How to train employees to have difficult conversations | Tamekia MizLadi Smith

Translator: Sahar Tadayyon Reviewer: sadegh zabihi

We live in a world where the collection of data

ما در جهانی زندگی می‌کنیم که گردآوری داده‌ها

is happening 24 hours a day, seven days a week,

۲۴ ساعته و هفت روز هفته اتفاق می‌افتند،

365 days a year.

و هر ۳۶۵ روز سال.

This data is usually collected by what we call a front-desk specialist now.

این اطلاعات معمولا توسط متصدیان متخصص پذیرش جمع آوری می‌شوند.

These are the retail clerks at your favorite department stores,

این‌ها متصدی‌های جز، در فروشگاه‌های مورد علاقه شما کار می‌کنند،

the cashiers at the grocery stores,

صندوق داران در فروشگاه‌های مواد غذایی،

the registration specialists at the hospital

متخصصین ثبت و پذیرش بیمار در بیمارستان

and even the person that sold you your last movie ticket.

و حتی فردی که آخرین بلیت سینما را به شما فروخت.

They ask discreet questions, like: "May I please have your zip code?"

آنها سوالات محرمانه می‌پرسند، مثل: " ممکن است کد پستی شما را داشته باشم؟"

Or, "Would you like to use your savings card today?"

یا، " دوست دارید امروز از کارت حساب پس اندازتان استفاده کنید؟"

All of which gives us data.

همه این سوالات به ما اطلاعات می‌دهد.

However, the conversation becomes a little bit more complex

با این حال، گفتگو کمی پیچیده‌تر می‌شود

when the more difficult questions need to be asked.

زمانیکه که سوالات مشکل‌تری باید پرسیده شود.

Let me tell you a story, see.

بگذارید یک داستان برایتان تعریف کنم،

Once upon a time, there was a woman named Miss Margaret.

روزی روزگاری، خانمی بود به اسم مارگرات.

Miss Margaret had been a front-desk specialist

خانم مارگرات متخصص بخش پذیرش بود

for almost 20 years.

برای ۲۰ سال.

And in all that time, she has never, and I do mean never,

و در تمام این مدت، او هرگز، با تاکید می‌گویم هرگز،

had to ask a patient their gender, race or ethnicity.

مجبور نبود از بیماران درباره جنس، نژاد یا قومیت آن‌ها سوال کند.

Because, see, now Miss Margaret has the ability to just look at you.

چون خانم مارگرات این توانایی را دارد که فقط به شما نگاه کند.

Uh-huh.

آهان.

And she can tell if you are a boy or a girl,

و می تواند بگوید که شما دختر یا پسر هستید،

black or white, American or non-American.

سفید یا سیاه، آمریکایی یا غیر آمریکایی.

And in her mind, those were the only categories.

و در ذهنش فقط آن گروه‌ها بودند.

So imagine that grave day,

خب تصور کنید در آن روز بسیار مهم،

when her sassy supervisor invited her to this "change everything" meeting

زمانیکه سرپرست گستاخش او را به جلسهٔ "همه چیز را تغییر بده" دعوت کرد

and told her that would have to ask each and every last one of her patients

و به او گفت که باید از تک تک بیمارانش بپرسد

to self-identify.

به منظور شناسایی برای خود.

She gave her six genders, eight races and over 100 ethnicities.

او ۶ نوع جنس، ۸ نوع نژاد و بیشتر از ۱۰۰ نوع قومیت را به او داد.

Well, now, Miss Margaret was appalled.

خب، خانم مارگرات وحشت کرد.

I mean, highly offended.

منظورم این است که خیلی دلخور شد.

So much so that she marched down to that human-resource department

آنقدر که استوار به سمت بخش منابع انسانی رفت

to see if she was eligible for an early retirement.

که ببیند آیا می‌تواند زودتر از موعد بازنشسته بشود.

And she ended her rant by saying

و اعتراضش را اینگونه پایان داد

that her sassy supervisor invited her to this "change everything" meeting

که سرپرست بی نزاکتش او را به این جلسهٔ "همه چیز را تغییر بده" دعوت کرده

and didn't, didn't, even, even

و اصلاً و ابدا

bring, bring food, food, food, food.

غذایی، غذایی، غدایی تدارک ندیده است.

