxes.
159
376000
2000
Ancak kutuların içinde sadece çörek yok,
06:33
There's 100 percent up here.
160
378000
2000
İçleri %100 dolu.
06:35
And what we do is make sure that every time a box is opened,
161
380000
3000
Ve yaptığımız şey, ne zaman bir kutu açılsa
06:38
there's something in it, some little reward
162
383000
2000
içinde bir şey, insanları oyunda bağlı kılan
06:40
that keeps people progressing and engaged.
163
385000
2000
küçük bir ödülün olduğundan emin olmak.
06:42
In most adventure games,
164
387000
2000
Çoğu macera oyununda bu küçük miktarda
06:44
it's a little bit in-game currency, a little bit experience.
165
389000
3000
oyun parası ya da bir miktar deneyimdir
06:47
But we don't just do that either.
166
392000
2000
ama yaptığımız şey sadece bu da değil.
06:49
We also say there's going to be loads of other items
167
394000
2000
Değişen özellik ve seviyede tonlarca farklı nesne
06:51
of varying qualities and levels of excitement.
168
396000
2000
olacağını da söylüyoruz.
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
398000
3000
Çok güzel bir şeye ulaşmanız için %10 şansınız var.
06:56
There's going to be a 0.1 percent chance
170
401000
2000
Çok harika bir şeye ulaşmanız için
06:58
you get an absolutely awesome item.
171
403000
3000
%0.1 şansınız olacak.
07:01
And each of these rewards is carefully calibrated to the item.
172
406000
3000
Ve bu ödüllerin her biri özenle o nesneye iliştirilmiş durumda.
07:04
And also, we say,
173
409000
2000
Aynı zamanda söyleyebiliriz ki,
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
411000
3000
"Tamam da kaç canavar var? Bir milyar canavarla dolu bir dünyayı ele mi geçirmeliyim?"
07:09
No, we want one or two monsters on the screen at any one time.
175
414000
3000
Hayır, biz sadece ekranda aynı anda bir ya da iki canavar belirmesini istiyoruz.
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
417000
3000
Böylece oyunu resmediyorum. Ne çok kolay, ne de çok zor.
07:15
So all this is very powerful.
177
420000
2000
Tüm bunlar oldukça güç verici.
07:17
But we're in virtuality. These aren't real boxes.
178
422000
3000
Ama burada sanal dünyadayız, bunlar gerçek kutular değil.
07:20
So we can do
179
425000
2000
Öyleyse çok çok daha muhteşem
07:22
some rather amazing things.
180
427000
2000
şeyler yapabiliriz.
07:24
We notice, looking at all these people opening boxes,
181
429000
4000
15 çöreğin 13ünü elde etmek için kutuları açan
07:28
that when people get to about 13 out of 15 pies,
182
433000
3000
tüm bu insanlara bakıp fark ederiz ki,
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
436000
3000
algıları değişiyor; sıkılmaya, sinirlenmeye başlıyorlar.
07:34
They're not rational about probability.
184
439000
2000
Olasılık hakkında makul değiller.
07:36
They think this game is unfair.
185
441000
2000
Oyunun adil olmadığını düşünüyorlar.
07:38
It's not giving me my last two pies. I'm going to give up.
186
443000
2000
Bana son 2 çöreği vermiyor, çıkıyorum.
07:40
If they're real boxes, there's not much we can do,
187
445000
2000
Eğer gerçek kutular olsaydı bunlar, yapabileceğimiz çok şey yoktu
07:42
but in a game we can just say, "Right, well.
188
447000
2000
ama bir oyunda "Tamam, sorun değil." diyebiliyoruz.
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
449000
4000
13 çörek topladığınızda, bir tane daha almak için %75 şansınız oluyor.
07:48
Keep you engaged. Look at what people do --
190
453000
2000
Ve sizi bağlı tutuyor. İnsanların yaptıklarına bakın --
07:50
adjust the world to match their expectation.
191
455000
2000
Beklentilerini karşılaması için dünyayı ona göre ayarlıyorlar.
07:52
Our games don't always do this.
