ABOUT THE SPEAKER
Jer Thorp - Data artist
Jer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them.

Why you should listen

Currently the data artist in residence at the New York Times, Jer’s software-based art has been featured all over the world. His former career as a data artist explains why his art often brings big data sets to life and is deeply influenced by science. Originally from Vancouver, he lives in New York City, where, along with his work at the New York Times, he teaches in NYU’s ITP program.

More profile about the speaker
Jer Thorp | Speaker | TED.com
TEDxVancouver

Jer Thorp: Make data more human

Filmed:
300,699 views

Jer Thorp creates beautiful data visualizations to put abstract data into a human context. At TEDxVancouver, he shares his moving projects, from graphing an entire year’s news cycle, to mapping the way people share articles across the internet. (Filmed at TEDxVancouver.)
- Data artist
Jer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them. Full bio

Double-click the English transcript below to play the video.

00:10
I want to talk to you about two
of the mosta legtöbb excitingizgalmas possiblelehetséges things.
0
1674
6250
A lehető két legizgalmasabb
dologról beszélnék.
00:16
You've probablyvalószínűleg guessedkitalálta what they are --
1
7948
1949
Alighanem kitalálták, melyek azok:
00:18
dataadat and historytörténelem.
2
9921
2319
adatok és történelem.
00:21
Right?
3
13211
1171
Igaz?
00:24
So, I'm not a historiantörténész.
4
15871
1982
Nem vagyok történész.
00:26
I'm not going to give you
a definitionmeghatározás of historytörténelem.
5
17877
2728
Nem fogom elmagyarázni,
hogy mi a történelem.
Ehelyett képzeljük el azt
egy keretrendszer részeként.
00:29
But let's think insteadhelyette
of historytörténelem withinbelül a frameworkkeretrendszer.
6
20629
3113
00:32
So, when we're makinggyártás historytörténelem,
7
23766
1611
Amikor történészkedünk,
00:33
or when we're creatinglétrehozása
historicaltörténelmi documentsdokumentumok,
8
25401
2892
vagy történeti munkákat írunk,
00:36
we're takingbevétel things
that have happenedtörtént in the pastmúlt,
9
28317
2428
múltban lezajlott dolgokat
történetté fűzünk össze.
00:39
and we're stitchingvarrás them
togetheregyütt into a storysztori.
10
30769
2552
00:41
So let me startRajt with a little bitbit
of my ownsaját storysztori.
11
33345
2530
Ezért saját történetem
kis szeletével kezdem.
00:44
Like anybodybárki my agekor
who worksművek creativelykreatívan with computersszámítógépek,
12
35899
3678
Akárcsak bármely korombeli
alkotó szellemű informatikus,
00:48
I was a popularnépszerű, sociallytársadalmilag
well-adjustedjól beállított youngfiatal man --
13
39601
4456
menő, társaságban jól mozgó
fiatalember voltam –
00:52
(LaughterNevetés)
14
44081
1122
(Nevetés)
00:53
And sportysportos!
15
45227
2541
és sportos!
00:56
SportySportos youngfiatal man.
16
47792
1733
Sportos fiatalember.
00:58
And like a lot of people my agekor
in the typetípus of businessüzleti that I'm in,
17
50075
5353
Aztán csakúgy, mint területemen
lévő sok korombelire,
az Apple rám is brutális hatással volt.
01:03
I was influencedbefolyásolható tremendouslyborzasztóan by AppleAlma.
18
55452
2645
01:07
But noticeértesítés my choiceválasztás of logologo here, right?
19
58635
3722
De figyeljék, milyen logót választottam!
01:10
The AppleAlma on the left,
not the AppleAlma on the right.
20
62381
3585
A bal oldali, nem a jobb oldali Apple.
01:15
I'm influencedbefolyásolható as much
by the AppleAlma on the right
21
66621
2293
A jobb oldali Apple ugyanúgy hatott rám,
01:17
as the nextkövetkező personszemély,
22
68938
2083
mint a következő fellépőre,
01:19
but the AppleAlma on the left --
I mean, look at that logologo!
23
71045
2633
de a bal oldali – nézzék azt a logót!
Szivárvány, de színei összevissza vannak!
01:22
It's a rainbowszivárvány.
It's not even in the right ordersorrend!
24
73702
2397
01:24
(LaughterNevetés)
25
76123
1134
(Nevetés)
01:25
That's how crazyőrült AppleAlma was.
26
77281
2273
Ennyire őrült volt az Apple.
01:28
(LaughterNevetés)
27
79578
1037
(Nevetés)
01:29
But I don't want to talk too much
about the companyvállalat.
28
80639
2945
De nem a cégről akarok beszélek,
01:32
I'll startRajt talkingbeszél about
a machinegép, thoughbár.
29
83608
2177
hanem egy gépről.
01:34
How amazingelképesztő it is to think about this.
I go back and I think about this.
30
85809
4127
Mennyire elképesztő erre gondolni.
Visszanézek és erre gondolok:
01:38
WednesdaySzerda -- one WednesdaySzerda,
when I was about 12 yearsévek oldrégi,
31
89960
3314
szerdán – egy szerdai napon,
tizenkét éves koromban,
01:41
I didn't have a computerszámítógép.
32
93298
2111
nem volt számítógépem.
01:44
On ThursdayCsütörtök, I had a computerszámítógép.
33
96034
2779
Csütörtökre lett.
01:48
Can you imagineKépzeld el that changeváltozás?
34
99965
1999
El tudnak képzelni ekkora változást?
01:50
It's so drasticdrasztikus.
35
102417
1681
Annyira drasztikus.
Szerintem úgy semmi más
nem tudná megváltoztatni életünk.
01:52
I can't even think about anything
that could changeváltozás our liveséletét that way.
36
104122
3451
De nem is a számítógépről fogok beszélni,
01:56
But I'm actuallytulajdonképpen not even going
to talk about the computerszámítógép.
37
107597
2767
hanem a programról, feltettek rá.
01:58
I'm going to talk about a programprogram
that camejött loadedtöltött on that computerszámítógép.
38
110388
3230
Ezt pedig, nem a bal oldali fickó,
02:02
And it was buildépít by,
not the guy on the left,
39
113642
2272
02:04
but the guy on the right.
40
115938
1435
hanem a jobb oldali tervezte.
02:05
Does anybodybárki know
who the guy on the right is?
41
117397
2144
Ki tudja, ki van a jobb oldalon?
02:09
NobodySenki sem ever knowstudja the answerválasz
to this questionkérdés.
42
121161
2410
Erre a választ sosem tudják.
02:12
This is BillBill AtkinsonAtkinson.
43
123595
1686
Ő Bill Atkinson.
