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

113,946 views ・ 2018-08-20

TED


下の英語字幕をダブルクリックすると動画を再生できます。

翻訳: Hiroshi Uchiyama 校正: Tomoyuki Suzuki
00:12
We live in a world where the collection of data
0
12968
2198
私たちはデータの収集が
00:15
is happening 24 hours a day, seven days a week,
1
15190
2548
1年365日、週7日、1日24時間 行われている―
00:17
365 days a year.
2
17762
2293
そんな世界に暮らしています
00:20
This data is usually collected by what we call a front-desk specialist now.
3
20730
4323
このデータはフロントデスクスペシャリストと 呼ばれる人によって集められています
00:25
These are the retail clerks at your favorite department stores,
4
25077
3120
皆さんのよく行くデパートには 販売員がいますし
00:28
the cashiers at the grocery stores,
5
28221
2443
食料品店にはレジ係がいますし
00:30
the registration specialists at the hospital
6
30688
2605
病院には 患者情報の 登録担当者がいますし
00:33
and even the person that sold you your last movie ticket.
7
33317
3114
前に行った映画館では チケット売ってくれた人がいましたね
00:36
They ask discreet questions, like: "May I please have your zip code?"
8
36908
3875
彼らはさりげなく こんな質問をします 「郵便番号を伺えますか?」
00:40
Or, "Would you like to use your savings card today?"
9
40807
3111
あるいは 「医薬品割引カードを使われますか?」
00:44
All of which gives us data.
10
44369
2309
すべてはデータの提供です
00:46
However, the conversation becomes a little bit more complex
11
46702
4587
しかし 少し込み入った質問を 聞こうとすると
00:51
when the more difficult questions need to be asked.
12
51313
3318
会話は少し複雑になります
00:54
Let me tell you a story, see.
13
54655
1793
あるお話をしましょう
00:56
Once upon a time, there was a woman named Miss Margaret.
14
56750
3018
昔々 マーガレットさんという 女性がいました
00:59
Miss Margaret had been a front-desk specialist
15
59792
2151
彼女は フロントデスクスペシャリストとして
01:01
for almost 20 years.
16
61967
1460
20年近い経験がありました
01:03
And in all that time, she has never, and I do mean never,
17
63451
3817
その当時の彼女は決して ー本当に決してですー
01:07
had to ask a patient their gender, race or ethnicity.
18
67292
3520
患者に性別や人種や民族を 尋ねることはありませんでした
01:10
Because, see, now Miss Margaret has the ability to just look at you.
19
70836
3223
なぜならマーガレットさんは 見れば分かるからです
01:14
Uh-huh.
20
74083
1158
なるほど
01:15
And she can tell if you are a boy or a girl,
21
75265
2777
彼女は少年か少女かを言い当てたり
01:18
black or white, American or non-American.
22
78066
3237
有色人種かどうか アメリカ人かどうかを 言い当てたりすることができます
01:21
And in her mind, those were the only categories.
23
81327
3238
彼女の心の中では それらのカテゴリーしか存在しません
01:24
So imagine that grave day,
24
84589
2016
重大な日が訪れます
01:26
when her sassy supervisor invited her to this "change everything" meeting
25
86629
4893
口うるさい上司が 「すべてを変える」会議に彼女を招き
01:31
and told her that would have to ask each and every last one of her patients
26
91546
3634
「患者を一人一人識別するために 質問しなければならない」
01:35
to self-identify.
27
95204
1405
と言うのです
01:36
She gave her six genders, eight races and over 100 ethnicities.
28
96633
4770
上司は6つの性別と8つの人種と 100を超える集団を示します
01:41
Well, now, Miss Margaret was appalled.
29
101427
2588
そしてマーガレットさんは愕然とします
01:44
I mean, highly offended.
30
104039
1397
強く気分を害したので
01:45
So much so that she marched down to that human-resource department
31
105460
3331
人事部に駆け寄り
01:48
to see if she was eligible for an early retirement.
32
108815
2524
早期退職の権利があるか確かめました
01:51
And she ended her rant by saying
33
111363
1960
そして彼女がこう声高に主張して 話を終えました
01:53
that her sassy supervisor invited her to this "change everything" meeting
34
113347
4870
「口うるさい上司が “すべてを変える”会議を招集しているのに
01:58
and didn't, didn't, even, even
35
118241
2024
食べ物を、食べ物を…
02:00
bring, bring food, food, food, food.
36
120289
3028
持参さえ、持参さえ… してこなかった、してこなかった…」
02:03
(Laughter)
37
123341
1154
(笑)
02:04
(Applause) (Cheers)
38
124519
5067
(拍手)(喝采)
02:10
You know you've got to bring food to these meetings.
