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

113,627 views ・ 2018-08-20

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Eva Danko Lektor: Zsuzsa Viola
00:12
We live in a world where the collection of data
0
12968
2198
Olyan világban élünk,
00:15
is happening 24 hours a day, seven days a week,
1
15190
2548
ahol a nap 24 órájában, a hét minden napján,
00:17
365 days a year.
2
17762
2293
az év 365 napján adatgyűjtés folyik.
00:20
This data is usually collected by what we call a front-desk specialist now.
3
20730
4323
Az adatokat az ügyfelekkel közvetlenül kapcsolatba kerülő specialista gyűjti.
00:25
These are the retail clerks at your favorite department stores,
4
25077
3120
Ilyenek például kedvenc áruházaik eladói,
00:28
the cashiers at the grocery stores,
5
28221
2443
az élelmiszerboltok pénztárosai,
00:30
the registration specialists at the hospital
6
30688
2605
a kórházi betegfelvételisek,
00:33
and even the person that sold you your last movie ticket.
7
33317
3114
sőt az is, aki utoljára mozijegyet adott önöknek.
00:36
They ask discreet questions, like: "May I please have your zip code?"
8
36908
3875
Tapintatos kérdéseket tesznek fel, mint: "Megadná, kérem, az irányítószámát?"
00:40
Or, "Would you like to use your savings card today?"
9
40807
3111
Vagy: "Szeretné használni a pontgyűjtó kártyáját?"
00:44
All of which gives us data.
10
44369
2309
Ezek mind adatot szolgáltatnak.
00:46
However, the conversation becomes a little bit more complex
11
46702
4587
Azonban a beszélgetés kissé összetettebbé válik,
00:51
when the more difficult questions need to be asked.
12
51313
3318
amikor nehezebb kérdések merülnek fel.
00:54
Let me tell you a story, see.
13
54655
1793
Hadd mondjak önöknek egy történetet:
00:56
Once upon a time, there was a woman named Miss Margaret.
14
56750
3018
Egyszer volt, hol nem volt egy hölgy, bizonyos Miss Margaret.
00:59
Miss Margaret had been a front-desk specialist
15
59792
2151
Margaret ügyfélkapcsolati specialista volt
01:01
for almost 20 years.
16
61967
1460
közel húsz évig.
01:03
And in all that time, she has never, and I do mean never,
17
63451
3817
Ezalatt sosem, komolyan, sosem kellett megkérdeznie
01:07
had to ask a patient their gender, race or ethnicity.
18
67292
3520
a betegek nemét, faját vagy etnikai hovatartozását.
01:10
Because, see, now Miss Margaret has the ability to just look at you.
19
70836
3223
Mert, tudják, Margaret csak ránézett az emberre, és megállapította.
01:14
Uh-huh.
20
74083
1158
Aha.
01:15
And she can tell if you are a boy or a girl,
21
75265
2777
Megállapította, hogy az illető fiú-e vagy lány,
01:18
black or white, American or non-American.
22
78066
3237
fekete vagy fehér, amerikai vagy sem.
01:21
And in her mind, those were the only categories.
23
81327
3238
Számára csak ezek a kategóriák léteztek.
01:24
So imagine that grave day,
24
84589
2016
Képzeljék el azt a nehéz napot,
01:26
when her sassy supervisor invited her to this "change everything" meeting
25
86629
4893
amikor pimasz felettese meghívta a "mindent megváltoztató" megbeszélésre,
01:31
and told her that would have to ask each and every last one of her patients
26
91546
3634
és közölte vele, hogy minden egyes pácienst meg kell kérnie,
01:35
to self-identify.
27
95204
1405
hogy azonosítsa magát.
01:36
She gave her six genders, eight races and over 100 ethnicities.
28
96633
4770
Átadott neki egy listát hat nemmel, nyolc fajjal és száznál több etnikummal.
01:41
Well, now, Miss Margaret was appalled.
29
101427
2588
Nos, Margaret megdöbbent.
