TED2018
Tamekia MizLadi Smith: How to train employees to have difficult conversations
Tamekia MizLadi Smith: Hogyan képezzük az alkalmazottakat a nehéz beszélgetések kezelésére?
Filmed:
Readability: 3.9
2,028,253 views
"Itt az ideje személyes oktatásokba fektetni, melyek képessé teszik az embereket a nehéz beszélgetések kezelésére", mondja Tamekia MizLadi Smith. Ebben a szellemes, provokatív előadásban Smith egy munkahelyi oktatóprogramról beszél, amely az "Á. L. D. V. A. vagyok" nevet kapta, és képes arra motiválni vezetőket és alkalmazottakat, hogy törődéssel és tisztelettel kommunikáljanak. A lényeg pedig: mindig mondják el az alkalmazottaknak, miért fontos a munkájuk!
Tamekia MizLadi Smith - Performer, mentor
Tamekia MizLadi Smith wants to start new conversations around involving non-clinical staff in healthcare. Full bio
Tamekia MizLadi Smith wants to start new conversations around involving non-clinical staff in healthcare. Full bio
Double-click the English transcript below to play the video.
00:12
We live in a world
where the collection of data
where the collection of data
0
968
2198
Olyan világban élünk,
00:15
is happening 24 hours a day,
seven days a week,
seven days a week,
1
3190
2548
ahol a nap 24 órájában,
a hét minden napján,
a hét minden napján,
00:17
365 days a year.
2
5762
2293
az év 365 napján adatgyűjtés folyik.
00:20
This data is usually collected by
what we call a front-desk specialist now.
what we call a front-desk specialist now.
3
8730
4323
Az adatokat az ügyfelekkel közvetlenül
kapcsolatba kerülő specialista gyűjti.
kapcsolatba kerülő specialista gyűjti.
00:25
These are the retail clerks
at your favorite department stores,
at your favorite department stores,
4
13077
3120
Ilyenek például kedvenc áruházaik eladói,
00:28
the cashiers at the grocery stores,
5
16221
2443
az élelmiszerboltok pénztárosai,
00:30
the registration specialists
at the hospital
at the hospital
6
18688
2605
a kórházi betegfelvételisek,
00:33
and even the person that sold you
your last movie ticket.
your last movie ticket.
7
21317
3114
sőt az is, aki utoljára
mozijegyet adott önöknek.
mozijegyet adott önöknek.
00:36
They ask discreet questions, like:
"May I please have your zip code?"
"May I please have your zip code?"
8
24908
3875
Tapintatos kérdéseket tesznek fel, mint:
"Megadná, kérem, az irányítószámát?"
"Megadná, kérem, az irányítószámát?"
00:40
Or, "Would you like to use
your savings card today?"
your savings card today?"
9
28807
3111
Vagy: "Szeretné használni
a pontgyűjtó kártyáját?"
a pontgyűjtó kártyáját?"
00:44
All of which gives us data.
10
32369
2309
Ezek mind adatot szolgáltatnak.
00:46
However, the conversation
becomes a little bit more complex
becomes a little bit more complex
11
34702
4587
Azonban a beszélgetés
kissé összetettebbé válik,
kissé összetettebbé válik,
00:51
when the more difficult questions
need to be asked.
need to be asked.
12
39313
3318
amikor nehezebb kérdések merülnek fel.
00:54
Let me tell you a story, see.
13
42655
1793
Hadd mondjak önöknek egy történetet:
00:56
Once upon a time, there was
a woman named Miss Margaret.
a woman named Miss Margaret.
14
44750
3018
Egyszer volt, hol nem volt egy hölgy,
bizonyos Miss Margaret.
bizonyos Miss Margaret.
00:59
Miss Margaret had been
a front-desk specialist
a front-desk specialist
15
47792
2151
Margaret ügyfélkapcsolati specialista volt
01:01
for almost 20 years.
16
49967
1460
közel húsz évig.
01:03
And in all that time, she has never,
and I do mean never,
and I do mean never,
17
51451
3817
Ezalatt sosem, komolyan,
sosem kellett megkérdeznie
sosem kellett megkérdeznie
01:07
had to ask a patient their gender,
race or ethnicity.
race or ethnicity.
18
55292
3520
a betegek nemét, faját
vagy etnikai hovatartozását.
vagy etnikai hovatartozását.
01:10
Because, see, now Miss Margaret
has the ability to just look at you.
has the ability to just look at you.
