TED@IBM
Susan Etlinger: What do we do with all this big data?
سوزان اتلينجر: ماذا نفعل بالبيانات الضخمة؟
Filmed:
Readability: 4.7
1,344,301 views
هل يمكن لمجموعة من البيانات و المعلومات أن تجعلك تشعر براحة أكبر؟ أو أكثر نجاحاً؟ ثم من المحتمل أن يكون تفسيرك لها خاطئ .
في محادثة مُشوقة، تفسر سوزان اتلينجر الأسباب لتعميق و تحسين تكفرينا النقدي مع تواجد هذا الهم الهائل من البيانات و المعلومات. لأنه من الصعب أن نتجاوز مرخلة عد الأشياء لمرحلة فهما حقاً.
Susan Etlinger - Data analyst
Susan Etlinger promotes the smart, well-considered and ethical use of data. Full bio
Susan Etlinger promotes the smart, well-considered and ethical use of data. Full bio
Double-click the English transcript below to play the video.
00:13
Technology has brought us so much:
0
1354
3135
التكنولوجيا جلبت لنا الكثير
00:16
the moon landing, the Internet,
1
4489
2019
الهبوط على القمر و الإنترنت
00:18
the ability to sequence the human genome.
2
6508
2625
والقدرة على ترتيب جينوم الإنسان.
00:21
But it also taps into a lot of our deepest fears,
3
9133
3724
ولكنها أيضاً تنقر في الكثير
من مخاوفنا العميقة
من مخاوفنا العميقة
00:24
and about 30 years ago,
4
12857
1856
وقبل حوالي 30 سنة ماضية،
00:26
the culture critic Neil Postman wrote a book
5
14713
2553
كتب الناقد الثقافي نيل بوستمان كتاباً
00:29
called "Amusing Ourselves to Death,"
6
17266
2115
يسمى ’’ تسلية أنفسنا حتى الموت،‘‘
00:31
which lays this out really brilliantly.
7
19381
2759
و الذي يسرد هذا بطريقة متألقة.
00:34
And here's what he said,
8
22140
1650
و هذا ما قاله،
00:35
comparing the dystopian visions
9
23790
2263
مقارنة الرؤى البائسة
00:38
of George Orwell and Aldous Huxley.
10
26053
3573
لجورج اورويل و الدويس هاكسلي.
00:41
He said, Orwell feared we would become
11
29626
3126
قال، خشي اورويل أن نصبح
00:44
a captive culture.
12
32752
2248
ثقافة أسيره.
00:47
Huxley feared we would become a trivial culture.
13
35000
3752
هاكسلي خشي أن نصبح ثقافة تافهة.
00:50
Orwell feared the truth would be
14
38752
2145
خشي اورويل أن تكون الحقيقة
00:52
concealed from us,
15
40897
1923
خُفيت علينا،
00:54
and Huxley feared we would be drowned
16
42820
2190
و هاكسلي خشي أن نغرق
00:57
in a sea of irrelevance.
17
45010
2693
في بحر من اللاعلاقية.
00:59
In a nutshell, it's a choice between
18
47703
2170
بإختصار، إنه خيار ما بين
01:01
Big Brother watching you
19
49873
2600
اما أن يشاهدك "الرئيس"
01:04
and you watching Big Brother.
20
52473
2496
أو أنت من يشاهد "الرئيس" .
01:06
(Laughter)
21
54969
1931
(ضحك)
01:08
But it doesn't have to be this way.
22
56900
1734
و لكنها لا يجب أن تبقى بهذه الطريقة.
01:10
We are not passive consumers
of data and technology.
of data and technology.
23
58634
3336
نحن لسنا مستهلكون سلبيين
للمعلومات والتكنولوجيا.
للمعلومات والتكنولوجيا.
01:13
We shape the role it plays in our lives
24
61970
2403
نحن نُشكل الدور الذي تلعبه في حياتنا
01:16
and the way we make meaning from it,
25
64373
2130
و الطريقة التي نصنع منها معنى ،
01:18
but to do that,
26
66503
1603
و لكن لفعل ذلك،
01:20
we have to pay as much attention to how we think
27
68106
3513
يجب أن نعطي اهتماماً لطريقة تفكيرنا
01:23
as how we code.
28
71619
2030
بقدر ما نهتم بالتشفير.