01:44
I mean, highly offended.
30
104039
1397
Vagyis nagyon megsértődött.
01:45
So much so that she marched down to that human-resource department
31
105460
3331
Annyira, hogy elmasírozott a HR-osztályra,
01:48
to see if she was eligible for an early retirement.
32
108815
2524
hogy megtudja, elmehet-e korkedvezménnyel nyugdíjba.
01:51
And she ended her rant by saying
33
111363
1960
Azzal fejezte be a kirohanását, miszerint a pimasz főnöke meghívta
01:53
that her sassy supervisor invited her to this "change everything" meeting
34
113347
4870
erre a "mindent megváltoztató" megbeszélésre,
01:58
and didn't, didn't, even, even
35
118241
2024
de még (még), csak (csak), ételt (ételt)
02:00
bring, bring food, food, food, food.
36
120289
3028
sem (sem), hozott (hozott... hozott).
02:03
(Laughter)
37
123341
1154
(Nevetés)
02:04
(Applause) (Cheers)
38
124519
5067
(Taps) (Éljenzés)
02:10
You know you've got to bring food to these meetings.
39
130681
2434
Tudják, az ilyen megbeszélésekre ételt kell vinniük.
02:13
(Laughter)
40
133139
2343
(Nevetés)
02:15
Anyway.
41
135506
1159
Mindenképp.
02:16
(Laughter)
42
136689
1508
(Nevetés)
02:18
Now, that was an example of a healthcare setting,
43
138221
2769
Nos, ez egy példa volt az egészségügyből,
02:21
but of course, all businesses collect some form of data.
44
141014
3333
de természetesen minden üzletág gyűjti valahogyan az adatokat.
02:24
True story: I was going to wire some money.
45
144371
3142
Igaz történet: pénzt akartam átutalni.
02:28
And the customer service representative asked me
46
148165
2555
Az ügyfélszolgálati munkatárs megkérdezte,
02:30
if I was born in the United States.
47
150744
2334
az Államokban születtem-e.
02:33
Now, I hesitated to answer her question,
48
153419
2381
Tétováztam a választ illetően,
02:35
and before she even realized why I hesitated,
49
155824
3130
és ő, mielőtt még rájött volna, miért hezitálok,
02:38
she began to throw the company she worked for under the bus.
50
158978
3015
elkezdte lejáratni a munkáltatóját.
02:42
She said, "Girl, I know it's stupid, but they makin' us ask this question."
51
162017
5072
Azt mondta: "Kedvesem, tudom, hülyeség, de előírják, hogy ezt megkérdezzük."
02:47
(Laughter)
52
167113
1151
(Nevetés)
02:48
Because of the way she presented it to me,
53
168288
2073
Csak azért, ahogy ő adta elő magát,
02:50
I was like, "Girl, why?
54
170385
1600
így reagáltam: "Mondd, miért?
02:52
Why they makin' you ask this question?
55
172561
2230
Miért írják elő, hogy ezt kérdezzétek?
02:54
Is they deportin' people?"
56
174815
1802
Deportálják az embereket?"
02:56
(Laughter)
57
176641
2142
(Nevetés)
02:58
But then I had to turn on the other side of me,
58
178807
2222
De aztán visszakapcsoltam a másik énemre,
03:01
the more professional speaker-poet side of me.
59
181053
2568
a sokkal profibb, szónoki-költői énemre.
03:04
The one that understood that there were little Miss Margarets all over the place.
60
184164
4150
Arra, amelyik értette, hogy mindenütt akadnak kis Miss Margaretek.
03:08
People who were good people, maybe even good employees,
61
188871
2968
Emberek, jó emberek, sőt, akár jó munkavállalók is,
03:11
but lacked the ability to ask their questions properly
62
191863
2552
akikből hiányzott a helyes kérdezés képessége,
03:14
and unfortunately, that made her look bad,
63
194439
2535
és sajnos ez rossz képet festett róluk,
03:16
but the worst, that made the business look even worse
64
196998
3246
de a legrosszabb, hogy ez az üzletről még rosszabb képet festett,
03:20
than how she was looking.