02:13
And BillBill AtkinsonAtkinson was responsiblefelelős
for tonstonna of things
44
125305
3107
Neki köszönhető
sok minden a számítógépükön,
02:16
that you see on your computerszámítógép everyminden day.
45
128436
2482
amivel nap mint nap találkozunk.
02:19
But I want to talk about one programprogram
that BillBill AtkinsonAtkinson wroteírt,
46
130942
3107
Most Bill Atkinson egy programjáról,
a HyperCardról fogok beszélni.
02:22
calledhívott HyperCardHyperCard.
47
134073
1500
02:25
Someone'sValaki cheeringéljenzés over there.
48
137025
2160
Valaki már jól érzi magát.
02:27
(LaughterNevetés)
49
139209
1205
(Nevetés)
02:28
HyperCardHyperCard was a programprogram
that shippedszállított with the MacMac,
50
140438
2602
A HyperCardot a Macre adták ki,
02:31
and it was designedtervezett
for usersfelhasználók of the computerszámítógép
51
143064
2569
hogy a használók ezen keresztül
02:34
to make programsprogramok on theirazok computersszámítógépek.
52
145657
3197
készítsenek programokat számítógépükön.
02:38
Crazybolond ideaötlet todayMa.
53
149505
1597
Mára ez őrültség.
02:39
And these programsprogramok were not the appsalkalmazások
that we think about todayMa,
54
151126
2973
E programok pedig
nem a mai értelemben vett,
óriási költségvetésű és széles
terjesztésre szánt alkalmazások.
02:42
with theirazok largenagy budgetsköltségvetések
and theirazok bignagy distributionterjesztés.
55
154123
2449
Apró dolgok voltak.
02:45
These were smallkicsi things,
56
156596
1189
Alkalmazások a helyi kosárlabdacsapat
pontjainak számon tartására,
02:46
people makinggyártás applicationsalkalmazások to keep tracknyomon követni
of theirazok localhelyi basketballkosárlabda teamcsapat scorespontszámok
57
157809
3882
02:50
or to organizeszervez theirazok researchkutatás
58
161715
2825
kutatások rendszerezésére,
02:53
or to teachtanít people about classicalklasszikus musiczene
59
164564
3016
vagy klasszikus zene tanítására,
02:56
or to calculatekiszámítja weirdfurcsa astronomicalcsillagászati datesdátumok.
60
167604
4095
misztikus csillagállások meghatározására.
Persze volt pár művészeti projekt is.
03:00
And then, of coursetanfolyam,
there were some artművészet projectsprojektek.
61
171723
2381
Ez a kedvencem:
03:02
This is my favoritekedvenc one.
62
174128
1220
"Ha szerzeteseknek Macjük lenne".
03:03
It's calledhívott "If MonksSzerzetesek Had MacsMacs,"
63
175372
2089
03:05
and it's a nonlinearnemlineáris
kindkedves of exploratoryfeltáró environmentkörnyezet.
64
177485
4534
Ez nemlineáris felfedező környezet volt.
03:10
I thank the starscsillagok for HyperCardHyperCard
all of the time.
65
182043
5573
Hálát adok az égnek a HyperCardért,
03:16
And I thank the starscsillagok
for puttingelhelyezés me in this erakorszak
66
187640
2447
és hogy abba a korba születhettem bele,
03:18
where I got to use HyperCardHyperCard.
67
190111
2300
ahol használhattam a HyperCardot.
03:20
HyperCardHyperCard was the last programprogram to shiphajó
on a publicnyilvános computerszámítógép
68
192435
4640
Ez volt az utolsó, PC-re kiadott program,
03:25
that was designedtervezett for the usersfelhasználók
of the computerszámítógép to make programsprogramok with it.
69
197099
5129
amit a géphasználók számára
programkészítés céljából alkottak.
Ha közölnék a számítógép feltalálóival,
03:30
If you talkedbeszélt to the people
who inventedfeltalált the computerszámítógép
70
202252
2705
hogy egy csodálatos napon
mindenkinek lesz gépe,
03:33
and you told them there would be
a day, a magicalmágikus day,
71
204981
2749
03:36
when everybodymindenki had a computerszámítógép
but noneegyik sem of them knewtudta how to programprogram,
72
207754
5062
de senki sem tud rajta programozni,
azt hinnék, megőrültek.
03:41
they would think you were crazyőrült.
73
212840
1811
03:43
So let's skipÁtugrani forwardelőre a fewkevés yearsévek.
74
215486
1664
Ugorjunk előre pár évet.
03:45
I'm startingkiindulási my careerkarrier as an artistművész,
75
217174
2588
Karrierem művészként kezdtem,
03:48
and I'm buildingépület things
with my computerszámítógép, small-scalekisüzemi things,
76
219786
3962
gépemen kis léptékű dolgokat terveztem,
03:52
investigatingvizsgáló things like
the growthnövekedés systemsrendszerek of plantsnövények.
77
223772
3603
mint pl. a növényi fejlődés
rendszereinek vizsgálata.
03:55
Or, in this examplepélda, I'm buildingépület
a simulatedszimulált economygazdaság
78
227399
2999
Vagy pl. ez a szimulált gazdaság,
03:58
in whichmelyik pixelspixel are tradingkereskedés colorszín
with one anotheregy másik,
79
230422
3961
amelyben a képpontok
színt váltanak egymással.
04:02
tryingmegpróbálja to investigatevizsgálja how
these typestípusok of systemsrendszerek work,
80
234407
2575
Ilyen rendszereket próbáltam vizsgálni,
04:05
and just kindkedves of havingamelynek funmóka.
81
237006
1402
közben jól elmókáztam.
04:06
And then this projectprogram led me
to startRajt workingdolgozó with dataadat.
82
238432
2628
Az adatokhoz aztán e projekt vezetett el.
04:09
So I'm buildingépület graphicsgrafika like this,
83
241084
2989
Ilyen grafikákat tervezek,
04:12
whichmelyik comparehasonlítsa össze "communismkommunizmus" --
84
244097
2594
ami a "kommunizmus"-t –
ennek a szónak gyakorisága
a The New York Timesban –
04:15
the frequencyfrekvencia of usagehasználat of the wordszó
"communismkommunizmus" in the NewÚj YorkYork TimesAlkalommal --
85
246715
3395
veti össze fenti a "terrorizmus"-sal.
04:18
to "terrorismterrorizmus," at the topfelső.
86
250134
1937
04:20
You see "terrorismterrorizmus" kindkedves of appearsMegjelenik
as "communismkommunizmus" is going away.
87
252095
4625
Látható, amint a "kommunizmus"
helyébe a "terrorizmus" lép.
04:25
And with these graphicsgrafika, I was really
interestedérdekelt in the aestheticesztétika of the graphsgrafikonok.