(Laughter)

(خنده)

(Applause) (Cheers)

(تشویق) (هلهله)

You know you've got to bring food to these meetings.

می‌دانید باید در این جلسات غذا سرو شود.

(Laughter)

(خنده)

Anyway.

به هر حال.

(Laughter)

(خنده)

Now, that was an example of a healthcare setting,

این نمونه‌ای بود از سیستم مراقبت‌های بهداشتی

but of course, all businesses collect some form of data.

اما البته، همه شرکت‌ها بعضی از داده‌ها را جمع آوری می‌کنند.

True story: I was going to wire some money.

یک داستان واقعی: می‌خواستم پولی را انتقال بدهم.

And the customer service representative asked me

که نماینده خدمات مشتریان از من پرسید

if I was born in the United States.

که آیا در آمریکا متولد شده‌ام یا نه.

Now, I hesitated to answer her question,

و من دودل بودم که جواب بدهم یا نه،

and before she even realized why I hesitated,

و قبل از اینکه بفهمد چرا دودل هستم،

she began to throw the company she worked for under the bus.

گفت که به خاطر شرکتی است که برای آن‌ها کار می‌کند.

She said, "Girl, I know it's stupid, but they makin' us ask this question."

گفت، "دختر، می‌دانم احمقانه است، ولی آنها ما را مجبور به پرسیدن این سوال می‌کنند."

(Laughter)

(خنده)

Because of the way she presented it to me,

به خاطر روشی که استفاده کرد به من بگوید،

I was like, "Girl, why?

من این طور بودم، «دختر، چرا؟

Why they makin' you ask this question?

چرا مجبورت می‌کنند که این سوال را بپرسی؟

Is they deportin' people?"

آیا مردم را از کشور اخراج می‌کنند؟»

(Laughter)

(خنده)

But then I had to turn on the other side of me,

اما بعد آن روی دیگرخودم را بیدار کردم،

the more professional speaker-poet side of me.

آن طرف شاعر سخنران حرفه‌ای خودم.

The one that understood that there were little Miss Margarets all over the place.

که فهمید که کمی مثل خانم مارگارت در همه جا وجود دارد.

People who were good people, maybe even good employees,

کسانیکه افراد خوبی بودند، شاید حتی کارمندان خوبی،

but lacked the ability to ask their questions properly

اما قادر نبودند که سوالاتشان را به درستی بپرسند

and unfortunately, that made her look bad,

و متاسفانه، این او را بد جلوه می‌داد

but the worst, that made the business look even worse

اما بدتر از آن انجام آن شغل بود که

than how she was looking.

بدتر از خود اوجلوه می‌کرد

Because she had no idea who I was.

زیرا اوهیچ ایده‌ای نداشت من که بودم.

I mean, I literally could have been a woman who was scheduled to do a TED Talk

منظورم این است که من دقیقاً زنی هستم که قرار شد در TED Talk صحبت کند

and would use her as an example.

و از او برای مثال زدن استفاده کنم.

Imagine that.

تصور کنید.

(Applause)

(تشویق)

And unfortunately,

و متاسفانه،

what happens is people would decline to answer the questions,

آنچه رخ می‌دهد این است که مردم از جواب دادن به سوالات طفره می‌روند،

because they feel like you would use the information

چون احساس می‌کنند که شما اطلاعات را استفاده می‌کنید

to discriminate against them,

که تبعیض بینشان قائل شوید،

all because of how you presented the information.

همه برای این است که چگونه اطلاعات را ارائه دادید.

And at that point, we get bad data.

ازاین نظر ما داده‌های بدی کسب می‌کنیم.

And everybody knows what bad data does.

و همه می‌دانند که داده بد چه کار می‌کند.

Bad data costs you time, it costs you money

داده بد زمان می‌برد، هزینه می‌برد

and it costs you resources.

و منابع شما را استفاده می‌کند.

Unfortunately, when you have bad data,

متاسفانه، وقتی داده بد دارید

it also costs you a lot more,

آن حتی بیشتر از این‌ها برایتان هزینه می‌تراشد،

because we have health disparities,

زیرا ما تفاوت در سلامتی و بهداشت داریم،

and we have social determinants of health,

و عوامل تاثیرگذار اجتماعی بر بهداشت داریم،

and we have the infant mortality,

و ما مرگ‌ومیر نوزادان داریم،

all of which depends on the data that we collect,

و تمام این‌ها بستگی به داده‌هایی دارد که گردآوری می‌کنیم،

and if we have bad data, than we have those issues still.