39
130681
2434
このような会議には食べ物を 持参しなければなりません
02:13
(Laughter)
40
133139
2343
(笑)
02:15
Anyway.
41
135506
1159
それはともかく
02:16
(Laughter)
42
136689
1508
(笑)
02:18
Now, that was an example of a healthcare setting,
43
138221
2769
これは医療機関での一例ですが
02:21
but of course, all businesses collect some form of data.
44
141014
3333
もちろん どんなビジネスでも 何らかの形でデータを収集しています
02:24
True story: I was going to wire some money.
45
144371
3142
実話ですが 私が送金をしようとしていたら
02:28
And the customer service representative asked me
46
148165
2555
カスタマーサービスの担当者が
02:30
if I was born in the United States.
47
150744
2334
米国生まれかを尋ねました
02:33
Now, I hesitated to answer her question,
48
153419
2381
私は質問に答えるのを躊躇しました
02:35
and before she even realized why I hesitated,
49
155824
3130
彼女は 私が躊躇している 理由に気づく前に
02:38
she began to throw the company she worked for under the bus.
50
158978
3015
彼女が勤めている会社を裏切り始めました
02:42
She said, "Girl, I know it's stupid, but they makin' us ask this question."
51
162017
5072
こう言ったのです 「お嬢さん ばかげて ますよね でも会社が聞けって言うのよ」
02:47
(Laughter)
52
167113
1151
(笑)
02:48
Because of the way she presented it to me,
53
168288
2073
彼女の打ち明け方がこうだったので
02:50
I was like, "Girl, why?
54
170385
1600
「お嬢さん なぜ
02:52
Why they makin' you ask this question?
55
172561
2230
なぜ会社はこんなことを聞かせるの?
02:54
Is they deportin' people?"
56
174815
1802
国外退去でもさせるの?」
02:56
(Laughter)
57
176641
2142
(笑)
02:58
But then I had to turn on the other side of me,
58
178807
2222
しかしもう1つの顔を 見せねばなりませんでした
03:01
the more professional speaker-poet side of me.
59
181053
2568
朗読詩人のプロとしての私です
03:04
The one that understood that there were little Miss Margarets all over the place.
60
184164
4150
マーガレットさんもどきが 至るところにいることを 理解する私です
03:08
People who were good people, maybe even good employees,
61
188871
2968
善良な人々 おそらくは善良な従業員でさえ
03:11
but lacked the ability to ask their questions properly
62
191863
2552
問うべき質問を正しく尋ねる能力を 欠いていて
03:14
and unfortunately, that made her look bad,
63
194439
2535
残念な事に 彼女が悪いように見えてしまい
03:16
but the worst, that made the business look even worse
64
196998
3246
そして最悪なことには ビジネスそのものが
03:20
than how she was looking.
65
200268
1666
彼女よりもさらに悪く 見えてしまいます
03:22
Because she had no idea who I was.
66
202236
1767
私がどんな人物か 知らなかったので
03:24
I mean, I literally could have been a woman who was scheduled to do a TED Talk
67
204027
3685
まさか文字通りTEDトークに登壇し 彼女のことを一例として
03:27
and would use her as an example.
68
207736
1778
持ち出すことになる女性だなんて
03:29
Imagine that.
69
209538
1300
想像できませんよね
03:30
(Applause)
70
210862
4262
(拍手)
03:35
And unfortunately,
71
215148
1183
残念な事に
03:36
what happens is people would decline to answer the questions,
72
216355
2895
人々は質問に答えることを 拒否しがちです
03:39
because they feel like you would use the information
73
219274
2509
それは提供した情報が 差別に使われるのではと
03:41
to discriminate against them,
74
221807
1425
感じてしまうからです
03:43
all because of how you presented the information.
75
223256
2391
それも全て 情報の示し方に原因があります
03:45
And at that point, we get bad data.
76
225671
1778
これでは良いデータは得られません
03:47
And everybody knows what bad data does.
77
227473
2111
誰しも粗悪なデータが引き起こす 問題を知っています
03:49
Bad data costs you time, it costs you money
78
229608
2793
粗悪なデータは時間を浪費させ コストがかかり
03:52
and it costs you resources.
79
232425
1946
資源を無駄にします
03:54
Unfortunately, when you have bad data,
80
234395
2563
残念ながら 粗悪なデータを手にすると
03:56
it also costs you a lot more,
81
236982
3079
様々なことで浪費が生じます
04:00
because we have health disparities,
82
240085
2395
なぜなら 健康格差の問題や
04:02
and we have social determinants of health,
83
242504
2214
健康の社会的決定要因や
04:04
and we have the infant mortality,
84
244742
1658
乳児死亡率の問題がありますが
04:06
all of which depends on the data that we collect,
85
246424
2643
これらの分析は全て 収集されたデータに依存しているので
04:09
and if we have bad data, than we have those issues still.