88
256744
3816
Ezek a grafikák esztétikailag
nagyon érdekelnek.
Ez Irán és Irak.
04:29
This is IranIrán and IraqIrak.
89
260584
1150
04:30
It readsolvas like a clockóra. It's calledhívott
a "timepieceidőmérő graphgrafikon."
90
261758
3910
Ezt az "óralap-diagramot"
úgy kell leolvasni, mint az időt.
04:34
This is anotheregy másik timepieceidőmérő graphgrafikon,
overlayingegymásra "despairkétségbeesés" over "hoperemény."
91
265692
5711
Másik ilyen diagramon a "remény"-t
eltakarja a "kilátástalan",
04:39
And there's only threehárom timesalkalommal -- actuallytulajdonképpen,
it's "crisisválság" over "hoperemény" --
92
271427
3310
háromszor pedig a "remény"-t
a "válság" nyeli el –
04:43
there's only threehárom timesalkalommal
when "crisisválság" eclipsesnapfogyatkozás "hoperemény."
93
274761
2609
csak háromszor történik ez meg.
04:45
We're in the middleközépső
of one of them right now.
94
277394
2155
Most az egyik felénél járunk,
de nagyon ne gondoljunk erre.
04:48
But don't think about that too much.
95
279573
1772
04:49
(LaughterNevetés)
96
281369
1888
(Nevetés)
04:51
And finallyvégül, the culminationcsúcspontja of this work
with the NewÚj YorkYork TimesAlkalommal dataadat
97
283281
3780
A The New York Times-adatok
csúcspontja pedig
04:55
a fewkevés yearsévek agoezelőtt
98
287085
1202
a pár évvel ezelőtti kísérlet
04:56
was the attemptkísérlet to combinekombájn
an entireteljes year'sévek newshírek cycleciklus
99
288311
3176
az egész évi hírciklus egyesítése
egyetlen diagramon.
05:00
into a singleegyetlen graphicgrafikus.
100
291511
1313
05:01
So these graphicsgrafika actuallytulajdonképpen showelőadás us
a fullteljes yearév of newshírek, all the people,
101
292848
4227
Ezek egy teljes évi hírt
mutatnak, mindenkit,
hogy ők miként kapcsolódnak össze
egyetlen diagramon.
05:05
and how they're connectedcsatlakoztatva
into a singleegyetlen graphicgrafikus.
102
297099
2630
05:08
And from there, I startedindult to be
interestedérdekelt again in more activeaktív systemsrendszerek.
103
299753
3938
Innentől kezdve pedig újra és inkább
az aktív rendszerek érdekeltek.
05:12
Here'sItt van a projectprogram calledhívott "Just LandedLeszállt,"
104
303715
2264
Ezt "Épp landolt" projektnek hívják,
05:14
where I'm looking at people
tweetingtweeting on TwitterTwitter.
105
306003
3151
ahol twitterezőket keresek a Twitteren.
05:17
"Hey! I just landedleszállt
in HawaiiHawaii!" -- you know,
106
309178
2060
"Helló, épp landoltam Hawaiion" – azaz,
05:19
how people just casuallyalkalomszerűen try to sneakbesurranó
that into theirazok TwitterTwitter conversationbeszélgetés.
107
311262
3702
hogyan csenik ezt bele könnyeden
twitteres beszélgetéseikbe.
05:23
"I'm not showingkiállítás off. Really.
But I did just landföld in HawaiiHawaii."
108
314988
3117
"Nem játszom magam. Tényleg.
De most landoltam Hawaiion."
05:26
And then I'm plottingvaló ábrázolásáról
those people'semberek tripsutazások,
109
318129
2743
Majd ábrázolom beszélgetéseiket
annak reményében,
05:29
in the hopesremények that maybe
we can use socialtársadalmi networkhálózat
110
320896
3212
hogy a közösségi média
és az abból származó adatok
05:32
and the dataadat that it leaveslevelek behindmögött
111
324132
1681
helyváltoztatások modelljét nyújthatják.
05:34
to providebiztosítani a modelmodell of how people movemozog,
112
325837
2199
05:36
whichmelyik would be valuableértékes
to epidemiologistsepidemiológusok, amongközött other people.
113
328060
2975
ami epidemiológusok
és mások számára értékes lehet.
05:39
And, more funmóka -- this
is a similarhasonló projectprogram,
114
331059
2579
Még több móka – ez a hasonló projekt
05:42
looking at people
sayingmondás "Good morningreggel" to eachminden egyes other
115
333662
2491
keresi a "Jó reggelt"-tel
egymásnak köszönőket
05:44
all around the worldvilág.
116
336177
1183
világszerte.
05:45
WhichAmely taughttanított me, by the way,
117
337384
1434
Ami amúgy ráébresztett:
igaz, hogy a vancouveriek
később kelnek fel a nyugati parton,
05:47
that it is trueigaz that people in VancouverVancouver
on the WestWest CoastTengerpart wakeébred up much latera későbbiekben
118
338842
4350
05:51
and say "Good morningreggel" much latera későbbiekben
119
343216
1583
és később van náluk "Jó reggelt",
05:53
than the people on the EastKeleti CoastTengerpart,
120
344823
1861
ellentétben a keleti parton élőkkel,
05:55
who are more adventurouskalandos.
121
346708
1799
akik inkább kalandvágyók.
Ebben a talán hasznosabb projektben
05:57
Here'sItt van a more usefulhasznos -- maybe -- projectprogram,
122
348531
1974
05:59
where I tookvett all the informationinformáció
from the KeplerKepler ProjectProjekt
123
350529
3351
a Kepler-projekt összes információját
06:02
and triedmegpróbálta to put it into some visualvizuális formforma
that madekészült senseérzék to me.
124
353904
3043
megpróbáltam valami képileg
értelmezhető formába önteni.
06:05
And I should say that everything
I've shownLátható you up to now --
125
356971
2884
Azt kell mondjam, mindent,
amit eddig mutattam,–
mindezeket szórakozásból csináltam csak.
06:08
these are all things
that I just did for funmóka.
126
359879
2152
06:10
It maylehet seemlátszik weirdfurcsa,
but this comesjön back from HyperCardHyperCard.
127
362055
2735
Furcsán hangzik,
de ennek a HyperCard az oka.
06:13
I'm buildingépület toolsszerszámok for myselfmagamat.
128
364814
1830
Magamnak csinálok eszközöket.
06:15
I maylehet shareOssza meg them with a fewkevés other people,
129
366668
1983
Lehet, párat megosztok másokkal,
06:17
but they're for funmóka, they're for me.
130
368675
2107
de szórakozásból, magamért vannak.