65
200268
1666
mint magáról a hölgyről.
03:22
Because she had no idea who I was.
66
202236
1767
Fogalma sem volt róla, ki vagyok.
03:24
I mean, I literally could have been a woman who was scheduled to do a TED Talk
67
204027
3685
Szó szerint lehettem volna egy nő, akit meghívtak előadást tartani a TED-en,
03:27
and would use her as an example.
68
207736
1778
és aki példaként használja őt.
03:29
Imagine that.
69
209538
1300
Képzeljék csak el.
03:30
(Applause)
70
210862
4262
(Taps)
03:35
And unfortunately,
71
215148
1183
És sajnos
03:36
what happens is people would decline to answer the questions,
72
216355
2895
az emberek megtagadják a válaszadást,
03:39
because they feel like you would use the information
73
219274
2509
mert úgy érzik, az információt
03:41
to discriminate against them,
74
221807
1425
diszkriminatív módon használnák fel ellenük,
03:43
all because of how you presented the information.
75
223256
2391
és mindezt a rossz kommunikáció miatt.
03:45
And at that point, we get bad data.
76
225671
1778
Valójában így rossz adatot kapunk.
03:47
And everybody knows what bad data does.
77
227473
2111
És mindenki tudja, mit jelent a rossz adat.
03:49
Bad data costs you time, it costs you money
78
229608
2793
A rossz adat időbe és pénzbe kerül,
03:52
and it costs you resources.
79
232425
1946
plusz erőforrásba.
03:54
Unfortunately, when you have bad data,
80
234395
2563
Sajnos, ha rosszak az adatok,
03:56
it also costs you a lot more,
81
236982
3079
annak még nagyobb a költségvonzata,
04:00
because we have health disparities,
82
240085
2395
mert ott van az egészségi egyenlőtlenség,
04:02
and we have social determinants of health,
83
242504
2214
az egészség szociális meghatározói,
04:04
and we have the infant mortality,
84
244742
1658
a gyermekhalandóság,
04:06
all of which depends on the data that we collect,
85
246424
2643
amelyek mind az általunk begyűjtött adatoktól függnek,
04:09
and if we have bad data, than we have those issues still.
86
249091
3248
és ha rosszak az adatok, a problémák változatlanul megmaradnak.
04:12
And we have underprivileged populations
87
252363
1899
Vannak hátrányos helyzetű népességek,
04:14
that remain unfortunate and underprivileged,
88
254286
2791
amelyek szerencsétlenek és hátrányos helyzetűek is maradnak,
04:17
because the data that we're using is either outdated,
89
257101
3926
mert az adatok, amikkel dolgozunk, vagy elavultak,
04:21
or is not good at all or we don't have anything at all.
90
261051
3293
vagy egyáltalán nem jók, vagy nincsenek is.
04:24
Now, wouldn't it be amazing if people like Miss Margaret
91
264987
2636
Nos, nem lenne csodás, ha a Miss Margarethez
04:27
and the customer-service representative at the wiring place
92
267647
3150
és a banki vevőszolgálatoshoz hasonló emberek meg lennének áldva
04:30
were graced to collect data with compassionate care?
93
270821
4374
azzal a képességgel, hogy együttérző törődéssel végezzék az adatgyűjtést?
04:35
Can I explain to you what I mean by "graced?"
94
275562
2317
Elmagyarázhatom, mit értek "áldás" alatt?
04:38
I wrote an acrostic poem.
95
278324
1666
Írtam egy akrosztikont.
04:40
G: Getting the front desk specialist involved and letting them know
96
280300
4773
Á: Átérzi és tudja, miért fontos a szerepe.
04:45
R: the Relevance of their role as they become
97
285097
3953
L: Legyen az adat pontos, ez az ő sikere.
04:49
A: Accountable for the accuracy of data while implementing
98
289074
3531
D: Dolgát együttérzéssel, törődéssel végzi.