19
58836
3223
Mert, tudják, Margaret csak ránézett
az emberre, és megállapította.
az emberre, és megállapította.
01:14
Uh-huh.
20
62083
1158
Aha.
01:15
And she can tell
if you are a boy or a girl,
if you are a boy or a girl,
21
63265
2777
Megállapította, hogy az illető
fiú-e vagy lány,
fiú-e vagy lány,
01:18
black or white, American or non-American.
22
66066
3237
fekete vagy fehér, amerikai vagy sem.
01:21
And in her mind,
those were the only categories.
those were the only categories.
23
69327
3238
Számára csak ezek a kategóriák léteztek.
01:24
So imagine that grave day,
24
72589
2016
Képzeljék el azt a nehéz napot,
01:26
when her sassy supervisor invited her
to this "change everything" meeting
to this "change everything" meeting
25
74629
4893
amikor pimasz felettese meghívta
a "mindent megváltoztató" megbeszélésre,
a "mindent megváltoztató" megbeszélésre,
01:31
and told her that would have to ask
each and every last one of her patients
each and every last one of her patients
26
79546
3634
és közölte vele, hogy minden egyes
pácienst meg kell kérnie,
pácienst meg kell kérnie,
01:35
to self-identify.
27
83204
1405
hogy azonosítsa magát.
01:36
She gave her six genders,
eight races and over 100 ethnicities.
eight races and over 100 ethnicities.
28
84633
4770
Átadott neki egy listát hat nemmel, nyolc
fajjal és száznál több etnikummal.
fajjal és száznál több etnikummal.
01:41
Well, now, Miss Margaret was appalled.
29
89427
2588
Nos, Margaret megdöbbent.
01:44
I mean, highly offended.
30
92039
1397
Vagyis nagyon megsértődött.
01:45
So much so that she marched down
to that human-resource department
to that human-resource department
31
93460
3331
Annyira, hogy elmasírozott a HR-osztályra,
01:48
to see if she was eligible
for an early retirement.
for an early retirement.
32
96815
2524
hogy megtudja, elmehet-e
korkedvezménnyel nyugdíjba.
korkedvezménnyel nyugdíjba.
01:51
And she ended her rant by saying
33
99363
1960
Azzal fejezte be a kirohanását,
miszerint a pimasz főnöke meghívta
miszerint a pimasz főnöke meghívta
01:53
that her sassy supervisor invited her
to this "change everything" meeting
to this "change everything" meeting
34
101347
4870
erre a "mindent megváltoztató"
megbeszélésre,
megbeszélésre,
01:58
and didn't, didn't, even, even
35
106241
2024
de még (még), csak (csak), ételt (ételt)
02:00
bring, bring food, food, food, food.
36
108289
3028
sem (sem), hozott (hozott... hozott).
02:03
(Laughter)
37
111341
1154
(Nevetés)
02:04
(Applause) (Cheers)
38
112519
5067
(Taps)
(Éljenzés)
(Éljenzés)
02:10
You know you've got to bring food
to these meetings.
to these meetings.
39
118681
2434
Tudják, az ilyen megbeszélésekre
ételt kell vinniük.
ételt kell vinniük.
02:13
(Laughter)
40
121139
2343
(Nevetés)
02:15
Anyway.
41
123506
1159
Mindenképp.
02:16
(Laughter)
42
124689
1508
(Nevetés)
02:18
Now, that was an example
of a healthcare setting,
of a healthcare setting,
43
126221
2769
Nos, ez egy példa volt az egészségügyből,
02:21
but of course, all businesses
collect some form of data.
collect some form of data.
44
129014
3333
de természetesen minden üzletág
gyűjti valahogyan az adatokat.
gyűjti valahogyan az adatokat.
02:24
True story: I was going
to wire some money.
to wire some money.
45
132371
3142
Igaz történet: pénzt akartam átutalni.
02:28
And the customer service
representative asked me
representative asked me
46
136165
2555
Az ügyfélszolgálati munkatárs megkérdezte,
02:30
if I was born in the United States.
47
138744
2334
az Államokban születtem-e.
02:33
Now, I hesitated to answer her question,
48
141419
2381
Tétováztam a választ illetően,
02:35
and before she even realized
why I hesitated,
why I hesitated,
49
143824
3130
és ő, mielőtt még rájött volna,
miért hezitálok,
miért hezitálok,
02:38
she began to throw the company
she worked for under the bus.
she worked for under the bus.