06:21
So, all these toolsszerszámok I showelőadás you
kindkedves of occupyelfoglalják this weirdfurcsa spacehely
131
373341
3970
Mindezek a bemutatott eszközök
valamiféle furcsa helyet töltenek be
06:25
somewherevalahol betweenközött sciencetudomány, artművészet and designtervezés.
132
377335
2544
tudomány, művészet és dizájn között.
06:28
That's where my practicegyakorlat lieshazugságok.
133
379903
1805
Pályám ezek mentén mozog.
06:30
And still todayMa,
from my experiencetapasztalat with HyperCardHyperCard,
134
381732
3156
Mai napig, a HyperCard
nyújtotta tapasztalatból
06:33
what I'm doing is buildingépület visualvizuális toolsszerszámok
to help me understandmegért systemsrendszerek.
135
384912
4230
rendszerek megértését segítő
képi eszközöket tervezek.
06:38
So todayMa, I work at the NewÚj YorkYork TimesAlkalommal.
136
390083
2221
A The New York Times adatművésze vagyok
06:40
I'm the dataadat artistművész in residencea Residence
at the NewÚj YorkYork TimesAlkalommal.
137
392328
2873
a lap vendégművész-programja keretében,
06:43
And I've had an opportunitylehetőség at the TimesAlkalommal
138
395225
1933
ahol lehetőségem adódott
06:45
to work on a varietyfajta
of really interestingérdekes projectsprojektek,
139
397182
2464
többféle érdekes projekten dolgozni,
melyek közül kettőt mutatok be.
06:48
two of whichmelyik I'm going
to shareOssza meg with you todayMa.
140
399670
2222
Az első Mark Hansennel közös alkotásom,
06:50
The first one, I've been workingdolgozó on
in conjunctionkötőszó with MarkMark HansenHansen.
141
401916
3202
06:53
MarkMark HansenHansen is a professorEgyetemi tanár of statisticsstatisztika
at UCLAUCLA. He's alsois a mediamédia artistművész.
142
405142
5142
aki tanár a Kaliforniai Egyetem
statisztika tanszékén és médiaművész.
Mark érdekfeszítő kérdéssel
állított be a The Timeshoz,
06:58
And MarkMark camejött to the TimesAlkalommal
with a very interestingérdekes questionkérdés
143
410308
2786
amire látszólag könnyű válaszolni:
07:01
to what maylehet seemlátszik like an obviousnyilvánvaló problemprobléma:
144
413118
2660
Amikor tartalmat osztanak meg neten,
07:04
When people shareOssza meg contenttartalom on the internetInternet,
145
415802
3151
07:07
how does that contenttartalom get
from personszemély A to personszemély B?
146
418977
3615
az hogyan jut el A személytől B személyig?
07:11
Or maybe, personszemély A to personszemély B
to personszemély C to personszemély D?
147
423358
4724
Vagy A-tól, B, C és D személyig?
07:16
We know that people shareOssza meg contenttartalom
in the internetInternet,
148
428106
2354
A netes tartalommegosztásokat ismerjük,
07:18
but what we don't know
is what happensmegtörténik in that gaprés
149
430484
2358
de azt nem, hogyan kerül át
07:21
betweenközött one personszemély to the other.
150
432866
1791
egyik személytől a másikig.
Ennek kiderítésére terveztük meg
07:23
So we decidedhatározott to buildépít
the tooleszköz to exploreFedezd fel that,
151
434681
2356
a Cascade, azaz Kaszkád nevű eszközt.
07:25
and this tooleszköz is calledhívott CascadeCascade.
152
437061
1823
07:27
If we look at these systemsrendszerek
153
439471
2595
Ha megnézzük ezeket a rendszereket,
07:30
that startRajt with one eventesemény
that leadsvezet to other eventsesemények,
154
442090
4430
miként vezet egyik történés a másikig,
07:35
we call that structureszerkezet a cascadeLépcsőzetes elrendezés.
155
446544
2238
egyfajta kaszkád-szerkezetet látunk.
07:37
And these cascadesCascades
actuallytulajdonképpen happentörténik over time.
156
448806
2409
Ezek a kaszkádok pedig
időben bontakoznak ki,
07:39
So we can modelmodell these things over time.
157
451239
2020
így az időben modellezhetjük őket.
07:41
Now, the NewÚj YorkYork TimesAlkalommal has
a lot of people who shareOssza meg our contenttartalom,
158
453283
4031
A The New York Timesnál sokan
osztják meg tartalmunkat,
07:45
so the cascadesCascades do not look like that one,
they look more like this.
159
457338
3491
tehát a kaszkádok nem úgy,
hanem inkább így néznek ki.
07:49
Here'sItt van a typicaltipikus cascadeLépcsőzetes elrendezés.
160
460853
1540
Ez egy átlagos kaszkád.
07:50
At the bottomalsó left, the very first eventesemény.
161
462417
2714
A bal oldalon, alul, az első történés.
07:54
And then as people are sharingmegosztás
the contenttartalom from one personszemély to anotheregy másik,
162
466237
4272
Aztán ahogy a tartalmat
egyre többen osztják meg egymással,
07:59
we go up in the Y axistengely,
degreesfok of separationelválasztás,
163
470533
3794
a megosztást mutató y tengelyen
felfelé haladva az érték nő
08:02
and over on the X axistengely, for time.
164
474351
2768
az x tengelyen ábrázolt idő függvényében.
08:05
So we're ableképes to look at that conversationbeszélgetés
in a couplepárosít of differentkülönböző viewsnézetek:
165
477143
3501
Így a párbeszéd
más-más nézőpontból látható:
ez a párbeszéd fonalát mutatja,
08:09
this one, whichmelyik showsműsorok us
the threadsmenetek of conversationbeszélgetés,
166
480668
2615
08:11
and this one, whichmelyik combineskombájnok
that stackedhalmozott viewKilátás
167
483307
3194
és ez a konszolidált nézetet egyesíti
08:15
with a viewKilátás that letslehetővé teszi, us see the threadsmenetek.
168
486525
2932
a beszédfonalakat ábrázoló nézettel.
08:18
Now, the TimesAlkalommal publishesközzé
about 7,000 piecesdarabok of contenttartalom
169
489924
3345
A The Times kb. 7 000 tartalmat publikál
08:21
everyminden monthhónap.
170
493293
1210
havonta.
Fontos volt számunkra
az eszköz tervezésekor,
08:23
So it was importantfontos for us,
when we were buildingépület this tooleszköz,
171
494527
2842
08:25
to make it an exploratoryfeltáró one,
172
497393
1633
hogy kutatásra alkalmassá tegyük,
08:27
so that people could digás throughkeresztül
this vasthatalmas terrainterep of dataadat.