01:25
We have to ask questions, and hard questions,
29
73649
3098
يجب أن نسأل أسئلة، و أسئلة صعبة،
01:28
to move past counting things
30
76747
1869
لنجتاز مرحلة عد الأشياء
01:30
to understanding them.
31
78616
2602
لفهمهم.
01:33
We're constantly bombarded with stories
32
81218
2446
نحن دائماً نُقصف بالقصص
01:35
about how much data there is in the world,
33
83664
2476
عن حجم المعلومات
الموجودة في العالم،
الموجودة في العالم،
01:38
but when it comes to big data
34
86140
1580
و لكن حين تأتي
للبيانات الضخمة
للبيانات الضخمة
01:39
and the challenges of interpreting it,
35
87720
2596
و التحديات في تفسيرها،
01:42
size isn't everything.
36
90316
2088
الحجم ليس بكل شيء.
01:44
There's also the speed at which it moves,
37
92404
2903
هناك أيضاً السرعة التي تنتقل بها،
01:47
and the many varieties of data types,
38
95307
1696
و التنوع في أنواع البيانات،
01:49
and here are just a few examples:
39
97003
2498
و هنا فقط بعض الأمثلة:
01:51
images,
40
99501
2198
الصور،
01:53
text,
41
101699
4007
النصوص،
01:57
video,
42
105706
2095
الفيديو،
01:59
audio.
43
107801
1830
الصوت.
02:01
And what unites this disparate types of data
44
109631
3042
و الذي يجمع أنواع البيانات المختلفة
02:04
is that they're created by people
45
112673
2221
هو أنها صنعت على يد البشر
02:06
and they require context.
46
114894
2775
و هم يحتاجون سياق.
02:09
Now, there's a group of data scientists
47
117669
2445
الآن، هناك مجموعة من علماء البيانات
02:12
out of the University of Illinois-Chicago,
48
120114
2305
تخرجوا من جامعة إلينوي-شيكاغو،
02:14
and they're called the Health Media Collaboratory,
49
122419
2554
و يُدعون بمعهد التعاون الصحي الاعلامي
02:16
and they've been working with
the Centers for Disease Control
the Centers for Disease Control
50
124973
2587
و يعملون مع مراكز السيطرة
على الأمراض
على الأمراض
02:19
to better understand
51
127560
1505
ليفهموا أكثر
02:21
how people talk about quitting smoking,
52
129065
2848
كيف يتحدث الناس عن الإقلاع عن التدخين.
02:23
how they talk about electronic cigarettes,
53
131913
2680
كيف يتحدثون عن السجائر الإليكترونية،
02:26
and what they can do collectively
54
134593
1985
و ما يمكنهم فعله جماعياً
02:28
to help them quit.
55
136578
1984
ليساعدوا الناس في الإقلاع.
02:30
The interesting thing is, if you want to understand
56
138562
2013
الشيء المشوق هو، اذا أردت فهم
02:32
how people talk about smoking,
57
140575
2216
كيف يتحدث الناس عن التدخين،
02:34
first you have to understand
58
142791
1901
يجب أن تفهم أولاً
02:36
what they mean when they say "smoking."
59
144692
2565
ما يعنون عند قول "التدخين".
02:39
And on Twitter, there are four main categories:
60
147257
3926
و على التويتر، هناك أربعة إحتمالات:
02:43
number one, smoking cigarettes;
61
151183
2997
الأول، تدخين السجائر;
02:46
number two, smoking marijuana;
62
154180
2807
الثاني، تدخين المارجوانا
02:48
number three, smoking ribs;
63
156987
2643
الثالث، ضلوع مُدخنة
02:51
and number four, smoking hot women.
64
159630
3553
و الرابع، امرأة جذابة جداً.
02:55
(Laughter)
65
163183
2993
(ضحك)
02:58
So then you have to think about, well,
66
166176
2426
و بالتالي يجب أن تفكر
03:00
how do people talk about electronic cigarettes?
67
168602
2140
كيف يتحدث الناس عن السجائر الإلكترونية؟
03:02
And there are so many different ways
68
170742
2025
و هناك طرق كثيرة و مختلفة
03:04
that people do this, and you can see from the slide
69
172767
2599
يقوم الناس بفعلها، و يمكنك أن تراها
على الشاشة
على الشاشة
03:07
it's a complex kind of a query.