و اگر داده‌های بدی با ناکاملی داریم پس هنوز آن مشکلات وجود دارند

And we have underprivileged populations

و جمعیتی داریم که محروم هستند

that remain unfortunate and underprivileged,

که بدبخت و محروم و فقیر باقی می‌مانند،

because the data that we're using is either outdated,

چون داده که داریم استفاده می‌کنیم یا تاریخ گذشته است،

or is not good at all or we don't have anything at all.

یا اصلاً خوب نیست یا اصلاً داده‌ای نداریم.

Now, wouldn't it be amazing if people like Miss Margaret

حالا آیا آن شگفت انگیز نبود اگر اشخاصی مثل خانم مارگارت

and the customer-service representative at the wiring place

و نماینده خدمات مشتریان در محل نقل و انتقال پول

were graced to collect data with compassionate care?

تکریم می‌شدند که با دلسوزی و توجه داده‌ها را گردآوری کنند؟

Can I explain to you what I mean by "graced?"

می‌توانم توضیح دهم که منظور من از احترام چیست؟

I wrote an acrostic poem.

من یک شعر توشیحی نوشتم.

G: Getting the front desk specialist involved and letting them know

G: شرکت دادن متخصص مسوول پذیرش و گذاشتن که بداند

R: the Relevance of their role as they become

R: ارتباط نقششان که می‌کند آن‌ها را

A: Accountable for the accuracy of data while implementing

A: مسوول صحت و دقت داده‌ها در حالیکه بکار می‌گیرند

C: Compassionate care within all encounters by becoming

C: دقت و دلسوزی در کارشان همه مصادف می‌شود با شدن

E: Equipped with the education needed to inform people

E: وسیله ای همراه با آموزشی که احتیاج است که مردم را آگاه کند

of why data collection is so important.

که چرا جمع آوری داده‌ها بسیار مهم است.

(Applause)

(تشویق)

Now, I'm an artist.

من یک هنرمند هستم.

And so what happens with me

و آن چه در من رخ می‌دهد

is that when I create something artistically,

این است که وقتی من کاری هنری خلق می‌کنم،

the trainer in me is awakened as well.

مربی درون من هم بیدار می‌شود.

So what I did was, I began to develop that acrostic poem into a full training

آنچه من انجام دادم این بود که من شعری توشیحی را شروع به ساختن کردم

entitled "I'm G.R.A.C.E.D."

با عنوان " من G.R.A.C.E.D. هستم

Because I remember, being the front-desk specialist,

زیرا به یاد می‌آورم، متخصص پذیرش بودن،

and when I went to the office of equity to start working,

وقتی من به دفتر حقوق صاحبان سهام رفتم که شروع به کار کنم

I was like, "Is that why they asked us to ask that question?"

من مثل این بودم،‌ "پس به خاطر این است که از ما خواستند آن سوال را بپرسیم؟"

It all became a bright light to me,

و همه چیز برای من روشن شد،

and I realized that I asked people and I told people about --

و متوجه شدم که من از مردم سوال کردم و گفتم درباره --

I called them by the wrong gender, I called them by the wrong race,

من آن‌ها را با جنسیت اشتباه صدا زدم، با نژاد اشتباه صدا زدم،

I called them by the wrong ethnicity,

با قومیت غلط صدا زدم،

and the environment became hostile,

و دشمنی و خصومت محیط را فراگرفت،

people was offended and I was frustrated because I was not graced.

مردم دلخور شدند و من ناامید بودم چون احترام نداشتم.

I remember my computerized training,

من آموزش کامپیوتری را به یاد می‌آورم،

and unfortunately, that training did not prepare me to deescalate a situation.

و متاسفانه، آن آموزش من را برای تنش زدایی از شرایط آماده نکرد.

It did not prepare me to have teachable moments when I had questions

و برای من تدارک ندید که زمان آموزشی داشته باشم که بتوانم بپرسم

about asking the questions.