173
499050
4207
így mélységében láthatják
ezt az adatrengeteget.
08:31
I think of it as a vehiclejármű
that we're givingígy people
174
503281
2436
Embereknek adott
szerszámként képzelem ezt el,
08:34
to traverseáthalad this really bignagy
terrainterep of dataadat.
175
505741
3473
amivel átvergődhetnek
ezen a óriási adatrengetegen.
Ténylegesen így néz ki,
08:37
So here'sitt what it really looksúgy néz ki, like,
176
509238
1718
08:39
and here'sitt the cascadeLépcsőzetes elrendezés
playingjátszik in realigazi time.
177
510980
2740
ez pedig a kaszkád valós idejű lejátszása.
08:42
I have to say, this was
a tremendousborzasztó momentpillanat.
178
513744
2079
Állítom, megrendítő pillanat volt.
08:44
We had been workingdolgozó with cannedkonzerv
dataadat, fakehamisítvány dataadat, for so long,
179
515847
4017
Elég ideje dolgoztunk
mintaadattal, hamis adattal,
08:48
that when we saw this
for the first momentpillanat,
180
519888
2805
aztán amikor először ezt megláttuk,
08:51
it was like an archaeologistrégész who had
just dustedleporolta off these dinosaurdinoszaurusz bonescsontok.
181
522717
4878
olyan volt, mint archeológus kezében
frissen kiásott dinoszaurusz-csontok.
08:56
We discoveredfelfedezett this thing,
and we were seeinglátás it for the first time,
182
527619
3878
Először láttuk felfedezésünk,
ezeket az internet alatt meghúzódó
megosztás-szerkezeteket.
09:00
these sharingmegosztás structuresszerkezetek
that underliealapjául szolgáló the internetInternet.
183
531521
3712
09:04
And maybe the dinosaurdinoszaurusz
analogyanalógia is a good one,
184
536475
2105
A dinoszaurusz-hasonlat talán pont jó,
09:07
because we're actuallytulajdonképpen makinggyártás
some probabilisticvalószínűségi guessestalálgatások
185
538604
3047
mert pár valószínűsíthető
találgatásunk rámutatott,
hogyan kapcsolódnak ezek egymáshoz.
09:10
about how these things linklink.
186
541675
1359
09:11
We're looking at some of these
piecesdarabok and makinggyártás some guessestalálgatások,
187
543058
2926
Megnéztünk néhány pontot,
aztán találgattunk,
09:14
but we try to make sure that those
are as statisticallystatisztikusan rigorousszigorú as possiblelehetséges.
188
546008
3937
de lehetőleg kerültük
a statisztikai bizonytalanságokat.
09:19
Now tweetsTweets, in this caseügy,
they becomeválik partsalkatrészek of storiestörténetek.
189
550720
4662
Ez esetben pedig a tweetek
sztorik részeivé válnak.
09:23
They becomeválik partsalkatrészek of narrativesnarratívák.
190
555406
1925
Narratívák részeivé válnak.
09:25
So we are buildingépület historiestörténetek here,
191
557355
2420
Azaz történeteket alkotunk,
09:28
but they're very short-termrövid időszak historiestörténetek.
192
559799
2175
de ezek nagyon rövid távúak.
09:30
And sometimesnéha these very largenagy cascadesCascades
are the mosta legtöbb interestingérdekes onesazok,
193
561998
3838
Időnként az óriási kaszkádok
a legérdekesebbek,
09:34
but sometimesnéha the smallkicsi onesazok
are alsois interestingérdekes.
194
565860
3135
máskor pedig a kisebbek lesznek azok.
09:37
This is one of my favoritesKedvencek.
We call this the "RabbiRabbi CascadeCascade."
195
569019
3525
A kedvencemet "Rabbi kaszkád"-nak hívjuk.
09:41
It's a conversationbeszélgetés amongstközött rabbisrabbik
about this articlecikk in the NewÚj YorkYork TimesAlkalommal,
196
572568
5089
Beszélgetés a rabbik között
a The New York Times egy cikkéről,
09:46
about the facttény that religiousvallási workersmunkások
don't get a lot of time off.
197
577681
3772
ami a vallási dolgozók
kevés szabadidejéről szól.
09:49
I guessTaláld ki SaturdaysSzombaton and SundaysVasárnap are badrossz daysnapok
for them to take off.
198
581477
4035
Fogadok, náluk a szombatot
és vasárnapot nem lehet kivenni.
09:54
So, in this cascadeLépcsőzetes elrendezés, there's a groupcsoport
of rabbisrabbik havingamelynek a conversationbeszélgetés
199
585536
3692
Ebben a kaszkádban rabbik beszélgetnek
09:57
about a NewÚj YorkYork TimesAlkalommal storysztori.
200
589252
1402
a lap egyik sztorijáról.
09:59
One of them has the bestlegjobb
TwitterTwitter namenév ever --
201
590678
2124
Egyiküknek van a legjobb Twitter-neve:
10:01
he's calledhívott "The VelveteenBársonyból RabbiRabbi."
202
592826
1855
"A pamutbársony rabbi".
10:03
(LaughterNevetés)
203
594705
2323
(Nevetés)
10:05
But we would have never foundtalál this
if it weren'tnem voltak for this exploratoryfeltáró tooleszköz.
204
597052
4507
E feltáró eszköz nélkül
erre sohasem jöttünk volna rá.
10:10
This would just be sittingülés somewherevalahol,
205
601583
1802
Csak hánykódott volna valahol,
10:11
and we would have never
been ableképes to see that.
206
603409
2186
figyelmünktől teljesen távol.
10:14
But this exercisegyakorlat of takingbevétel
singleegyetlen piecesdarabok of informationinformáció
207
605619
4141
De információmorzsákból
10:18
and buildingépület narrativeelbeszélés structuresszerkezetek,
buildingépület historiestörténetek out of them,
208
609784
4221
narratív szerkezetek
és történetek megalkotása
10:22
I find tremendouslyborzasztóan interestingérdekes.
209
614029
1925
rendkívül érdekes számomra.
10:24
You know, I movedköltözött to NewÚj YorkYork
about two yearsévek agoezelőtt.
210
616319
2344
New Yorkba költöztem két éve,
10:27
And in NewÚj YorkYork, everybodymindenki has a storysztori
211
618687
2720
ahol mindenkinek van egy sztorija,
10:29
that surroundskörülveszi this
tremendouslyborzasztóan impactfulhatásos eventesemény
212
621431
2960
ami a brutális hatású esemény,
10:32
that happenedtörtént on SeptemberSzeptember 11 of 2001.
213
624415
2299
2001. szeptember 11-e köré szerveződik.