70
175366
2610
وهي عملية معقدة من التساؤل.
03:09
And what it reminds us is that
71
177976
3224
و ما تذكرنا به هو
03:13
language is created by people,
72
181200
2411
اللغة من صنع البشر.
03:15
and people are messy and we're complex
73
183611
2340
و البشر فوضويون و نحن معقدون
03:17
and we use metaphors and slang and jargon
74
185951
2767
و نستخدم الاستعارات و العامية
و لهجات غريبة
و لهجات غريبة
03:20
and we do this 24/7 in many, many languages,
75
188718
3279
و نفعل ذلك على مدار24/7 في الكثير
من اللغات،
من اللغات،
03:23
and then as soon as we figure it out, we change it up.
76
191997
3224
و حالما نكتشفها، نقوم بتغيرها.
03:27
So did these ads that the CDC put on,
77
195221
5118
اذاً هل هذه الإعلانات التى عرضها الCDC،
03:32
these television ads that featured a woman
78
200339
2430
هذه الإعلانات التلفزيونية التي أبرزت إمرأة
03:34
with a hole in her throat and that were very graphic
79
202769
2021
بثقب في حلقها و كانت مُعبرة
03:36
and very disturbing,
80
204790
1904
و مزعجة للغاية،
03:38
did they actually have an impact
81
206694
1885
هل تركت اثراً حقاً
03:40
on whether people quit?
82
208579
2671
في أن يقلع الناس عن التدخين؟
03:43
And the Health Media Collaboratory
respected the limits of their data,
respected the limits of their data,
83
211250
3307
ولقد أحترم معهد التعاون الصحي الأعلامي
حدود معلوماتهم،
حدود معلوماتهم،
03:46
but they were able to conclude
84
214557
2005
و لكنهم تمكنوا من استنتاج
03:48
that those advertisements —
and you may have seen them —
and you may have seen them —
85
216562
3312
أن هذه الإعلانات-
التي ربما سبق لكم و شاهدتموها-
التي ربما سبق لكم و شاهدتموها-
03:51
that they had the effect of jolting people
86
219874
2591
تمكنوا من ارتجاج الناس
03:54
into a thought process
87
222465
1822
في عمليه تفكير
03:56
that may have an impact on future behavior.
88
224287
3667
و التي من الممكن أن تؤثر
على سلوكهم في المستقبل.
على سلوكهم في المستقبل.
03:59
And what I admire and
appreciate about this project,
appreciate about this project,
89
227954
3891
و الذي يعجبني و اقدره في هذا المشروع،
04:03
aside from the fact, including the fact
90
231845
1489
بعيداً عن الحقيقة،
بما فيه الحقيقة
بما فيه الحقيقة
04:05
that it's based on real human need,
91
233334
4057
المبنية على إحتياج الإنسان،
04:09
is that it's a fantastic example of courage
92
237391
2846
أنها مثال عظيم للشجاعة
04:12
in the face of a sea of irrelevance.
93
240237
4443
في مواجهة بحر من اللاعلاقية.
04:16
And so it's not just big data that causes
94
244680
3305
لذا، ليست فقط
البيانات الضخمة التي تُحْدث
البيانات الضخمة التي تُحْدث
04:19
challenges of interpretation, because let's face it,
95
247985
2601
تحديات في التفسير، دعونا نواجه الأمر
04:22
we human beings have a very rich history
96
250586
2594
نحن البشر لدينا تاريخ عريق
04:25
of taking any amount of data, no matter how small,
97
253180
2693
في أخذ أي كمية من المعلومات،
اياً كانت صغيرة،
اياً كانت صغيرة،
04:27
and screwing it up.
98
255873
1617
و تخريبها.
04:29
So many years ago, you may remember
99
257490
3737
ولعلكم تتذكرون ، منذ سنوات عديدة
04:33
that former President Ronald Reagan
100
261227
2273
أن الرئيس السابق رونالد ريغان
04:35
was very criticized for making a statement
101
263500
1991
أُنتقد جدًا لمقولته
04:37
that facts are stupid things.
102
265491
3010
"أن الحقائق هي أشياء غبية".
04:40
And it was a slip of the tongue, let's be fair.
103
268501
2794
ولكنها كانت زلة لسان، دعونا نكون منصفين.
