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

113,946 views ・ 2018-08-20

TED


Dubbelklik op de Engelse ondertitels hieronder om de video af te spelen.

Vertaald door: Ellen Devlaeminck Nagekeken door: Axel Saffran
00:12
We live in a world where the collection of data
0
12968
2198
In onze wereld worden data verzameld,
00:15
is happening 24 hours a day, seven days a week,
1
15190
2548
24 uur per dag, 7 dagen per week,
00:17
365 days a year.
2
17762
2293
365 dagen per jaar.
00:20
This data is usually collected by what we call a front-desk specialist now.
3
20730
4323
Die data zijn verzameld door onthaalmedewerkers.
00:25
These are the retail clerks at your favorite department stores,
4
25077
3120
Dat zijn de winkelbedienden in je warenhuis,
00:28
the cashiers at the grocery stores,
5
28221
2443
kassiersters bij de kruidenier,
00:30
the registration specialists at the hospital
6
30688
2605
de receptionisten in het ziekenhuis
00:33
and even the person that sold you your last movie ticket.
7
33317
3114
en die persoon die jou je filmticket verkocht.
00:36
They ask discreet questions, like: "May I please have your zip code?"
8
36908
3875
Ze vragen discreet: "Wat is uw postcode?"
00:40
Or, "Would you like to use your savings card today?"
9
40807
3111
of "Heeft u een klantenkaart?"
00:44
All of which gives us data.
10
44369
2309
Dat allemaal levert data op.
00:46
However, the conversation becomes a little bit more complex
11
46702
4587
Het wordt echter een stuk complexer
wanneer de gevoeligere vragen gesteld moeten gaan worden.
00:51
when the more difficult questions need to be asked.
12
51313
3318
00:54
Let me tell you a story, see.
13
54655
1793
Ik ga u een verhaaltje vertellen.
00:56
Once upon a time, there was a woman named Miss Margaret.
14
56750
3018
Er was eens een vrouw die Margaret heette.
00:59
Miss Margaret had been a front-desk specialist
15
59792
2151
Margaret werkte al ruim 20 jaar als onthaalmedewerker.
01:01
for almost 20 years.
16
61967
1460
01:03
And in all that time, she has never, and I do mean never,
17
63451
3817
En al die tijd moest ze nooit -- echt nooit -- vragen
01:07
had to ask a patient their gender, race or ethnicity.
18
67292
3520
naar het geslacht, het ras of de etniciteit van haar patiënt.
01:10
Because, see, now Miss Margaret has the ability to just look at you.
19
70836
3223
Margaret kon namelijk gewoon haar ogen gebruiken.
01:14
Uh-huh.
20
74083
1158
Uh-huh.
01:15
And she can tell if you are a boy or a girl,
21
75265
2777
Voor haar is duidelijk of je een jongen of meisje bent
01:18
black or white, American or non-American.
22
78066
3237
zwart of blank, Amerikaans of niet.
01:21
And in her mind, those were the only categories.
23
81327
3238
En in haar ogen waren dat de enige categorieën.
01:24
So imagine that grave day,
24
84589
2016
Dus stel je maar eens voor dat op een dag
01:26
when her sassy supervisor invited her to this "change everything" meeting
25
86629
4893
haar baas haar uitnodigt voor 'n 'innovatieve meeting'
01:31
and told her that would have to ask each and every last one of her patients
26
91546
3634
en zegt dat ze voortaan elke patiënt moet vragen om zichzelf te identificeren.
01:35
to self-identify.
27
95204
1405
01:36
She gave her six genders, eight races and over 100 ethnicities.
28
96633
4770
Ze kreeg 6 geslachten, 8 rassen en meer dan 100 etniciteiten.
01:41
Well, now, Miss Margaret was appalled.
29
101427
2588
Margaret was geschokt.
Ik bedoel: uiterst beledigd.
01:44
I mean, highly offended.
30
104039
1397
01:45
So much so that she marched down to that human-resource department
31
105460
3331
Zozeer dat ze naar de HR toestapte
01:48
to see if she was eligible for an early retirement.
32
108815
2524
om te horen of ze vervroegd op pensioen kon.
01:51
And she ended her rant by saying
33
111363
1960
Ze eindigde haar kanonnade met de mededeling
01:53
that her sassy supervisor invited her to this "change everything" meeting
34
113347
4870
dat haar baas haar had uitgenodigd voor 'n 'innovatieve meeting'
01:58
and didn't, didn't, even, even
35
118241
2024
zonder ...
02:00
bring, bring food, food, food, food.
36
120289
3028
een hapje te voorzien!
02:03
(Laughter)
37
123341
1154
(Gelach)
02:04
(Applause) (Cheers)
38
124519
5067
(Applaus) (Gejuich)
02:10
You know you've got to bring food to these meetings.