50
146978
3015
elkezdte lejáratni a munkáltatóját.
02:42
She said, "Girl, I know it's stupid,
but they makin' us ask this question."
but they makin' us ask this question."
51
150017
5072
Azt mondta: "Kedvesem, tudom, hülyeség,
de előírják, hogy ezt megkérdezzük."
de előírják, hogy ezt megkérdezzük."
02:47
(Laughter)
52
155113
1151
(Nevetés)
02:48
Because of the way she presented it to me,
53
156288
2073
Csak azért, ahogy ő adta elő magát,
02:50
I was like, "Girl, why?
54
158385
1600
így reagáltam: "Mondd, miért?
02:52
Why they makin' you ask this question?
55
160561
2230
Miért írják elő, hogy ezt kérdezzétek?
02:54
Is they deportin' people?"
56
162815
1802
Deportálják az embereket?"
02:56
(Laughter)
57
164641
2142
(Nevetés)
02:58
But then I had to turn on
the other side of me,
the other side of me,
58
166807
2222
De aztán visszakapcsoltam
a másik énemre,
a másik énemre,
03:01
the more professional
speaker-poet side of me.
speaker-poet side of me.
59
169053
2568
a sokkal profibb, szónoki-költői énemre.
03:04
The one that understood that there were
little Miss Margarets all over the place.
little Miss Margarets all over the place.
60
172164
4150
Arra, amelyik értette, hogy mindenütt
akadnak kis Miss Margaretek.
akadnak kis Miss Margaretek.
03:08
People who were good people,
maybe even good employees,
maybe even good employees,
61
176871
2968
Emberek, jó emberek, sőt,
akár jó munkavállalók is,
akár jó munkavállalók is,
03:11
but lacked the ability
to ask their questions properly
to ask their questions properly
62
179863
2552
akikből hiányzott a helyes
kérdezés képessége,
kérdezés képessége,
03:14
and unfortunately, that made her look bad,
63
182439
2535
és sajnos ez rossz képet festett róluk,
03:16
but the worst, that made
the business look even worse
the business look even worse
64
184998
3246
de a legrosszabb, hogy ez az üzletről
még rosszabb képet festett,
még rosszabb képet festett,
03:20
than how she was looking.
65
188268
1666
mint magáról a hölgyről.
03:22
Because she had no idea who I was.
66
190236
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
a woman who was scheduled to do a TED Talk
67
192027
3685
Szó szerint lehettem volna egy nő,
akit meghívtak előadást tartani a TED-en,
akit meghívtak előadást tartani a TED-en,
03:27
and would use her as an example.
68
195736
1778
és aki példaként használja őt.
03:29
Imagine that.
69
197538
1300
Képzeljék csak el.
03:30
(Applause)
70
198862
4262
(Taps)
03:35
And unfortunately,
71
203148
1183
És sajnos
03:36
what happens is people would decline
to answer the questions,
to answer the questions,
72
204355
2895
az emberek megtagadják a válaszadást,
03:39
because they feel like
you would use the information
you would use the information
73
207274
2509
mert úgy érzik, az információt
diszkriminatív módon
használnák fel ellenük,
használnák fel ellenük,
03:41
to discriminate against them,
74
209807
1425
03:43
all because of how you presented
the information.
the information.
75
211256
2391
és mindezt a rossz kommunikáció miatt.
03:45
And at that point, we get bad data.
76
213671
1778
Valójában így rossz adatot kapunk.
03:47
And everybody knows what bad data does.
77
215473
2111
És mindenki tudja,
mit jelent a rossz adat.
mit jelent a rossz adat.
03:49
Bad data costs you time,
it costs you money
it costs you money
78
217608
2793
A rossz adat időbe és pénzbe kerül,
03:52
and it costs you resources.
79
220425
1946
plusz erőforrásba.
03:54
Unfortunately, when you have bad data,
80
222395
2563
Sajnos, ha rosszak az adatok,
03:56
it also costs you a lot more,
81
224982
3079
annak még nagyobb a költségvonzata,
04:00
because we have health disparities,
82
228085
2395
mert ott van az egészségi egyenlőtlenség,
04:02
and we have social determinants of health,
83
230504
2214
az egészség szociális meghatározói,
04:04
and we have the infant mortality,
84
232742
1658
a gyermekhalandóság,
04:06
all of which depends
on the data that we collect,
on the data that we collect,
85
234424
2643
amelyek mind az általunk begyűjtött
adatoktól függnek,
adatoktól függnek,
04:09
and if we have bad data,
than we have those issues still.
than we have those issues still.