04:43
He actually meant to quote John Adams' defense
104
271295
2430
كان يقصد أن يقتبس ِدفاع جون ادامز
04:45
of British soldiers in the Boston Massacre trials
105
273725
2751
عن الجنود البريطانيين
في محاكمة مذبحة بوسطن
في محاكمة مذبحة بوسطن
04:48
that facts are stubborn things.
106
276476
3150
"أن الحقائق هي أشياء ثابتة".
04:51
But I actually think there's
107
279626
2624
ولكن أنا أعتقد أن هناك
04:54
a bit of accidental wisdom in what he said,
108
282250
3418
القليل من الحكمة الغير مقصودة في ما قاله،
04:57
because facts are stubborn things,
109
285668
2776
لأن الحقائق هي أشياء ثابته.
05:00
but sometimes they're stupid, too.
110
288444
2923
ولكن في بعض الأحيان
قد تكون غبية، أيضاً
قد تكون غبية، أيضاً
05:03
I want to tell you a personal story
111
291367
1888
أريد أن أروي لكم قصة شخصية
05:05
about why this matters a lot to me.
112
293255
3548
حول أهتمامي الكبير بهذا الموضوع
05:08
I need to take a breath.
113
296803
2437
أحتاج أن أخذ نفساً لذلك
05:11
My son Isaac, when he was two,
114
299240
2754
عندما كان ابني آيزك في الثانية
05:13
was diagnosed with autism,
115
301994
2417
تم تشخيصه بمرض التوحُد
05:16
and he was this happy, hilarious,
116
304411
2161
ولقد كان طفل سعيد و مرِح
05:18
loving, affectionate little guy,
117
306572
2035
ومُحب و حنون
05:20
but the metrics on his developmental evaluations,
118
308607
2902
ولكن تقييمات مقاييس النمو له ،
05:23
which looked at things like
the number of words —
the number of words —
119
311509
2070
والتي فحصت أشياء
مثل عدد الكلمات
مثل عدد الكلمات
05:25
at that point, none —
120
313579
3657
و التي كانت ولا كلمة في تلك المرحلة.
05:29
communicative gestures and minimal eye contact,
121
317236
3940
اشارات التواصل و الحد الادني
من التواصل بالعين
من التواصل بالعين
05:33
put his developmental level
122
321176
2003
كل ذلك، وضع مستوى النمو لديه
05:35
at that of a nine-month-old baby.
123
323179
3961
في سن التسع شهور
05:39
And the diagnosis was factually correct,
124
327140
2960
وكان التشخيص صحيحاً في الواقع
05:42
but it didn't tell the whole story.
125
330100
3209
لكني لم أروي القصة كاملة.
05:45
And about a year and a half later,
126
333309
1401
و بعد مضي سنة و نصف
05:46
when he was almost four,
127
334710
2102
عندها كان في الرابعة من عمره ،
05:48
I found him in front of the computer one day
128
336812
2363
وجدته أمام الحاسوب
05:51
running a Google image search on women,
129
339175
5453
كان يبحث في محرك بحث جوجل
عن صور لـ "المرأة"
عن صور لـ "المرأة"
05:56
spelled "w-i-m-e-n."
130
344628
3616
كتبها "و-ي-م-ي-ن"
06:00
And I did what any obsessed parent would do,
131
348244
2740
وفعلت ما من شأنه أن يفعلة
أي والد مهووس
أي والد مهووس
06:02
which is immediately started
hitting the "back" button
hitting the "back" button
132
350984
1901
بدأت على الفور
بالضغط على زر "الخلف"
بالضغط على زر "الخلف"
06:04
to see what else he'd been searching for.
133
352885
3363
لأرى عن ماذا بحث ايضاً
06:08
And they were, in order: men,
134
356248
2171
و كانت النتيجة بالترتيب التالي : "رجال" ثم
06:10
school, bus and computer.
135
358419
7267
"مدرسة" ثم "حافلة" و أخيراً "حاسوب"
06:17
And I was stunned,
136
365686
2070
ولقد ذُهلت،
06:19
because we didn't know that he could spell,
137
367756
2002
لأننا لم نعلم انه يستطيع
أن يتهجى
أن يتهجى
06:21
much less read, and so I asked him,
138
369758
1766
وأقل من ذلك أن يقرأ
06:23
"Isaac, how did you do this?"