39
130681
2434
Je brengt toch 'n hapje mee naar zo'n meeting.
02:13
(Laughter)
40
133139
2343
(Gelach)
02:15
Anyway.
41
135506
1159
Maar goed.
02:16
(Laughter)
42
136689
1508
(Gelach)
02:18
Now, that was an example of a healthcare setting,
43
138221
2769
Dat was een voorbeeld uit de zorgsector,
02:21
but of course, all businesses collect some form of data.
44
141014
3333
maar alle sectoren verzamelen enige vorm van data.
02:24
True story: I was going to wire some money.
45
144371
3142
Dit is echt gebeurd: ik ging geld overschrijven.
02:28
And the customer service representative asked me
46
148165
2555
De bankbediende vroeg me
02:30
if I was born in the United States.
47
150744
2334
of ik in de VS geboren was.
02:33
Now, I hesitated to answer her question,
48
153419
2381
Ik aarzelde even voor ik antwoordde,
02:35
and before she even realized why I hesitated,
49
155824
3130
en nog voor ze besefte waarom ik aarzelde,
02:38
she began to throw the company she worked for under the bus.
50
158978
3015
begon ze haar eigen bedrijf zwart te maken.
02:42
She said, "Girl, I know it's stupid, but they makin' us ask this question."
51
162017
5072
Ze zegt: "Meid, het is stom, maar we moeten het vragen".
02:47
(Laughter)
52
167113
1151
(Gelach)
02:48
Because of the way she presented it to me,
53
168288
2073
Door haar opmerking
02:50
I was like, "Girl, why?
54
170385
1600
vroeg ik: "Meid, waarom dan?
02:52
Why they makin' you ask this question?
55
172561
2230
Waarom moet je die vraag stellen?
02:54
Is they deportin' people?"
56
174815
1802
Gaan ze mensen het land uitzetten?"
02:56
(Laughter)
57
176641
2142
(Gelach)
02:58
But then I had to turn on the other side of me,
58
178807
2222
Maar toen draaide ik de knop om
naar de professionele verhalenverteller in me.
03:01
the more professional speaker-poet side of me.
59
181053
2568
03:04
The one that understood that there were little Miss Margarets all over the place.
60
184164
4150
Ik wist dat er overal Margarets schuilen.
03:08
People who were good people, maybe even good employees,
61
188871
2968
Goede mensen en zelfs goede werknemers,
03:11
but lacked the ability to ask their questions properly
62
191863
2552
die echter de vaardigheid missen om een vraag goed te stellen
03:14
and unfortunately, that made her look bad,
63
194439
2535
en helaas maakte zij nu een slechte indruk
03:16
but the worst, that made the business look even worse
64
196998
3246
maar het plaatste haar bedrijf
03:20
than how she was looking.
65
200268
1666
in een nog negatiever daglicht.
03:22
Because she had no idea who I was.
66
202236
1767
Want ze had geen idee wie ik was.
03:24
I mean, I literally could have been a woman who was scheduled to do a TED Talk
67
204027
3685
Ik kon evengoed iemand zijn die 'n TED Talk zou doen
03:27
and would use her as an example.
68
207736
1778
en haar als voorbeeld zou gebruiken.
03:29
Imagine that.
69
209538
1300
Stel je voor.
03:30
(Applause)
70
210862
4262
(Applaus)
Helaas is het gevolg dat mensen weigeren te antwoorden
03:35
And unfortunately,
71
215148
1183
03:36
what happens is people would decline to answer the questions,
72
216355
2895
omdat ze denken dat de info gebruikt wordt
03:39
because they feel like you would use the information
73
219274
2509
om hen te discrimineren,
03:41
to discriminate against them,
74
221807
1425
allemaal door de manier waarop het gebracht werd.
03:43
all because of how you presented the information.
75
223256
2391
03:45
And at that point, we get bad data.
76
225671
1778
Zo krijgen we slechte data.
03:47
And everybody knows what bad data does.
77
227473
2111
En iedereen weet wat dat met zich meebrengt.
03:49
Bad data costs you time, it costs you money
78
229608
2793
Slechte data kosten tijd, kosten geld
03:52
and it costs you resources.
79
232425
1946
en kosten middelen.
03:54
Unfortunately, when you have bad data,
80
234395
2563
Helaas gaan slechte data ook gepaard
03:56
it also costs you a lot more,
81
236982
3079
met veel andere dingen.
04:00
because we have health disparities,
82
240085
2395
Denk maar aan de gezondheidskloof
04:02
and we have social determinants of health,
83
242504
2214
en sociale criteria voor gezondheid,
04:04
and we have the infant mortality,
84
244742
1658
en er is ook kindersterfte,
04:06
all of which depends on the data that we collect,
85
246424
2643
en die hangen af van de data die we verzamelen
04:09
and if we have bad data, than we have those issues still.