192
457000
2000
Bizim oyunlarımız her zaman bunu yapmıyor.
07:54
And one thing they certainly do at the moment
193
459000
2000
Ve bu noktada kesin olarak yaptıkları bir şeyse;
07:56
is if you got a 0.1 percent awesome item,
194
461000
3000
%0.1'lik o çok harika bir şeyi elde ettiyseniz,
07:59
they make very sure another one doesn't appear for a certain length of time
195
464000
3000
değerini bilmeniz, onun özelliğini korumak için, belirli süre zarfında
08:02
to keep the value, to keep it special.
196
467000
2000
bir diğerini daha elde edemeyeceğinizden emin oluyorlar.
08:04
And the point is really
197
469000
2000
İşin aslı şu ki
08:06
that we evolved to be satisfied by the world
198
471000
2000
bizler dünya tarafından farklı şekillerde
08:08
in particular ways.
199
473000
2000
tatmin edilmek üzere geliştik.
08:10
Over tens and hundreds of thousands of years,
200
475000
3000
Onbinler ve yüzbinlerce yıl boyunca
08:13
we evolved to find certain things stimulating,
201
478000
2000
teşfik edici belli şeyleri bulmak için geliştik
08:15
and as very intelligent, civilized beings,
202
480000
2000
ve zeki ve uygar varlıklar olarak
08:17
we're enormously stimulated by problem solving and learning.
203
482000
3000
sorun çözmek ve öğrenmekten fazlasıyla teşfik oluyoruz.
08:20
But now, we can reverse engineer that
204
485000
2000
Ancak şimdi bunu tersine çivirebilir
08:22
and build worlds
205
487000
2000
ve evrim kutularımızı hızlıca
08:24
that expressly tick our evolutionary boxes.
206
489000
3000
tıklayan dünyalar oluşturabiliriz.
08:27
So what does all this mean in practice?
207
492000
2000
Peki bütün bunlar pratikte ne anlama geliyor?
08:29
Well, I've come up
208
494000
2000
Oyunlardan bu dersleri
08:31
with seven things
209
496000
2000
nasıl öğrenebileceğimizi ve
08:33
that, I think, show
210
498000
2000
bunları oyun dışında nasıl
08:35
how you can take these lessons from games
211
500000
2000
kullanabileceğimizi gösteren
08:37
and use them outside of games.
212
502000
3000
yedi şeyden bahsedeceğim.
08:40
The first one is very simple:
213
505000
2000
İlki çok basit:
08:42
experience bars measuring progress --
214
507000
2000
süreci ölçen deneyim çubukları --
08:44
something that's been talked about brilliantly
215
509000
2000
bu senenin başında Jesse Schell gibi insanlar
08:46
by people like Jesse Schell earlier this year.
216
511000
3000
tarafından zekice olarak nitelenen şeyler.
08:49
It's already been done at the University of Indiana in the States, among other places.
217
514000
3000
Diğer eyaletler arasında Indiana Üniversitesi'nde halihazırda
08:52
It's the simple idea that instead of grading people incrementally
218
517000
3000
uygulanmakta olan basit fikir şu ki öğrencileri
08:55
in little bits and pieces,
219
520000
2000
aşamalı olarak mezun etmek yerine
08:57
you give them one profile character avatar
220
522000
2000
onlara küçücük artışlarla sürekli
08:59
which is constantly progressing
221
524000
2000
olarak gelişen, kendilerine ait olduklarını hissettikleri
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
526000
3000
bir karakter avatarı veriyorsunuz.
09:04
And everything comes towards that,
223
529000
2000
Ve herşey bu avatarda gerçekleşiyor
09:06
and they watch it creeping up, and they own that as it goes along.
224
531000
3000
avatarın emekleyişini izliyor ve büyüdükçe sahipleniyorlar.
09:09
Second, multiple long and short-term aims --
225
534000
2000
İkincisi: kısa ve uzun vadeli çoğul hedefler -
09:11
5,000 pies, boring,
226
536000
2000
5000 çörek sıkıcı
09:13
15 pies, interesting.
227
538000
2000
15 çörek ise ilgi çekicidir.