139
371524
2193
لذلك سألتةُ،
كيف فعلت ذلك يا آيزاك؟
كيف فعلت ذلك يا آيزاك؟
06:25
And he looked at me very seriously and said,
140
373717
2678
و حينها نظر إليّ على محمل
من الجد، وقال:
من الجد، وقال:
06:28
"Typed in the box."
141
376395
3352
"كتبت في مربع البحث".
06:31
He was teaching himself to communicate,
142
379747
3734
كان يعلّم نفسه كيفية التواصل
06:35
but we were looking in the wrong place,
143
383481
3004
ولكن كنا نبحث في المكان الخطأ،
06:38
and this is what happens when assessments
144
386485
2295
و هذا ما يحدث عندما تبالغ التقديرات
06:40
and analytics overvalue one metric —
145
388780
2396
و التحليلات في تقدير مقياس واحد
06:43
in this case, verbal communication —
146
391176
2609
وفي هذه االحالة، التواصل اللفظي
06:45
and undervalue others, such
as creative problem-solving.
as creative problem-solving.
147
393785
5703
و التقليل من تقدير مقيايس اخرى
مثل حل المشكلات بإبداع
مثل حل المشكلات بإبداع
06:51
Communication was hard for Isaac,
148
399488
2307
التواصل كان صعباً على آيزك
06:53
and so he found a workaround
149
401795
1912
و لذلك وجد حلاً
06:55
to find out what he needed to know.
150
403707
2857
لأكتشاف ما هو في حاجة إلى معرفته.
06:58
And when you think about it, it makes a lot of sense,
151
406564
1890
وعندما تفكر في الأمر،
تجده منطقياً
تجده منطقياً
07:00
because forming a question
152
408454
2081
لأن تشكيل أي سؤال
07:02
is a really complex process,
153
410535
2565
هو في الحقيقة عملية معقدة
07:05
but he could get himself a lot of the way there
154
413100
2522
ولكنه استطاع أن يقطع
شوطاً طويلاً
شوطاً طويلاً
07:07
by putting a word in a search box.
155
415622
4092
بكتابة الكلمات في صندوق البحث
07:11
And so this little moment
156
419714
2936
و لتلك اللحظة الصغيرة
07:14
had a really profound impact on me
157
422650
2836
أثرعميق في داخلي
07:17
and our family
158
425486
1309
و لعائلتي
07:18
because it helped us change our frame of reference
159
426795
3141
لأنها ساعدتنا على تغيير
الإطار المرجعي لدينا
الإطار المرجعي لدينا
07:21
for what was going on with him,
160
429936
2208
لما كان يحدث معه
07:24
and worry a little bit less and appreciate
161
432144
2976
و تقليل مخاوفنا و تقدير
07:27
his resourcefulness more.
162
435120
2182
دهائه وعزيمته أكثر
07:29
Facts are stupid things.
163
437302
2861
الحقائق هي أشياء غبية
07:32
And they're vulnerable to misuse,
164
440163
2397
و قد نُسيء استخدامها
07:34
willful or otherwise.
165
442560
1653
بقصد أو بدون
07:36
I have a friend, Emily Willingham, who's a scientist,
166
444213
3026
لدي صديقة ، إميلي ويلينغهام، وهي عالمة
07:39
and she wrote a piece for Forbes not long ago
167
447239
2801
كتبت مقالاً في مجلة Forbes
07:42
entitled "The 10 Weirdest Things
168
450040
1980
بعنوان " أغرب 10 أمور
07:44
Ever Linked to Autism."
169
452020
1810
يتم ربطها بالتوحد"
07:45
It's quite a list.
170
453830
3005
وهي قائمة طويلة
07:48
The Internet, blamed for everything, right?
171
456835
3532
الإنترنت، يلقى عليها باللوم
في كل شيء، أليس كذلك؟
في كل شيء، أليس كذلك؟
07:52
And of course mothers, because.
172
460367
3757
والأمهات بطبيعة الحال،
07:56
And actually, wait, there's more,
173
464124
1587
وهناك المزيد
07:57
there's a whole bunch in
the "mother" category here.
the "mother" category here.
174
465711
3430
هناك مجموعة كبيرة
في فئة "الأم"
في فئة "الأم"
08:01
And you can see it's a pretty
rich and interesting list.
rich and interesting list.