86
249091
3248
en met slechte data blijven die dingen bestaan.
04:12
And we have underprivileged populations
87
252363
1899
En zo bestaan er kansarme mensen
04:14
that remain unfortunate and underprivileged,
88
254286
2791
met altijd maar tegenslag en gemiste kansen
04:17
because the data that we're using is either outdated,
89
257101
3926
omdat onze data ofwel verouderd is,
04:21
or is not good at all or we don't have anything at all.
90
261051
3293
of slechts is of gewoon onbestaande.
04:24
Now, wouldn't it be amazing if people like Miss Margaret
91
264987
2636
Zou het niet prachtig zijn
als mensen als Margaret en de bankbediende
04:27
and the customer-service representative at the wiring place
92
267647
3150
04:30
were graced to collect data with compassionate care?
93
270821
4374
gezegend zouden zijn en met gevoel data verzamelden?
04:35
Can I explain to you what I mean by "graced?"
94
275562
2317
Mag ik het woord 'graced' (gezegend) toelichten?
04:38
I wrote an acrostic poem.
95
278324
1666
Ik heb een lettervers gemaakt.
04:40
G: Getting the front desk specialist involved and letting them know
96
280300
4773
G: Gebruik de inzet van baliemedewerkers om te tonen hoe
04:45
R: the Relevance of their role as they become
97
285097
3953
R: Relevant hun rol is want ze worden
04:49
A: Accountable for the accuracy of data while implementing
98
289074
3531
A: Aansprakelijk voor accurate data terwijl ze
04:52
C: Compassionate care within all encounters by becoming
99
292629
4044
C: Compassie tonen bij elke ontmoeting door hun
04:56
E: Equipped with the education needed to inform people
100
296697
3301
E: Educatie te gebruiken om mensen te informeren over
05:00
of why data collection is so important.
101
300022
3293
D: Dataverzameling en het belang ervan.
05:04
(Applause)
102
304315
2949
(Applaus)
05:07
Now, I'm an artist.
103
307288
2096
Ik ben kunstenaar.
05:09
And so what happens with me
104
309408
1674
En bij mij werkt het zo:
05:11
is that when I create something artistically,
105
311106
2174
wanneer ik iets artistieks creëer,
05:13
the trainer in me is awakened as well.
106
313304
1923
ontwaakt de trainer in mij ook.
05:15
So what I did was, I began to develop that acrostic poem into a full training
107
315251
4072
Dus maakte ik van de lettervers een volledige opleiding,
05:19
entitled "I'm G.R.A.C.E.D."
108
319347
1548
genaamd: 'Ik ben G.R.A.C.E.D.'
05:20
Because I remember, being the front-desk specialist,
109
320919
2841
Ik wist hoe het was om aan een balie te zitten.
05:23
and when I went to the office of equity to start working,
110
323784
2674
Toen ik ging werken bij het Office of Health Equity
05:26
I was like, "Is that why they asked us to ask that question?"
111
326482
3555
dacht ik: "dáárom stelden ze ons dus die vraag!"
05:30
It all became a bright light to me,
112
330061
1768
Alles werd duidelijk voor mij
05:31
and I realized that I asked people and I told people about --
113
331853
3637
en ik besefte wat ik mensen had gevraagd en verteld.
05:35
I called them by the wrong gender, I called them by the wrong race,
114
335514
3284
Ik gaf hen het verkeerde geslacht, het verkeerde ras,
05:38
I called them by the wrong ethnicity,
115
338822
1803
de verkeerde etniciteit
05:40
and the environment became hostile,
116
340649
2007
en de omgeving werd vijandig,
05:42
people was offended and I was frustrated because I was not graced.
117
342680
4284
mensen waren beledigd en ik gefrustreerd en ik voelde me niet 'gezegend'.
05:46
I remember my computerized training,
118
346988
2587
Ik herinner me nog mijn training op de computer
05:49
and unfortunately, that training did not prepare me to deescalate a situation.
119
349599
5626
en die leerde me helaas niet hoe je een situatie kan deëscaleren.
05:55
It did not prepare me to have teachable moments when I had questions
120
355249
3376
Hij gaf me geen leermomenten wanneer ik vragen had
05:58
about asking the questions.
121
358649
1658
over vragen stellen.
06:00
I would look at the computer and say, "So, what do I do when this happens?"
122
360331
3564
Ik vroeg het scherm: "Wat doe ik in dit geval?"
06:03
And the computer would say ...
123
363919
1858
En de computer zei dan ...
06:05
nothing, because a computer cannot talk back to you.
124
365801
3268
niets, want een computer antwoordt niet.