86
237091
3248
és ha rosszak az adatok, a problémák
változatlanul megmaradnak.
változatlanul megmaradnak.
04:12
And we have underprivileged populations
87
240363
1899
Vannak hátrányos helyzetű népességek,
amelyek szerencsétlenek
és hátrányos helyzetűek is maradnak,
és hátrányos helyzetűek is maradnak,
04:14
that remain unfortunate
and underprivileged,
and underprivileged,
88
242286
2791
04:17
because the data that we're using
is either outdated,
is either outdated,
89
245101
3926
mert az adatok, amikkel
dolgozunk, vagy elavultak,
dolgozunk, vagy elavultak,
04:21
or is not good at all
or we don't have anything at all.
or we don't have anything at all.
90
249051
3293
vagy egyáltalán nem jók,
vagy nincsenek is.
vagy nincsenek is.
04:24
Now, wouldn't it be amazing
if people like Miss Margaret
if people like Miss Margaret
91
252987
2636
Nos, nem lenne csodás,
ha a Miss Margarethez
ha a Miss Margarethez
04:27
and the customer-service
representative at the wiring place
representative at the wiring place
92
255647
3150
és a banki vevőszolgálatoshoz
hasonló emberek meg lennének áldva
hasonló emberek meg lennének áldva
04:30
were graced to collect data
with compassionate care?
with compassionate care?
93
258821
4374
azzal a képességgel, hogy együttérző
törődéssel végezzék az adatgyűjtést?
törődéssel végezzék az adatgyűjtést?
04:35
Can I explain to you
what I mean by "graced?"
what I mean by "graced?"
94
263562
2317
Elmagyarázhatom, mit értek "áldás" alatt?
04:38
I wrote an acrostic poem.
95
266324
1666
Írtam egy akrosztikont.
04:40
G: Getting the front desk specialist
involved and letting them know
involved and letting them know
96
268300
4773
Á: Átérzi és tudja,
miért fontos a szerepe.
miért fontos a szerepe.
04:45
R: the Relevance of their role
as they become
as they become
97
273097
3953
L: Legyen az adat pontos, ez az ő sikere.
04:49
A: Accountable for the accuracy
of data while implementing
of data while implementing
98
277074
3531
D: Dolgát együttérzéssel,
törődéssel végzi.
törődéssel végzi.
04:52
C: Compassionate care within
all encounters by becoming
all encounters by becoming
99
280629
4044
V: Valódi tudással magyarázva
04:56
E: Equipped with the education
needed to inform people
needed to inform people
100
284697
3301
A: Az adatgyűjtés fontosságát
05:00
of why data collection is so important.
101
288022
3293
mindenki megérti.
05:04
(Applause)
102
292315
2949
(Taps)
05:07
Now, I'm an artist.
103
295288
2096
Nos, én művész vagyok.
05:09
And so what happens with me
104
297408
1674
Ha egy művészi alkotáson dolgozom,
05:11
is that when I create
something artistically,
something artistically,
105
299106
2174
olyankor a bennem lakozó
05:13
the trainer in me is awakened as well.
106
301304
1923
tréner is öntudatára ébred.
05:15
So what I did was, I began to develop
that acrostic poem into a full training
that acrostic poem into a full training
107
303251
4072
Így ezt az akrosztikont elkezdtem
továbbfejleszteni komplett gyakorlattá,
továbbfejleszteni komplett gyakorlattá,
05:19
entitled "I'm G.R.A.C.E.D."
108
307347
1548
"Á. L. D. V. A. vagyok" címmel.
05:20
Because I remember,
being the front-desk specialist,
being the front-desk specialist,
109
308919
2841
Mert emlékszem, mikor
ügyfélkapcsolati specialista lettem,
ügyfélkapcsolati specialista lettem,
05:23
and when I went to the office
of equity to start working,
of equity to start working,
110
311784
2674
és először mentem be
a méltányossági ellátási irodába,
a méltányossági ellátási irodába,
05:26
I was like, "Is that why they asked us
to ask that question?"
to ask that question?"
111
314482
3555
az jutott eszembe: "Ezért tették fel
nekünk azokat a kérdéseket?"
nekünk azokat a kérdéseket?"
05:30
It all became a bright light to me,
112
318061
1768
Minden megvilágosodott.