175
469141
4815
ويمكنك ان ترى أنها
قائمة غنية ومثيرة للاهتمام.
قائمة غنية ومثيرة للاهتمام.
08:05
I'm a big fan of
176
473956
2193
أنا من أشد المعجبين
08:08
being pregnant near freeways, personally.
177
476149
3704
أن تكون حاملا وتسكن بالقرب
من الطرق السريعة
من الطرق السريعة
08:11
The final one is interesting,
178
479853
1539
و السبب الأخير مثير للاهتمام،
08:13
because the term "refrigerator mother"
179
481392
3003
بسبب مصطلح "الأم الباردة"
08:16
was actually the original hypothesis
180
484395
2605
كان في الأصل هو النظرية الأساسية
08:19
for the cause of autism,
181
487000
1431
المتسبب في التوحد
08:20
and that meant somebody
who was cold and unloving.
who was cold and unloving.
182
488431
2735
وهذا يعني الشخص
البارد وغير المحب.
البارد وغير المحب.
08:23
And at this point, you might be thinking,
183
491166
1562
وعند هذه النقطة،
قد تفكر،
قد تفكر،
08:24
"Okay, Susan, we get it,
184
492728
1657
"حسنا، سوزان، لقد فهمنا
08:26
you can take data, you can
make it mean anything."
make it mean anything."
185
494385
1782
يمكنك أخذ البيانات،
وجعلها تعني أي شيء.
وجعلها تعني أي شيء.
08:28
And this is true, it's absolutely true,
186
496167
4703
وهذا صحيح جداً
08:32
but the challenge is that
187
500870
5610
و لكن التحدي يكون
08:38
we have this opportunity
188
506480
2448
أن لدينا هذه الفرصة
08:40
to try to make meaning out of it ourselves,
189
508928
2284
لنخلق منها معاني بأنفسنا
08:43
because frankly, data doesn't
create meaning. We do.
create meaning. We do.
190
511212
5352
لأنه بكل صراحة، البيانات لا تخلق المعاني
بل نحن
بل نحن
08:48
So as businesspeople, as consumers,
191
516564
3256
وكذلك رجال الأعمال، والمستهلكين،
08:51
as patients, as citizens,
192
519820
2539
والمرضى، والمواطنين
08:54
we have a responsibility, I think,
193
522359
2396
لدينا مسؤولية كما أعتقد،
08:56
to spend more time
194
524755
2194
لقضاء المزيد من الوقت
08:58
focusing on our critical thinking skills.
195
526949
2870
للتركيز على مهارات التفكير
النقدي لدينا.
النقدي لدينا.
لماذا؟
09:01
Why?
196
529819
1078
09:02
Because at this point in our history, as we've heard
197
530897
3178
لأنه في هذه المرحلة من تاريخنا،
كما سمعنا
كما سمعنا
09:06
many times over,
198
534075
1706
عدة مرات،
09:07
we can process exabytes of data
199
535781
1981
يمكننا تحليل إكسا بايت من البيانات
09:09
at lightning speed,
200
537762
2153
بسرعة البرق،
09:11
and we have the potential to make bad decisions
201
539915
3515
يكون لدينا القدرة على اتخاذ
قرارات سيئة
قرارات سيئة
09:15
far more quickly, efficiently,
202
543430
1834
بسرعة و كفاءة أكثر بكثير،
09:17
and with far greater impact than we did in the past.
203
545264
5028
وبتأثير أكبر مما فعلنا في الماضي.
09:22
Great, right?
204
550292
1388
عظيم، أليس كذلك؟
09:23
And so what we need to do instead
205
551680
3030
إذاً ما يتعين علينا القيام به
عوضاً عن ذلك
عوضاً عن ذلك
09:26
is spend a little bit more time
206
554710
2330
هو قضاء المزيد من الوقت
09:29
on things like the humanities
207
557040
2746
على أشياء مثل العلوم الإنسانية
09:31
and sociology, and the social sciences,
208
559786
3464
وعلم الاجتماع، والعلوم الاجتماعية،
09:35
rhetoric, philosophy, ethics,
209
563250
2308
و البلاغة والفلسفة الأخلاقيات،
09:37
because they give us context that is so important
210
565558
2856
لأنها تعطينا نسق مهم جداً
09:40
for big data, and because
211
568414
2576
للبيانات الضخمة
09:42
they help us become better critical thinkers.