06:09
(Laughter)
125
369093
3207
(Gelach)
06:12
So that's the importance of having someone there
126
372324
2571
Daarom is het belangrijk iemand te hebben
06:14
who was trained to teach you and tell you what you do
127
374919
2777
die opgeleid is om je te tonen en te vertellen
06:17
in situations like that.
128
377720
1690
wat te doen in zulke situaties.
06:20
So, when I created the "I'm G.R.A.C.E.D" training,
129
380030
2626
De 'I'm G.R.A.C.E.D.'-training heb ik gecreëerd
06:22
I created it with that experience that I had in mind,
130
382680
2994
met die ervaring in het achterhoofd
06:25
but also that conviction that I had in mind.
131
385698
2516
maar ook met mijn overtuiging in gedachten.
06:28
Because I wanted the instructional design of it
132
388238
2253
Ik wou dat de leeromgeving
06:30
to be a safe space for open dialogue for people.
133
390515
2778
een veilige plek was voor een open dialoog.
06:33
I wanted to talk about biases,
134
393317
1895
Ik wou praten over vooroordelen,
06:35
the unconscious ones and the conscious ones,
135
395236
2397
zowel onbewuste als bewuste,
06:37
and what we do.
136
397657
1166
en over wat we doen.
06:38
Because now I know that when you engage people in the why,
137
398847
3944
Want nu weet ik dat als je mensen laat nadenken over 'waarom',
06:42
it challenges their perspective, and it changes their attitudes.
138
402815
3476
hun perspectief verandert, en tevens hun houding.
06:46
Now I know that data that we have at the front desk
139
406315
3159
Nu weet ik dat data verzameld aan de receptie
06:49
translates into research that eliminates disparities and finds cures.
140
409498
4813
leidt tot onderzoek
dat ongelijkheid bestrijdt en remedies vindt.
06:54
Now I know that teaching people transitional change
141
414335
3706
Nu weet ik dat als je mensen geleidelijke verandering aanleert
06:58
instead of shocking them into change
142
418065
2846
zonder die verandering met een schok op te dringen,
07:00
is always a better way of implementing change.
143
420935
3255
dit altijd de betere manier is om verandering te implementeren.
07:04
See, now I know people are more likely to share information
144
424214
3046
Nu weet ik dat mensen eerder bereid zijn informatie te delen
07:07
when they are treated with respect by knowledgeable staff members.
145
427284
3859
als ze met respect bejegend worden door goed opgeleid personeel.
07:11
Now I know that you don't have to be a statistician
146
431167
3021
Nu weet ik dat je geen statisticus moet zijn
07:14
to understand the power and the purpose of data,
147
434212
3001
om de kracht en het doel van data te begrijpen
07:17
but you do have to treat people with respect and have compassionate care.
148
437237
4364
maar zonder respect en medeleven lukt het niet.
07:21
Now I know that when you've been graced,
149
441625
2825
Nu weet ik dat als jij 'graced' bent,
07:24
it is your responsibility to empower somebody else.
150
444474
3376
het je verantwoordelijkheid is om een ander te ondersteunen.
07:27
But most importantly, now I know
151
447874
2425
Maar vooral weet ik nu
07:30
that when teaching human beings
152
450323
2413
dat wanneer je mensen wil leren
07:32
to communicate with other human beings,
153
452760
3079
hoe met andere mensen te communiceren,
07:35
it should be delivered by a human being.
154
455863
3785
dat dit gedaan moet worden door een mens.
07:40
(Applause)
155
460117
6792
(Applaus)
07:46
So when y'all go to work
156
466933
1849
Dus als jullie gaan werken
07:48
and y'all schedule that "change everything" meeting --
157
468806
3335
en jullie plannen 'een innovatieve meeting' --
07:52
(Laughter)
158
472165
1650
(Gelach)
07:53
remember Miss Margaret.
159
473839
1515
denk dan aan Margaret,
07:55
And don't forget the food, the food, the food, the food.
160
475792
3819
en vergeet niet ... 'n hapje mee te brengen.
08:00
Thank you.
161
480103
1151
Dank je wel.
08:01
(Applause) (Cheers)
162
481278
5475
(Applaus) (Gejuich)
08:06
Thank you.
163
486777
1175
Dank je.
08:07
(Applause)
164
487976
1595
(Applaus)
Over deze website

Deze site laat u kennismaken met YouTube-video's die nuttig zijn om Engels te leren. U ziet Engelse lessen gegeven door topdocenten uit de hele wereld. Dubbelklik op de Engelse ondertitels op elke videopagina om de video af te spelen. De ondertitels scrollen synchroon met het afspelen van de video. Heeft u opmerkingen of verzoeken, neem dan contact met ons op via dit contactformulier.

https://forms.gle/WvT1wiN1qDtmnspy7