86
249091
3248
粗悪なデータを入手しても 問題は解決されないのです
04:12
And we have underprivileged populations
87
252363
1899
恵まれない人たちが
04:14
that remain unfortunate and underprivileged,
88
254286
2791
不運で恵まれないままでいるのは
04:17
because the data that we're using is either outdated,
89
257101
3926
私たちの使うデータが 時代遅れのものであるか
04:21
or is not good at all or we don't have anything at all.
90
261051
3293
全然良くないか データを全く持ち合わせていないからです
04:24
Now, wouldn't it be amazing if people like Miss Margaret
91
264987
2636
マーガレットさんや
04:27
and the customer-service representative at the wiring place
92
267647
3150
銀行送金のカスタマーサービス係といった 人々が 思いやりのある配慮で
04:30
were graced to collect data with compassionate care?
93
270821
4374
データを収集する技量を持ち合わせたなら 素晴らしいとは思いませんか?
04:35
Can I explain to you what I mean by "graced?"
94
275562
2317
「技量を持ち合わせる (graced)」の 意味について説明しましょう
04:38
I wrote an acrostic poem.
95
278324
1666
各行の頭文字が G.R.A.C.E.D.になるように
04:40
G: Getting the front desk specialist involved and letting them know
96
280300
4773
G: フロントデスクスペシャリストを 関与させて
04:45
R: the Relevance of their role as they become
97
285097
3953
R: 自分たちが担う役割の大切さを 知らせること
04:49
A: Accountable for the accuracy of data while implementing
98
289074
3531
A: そしてデータの正確性に 説明責任を負うようになると同時に
04:52
C: Compassionate care within all encounters by becoming
99
292629
4044
C: なぜデータ収集が 大切なのかを人々に知らせるために
04:56
E: Equipped with the education needed to inform people
100
296697
3301
E: 必要な教育を受けることで
05:00
of why data collection is so important.
101
300022
3293
D: 応対する時には常に 思いやりのある配慮ができるように
05:04
(Applause)
102
304315
2949
(拍手)
05:07
Now, I'm an artist.
103
307288
2096
私は芸術家です
05:09
And so what happens with me
104
309408
1674
私に何が起きるかというと
05:11
is that when I create something artistically,
105
311106
2174
何か芸術的な創作をする時に
05:13
the trainer in me is awakened as well.
106
313304
1923
私自身の中にいる指導者も 目覚めるのです
05:15
So what I did was, I began to develop that acrostic poem into a full training
107
315251
4072
そこで先ほどの説明を 内容豊かな 育成プログラムへと発展させました
05:19
entitled "I'm G.R.A.C.E.D."
108
319347
1548
"I'm G.R.A.C.E.D."といいます
05:20
Because I remember, being the front-desk specialist,
109
320919
2841
フロントデスクスペシャリストになろうと
05:23
and when I went to the office of equity to start working,
110
323784
2674
仕事を始めるために 「公平性相談事務所」に行った時
05:26
I was like, "Is that why they asked us to ask that question?"
111
326482
3555
「だからあんな質問をするのね?」 と納得しました
05:30
It all became a bright light to me,
112
330061
1768
そしてすべてが眩しい光になり
05:31
and I realized that I asked people and I told people about --
113
331853
3637
私が人々に尋ねたり 話したりしたことに 思い当たりました
05:35
I called them by the wrong gender, I called them by the wrong race,
114
335514
3284
人々を間違った性別で呼び 間違った人種で呼び
05:38
I called them by the wrong ethnicity,
115
338822
1803
間違った民族で呼んでしまい
05:40
and the environment became hostile,
116
340649
2007
敵意を感じる雰囲気となり
05:42
people was offended and I was frustrated because I was not graced.
117
342680
4284
人々は気分を害し 技量の欠けている私は イライラしていたのでした
05:46
I remember my computerized training,
118
346988
2587
コンピューターによる訓練がありましたが
05:49
and unfortunately, that training did not prepare me to deescalate a situation.
119
349599
5626
残念ながら 状況の改善には 役立ちませんでした
05:55
It did not prepare me to have teachable moments when I had questions
120
355249
3376
相手に質問することについて 質問をしようにも
05:58
about asking the questions.
121
358649
1658
何の答えも得られませんでした
06:00
I would look at the computer and say, "So, what do I do when this happens?"
122
360331
3564
コンピュータに向かってこう言うのです 「こうなった時には どうしたらいいの?」
06:03
And the computer would say ...
123
363919
1858
するとコンピュータは…
06:05
nothing, because a computer cannot talk back to you.