10:35
And my ownsaját storysztori with SeptemberSzeptember 11
has really becomeválik a more intricatebonyolult one,
214
627373
6367
Az én szeptember 11-i sztorim
inkább szövevényes,
10:42
because I spentköltött a great dealüzlet of time
215
633764
2064
mert számottevő időt töltöttem
10:44
workingdolgozó on a piecedarab
of the 9/11 MemorialEmlékmű in ManhattanManhattan.
216
635852
4149
a manhattani 9/11 emlékmű munkálataival.
10:49
The centralközponti ideaötlet about the 9/11 MemorialEmlékmű
217
640530
2564
Az emlékmű alapgondolata,
10:51
is that the namesnevek in the memorialemlékmű
are not laidterített out in alphabeticalABC ordersorrend
218
643118
4459
hogy rajta a neveket ne ábécésorrendben
10:56
or chronologicalidőrendi ordersorrend,
219
647601
1685
vagy időrendben helyezzék el,
10:57
but insteadhelyette, they're laidterített out in a way
220
649310
1824
hanem oly módon,
10:59
in whichmelyik the relationshipskapcsolatok
betweenközött the people who were killedelesett
221
651158
3424
hogy a megöltek közti kötelékek
11:03
are embodiedmegtestesült in the memorialemlékmű.
222
654606
1960
testesüljenek meg az emlékműben.
11:05
BrothersTestvérek are placedelhelyezni nextkövetkező to brotherstestvérek,
223
657153
2538
Testvér mellett testvér áll,
11:08
coworkersmunkatársak are placedelhelyezni togetheregyütt.
224
659715
2185
munkatársak egymás mellett,
11:10
So this memorialemlékmű actuallytulajdonképpen considersúgy véli
all of these myriadszámtalan connectionskapcsolatok
225
661924
4665
azaz az emlékmű figyelembe veszi
11:15
that were partrész of these people'semberek liveséletét.
226
666613
2421
az életük részét képező
tömérdek kapcsolatot.
11:18
I workeddolgozott with a companyvállalat
calledhívott LocalHelyi ProjectsProjektek
227
670310
3433
A Local Projects nevű céggel
dolgoztam együtt,
11:22
to work on an algorithmalgoritmus
and a softwareszoftver tooleszköz
228
673767
2674
hogy algoritmus és szoftver segítségével
11:24
to help the architectsépítészek buildépít
the layoutelrendezés for the memorialemlékmű:
229
676465
3004
az építészek megtervezhessék
az emlékmű elrendezését:
11:28
almostmajdnem 3,000 namesnevek
230
680331
1722
a közel 3 000 névből –
11:30
and almostmajdnem 1,500 of these
adjacencySimuló requestskérelmek,
231
682077
3627
majdnem 1 500 belőlük
a közelségi és kapcsolódási kérés –
11:34
these requestskérelmek for connectionkapcsolat --
232
685728
1610
11:35
so a very densesűrű storysztori,
a very densesűrű narrativeelbeszélés,
233
687362
3386
sokrétű és gazdag sztori, narratíva
11:39
that becomesválik an embodiedmegtestesült partrész
of this memorialemlékmű.
234
690772
2816
testesült meg ebben az emlékműben.
11:42
WorkingMunka with JakeJake BartonBarton,
we producegyárt the softwareszoftver tooleszköz,
235
694195
3331
Jake Bartonnal terveztük a szoftvert,
11:46
whichmelyik allowslehetővé tesz the architectsépítészek to,
first of all, generategenerál a layoutelrendezés
236
697550
4119
ami először is lehetővé teszi,
hogy az építészek
az összes közelségi kérésnek
eleget tevő elrendezést alakítsanak ki,
11:50
that satisfiedelégedett all of those
adjacencySimuló requestskérelmek,
237
701693
3129
11:53
but then secondmásodik, make little adjustmentskiigazítások
where they neededszükséges to
238
704846
3033
aztán másodszor, ahol szükséges,
apró igazításokkal úgy közöljék
a sztorikat, ahogy szeretnék.
11:56
to tell the storiestörténetek
that they wanted to tell.
239
707903
2348
11:59
So this memorialemlékmű, I think,
has an incrediblyhihetetlenül timelyidőben conceptkoncepció
240
711219
4135
Az emlékmű koncepciója
hihetetlenül időszerű manapság,
12:03
in our erakorszak of socialtársadalmi networkshálózatok,
241
715378
2990
a közösségi hálózatok korában,
12:06
because these networkshálózatok -- these real-lifevalós
networkshálózatok that make up people'semberek liveséletét --
242
718392
3975
mert a való életbeli,
emberi kapcsolatok hálózata
12:10
are actuallytulajdonképpen embodiedmegtestesült
insidebelül of the memorialemlékmű.
243
722391
2432
az emlékmű belsejében testesül meg.
12:13
And one of the mosta legtöbb tremendouslyborzasztóan
movingmozgó experiencestapasztalatok
244
725286
3471
A legbrutálisabb élmény pedig
12:17
is to go to the memorialemlékmű
245
728781
1661
elmenni az emlékműhöz,
12:18
and see how these people
are placedelhelyezni nextkövetkező to eachminden egyes other,
246
730466
4200
és látni, miként helyezték
az áldozatokat egymás mellé,
12:23
so that this memorialemlékmű
is representingképviselő theirazok ownsaját liveséletét.
247
734690
2862
hogy az emlékmű az ő életüket ábrázolja.
12:27
How does this affectérint our liveséletét?
248
738859
1687
Hogyan érinti ez életünket?
12:29
Well, I don't know if you rememberemlékezik,
249
741133
1676
Nem tudom, hogy emlékeznek-e,
12:31
but in the springtavaszi,
there was a controversyvita,
250
742833
2713
de tavasszal vita volt,
12:34
because it was discoveredfelfedezett
that on the iPhoneiPhone
251
745570
2198
mert kitudódott, hogy az iPhone-on,
12:36
and, actuallytulajdonképpen, on your computerszámítógép,
252
747792
1606
és a számítógépünkön
12:37
we were storingtárolása a tremendousborzasztó amountösszeg
of the locationelhelyezkedés dataadat.
253
749422
3315
brutális mennyiségű helyadatot tárolunk.
12:41
So AppleAlma respondedválaszolt, sayingmondás,
this was not locationelhelyezkedés dataadat about you,
254
753173
3861
Az Apple válaszolt, miszerint ezek csupán
12:45
it was locationelhelyezkedés dataadat
about wirelessdrótnélküli networkshálózatok
255
757058
2805
a tartózkodási helyünk közelében lévő
12:48
that were in the areaterület where you are.
256
759887
2287
vezeték nélküli hálózatok helyadatai.
12:50
So it's not about you,
257
762198
1428
Nem önökről szólnak,
12:52
but it's about where you are.