212
570990
2418
ولأنها تساعدنا لكي نصبح
مفكرين نقديين أفضل
مفكرين نقديين أفضل
09:45
Because after all, if I can spot
213
573408
4207
لأنه بعد كل شيء، إذا استطعت
أن أجد
أن أجد
09:49
a problem in an argument, it doesn't much matter
214
577615
2486
مشكلة في جدال، فإنه لا يهم كثيرا
09:52
whether it's expressed in words or in numbers.
215
580101
2759
سواء كان التعبير عنها في كلمات
أو بالأرقام.
أو بالأرقام.
09:54
And this means
216
582860
2719
وهذا يعني
09:57
teaching ourselves to find
those confirmation biases
those confirmation biases
217
585579
4421
تعليم أنفسنا لإيجاد
تلك البراهين المُنحازة
تلك البراهين المُنحازة
10:02
and false correlations
218
590000
1822
والارتباطات الخاطئة
10:03
and being able to spot a naked emotional appeal
219
591822
2138
والقدرة على إكتشاف إي نداء عاطفي
10:05
from 30 yards,
220
593960
1662
من مسافة بعيدة
10:07
because something that happens after something
221
595622
2522
لأن شيئا ما يحدث بعد شيء
10:10
doesn't mean it happened
because of it, necessarily,
because of it, necessarily,
222
598144
3082
لا يعني أنه حدث
بسبب ذلك بالضرورة،
بسبب ذلك بالضرورة،
10:13
and if you'll let me geek out on you for a second,
223
601226
2119
وإذا سمحتوا لي بالتكلف
عليكم للحظة،
عليكم للحظة،
10:15
the Romans called this
"post hoc ergo propter hoc,"
"post hoc ergo propter hoc,"
224
603345
4297
دعا الرومان هذا
"post hoc ergo propter hoc"
"post hoc ergo propter hoc"
10:19
after which therefore because of which.
225
607642
3296
أي بعد ذلك إذاً بسبب ذلك
10:22
And it means questioning
disciplines like demographics.
disciplines like demographics.
226
610938
3757
وذلك يعني التشكيك في
تخصصات مثل التركيبة السكانية.
تخصصات مثل التركيبة السكانية.
10:26
Why? Because they're based on assumptions
227
614695
2520
لماذا؟ لأنها مبنية على إفتراضات
10:29
about who we all are based on our gender
228
617215
2306
حول من نكون،
على أساس جنسنا
على أساس جنسنا
10:31
and our age and where we live
229
619521
1462
وأعمارنا والمكان الذي نعيش فيه
10:32
as opposed to data on what
we actually think and do.
we actually think and do.
230
620983
3478
عوضاً عن معلومات كما
نعتقد به وما نقوم به فعلاً
نعتقد به وما نقوم به فعلاً
10:36
And since we have this data,
231
624461
1663
ولأن لدينا هذه المعلومات
10:38
we need to treat it with appropriate privacy controls
232
626124
3139
نحن بحاجة إلى التعامل معها
مع وجود ضوابط الخصوصية المناسبة
مع وجود ضوابط الخصوصية المناسبة
10:41
and consumer opt-in,
233
629263
3576
و أختيار المُستهلك
10:44
and beyond that, we need to be clear
234
632839
2993
وأبعد من ذلك، نحن بحاجة
إلى أن نكون واضحين
إلى أن نكون واضحين
10:47
about our hypotheses,
235
635832
2103
حول فرضياتنا
10:49
the methodologies that we use,
236
637935
2596
والمنهجيات التي نستخدمها،
10:52
and our confidence in the result.
237
640531
2804
وثقتنا في النتيجة.
10:55
As my high school algebra teacher used to say,
238
643335
2474
كما كان يقول مدرسي للجبر
في الثانوية
في الثانوية
10:57
show your math,
239
645809
1531
أرني حساباتك
10:59
because if I don't know what steps you took,
240
647340
3441
لأنه إذا كنت لا اعرف
ما هي الخطوات التي اتخذتها،
ما هي الخطوات التي اتخذتها،
11:02
I don't know what steps you didn't take,
241
650781
1991
لن أعرف ما هي الخطوات
التي لم تتخذها
التي لم تتخذها
11:04
and if I don't know what questions you asked,
242
652772
2438
وإذا كنت لا اعرف ما هي
الأسئلة التي سألتها
الأسئلة التي سألتها
11:07
I don't know what questions you didn't ask.
