TED2006
Hans Rosling: The best stats you've ever seen
هانز روزلنج: أفضل إحصائية ستشاهدها في حياتك
Filmed:
Readability: 3.6
14,386,844 views
لم تر من قبل بيانات تم عرضها بهذا الشكل من قبل. بجديّة وحماس مذيع المباريات، يقوم خبير الإحصائيات هانز روزلنج بكشف الخرافات حول ما يسمى" بالعالم النامي."
Hans Rosling - Global health expert; data visionary
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus. Full bio
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus. Full bio
Double-click the English transcript below to play the video.
00:25
About 10 years ago, I took on the task to teach global development
0
0
4000
منذ 10 سنوات، استلمت مهمة تدريس التطوير العالمي
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
لطلاب سويديين في مرحلة ما قبل التخرج. وكان ذلك بعد أن قضيت
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
حوالي 20 عامًا مع المؤسسات الإفريقية لدراسة الجوع في إفريقيا
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
ولذلك فكان من المفترض أن أكون ملماً بأمور بسيطة عن العالم
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
وبدأت بجامعتنا الطبية، معهد كارولينسكا
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
دورة دراسية للطلاب في مرحلة ما قبل التخرج تسمى "الصحة العالمية". ولكن عندما تحصل
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
على الفرصة، تصبح عصبيًا بعض الشيء. لقد اعتقدت أن هؤلاء الطلاب
00:53
coming to us actually have the highest grade you can get
7
28000
3000
القادمين إلينا قد حصلواعلى أعلى الدرجات التي يمكن أن تحصل عليها
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
في نظام الكليات السويدية – ولذلك فربما هم يعرفون كل شيء
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
سأقوم بتدريسه لهم. وقمت بإختبار تقييم أولي عندما أتوا
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
وكانت أحد الأسئلة التي تعلمت منها كثيرًا
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
"أي دولة فيها أعلى نسبة وفيات للأطفال من هذه الأزواج الخمسة؟"
01:10
And I put them together, so that in each pair of country,
12
45000
4000
ووضعتهم مع بعض، بحيث كان في كل زوج من الدول
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
دولة بها ضعف نسبة وفيات الأطفال مقارنة بالدولة الأخرى. وهذا يعني
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
أن هناك فرق كبير لا يدع مجالاً للشك في البيانات
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
لن أضعكم في امتحان هنا، ولكنها تركيا
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
هي الأعلى في نسبة وفيات للأطفال، و بولندا وروسيا وباكستان وجنوب إفريقيا
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
وكانت هذه هي نتائج الطلاب السويديين. لقد فعلتها لكي أحصل
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
على فترة الثقة، والتي كانت محددة للغاية، وشعرت بالسعادة
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
بالطبع: الإجابة الصحيحة بنسبة 1.8 من بين كل خمسة. وهذا يعني أن
01:41
there was a place for a professor of international health --
20
76000
3000
هناك حاجة إلى أستاذ في الصحة الدولية--
01:44
(Laughter) and for my course.
21
79000
2000
وللدورة التي أدرسها
01:46
But one late night, when I was compiling the report
22
81000
4000
وفي ليلة متأخرة، كنت أكتب التقرير
01:50
I really realized my discovery. I have shown
23
85000
4000
وأدركت بالفعل اكتشافي. لقد أوضحت
01:54
that Swedish top students know statistically significantly less
24
89000
5000
أن ما يعرفه أوائل الطلاب السويديين عن إحصائيات العالم أقل بكثير
01:59
about the world than the chimpanzees.
25
94000
2000
مما يعرفه الشمبانزي
02:01
(Laughter)
26
96000
2000
(ضحك)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
لأن الشمبانزي سيحرز نصف الإجابة الصحيحة إذا أعطيته
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
موزتين بسريلانكا وتركيا. فسيكون على صواب في نصف الحالات
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
لكن الطلاب ليسوا كذلك. المشكلة بالنسبة لي ليست الجهل
02:14
it was preconceived ideas.