05:31
and I realized that I asked people
and I told people about --
and I told people about --
113
319853
3637
Rájöttem, hogy ahogy a kérdéseimet
feltettem, ahogy magyaráztam...
feltettem, ahogy magyaráztam...
rossz nemi hovatartozást használtam,
rossz faji hovatartozást használtam,
rossz faji hovatartozást használtam,
05:35
I called them by the wrong gender,
I called them by the wrong race,
I called them by the wrong race,
114
323514
3284
05:38
I called them by the wrong ethnicity,
115
326822
1803
rossz etnikumot határoztam meg,
05:40
and the environment became hostile,
116
328649
2007
ami ellenséges környezetet szült;
05:42
people was offended and I was frustrated
because I was not graced.
because I was not graced.
117
330680
4284
"nem voltam megáldva", így megbántottam
és frusztrálttá tettem az embereket.
és frusztrálttá tettem az embereket.
05:46
I remember my computerized training,
118
334988
2587
Emlékszem a számítógépes tréningemre,
05:49
and unfortunately, that training did not
prepare me to deescalate a situation.
prepare me to deescalate a situation.
119
337599
5626
amely sajnos nem készített fel,
hogyan enyhítsem az ilyen helyzeteket.
hogyan enyhítsem az ilyen helyzeteket.
05:55
It did not prepare me to have
teachable moments when I had questions
teachable moments when I had questions
120
343249
3376
Nem biztosította
a mélyebb megértés lehetőségét:
a mélyebb megértés lehetőségét:
hogy megkérdezhessem,
hogyan tegyek fel jól kérdéseket.
hogyan tegyek fel jól kérdéseket.
05:58
about asking the questions.
121
346649
1658
06:00
I would look at the computer and say,
"So, what do I do when this happens?"
"So, what do I do when this happens?"
122
348331
3564
Odafordulnék a géphez, és megkérdezném:
"Szóval mi a teendő, ha ez történik?"
"Szóval mi a teendő, ha ez történik?"
06:03
And the computer would say ...
123
351919
1858
Mire a számítógép...
06:05
nothing, because a computer
cannot talk back to you.
cannot talk back to you.
124
353801
3268
hallgat, mert nem tud beszélni.
06:09
(Laughter)
125
357093
3207
(Nevetés)
06:12
So that's the importance
of having someone there
of having someone there
126
360324
2571
Nos, ezért fontos, hogy legyen ott valaki,
06:14
who was trained to teach you
and tell you what you do
and tell you what you do
127
362919
2777
aki képes tanítani téged,
és elmondani, mi a teendő
és elmondani, mi a teendő
06:17
in situations like that.
128
365720
1690
a hasonló helyzetekben.
06:20
So, when I created
the "I'm G.R.A.C.E.D" training,
the "I'm G.R.A.C.E.D" training,
129
368030
2626
Így amikor az "Á. L. D. V. A. vagyok"
anyagát írtam,
anyagát írtam,
06:22
I created it with that experience
that I had in mind,
that I had in mind,
130
370680
2994
ezt a tapasztalatot
szem előtt tartva dolgoztam,
szem előtt tartva dolgoztam,
06:25
but also that conviction
that I had in mind.
that I had in mind.
131
373698
2516
és persze meggyőződéssel.
06:28
Because I wanted
the instructional design of it
the instructional design of it
132
376238
2253
Olyan optimalizált oktatási
felületet akartam,
felületet akartam,
06:30
to be a safe space
for open dialogue for people.
for open dialogue for people.
133
378515
2778
ahol az emberek párbeszédeket
kezdeményezhetnek.
kezdeményezhetnek.
06:33
I wanted to talk about biases,
134
381317
1895
Beszélni akartam az előítéletekről,
06:35
the unconscious ones
and the conscious ones,
and the conscious ones,
135
383236
2397
a tudatosakról és az öntudatlanokról,
06:37
and what we do.
136
385657
1166
és hogy mit teszünk.
06:38
Because now I know
that when you engage people in the why,
that when you engage people in the why,
137
386847
3944
Mert megtanultam, hogy ha az embereket
bevonjuk a "miértek" megértésébe,
bevonjuk a "miértek" megértésébe,
06:42
it challenges their perspective,
and it changes their attitudes.
and it changes their attitudes.
138
390815
3476
úgy próbára tesszük a nézőpontjukat,
és megváltoztatjuk a hozzáállásukat.