09:15
So, you give people
228
540000
2000
Yani insanlara birbirinden farklı
09:17
lots and lots of different tasks.
229
542000
2000
çok sayıda görev veriyorsunuz.
09:19
You say, it's about
230
544000
2000
Görevin sorulardan 10 tanesini
09:21
doing 10 of these questions,
231
546000
2000
cevaplamak olduğunu belirtiyorsunuz
09:23
but another task
232
548000
2000
ancak diğer bir görev 20
09:25
is turning up to 20 classes on time,
233
550000
2000
derse zamanında yetişmek
09:27
but another task is collaborating with other people,
234
552000
3000
bir diğeri insanlarla işbirliği yapmak
09:30
another task is showing you're working five times,
235
555000
3000
diğeri çalıştığınız beş dakikayı göstermek
09:33
another task is hitting this particular target.
236
558000
2000
ve diğeri belirli bir hedefi vurmak.
09:35
You break things down into these calibrated slices
237
560000
3000
İnsanları bağlı tutmak için bu şeyleri küçük
09:38
that people can choose and do in parallel
238
563000
2000
ayarlanmış parçalara bölüyorsunuz ki
09:40
to keep them engaged
239
565000
2000
insanlar bunları seçip aynı zamanda yapabilsinler
09:42
and that you can use to point them
240
567000
2000
ve böylece onları kişisel çıkar
09:44
towards individually beneficial activities.
241
569000
3000
sağladıkları aktivitelere yönlendirebilesiniz.
09:48
Third, you reward effort.
242
573000
2000
Üçüncüsü çabalarını ödüllendirmek.
09:50
It's your 100 percent factor. Games are brilliant at this.
243
575000
3000
Bu sizin yüde yüzlük faktörünüz. Oyunlar bunda mükemmeller.
09:53
Every time you do something, you get credit; you get a credit for trying.
244
578000
3000
Her birşeyi yaptığınızda denediğiniz için bir kredi kazanıyorsunuz.
09:56
You don't punish failure. You reward every little bit of effort --
245
581000
3000
Başarısızlığı cezalandırmıyor, harcanan her küçük çabayı ödüllendiriyorsunuz -
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
584000
3000
bir parça altın, biraz kredi; 20 soru cevaplamak: Tamamlandı.
10:02
It all feeds in as minute reinforcement.
247
587000
3000
Dakika takviyesi gibi oluyor.
10:05
Fourth, feedback.
248
590000
2000
Dördüncü geri bildirim.
10:07
This is absolutely crucial,
249
592000
2000
Bu kesinlikle çok önemli
10:09
and virtuality is dazzling at delivering this.
250
594000
2000
ve aslen bunu teslim etmek için kaçınılmaz.
10:11
If you look at some of the most intractable problems in the world today
251
596000
3000
Günümüzde hakkında acayip şeyler duyduğumuz
10:14
that we've been hearing amazing things about,
252
599000
2000
sonu gelmez sorunların çoğuna bakarsanız
10:16
it's very, very hard for people to learn
253
601000
3000
insanların hareketlerinin sonuçlarını
10:19
if they cannot link consequences to actions.
254
604000
3000
kavramadıkça öğrenmeleri çok zor.
10:22
Pollution, global warming, these things --
255
607000
2000
Hava kirliliği, küresel ısınma bütün bunlar
10:24
the consequences are distant in time and space.
256
609000
2000
sonuçları zaman ve uzayda uzak bir mesafede.
10:26
It's very hard to learn, to feel a lesson.
257
611000
2000
Birşeyden ders çıkarmak çok zordur
10:28
But if you can model things for people,
258
613000
2000
ancak eğer bunları insanlar için örnekleyebilirseniz
10:30
if you can give things to people that they can manipulate
259
615000
2000
eğer bunları insanlara verirseniz onlar bunu değiştirip
10:32
and play with and where the feedback comes,
260
617000
2000
oynayabilir ve geri bildirim verirler
10:34
then they can learn a lesson, they can see,
261
619000
2000
böylece ders çıkarabilir, görebilir
10:36
they can move on, they can understand.