124
365801
3268
無言です コンピュータは 返答できないからです
06:09
(Laughter)
125
369093
3207
(笑)
06:12
So that's the importance of having someone there
126
372324
2571
ですから 大切なことは
06:14
who was trained to teach you and tell you what you do
127
374919
2777
そのような状況下で 指導し 何をすべきかを教えられる
06:17
in situations like that.
128
377720
1690
訓練された誰かがいることです
06:20
So, when I created the "I'm G.R.A.C.E.D" training,
129
380030
2626
私が“I'm G.R.A.C.E.D” の 育成プログラムを創設した際
06:22
I created it with that experience that I had in mind,
130
382680
2994
私の記憶にある経験に留まらず
06:25
but also that conviction that I had in mind.
131
385698
2516
信念も採り入れて創りました
06:28
Because I wanted the instructional design of it
132
388238
2253
開放的な会話を安心して 交わせる空間にするために
06:30
to be a safe space for open dialogue for people.
133
390515
2778
育成プログラムに 教育的なデザインを求めました
06:33
I wanted to talk about biases,
134
393317
1895
偏見について語りたいと思いました
06:35
the unconscious ones and the conscious ones,
135
395236
2397
偏見には無意識なものも 意識的なものも
06:37
and what we do.
136
397657
1166
行動に現れるものもあります
06:38
Because now I know that when you engage people in the why,
137
398847
3944
疑問を抱いている人々に 関わっていく時に
06:42
it challenges their perspective, and it changes their attitudes.
138
402815
3476
彼らの考え方に異議を唱え 彼らの態度を変えることができます
06:46
Now I know that data that we have at the front desk
139
406315
3159
今 フロントデスクで得られるデータを
06:49
translates into research that eliminates disparities and finds cures.
140
409498
4813
格差を解消し治癒法を見出す研究に 活用できます
06:54
Now I know that teaching people transitional change
141
414335
3706
さて 人々にショックを与えて 変化させるよりも
06:58
instead of shocking them into change
142
418065
2846
徐々に変化していくことを教える方が
07:00
is always a better way of implementing change.
143
420935
3255
変化させるためには いつだって良い方法なのです
07:04
See, now I know people are more likely to share information
144
424214
3046
知識深いスタッフから 敬意をもって扱われると
07:07
when they are treated with respect by knowledgeable staff members.
145
427284
3859
人々が情報を提供してくれる 可能性が高まります
07:11
Now I know that you don't have to be a statistician
146
431167
3021
あなたがデータのもつ力や目的を
07:14
to understand the power and the purpose of data,
147
434212
3001
理解出来る統計学者である必要は ありませんが
07:17
but you do have to treat people with respect and have compassionate care.
148
437237
4364
敬意をもって人と接し 思いやりのある配慮がなければいけません
07:21
Now I know that when you've been graced,
149
441625
2825
あなたがそのような技量を 身につけた時こそ
07:24
it is your responsibility to empower somebody else.
150
444474
3376
誰か他の人を力づける 責任を負います
07:27
But most importantly, now I know
151
447874
2425
最も重要なことは
07:30
that when teaching human beings
152
450323
2413
他の人間との
07:32
to communicate with other human beings,
153
452760
3079
コミュニケーションの取り方を 人間に教えるのは
07:35
it should be delivered by a human being.
154
455863
3785
人間であるべきだということです
07:40
(Applause)
155
460117
6792
(拍手)
07:46
So when y'all go to work
156
466933
1849
みなさんが仕事に行き
07:48
and y'all schedule that "change everything" meeting --
157
468806
3335
「すべてを変える」会議に 出席する予定があれば
07:52
(Laughter)
158
472165
1650
(笑)
07:53
remember Miss Margaret.
159
473839
1515
マーガレットさんを思い出して下さい
07:55
And don't forget the food, the food, the food, the food.
160
475792
3819
それから 忘れてはいけないのは 食べ物、食べ物、食べ物…
08:00
Thank you.
161
480103
1151
ありがとう
08:01
(Applause) (Cheers)
162
481278
5475
(拍手)(歓声)
08:06
Thank you.
163
486777
1175
ありがとう
08:07
(Applause)
164
487976
1595
(拍手)
このウェブサイトについて

このサイトでは英語学習に役立つYouTube動画を紹介します。世界中の一流講師による英語レッスンを見ることができます。各ビデオのページに表示される英語字幕をダブルクリックすると、そこからビデオを再生することができます。字幕はビデオの再生と同期してスクロールします。ご意見・ご要望がございましたら、こちらのお問い合わせフォームよりご連絡ください。

https://forms.gle/WvT1wiN1qDtmnspy7