04:52
C: Compassionate care within all encounters by becoming
99
292629
4044
V: Valódi tudással magyarázva
04:56
E: Equipped with the education needed to inform people
100
296697
3301
A: Az adatgyűjtés fontosságát
05:00
of why data collection is so important.
101
300022
3293
mindenki megérti.
05:04
(Applause)
102
304315
2949
(Taps)
05:07
Now, I'm an artist.
103
307288
2096
Nos, én művész vagyok.
05:09
And so what happens with me
104
309408
1674
Ha egy művészi alkotáson dolgozom,
05:11
is that when I create something artistically,
105
311106
2174
olyankor a bennem lakozó
05:13
the trainer in me is awakened as well.
106
313304
1923
tréner is öntudatára ébred.
05:15
So what I did was, I began to develop that acrostic poem into a full training
107
315251
4072
Így ezt az akrosztikont elkezdtem továbbfejleszteni komplett gyakorlattá,
05:19
entitled "I'm G.R.A.C.E.D."
108
319347
1548
"Á. L. D. V. A. vagyok" címmel.
05:20
Because I remember, being the front-desk specialist,
109
320919
2841
Mert emlékszem, mikor ügyfélkapcsolati specialista lettem,
05:23
and when I went to the office of equity to start working,
110
323784
2674
és először mentem be a méltányossági ellátási irodába,
05:26
I was like, "Is that why they asked us to ask that question?"
111
326482
3555
az jutott eszembe: "Ezért tették fel nekünk azokat a kérdéseket?"
05:30
It all became a bright light to me,
112
330061
1768
Minden megvilágosodott.
05:31
and I realized that I asked people and I told people about --
113
331853
3637
Rájöttem, hogy ahogy a kérdéseimet feltettem, ahogy magyaráztam...
05:35
I called them by the wrong gender, I called them by the wrong race,
114
335514
3284
rossz nemi hovatartozást használtam, rossz faji hovatartozást használtam,
05:38
I called them by the wrong ethnicity,
115
338822
1803
rossz etnikumot határoztam meg,
05:40
and the environment became hostile,
116
340649
2007
ami ellenséges környezetet szült;
05:42
people was offended and I was frustrated because I was not graced.
117
342680
4284
"nem voltam megáldva", így megbántottam és frusztrálttá tettem az embereket.
05:46
I remember my computerized training,
118
346988
2587
Emlékszem a számítógépes tréningemre,
05:49
and unfortunately, that training did not prepare me to deescalate a situation.
119
349599
5626
amely sajnos nem készített fel, hogyan enyhítsem az ilyen helyzeteket.
05:55
It did not prepare me to have teachable moments when I had questions
120
355249
3376
Nem biztosította a mélyebb megértés lehetőségét:
hogy megkérdezhessem, hogyan tegyek fel jól kérdéseket.
05:58
about asking the questions.
121
358649
1658
06:00
I would look at the computer and say, "So, what do I do when this happens?"
122
360331
3564
Odafordulnék a géphez, és megkérdezném: "Szóval mi a teendő, ha ez történik?"
06:03
And the computer would say ...
123
363919
1858
Mire a számítógép...
06:05
nothing, because a computer cannot talk back to you.
124
365801
3268
hallgat, mert nem tud beszélni.
06:09
(Laughter)
125
369093
3207
(Nevetés)
06:12
So that's the importance of having someone there
126
372324
2571
Nos, ezért fontos, hogy legyen ott valaki,
06:14
who was trained to teach you and tell you what you do
127
374919
2777
aki képes tanítani téged, és elmondani, mi a teendő
06:17
in situations like that.
128
377720
1690
a hasonló helyzetekben.
06:20
So, when I created the "I'm G.R.A.C.E.D" training,
129
380030
2626
Így amikor az "Á. L. D. V. A. vagyok" anyagát írtam,
06:22
I created it with that experience that I had in mind,
130
382680
2994
ezt a tapasztalatot szem előtt tartva dolgoztam,
06:25
but also that conviction that I had in mind.