262
621000
3000
ilerleyebilir ve anlayabilirler.
10:39
And fifth,
263
624000
2000
Ve beşincisi
10:41
the element of uncertainty.
264
626000
2000
belirsizlik elementi.
10:43
Now this is the neurological goldmine,
265
628000
3000
Şimdi bu nörolojik bir altın madeni
10:46
if you like,
266
631000
2000
tabii isterseniz
10:48
because a known reward
267
633000
2000
çünkü bilinen bir ödül
10:50
excites people,
268
635000
2000
insanları heycanlandırır
10:52
but what really gets them going
269
637000
2000
ancak onları asıl teşvik eden şey
10:54
is the uncertain reward,
270
639000
2000
belirsiz bir ödüldür
10:56
the reward pitched at the right level of uncertainty,
271
641000
2000
belirsizliğin en uygun seviyesinde işlenmiş, insanların onu alıp
10:58
that they didn't quite know whether they were going to get it or not.
272
643000
3000
alamayacaklarını tam olarak bilmedikleri bir ödül.
11:01
The 25 percent. This lights the brain up.
273
646000
3000
Yüzde 25. Bu beyni uyarır.
11:04
And if you think about
274
649000
2000
Ve eğer bunu sınavlarda
11:06
using this in testing,
275
651000
2000
kullanmayı düşünürseniz
11:08
in just introducing control elements of randomness
276
653000
2000
bütün sınav ve çalışma şekillerinde
11:10
in all forms of testing and training,
277
655000
2000
olasılığı kontrol elementlerini üretmede kullanmayı düşünürseniz
11:12
you can transform the levels of people's engagement
278
657000
2000
insanların bağlantı seviyesini
11:14
by tapping into this very powerful
279
659000
2000
bu çok güçlü evrimsel mekanizmaya
11:16
evolutionary mechanism.
280
661000
2000
dokunarak değiştirebilirsiniz.
11:18
When we don't quite predict something perfectly,
281
663000
2000
Birşeyi tamamen tahmin edemediğimizde
11:20
we get really excited about it.
282
665000
2000
gerçekten heyecanlanırız.
11:22
We just want to go back and find out more.
283
667000
2000
Geri dönüp daha fazlasını öğrenmek isteriz.
11:24
As you probably know, the neurotransmitter
284
669000
2000
Bilebileceğiniz gibi, öğrenmekle ilgili
11:26
associated with learning is called dopamine.
285
671000
2000
nörotransmiter "dopmanine".
11:28
It's associated with reward-seeking behavior.
286
673000
3000
Ödül bekleme davranışı ile ilişkilendiriliyor.
11:31
And something very exciting is just beginning to happen
287
676000
3000
Ve İngiltere'deki Bristol Üniversitesi gibi yerlerde
11:34
in places like the University of Bristol in the U.K.,
288
679000
3000
çok heyecan verici birşey oluşmaya başlıyor
11:37
where we are beginning to be able to model mathematically
289
682000
3000
beyindeki dopamin seviyesini matematiksel olarak
11:40
dopamine levels in the brain.
290
685000
2000
modellemeyi başarmaya başladığımız yerlerde.
11:42
And what this means is we can predict learning,
291
687000
2000
Bu da demek oluyor ki öğrenmeyi,
11:44
we can predict enhanced engagement,
292
689000
3000
geliştirilmiş bağlılığı bu pencerelerde
11:47
these windows, these windows of time,
293
692000
2000
bu zaman pencerelerinde geliştirilmiş öğrenmenin
11:49
in which the learning is taking place at an enhanced level.
294
694000
3000
yer aldığı bu yerlerde tahmin edebileceğiz.
11:52
And two things really flow from this.
295
697000
2000
Ve bunda iki şey cereyan ediyor.
11:54
The first has to do with memory,
296
699000
2000
İlki hafızayla ilgili
11:56
that we can find these moments.
297
701000
2000
bu anıları bulabileceğimizle.
11:58
When someone is more likely to remember,
298
703000
2000
Birisi hatıramaya yaklaştığında
12:00
we can give them a nugget in a window.