és megváltoztatjuk a hozzáállásukat.
Most már tudom, hogy az ügyfelektől
gyűjtött adatokat kutatásokhoz használják:
gyűjtött adatokat kutatásokhoz használják:
06:46
Now I know that data
that we have at the front desk
that we have at the front desk
139
394315
3159
06:49
translates into research that eliminates
disparities and finds cures.
disparities and finds cures.
140
397498
4813
hogy megszüntessék az egyenlőtlenséget
és gyógymódot találjanak.
és gyógymódot találjanak.
06:54
Now I know that teaching people
transitional change
transitional change
141
402335
3706
Már tudom, hogy a változás bevezetésének
mindig az a jobb módja,
mindig az a jobb módja,
06:58
instead of shocking them into change
142
406065
2846
ha fokozatosan megtanítjuk
az embereket változni ahelyett,
az embereket változni ahelyett,
07:00
is always a better way
of implementing change.
of implementing change.
143
408935
3255
hogy szó szerint
sokkoljuk őket a változással.
sokkoljuk őket a változással.
07:04
See, now I know people are more likely
to share information
to share information
144
412214
3046
Már tudom, az emberek szívesebben
osztanak meg információt,
osztanak meg információt,
07:07
when they are treated with respect
by knowledgeable staff members.
by knowledgeable staff members.
145
415284
3859
ha jól informált alkalmazottak
tisztelettel bánnak velük.
tisztelettel bánnak velük.
07:11
Now I know that you
don't have to be a statistician
don't have to be a statistician
146
419167
3021
Tudom, nem kell statisztikusnak lenniük,
07:14
to understand the power
and the purpose of data,
and the purpose of data,
147
422212
3001
hogy megértsék az adatok erejét és célját,
07:17
but you do have to treat people
with respect and have compassionate care.
with respect and have compassionate care.
148
425237
4364
de az embereket tisztelettel
és együttérző törődéssel kell kezeljék.
és együttérző törődéssel kell kezeljék.
07:21
Now I know that when you've been graced,
149
429625
2825
Most már tudom, hogy ha "áldva" vannak,
07:24
it is your responsibility
to empower somebody else.
to empower somebody else.
150
432474
3376
az önök felelőssége az, hogy másokat is
felruházzanak ezzel a képességgel.
felruházzanak ezzel a képességgel.
07:27
But most importantly, now I know
151
435874
2425
De ami a legfontosabb: már tudom,
07:30
that when teaching human beings
152
438323
2413
hogy ha embereket tanítunk,
07:32
to communicate with other human beings,
153
440760
3079
hogyan kommunikáljanak más emberekkel,
07:35
it should be delivered by a human being.
154
443863
3785
azt is egy embernek kellene tennie.
07:40
(Applause)
155
448117
6792
(Taps)
07:46
So when y'all go to work
156
454933
1849
Tehát ha dolgozni mennek,
07:48
and y'all schedule that
"change everything" meeting --
"change everything" meeting --
157
456806
3335
és a "mindent megváltoztató"
megbeszélést szervezik meg...
megbeszélést szervezik meg...
07:52
(Laughter)
158
460165
1650
(Nevetés)
07:53
remember Miss Margaret.
159
461839
1515
...gondoljanak Miss Margaretre.
07:55
And don't forget the food, the food,
the food, the food.
the food, the food.
160
463792
3819
És ne felejtsék el az ételt
(az ételt... az ételt... az ételt...).
(az ételt... az ételt... az ételt...).
08:00
Thank you.
161
468103
1151
Köszönöm.
08:01
(Applause) (Cheers)
162
469278
5475
(Taps)
(Éljenzés)
(Éljenzés)
08:06
Thank you.
163
474777
1175
Köszönöm.
08:07
(Applause)
164
475976
1595
(Taps)
ABOUT THE SPEAKER
Tamekia MizLadi Smith - Performer, mentorTamekia MizLadi Smith wants to start new conversations around involving non-clinical staff in healthcare.
Why you should listen
As a spoken-word performer, Tamekia MizLadi Smith educates and empowers her audiences with what she calls EDUtainment, a witty combination of music and storytelling. She has worked as a consultant and mentor for programs such as Girls in Action, Dear Sistah Girlfriend and the Columbus City Schools. Her forthcoming book, True Story, explores how to improve community health through mentoring and creative arts.
Tamekia MizLadi Smith | Speaker | TED.com