243
655210
3197
لن أعرف ما هي الأسئلة
التي لم تسألها
التي لم تسألها
11:10
And it means asking ourselves, really,
244
658407
1523
حقاً ،ذلك يعني أن نسأل أنفسنا
11:11
the hardest question of all:
245
659930
1479
السؤال الأصعب في كل ذلك :
11:13
Did the data really show us this,
246
661409
3500
هل أظهرت لنا البيانات كل ذلك؟
11:16
or does the result make us feel
247
664909
2311
أو هل اعطتنا النتيجة احساس
11:19
more successful and more comfortable?
248
667220
3878
بنجاح و ارتياح أكبر؟
11:23
So the Health Media Collaboratory,
249
671098
2584
و لذلك أستطاع معهد
التعاون الصحي الأعلامي
التعاون الصحي الأعلامي
11:25
at the end of their project, they were able
250
673682
1699
في نهاية المشروع
11:27
to find that 87 percent of tweets
251
675381
3408
أن يستنتج أن 87 في المائة
من التغريدات
من التغريدات
11:30
about those very graphic and disturbing
252
678789
2144
عن تلك الدعايات
الرسومية و المقلقة
الرسومية و المقلقة
11:32
anti-smoking ads expressed fear,
253
680933
4038
عن الاقلاع عند التدخين،
كانت تعبر عن خوف
كانت تعبر عن خوف
11:36
but did they conclude
254
684971
1856
ولكنهم هل استنتجو أنهم ساعدوا
11:38
that they actually made people stop smoking?
255
686827
3161
الناس عن الاقلاع عن التدخين؟
11:41
No. It's science, not magic.
256
689988
2542
لا.
هذا علم وليس سحر.
هذا علم وليس سحر.
11:44
So if we are to unlock
257
692530
3190
لذلك إذا أردنا أن نفتح
11:47
the power of data,
258
695720
2862
قوة البيانات،
11:50
we don't have to go blindly into
259
698582
3448
ليس علينا الذهاب
بطريقة عمياء
بطريقة عمياء
11:54
Orwell's vision of a totalitarian future,
260
702030
3436
إلى رؤية أورويل
في المستقبل الشمولي
في المستقبل الشمولي
11:57
or Huxley's vision of a trivial one,
261
705466
3117
أو رؤية هكسلي لعالم ساذج،
12:00
or some horrible cocktail of both.
262
708583
3020
أو خليط مروع بين الأثنين.
12:03
What we have to do
263
711603
2379
ما يتعين علينا القيام به
12:05
is treat critical thinking with respect
264
713982
2718
هو التعامل مع التفكير النقدي بإحترام
12:08
and be inspired by examples
265
716700
2029
و أن نستوحي من الأمثلة
12:10
like the Health Media Collaboratory,
266
718729
2610
مثل مافعل معهد التعاون الصحي
في الأعلام.
في الأعلام.
12:13
and as they say in the superhero movies,
267
721339
2328
وكما يقولون في أفلام الأبطال الخارقة،
12:15
let's use our powers for good.
268
723667
1822
دعونا نستخدم قوتنا من أجل الخير.
12:17
Thank you.
269
725489
2351
شكراً.
12:19
(Applause)
270
727840
2334
(تصفيق)
ABOUT THE SPEAKER
Susan Etlinger - Data analystSusan Etlinger promotes the smart, well-considered and ethical use of data.
Why you should listen
Susan Etlinger is an industry analyst with Altimeter Group, where she focuses on data and analytics. She conducts independent research and has authored two intriguing reports: “The Social Media ROI Cookbook” and “A Framework for Social Analytics.” She also advises global clients on how to work measurement into their organizational structure and how to extract insights from the social web which can lead to tangible actions. In addition, she works with technology innovators to help them refine their roadmaps and strategies.
Etlinger is on the board of The Big Boulder Initiative, an industry organization dedicated to promoting the successful and ethical use of social data. She is regularly interviewed and asked to speak on data strategy and best practices, and has been quoted in media outlets like The Wall Street Journal, The New York Times, and the BBC.
Susan Etlinger | Speaker | TED.com