299
705000
2000
onlara pencerede bir topak verebiliriz.
12:02
And the second thing is confidence,
300
707000
2000
Ve ikinci şey güven
12:04
that we can see how game-playing and reward structures
301
709000
2000
oyun oynamanın ve ödüllendirme yapısının insanları
12:06
make people braver, make them more willing to take risks,
302
711000
3000
nasıl daha cesur, risk almaya daha istekli
12:09
more willing to take on difficulty,
303
714000
2000
zorlukları aşmaya daha istekli, daha zor yılan
12:11
harder to discourage.
304
716000
2000
yaptığını görebileceğiz.
12:13
This can all seem very sinister.
305
718000
2000
Bu biraz şüpheli görünüyor olabilir.
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
720000
2000
"Beyinlerimiz ele geçirildi, hepimiz birer bağımlıyız" türünden şeyleri bilirsiniz.
12:17
The word "addiction" is thrown around.
307
722000
2000
"Bağımlılık" sözü etrafta dolanıyor.
12:19
There are real concerns there.
308
724000
2000
Haklı endişeler var.
12:21
But the biggest neurological turn-on for people
309
726000
2000
Ancak insanlar için en büyük nörolojik
12:23
is other people.
310
728000
2000
etken diğer insanlardır.
12:25
This is what really excites us.
311
730000
3000
Bizi gerçekten heyecanlandıran budur.
12:28
In reward terms, it's not money;
312
733000
2000
Ödül anlamında, bu para değil
12:30
it's not being given cash -- that's nice --
313
735000
3000
büyük miktarda para almak değil, hoş olsa da,
12:33
it's doing stuff with our peers,
314
738000
2000
emsallerimizle iş yapmak
12:35
watching us, collaborating with us.
315
740000
2000
bizi izleme ve iş birliği yapmaktır.
12:37
And I want to tell you a quick story about 1999 --
316
742000
2000
1999 yılıyla ilgili kısa bir öykü anlatmak istiyorum sizlere
12:39
a video game called EverQuest.
317
744000
2000
Everquest adında bir video oyunu.
12:41
And in this video game,
318
746000
2000
Bu video oyununda
12:43
there were two really big dragons, and you had to team up to kill them --
319
748000
3000
iki tane gerçekten büyük ejderha vardı ve bunları öldürmek için birleşmeniz gerekiyordu
12:46
42 people, up to 42 to kill these big dragons.
320
751000
3000
42 kişi - bu ejderhaları öldürmek için 42 kişi gerekiyordu.
12:49
That's a problem
321
754000
2000
Bu bir sorun çünkü
12:51
because they dropped two or three decent items.
322
756000
3000
iki ya da üç gerekli nesneyi düşürmüşlerdi.
12:54
So players addressed this problem
323
759000
3000
Böylece oyuncular bu sorunu
12:57
by spontaneously coming up with a system
324
762000
2000
birbirlerini adilce ve şeffafça
12:59
to motivate each other,
325
764000
2000
motive etmek için kendiliğinden oluşan
13:01
fairly and transparently.
326
766000
2000
bir sistem ile çözdüler.
13:03
What happened was, they paid each other a virtual currency
327
768000
3000
Olan şey şuydu birbirlerine ejderha öldürme puanı
13:06
they called "dragon kill points."
328
771000
3000
dedikleri sanal para ödediler.
13:09
And every time you turned up to go on a mission,
329
774000
2000
Ve göreve çıkma sırası size geldiği her seferinde
13:11
you got paid in dragon kill points.
330
776000
2000
ejderha öldürme puanı alıyordunuz.
13:13
They tracked these on a separate website.
331
778000
2000
Bunları ayrı bir internet sitesinde takip ettiler.
13:15
So they tracked their own private currency,
332
780000
2000
Kendi özel paralarını takip ettiler
13:17
and then players could bid afterwards
333
782000
2000
ve oyuncular sonrasında istedikleri
13:19
for cool items they wanted --
334
784000
2000
nesneler için teklif verebildiler
13:21
all organized by the players themselves.
335
786000
2000
hepsi oyuncuların kendileri tarafındna organize edildi.