در مورد پرسش کردن.

I would look at the computer and say, "So, what do I do when this happens?"

من به رایانه نگاه می کنم و می گویم " من چه کار کنم وقتی این رخ می دهد؟"

And the computer would say ...

و رایانه می‌گوید --

nothing, because a computer cannot talk back to you.

هیچ، زیرا یک رایانه نمی‌تواند با شما گفتگو کند.

(Laughter)

(خنده)

So that's the importance of having someone there

پس آن مهم است که آنجا کسی را داشته باشید

who was trained to teach you and tell you what you do

کسی که آموزش دیده که به شما یاد دهد و بگوید که چه بگویید

in situations like that.

در شرایط مثل آن.

So, when I created the "I'm G.R.A.C.E.D" training,

پس زمانیکه من آموزش "I'm G.R.A.C.E.D" را خلق کردم

I created it with that experience that I had in mind,

آن را بر اساس تجربه‌ای که در ذهنم داشتم ساختم،

but also that conviction that I had in mind.

اما همچنین عقیده‌ای که در ذهنم داشتم.

Because I wanted the instructional design of it

زیرا می‌خواستم طرح ساختاری آن

to be a safe space for open dialogue for people.

فضای امنی را برای باز کردن گفتگو بین مردم ایجاد کند.

I wanted to talk about biases,

می‌خواستم در مورد برداشت‌های نادرست

the unconscious ones and the conscious ones,

ناآگاهانه و آگاهانه اشخاص صحبت کنم

and what we do.

و آنچه انجام می‌دهیم.

Because now I know that when you engage people in the why,

زیرا حالا می‌دانم که با چرای مردم درگیر می‌شوید،

it challenges their perspective, and it changes their attitudes.

آن دیدگاهشان را به چالش می‌کشد، و رفتار و نگرششان را تغییر می‌دهد.

Now I know that data that we have at the front desk

و حالا می‌دانم که داده‌هایی که ما در پذیرش داریم

translates into research that eliminates disparities and finds cures.

به تحقیقاتی تبدیل می‌شوند که تفاوت‌ها را حذف می‌کنند و درمان پیدا می‌کنند.

Now I know that teaching people transitional change

و حالا می‌دانم که آموزش مردم با تغییر تدریجی

instead of shocking them into change

به جای شوکه کردن آن‌ها با تغییر کردن

is always a better way of implementing change.

همیشه راه بهتری است برای به اجرا درآوردن تغییر.

See, now I know people are more likely to share information

ببینید، حالا می‌دانم که مردم بیشتر احتمال دارد اطلاعاتشان را بدهند

when they are treated with respect by knowledgeable staff members.

زمانیکه با آن‌ها با احترام رفتار شود توسط کارکنان آگاه.

Now I know that you don't have to be a statistician

حالا می‌دانم که شما نیاز نیست یک آمارشناس باشید

to understand the power and the purpose of data,

که قدرت و هدف داده‌ها را بفهمید،

but you do have to treat people with respect and have compassionate care.

اما شما باید با مردم با احترام رفتار کنید و دلسوز و مراقب باشید.

Now I know that when you've been graced,

حالامی‌دانم که زمانیکه شما احترام لازم را دارید،

it is your responsibility to empower somebody else.

این مسوولیت شماست که حق و اختیار به فرد دیگری بدهید

But most importantly, now I know

اما مهمترین چیری که حالا می‌دانم

that when teaching human beings

این است که آموزش دادن به انسان‌ها

to communicate with other human beings,

برای ارتباط برقرار کردن با دیگران،

it should be delivered by a human being.

بایست توسط انسان‌ها انجام شود.

(Applause)

(تشویق)

So when y'all go to work

پس زمانیکه به سرکار می‌روید

and y'all schedule that "change everything" meeting --

و برنامه ریزی می‌کنید که جلسه «تغییر همه چیز» بگذارید --

(Laughter)

(خنده)

remember Miss Margaret.

خانم مارگارت را یادتان باشد.

And don't forget the food, the food, the food, the food.

و فراموش نکنید غذا، غذا، غذا، غذا.

Thank you.

متشکرم.

(Applause) (Cheers)

(تشویق) (هلهله)

Thank you.

متشکرم.

(Applause)

(تشویق)