258
763650
1584
hanem a helyről, ahol épp vannak.
12:53
(LaughterNevetés)
259
765258
1648
(Nevetés)
12:55
This is very valuableértékes dataadat.
260
766930
2808
Nagyon értékes adatok.
12:58
It's like goldArany to researcherskutatók,
this human-mobilityemberi mobilitás dataadat.
261
769762
4625
A kutatóknak aranyat érnek
ezek a helyváltoztatási adatok.
13:02
So we thought, "Man!
How manysok people have iPhonesiPhone?"
262
774411
3664
Aztán mondtuk: "Halló! Kiknél van iPhone?"
13:06
How manysok of you have iPhonesiPhone?
263
778099
1448
Önök közül kinél van iPhone?
13:09
So in this roomszoba, we have this tremendousborzasztó
databaseadatbázis of locationelhelyezkedés dataadat
264
780608
5478
A teremben lévők helyadatainak
brutális méretű adatbázisát
13:14
that researcherskutatók
would really, really like.
265
786110
3775
a kutatók nagyon imádnák.
13:18
So we builtépült this systemrendszer calledhívott OpenNyitott PathsUtak,
266
789909
2031
Erre megalkottuk az Open Pathst,
13:20
whichmelyik letslehetővé teszi, people uploadfeltölt theirazok iPhoneiPhone dataadat
267
791964
2656
amivel iPhone-jukról
feltölthetik adataikat,
13:23
and brokerbróker relationshipskapcsolatok
with researcherskutatók to shareOssza meg that dataadat,
268
794644
3796
és kapcsolatba léphetnek a kutatókkal
13:26
to donateadományoz that dataadat to people
that can actuallytulajdonképpen put it to use.
269
798464
3387
adataik észszerű megosztása,
adományozása céljából.
13:30
OpenNyitott PathsUtak was a great
successsiker as a prototypeprototípus.
270
802256
2350
A rendszer prototípusa szépen szerepelt.
13:33
We receivedkapott thousandsTöbb ezer of dataadat setskészletek,
271
804630
3433
Több ezer adathalmaz gyűlt össze,
és az általunk megalkotott felülettel
13:36
and we builtépült this interfacefelület
272
808087
1349
13:37
whichmelyik allowslehetővé tesz people to actuallytulajdonképpen
see theirazok liveséletét unfoldingkibontakozó
273
809460
3318
a használók előtt kibontakozik az életük
13:41
from these tracesnyomai
that are left behindmögött on your deviceskészülékek.
274
812802
3156
az eszközeik hátrahagyott nyomaiból.
13:45
Now, what we didn't expectelvár
was how movingmozgó this experiencetapasztalat would be.
275
816593
5267
Nem láttuk előre, hogy ennyire
brutális lesz az élmény.
13:50
When I uploadedfeltöltve my dataadat,
I thought, "BigNagy dealüzlet.
276
821884
2227
Mikor feltöltöttem adataim, azt gondoltam:
13:52
I know where I liveélő. I know where I work.
What am I going to see here?"
277
824135
3416
"Nagy ügy. Tudom, hol lakom,
hol dolgozom, vár rám itt valami?"
13:56
Well, it turnsmenetek out, what I saw
was that momentpillanat I got off the planerepülőgép
278
827575
3501
Kiderült, hogy látom a pillanatot,
amikor leszállok a repülőről,
13:59
to startRajt my newúj life in NewÚj YorkYork;
279
831100
1623
hogy új életet kezdjek New Yorkban;
14:02
the restaurantétterem where I had Thaithai foodélelmiszer
that first night,
280
833588
2606
az éttermet, ahol thai kaját
ettem első este,
14:04
thinkinggondolkodás about this newúj experiencetapasztalat
of beinglény in NewÚj YorkYork;
281
836218
2953
és a newyorkiság új élményén merengtem;
14:07
the day that I mettalálkozott my girlfriendbarátnő.
282
839195
1623
a napot, amikor megismertem a párom.
14:11
This is LaGuardiaLaguardia airportrepülőtér.
283
842587
2275
Ez a LaGuardia reptér.
14:13
(LaughterNevetés)
284
844886
1487
(Nevetés)
14:14
This is this Thaithai restaurantétterem
on AmsterdamAmszterdam AvenueAvenue.
285
846397
3641
Ez a thai étterem az Amsterdam Avenue-n.
14:19
This is the momentpillanat I mettalálkozott my girlfriendbarátnő.
286
850559
2050
Ez a pillanat, amikor megismertem a párom.
14:22
See how that changesváltoztatások the first time
I told you about those storiestörténetek
287
854146
3451
Látják a változást aközött,
amikor először és aközött,
14:26
and the secondmásodik time I told
you about those storiestörténetek?
288
857621
2468
amikor másodjára meséltem
el ezeket a sztorikat?
14:28
Because what we do
in the tooleszköz, inadvertentlyvéletlenül,
289
860113
3207
Mert ezzel az eszközzel, akaratlanul is
14:31
is we put these piecesdarabok of dataadat
into a humanemberi contextkontextus.
290
863344
3115
emberi kontextusba
helyezzük ezeket az adatokat.
14:35
And by placingforgalomba dataadat into a humanemberi contextkontextus,
291
866935
2498
Ebbe a kontextusba helyezve pedig
14:37
it gainsnyereség meaningjelentés.
292
869457
1474
jelentéssel gazdagodik.
14:39
And I think this is tremendouslyborzasztóan,
tremendouslyborzasztóan importantfontos,
293
870955
3328
Ez pedig szörnyen fontos,
14:42
because these are our historiestörténetek
that are beinglény storedtárolt on these deviceskészülékek.
294
874307
4918
mert saját történeteinket
tárolják ezek az eszközök.
14:49
And by thinkinggondolkodás about them that way,
295
880809
1994
Ha pedig így gondolunk rájuk,
14:52
puttingelhelyezés them in a humanemberi contextkontextus --
296
883543
1902
emberi kontextusba helyezzük őket:
14:53
first of all, what we do with our ownsaját dataadat
is get a better understandingmegértés
297
885469
3662
adatainkkal először is jobban megértjük,
14:57
of the typetípus of informationinformáció
that we're sharingmegosztás.
298
889155
2479
milyen jellegű információt osztunk meg.
15:00
But if we can do this with other dataadat,
if we can put dataadat into a humanemberi contextkontextus,
299
891658
4053
De ha ezt más adatokkal is megtehetjük,
ha emberi kontextusba helyezhetjük őket,
15:04
I think we can changeváltozás a lot of things,
300
895735
2918
sok mindent megváltoztathatunk,
15:07
because it buildsépít, automaticallyautomatikusan, empathyátélés
for the people involvedrészt in these systemsrendszerek.