13:23
Now the staggering system, not just that this worked in EverQuest,
336
788000
3000
Borçlanma sistemi sadece Everquest'te kullanılmakla
13:26
but that today, a decade on,
337
791000
2000
kalmadı bugün, on yıl sonra,
13:28
every single video game in the world with this kind of task
338
793000
3000
dünyada bu şekil görev sunan her bir oyun
13:31
uses a version of this system --
339
796000
2000
bu sistemin bir uyarlamasını kullanıyor -
13:33
tens of millions of people.
340
798000
2000
on milyonlarca insan.
13:35
And the success rate
341
800000
2000
Ve başarı oranı
13:37
is at close to 100 percent.
342
802000
2000
yüzde 100'e çok yakın.
13:39
This is a player-developed,
343
804000
2000
Bu oyuncuların geliştirdiği,
13:41
self-enforcing, voluntary currency,
344
806000
3000
kendini işleten, gönüllü para sistemi
13:44
and it's incredibly sophisticated
345
809000
2000
ve inanılmaz derecede karışık
13:46
player behavior.
346
811000
2000
bir oyuncu davranışı.
13:50
And I just want to end by suggesting
347
815000
2000
Bu prensipin dünyaya yayılabileceği
13:52
a few ways in which these principles
348
817000
2000
bir kaç yol önererek
13:54
could fan out into the world.
349
819000
2000
bitirmek istiyorum.
13:56
Let's start with business.
350
821000
2000
İş hayatıyla başlayayım.
13:58
I mean, we're beginning to see some of the big problems
351
823000
2000
Demek istediğim iş, geri dönüşüm ve
14:00
around something like business are
352
825000
2000
enerji tasarrufunda bazı büyük sorunları
14:02
recycling and energy conservation.
353
827000
2000
görmeye başlıyoruz.
14:04
We're beginning to see the emergence of wonderful technologies
354
829000
2000
Gerçek zamanlı enerji ölçümü gibi
14:06
like real-time energy meters.
355
831000
2000
mükemmel teknolojilerin aciliyetini görmeye başlıyoruz.
14:08
And I just look at this, and I think, yes,
356
833000
2000
Ve buna bakıp şöyle düşünüyorum: evet
14:10
we could take that so much further
357
835000
3000
bunu insanların hedef belirmesine izin vererek
14:13
by allowing people to set targets
358
838000
2000
ayarlanmış hedefler belirleyerek
14:15
by setting calibrated targets,
359
840000
2000
belirsizlik elementlerini kullanarak
14:17
by using elements of uncertainty,
360
842000
3000
bu çoğul hedefleri kullanarak
14:20
by using these multiple targets,
361
845000
2000
azmimizi kullanıp, teşvik ve terfi
14:22
by using a grand, underlying reward and incentive system,
362
847000
3000
sistemine dikkat çekerek ve insanları
14:25
by setting people up
363
850000
2000
grup olarak, sokak olarak işbirliği yapmaya,
14:27
to collaborate in terms of groups, in terms of streets
364
852000
2000
işbirliği yapmaya ve rekabete
14:29
to collaborate and compete,
365
854000
2000
bu çok karışık grup ve motivasyon
14:31
to use these very sophisticated
366
856000
2000
dinamikleirni kullanmaya yönlendirerek
14:33
group and motivational mechanics we see.
367
858000
2000
daha da ileri taşıyabiliriz.
14:35
In terms of education,
368
860000
2000
Eğitim olarak ise
14:37
perhaps most obviously of all,
369
862000
2000
belki de hepsinden bariz olarak
14:39
we can transform how we engage people.
370
864000
3000
insanları bağlama şeklimizi değiştirebiliriz.
14:42
We can offer people the grand continuity
371
867000
2000
İnsanlara deneyim sürekliliği ve kişisel
14:44
of experience and personal investment.
372
869000
3000
yatırım sunabiliriz.
14:47
We can break things down
373
872000
2000
Yapacaklarımızı mükemmel ölçümlenmiş
14:49
into highly calibrated small tasks.
