4 minutes

Neste post, eu gostaria de explicar o Modelo de Comportamento Fogg, criado por Brian Jeffrey Fogg (B. J. Fogg).

De acordo com a pesquisa de B. J. Fogg, o Comportamento ($C$) acontece na interseção de três coisas: nossa Motivação ($M$), nossa Capacidade ($C$) e o Estímulo ($E$) para o comportamento.

$C = MCE$

Podemos visualizar a relação entre motivação, capacidade e estímulo em um gráfico bidimensional.

Desenhei o gráfico abaixo usando Python e os pacotes NumPy e Matplotlib. Mantive o código para quem estiver interessado em como fazê-lo.

In [3]:
import matplotlib.pyplot as plt
import numpy as np

text = { # text dict for easier translation
    'ability':'Capacidade',
    'motivation':'Motivação',
    'title':'Modelo de Comportamento Fogg',
    'bmap':'C = MCE',
    'bmap_sub':'Ao mesmo\ntempo',
    'ability_axis':('Difícil de fazer', 'Fácil de fazer'),
    'motivation_axis':('Alta', 'Baixa'),
    'action_line':'Linha de ação',
    'prompts':'Estímulo',
    'prompts_succeed':'tem sucesso aqui',
    'prompts_fail':'falha aqui',
}

blue_color = '#06abe1'
green_color = '#81a050'
light_green_color = '#d2e5c9'
red_color = '#ff2222'
light_red_color = '#ffcbcb'

# Data for plotting
x = np.arange(0.0, 1.1, 0.01)
# y = 1.05 - sqrt(1 - (x - 1.05) ** 2)
y = 1.05 - np.sqrt([np.max((xi, 0)) for xi in 1 - (x - 1.05) ** 2])

fig, ax = plt.subplots()
ax.plot(x, y, color=green_color)
ax.set(xlabel=text['ability'],
       ylabel=text['motivation'],
       title=text['title'])
ax.tick_params(axis='both', which='both',length=0)
ax.fill_between(x, y, color=light_red_color)
ax.fill_between(x, y, max(y), color=light_green_color)

ax.text(0.65, 0.9, text['bmap'], size=25, color=blue_color)
ax.text(0.82, 0.80, text['bmap_sub'], size=8, color=blue_color)

prompts_size=15
ax.text(0.5, 0.5, text['prompts'], size=prompts_size, color=blue_color)
ax.text(0.5, 0.45, text['prompts_succeed'], size=prompts_size*0.5, color=green_color)
ax.text(0.08, 0.2, text['prompts'], size=prompts_size, color=blue_color)
ax.text(0.08, 0.15, text['prompts_fail'], size=prompts_size*0.5, color=red_color)

# set x axis ticks names
xticks = [''] * (len(x)-10)
xticks[10], xticks[-10] = text['ability_axis']
plt.xticks(x, xticks)
# set y axis ticks names
yticks = [''] * (len(y)-10)
yticks[6], yticks[-1] = text['motivation_axis']
plt.yticks(y, yticks)

# set axis' limits
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.0])

tp = np.array((0.28, 0.45))
trans_angle = plt.gca().transData.transform_angles(np.array((315,)),
                                                   tp.reshape((1, 2)))[0]
plt.text(tp[0], tp[1], text['action_line'], fontsize=12,
         rotation=trans_angle, rotation_mode='anchor')
plt.show()
  • Imagem baseada no Modelo de Comportamento Fogg (como apresentado no livro), também inspirada nesta versão encontrada nas imagens do Google.

Olhando para o gráfico, podemos ver que, se houver um estímulo para um comportamento, mas é algo muito difícil de fazer ou se a motivação for baixa, o comportamento falhará.

Pelo contrário, se o comportamento é fácil e temos motivação quando o estímulo surge o comportamento será um sucesso!

Pensando no processo de construção de novos hábitos, poderíamos usar esse modelo como um guia sobre como desenvolver um novo. Depois de escolher o comportamento desejado, verifique se você tem a motivação certa e faça com que seja muito fácil! Em outras palavras, você deve torná-lo tão simples e pequeno para que não haja chance de você não querer fazer. Dessa maneira, toda vez que você for bem-sucedido com seu comportamento, estará dando um passo para um novo hábito.

Uma conclusão semelhante pode ser pensada no processo de parar um mau hábito, fazendo-o difícil o bastante para que, mesmo quando o estímulo surgir, você tenha menos chances de fazê-lo.

Este é o modelo sugerido por B. J. Fogg para criar um novo comportamento:

Depois que eu ..., eu vou ... . E então, eu celebro!

A celebração é um passo importante para você conectar o comportamento a algo positivo que deve ser repetido.

Se você acha que o comportamento que você tentou criar não está funcionando, tente este método de solução de problemas:

  1. Verifique o estímulo
  2. Verifique a capacidade
  3. Verifique a motivação

E continue tentando e aprendendo mais sobre si mesmo, um pequeno passo de cada vez.

Referências

Comentários

Comments powered by Disqus