301
898677
6385
mert ez önmagában is együttérzést
kelt a rendszer részesei iránt.
Az eredmény pedig a cserébe
kapott alapvető tisztelet,
15:14
And that, in turnfordulat, resultstalálatok
in a fundamentalalapvető respecttisztelet,
302
905602
2953
15:17
whichmelyik, I believe, is missinghiányzó
in a largenagy partrész of technologytechnológia,
303
908579
3163
mely, úgy hiszem, technológiánkból
nagyrészt hiányzik,
15:20
when we startRajt to dealüzlet
with issueskérdések like privacyAdatvédelem,
304
912329
2938
amikor pl. magánéleti kérdésekbe ütközünk,
15:25
by understandingmegértés that these numbersszám
are not just numbersszám,
305
916765
2717
értjük, hogy ezek nem csak számok,
15:28
but insteadhelyette they're attachedcsatolt, tetheredlekötni to,
piecesdarabok of the realigazi worldvilág.
306
919506
3619
hiszen szervesen kötődnek a való világhoz.
15:31
They carryvisz weightsúly.
307
923149
1506
Súlyuk van.
15:33
By understandingmegértés that,
the dialogpárbeszéd becomesválik a lot differentkülönböző.
308
924679
3332
Ha ezt megértjük,
a párbeszéd egész mássá válik.
15:38
How manysok of you have ever clickedcsattant a buttongomb
309
929595
2331
Hányan kattintottak már telefonjukon arra,
15:40
that enableslehetővé teszi a thirdharmadik partyparty to accesshozzáférés
your locationelhelyezkedés dataadat on your phonetelefon?
310
931950
4987
hogy hozzáférést engedélyeznek
harmadik félnek a helyadataikhoz?
15:46
Lots of you.
311
937595
1555
Sokan.
15:47
So the thirdharmadik partyparty is the developerfejlesztő,
312
939174
2245
A harmadik fél a fejlesztő,
15:49
the secondmásodik partyparty is AppleAlma.
313
941443
1801
a második az Apple.
15:52
The only partyparty that never getsjelentkeznek accesshozzáférés
to this informationinformáció is the first partyparty!
314
943954
4823
Az egyetlen, aki ehhez az információhoz
nem fér hozzá, az első fél.
15:58
And I think that's because we think
about these piecesdarabok of dataadat
315
950198
3135
Azért van ez, mert az adatokat
16:01
in this strandedrekedt, abstractabsztrakt way.
316
953357
2055
szemellenzős, elvont módon fogjuk fel.
16:03
We don't put them into a contextkontextus
317
955436
1897
Nem helyezzük kontextusba őket,
16:05
whichmelyik, I think, makesgyártmányú them
a lot more importantfontos.
318
957357
2309
melytől sokkal fontosabbá válnak.
16:08
So what I'm askingkérve you
to do is really simpleegyszerű:
319
959690
2166
Nagyon egyszerű dolgot kérek önöktől:
16:10
startRajt to think about dataadat
in a humanemberi contextkontextus.
320
961880
2323
gondoljanak az adatok emberi kontextusára.
16:13
It doesn't really take anything.
321
964918
1657
Ez tényleg nem kerül semmibe.
16:15
When you readolvas stockKészlet pricesárak,
think about them in a humanemberi contextkontextus.
322
966599
3359
Ha részvényárakat néznek,
gondoljanak emberi kontextusukra.
16:18
When you think about mortgagejelzálog reportsjelentések,
think about them in a humanemberi contextkontextus.
323
969982
3542
Ha jelzáloghitel hírekre gondolnak,
gondoljanak emberi kontextusukra.
16:22
There's no doubtkétség that bignagy dataadat
is bignagy businessüzleti.
324
973548
3930
Kétségkívül a big data,
a "nagy adat", nagy üzlet.
16:26
There's an industryipar beinglény developedfejlett here.
325
977502
3018
Egész iparág fejlődik ki körülötte.
16:30
Think about how well we'vevoltunk doneKész
326
981520
1501
Gondoljanak bele,
mennyire elbántunk
a régebbi, termelői szektorokkal.
16:31
in previouselőző industriesiparágak
that we'vevoltunk developedfejlett involvingérintő resourceserőforrások.
327
983045
3369
16:34
Not very well at all.
328
986438
1300
Nagyon is.
16:36
I think partrész of that problemprobléma is, we'vevoltunk had
a lackhiány of participationrészvétel in these dialoguespárbeszédek
329
987762
4522
A probléma részben
a széleskörű társadalmi párbeszédben
való részvétel hiánya.
16:40
from multipletöbbszörös piecesdarabok of humanemberi societytársadalom.
330
992308
4428
16:45
So the other thing that I'm askingkérve for
331
996760
1992
A másik dolog, amit kérek,
16:48
is an inclusionbefogadás in this dialoguepárbeszéd
from artistsművészek, from poetsköltők, from writersírók --
332
999669
4378
hogy a párbeszédből ne hagyják ki
a művészeket, költőket, írókat –
16:52
from people who can bringhoz a humanemberi elementelem
into this discussionvita.
333
1004071
4013
azokat, akik emberi jelleget
visznek ebbe a beszélgetésbe.
16:57
Because I believe that this worldvilág of dataadat
334
1008725
2356
Mert hiszem, hogy az adatok világa
16:59
is going to be transformativeátalakító for us.
335
1011105
3025
át fog minket alakítani.
17:03
And unlikenem úgy mint our attemptspróbálkozás
with the resourceforrás industryipar
336
1014687
3169
A termelői, pénzügyi szektorral
17:06
and our attemptspróbálkozás
with the financialpénzügyi industryipar,
337
1017880
2153
tett kísérleteinkkel ellentétben,
17:08
by bringingfűződő the humanemberi
elementelem into this storysztori,
338
1020057
2931
a történetbe vitt emberi jelleg
17:11
I think we can take it
to tremendousborzasztó placeshelyek.
339
1023012
2178
szédítő teret nyithat előttünk.
17:14
Thank you.
340
1026203
1155
Köszönöm.
17:15
(ApplauseTaps)
341
1027382
4052
(Taps)
Translated by Ádám Kósa
Reviewed by Peter Pallós

▲Back to top

ABOUT THE SPEAKER
Jer Thorp - Data artist
Jer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them.

Why you should listen

Currently the data artist in residence at the New York Times, Jer’s software-based art has been featured all over the world. His former career as a data artist explains why his art often brings big data sets to life and is deeply influenced by science. Originally from Vancouver, he lives in New York City, where, along with his work at the New York Times, he teaches in NYU’s ITP program.

More profile about the speaker
Jer Thorp | Speaker | TED.com