374
874000
2000
küçük görevlere bölebiliriz.
14:51
We can use calculated randomness.
375
876000
2000
Hesaplanmış olsalığı kullanabiliriz.
14:53
We can reward effort consistently
376
878000
2000
Herşey bir araya oturdukça
14:55
as everything fields together.
377
880000
3000
emeği sürekli olarak ödüllendirebiliriz.
14:58
And we can use the kind of group behaviors
378
883000
2000
Ve insanların oyunda beraberken geliştirdiklerini gördüğümüz
15:00
that we see evolving when people are at play together,
379
885000
3000
türden gerçekten tamamıyla
15:03
these really quite unprecedentedly complex
380
888000
3000
benzersiz, karışık, işbirlikçi
15:06
cooperative mechanisms.
381
891000
2000
grup davranışını kullanabiliriz.
15:08
Government, well, one thing that comes to mind
382
893000
2000
Hükümet, diğerlerinin arasında önce çıkan
15:10
is the U.S. government, among others,
383
895000
3000
Amerikan hükümeti gerçek anlamda
15:13
is literally starting to pay people
384
898000
2000
insanlara kilo vermeleri için
15:15
to lose weight.
385
900000
2000
ödeme yapmaya başlıyor.
15:17
So we're seeing financial reward being used
386
902000
2000
Yani finansal teşviğin büyük obezite
15:19
to tackle the great issue of obesity.
387
904000
2000
sorununu zapt etmek için kullanıldığını söylüyoruz.
15:21
But again, those rewards
388
906000
2000
Ama yeniden, bu ödüller
15:23
could be calibrated so precisely
389
908000
3000
bu büyük oyun sistemleri uzmanlığını
15:26
if we were able to use the vast expertise
390
911000
3000
bu çekiciliği, milyonlarca insan saatinin
15:29
of gaming systems to just jack up that appeal,
391
914000
3000
verisini ve gözlemlerini almak için
15:32
to take the data, to take the observations,
392
917000
2000
ve bu geri bildirimi insanların bağlılığını
15:34
of millions of human hours
393
919000
2000
arttırmak için kullanabilecekmiş gibi
15:36
and plow that feedback
394
921000
2000
çok hesaplı bir şekilde
15:38
into increasing engagement.
395
923000
2000
ayarlayabiliriz.
15:40
And in the end, it's this word, "engagement,"
396
925000
3000
Ve sonuçta, bu dünyada sizleri
15:43
that I want to leave you with.
397
928000
2000
bağlılıkla bırakmak istiyorum.
15:45
It's about how individual engagement
398
930000
2000
Bu kişisel bağlılığının
15:47
can be transformed
399
932000
2000
oyun oynayan insanları izleyerek
15:49
by the psychological and the neurological lessons
400
934000
3000
öğrenebileceğimiz psikolojik ve nörolojik dersler
15:52
we can learn from watching people that are playing games.
401
937000
3000
ile nasıl değiştirilebileceği ile ilgili.
15:55
But it's also about collective engagement
402
940000
3000
Ancak aynı zamanda müşterek bağlılık
15:58
and about the unprecedented laboratory
403
943000
3000
ve neyin insanların büyük ölçekli bir oyunda
16:01
for observing what makes people tick
404
946000
2000
tıklamasına ve çalışmasına ve oynamasına ve
16:03
and work and play and engage
405
948000
2000
bağlanmasına sebep olduğunu gözlemlemek için
16:05
on a grand scale in games.
406
950000
3000
emsalsiz bir labaratuvar hakkında.
16:08
And if we can look at these things and learn from them
407
953000
3000
Ve eğer bu şeylere bakıp onlardan ders alabilirsek
16:11
and see how to turn them outwards,
408
956000
2000
ve onları nasıl dışa çevireceğimizi görebilirsek
16:13
then I really think we have something quite revolutionary on our hands.
409
958000
3000
o zaman elimizde gerçek anlamda evrimsel birşeyin olduğunu düşünürüm.
16:16
Thank you very much.
410
961000
2000
Çok teşekkür ederim.
16:18
(Applause)
411
963000
4000
(Alkış)
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