131
385698
2516
és persze meggyőződéssel.
06:28
Because I wanted the instructional design of it
132
388238
2253
Olyan optimalizált oktatási felületet akartam,
06:30
to be a safe space for open dialogue for people.
133
390515
2778
ahol az emberek párbeszédeket kezdeményezhetnek.
06:33
I wanted to talk about biases,
134
393317
1895
Beszélni akartam az előítéletekről,
06:35
the unconscious ones and the conscious ones,
135
395236
2397
a tudatosakról és az öntudatlanokról,
06:37
and what we do.
136
397657
1166
és hogy mit teszünk.
06:38
Because now I know that when you engage people in the why,
137
398847
3944
Mert megtanultam, hogy ha az embereket bevonjuk a "miértek" megértésébe,
06:42
it challenges their perspective, and it changes their attitudes.
138
402815
3476
úgy próbára tesszük a nézőpontjukat, és megváltoztatjuk a hozzáállásukat.
06:46
Now I know that data that we have at the front desk
139
406315
3159
Most már tudom, hogy az ügyfelektől gyűjtött adatokat kutatásokhoz használják:
06:49
translates into research that eliminates disparities and finds cures.
140
409498
4813
hogy megszüntessék az egyenlőtlenséget és gyógymódot találjanak.
06:54
Now I know that teaching people transitional change
141
414335
3706
Már tudom, hogy a változás bevezetésének mindig az a jobb módja,
06:58
instead of shocking them into change
142
418065
2846
ha fokozatosan megtanítjuk az embereket változni ahelyett,
07:00
is always a better way of implementing change.
143
420935
3255
hogy szó szerint sokkoljuk őket a változással.
07:04
See, now I know people are more likely to share information
144
424214
3046
Már tudom, az emberek szívesebben osztanak meg információt,
07:07
when they are treated with respect by knowledgeable staff members.
145
427284
3859
ha jól informált alkalmazottak tisztelettel bánnak velük.
07:11
Now I know that you don't have to be a statistician
146
431167
3021
Tudom, nem kell statisztikusnak lenniük,
07:14
to understand the power and the purpose of data,
147
434212
3001
hogy megértsék az adatok erejét és célját,
07:17
but you do have to treat people with respect and have compassionate care.
148
437237
4364
de az embereket tisztelettel és együttérző törődéssel kell kezeljék.
07:21
Now I know that when you've been graced,
149
441625
2825
Most már tudom, hogy ha "áldva" vannak,
07:24
it is your responsibility to empower somebody else.
150
444474
3376
az önök felelőssége az, hogy másokat is felruházzanak ezzel a képességgel.
07:27
But most importantly, now I know
151
447874
2425
De ami a legfontosabb: már tudom,
07:30
that when teaching human beings
152
450323
2413
hogy ha embereket tanítunk,
07:32
to communicate with other human beings,
153
452760
3079
hogyan kommunikáljanak más emberekkel,
07:35
it should be delivered by a human being.
154
455863
3785
azt is egy embernek kellene tennie.
07:40
(Applause)
155
460117
6792
(Taps)
07:46
So when y'all go to work
156
466933
1849
Tehát ha dolgozni mennek,
07:48
and y'all schedule that "change everything" meeting --
157
468806
3335
és a "mindent megváltoztató" megbeszélést szervezik meg...
07:52
(Laughter)
158
472165
1650
(Nevetés)
07:53
remember Miss Margaret.
159
473839
1515
...gondoljanak Miss Margaretre.
07:55
And don't forget the food, the food, the food, the food.
160
475792
3819
És ne felejtsék el az ételt (az ételt... az ételt... az ételt...).
08:00
Thank you.
161
480103
1151
Köszönöm.
08:01
(Applause) (Cheers)
162
481278
5475
(Taps) (Éljenzés)
08:06
Thank you.
163
486777
1175
Köszönöm.
08:07
(Applause)
164
487976
1595
(Taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7