30
109000
3000
لقد كانت الأفكار الموجودة لديهم من قبل
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
لقد أجريت أيضًا دراسة غير مهنية لأساتذة معهد كارولينسكا
02:21
(Laughter)
32
116000
1000
(ضحك)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
والتي تستحق جائزة نوبل في الطب
02:24
and they are on par with the chimpanzee there.
34
119000
2000
وهم على قدم المساواة مع الشمبانزي فيها
02:26
(Laughter)
35
121000
3000
(ضحك)
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
وحينها أدركت أن هناك حاجة حقيقية للتواصل
02:33
because the data of what's happening in the world
37
128000
3000
حتى تصبح البيانات المتعلقة بما يحدث في العالم
02:36
and the child health of every country is very well aware.
38
131000
3000
وبصحة الطفل في كل بلد مُدرَكة ومحسوسة بشكل جيد
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
وصممنا هذا البرنامج والذي يعرضها كما يلي: كل فقاعة هنا تمثل دولة
02:44
This country over here is China. This is India.
40
139000
6000
فالدولة التي هنا هي الصين. وهذه هي الهند
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
حجم الفقاعة يمثل عدد السكان، وعلى هذا المحور أضع معدل الخصوبة
02:56
Because my students, what they said
42
151000
3000
لأن ما قاله طلابي
02:59
when they looked upon the world, and I asked them,
43
154000
2000
عندما نظروا إلى العالم، وسألتهم
03:01
"What do you really think about the world?"
44
156000
2000
"ما رأيكم الحقيقي في العالم؟"
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
حسنًا، اكتشفت في البداية أن الكتاب الدراسي كان عبارة عن عرض تصويري بشكل أساسي
03:07
(Laughter)
46
162000
1000
(ضحك)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
وقالوا "العالم لا يزال "نحن" و "هم
03:11
And we is Western world and them is Third World."
48
166000
3000
ونحن العالم الغربي وهم العالم الثالث"
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
وسألتهم "ماذا تقصدون بالعالم الغربي؟"
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
"حسنًا، هو العالم الذي به متوسط أعمار طويل وأسرة صغيرة، والعالم الثالث متوسط أعمار قصير وأسرة كبيرة"
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
فهذا ما أستطيع عرضه هنا. وأضع معدل الخصوبة هنا: عدد الأطفال لكل امرأة
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
واحد، اثنان، ثلاثة، أربعة، وحتى حوالي ثمانية أطفال لكل امرأة
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
نحن لدينا بيانات جيدة للغاية منذ حوالي 1962 – 1960 بشأن حجم العائلات في جميع البلدان
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
هامش الخطأ ضيق. وهنا أضع متوسط العمر المتوقع عند الولادة
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
من 30 عامًا في بعض البلدان وحتى حوالي 70 عامًا
03:45
And 1962, there was really a group of countries here
56
200000
3000
في 1962، كانت هناك في الواقع مجموعة من البلدان هنا
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
وقد كانت تلك دول صناعية، وكانت بها أسر صغيرة ومتوسط أعمار طويل
03:53
And these were the developing countries:
58
208000
2000
وكانت هذه هي البلدان النامية
03:55
they had large families and they had relatively short lives.
59
210000
3000
وكانت بها أسر كبيرة ومتوسط أعمار قصير نسبيًا
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
والآن ماذا حدث منذ 1962؟ نريد أن نرى التغيير
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
هل الطلاب على صواب؟ هل لا يزال هناك نوعان من البلدان؟
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
أو هل هذه البلدان النامية بها أسر صغيرة ويعيشون هنا؟
04:09
Or have they got longer lives and live up there?
63
224000
2000
أم هل تتمتع هذه البلدان بمتوسط أعمار أطول؟
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
فلنرى. لقد أوقفنا العالم. هذه هي إحصائيات الأمم المتحدة
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
المتاحة. فلنرى. هل ترون هناك؟
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
إنها الصين، تتجه نحو تحسن في الصحة، هناك تحسن
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
جميع دول أمريكا اللاتينية المميزة باللون الأخضر تتحول إلى أسر صغيرة
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
اللون الأصفر هنا يمثل البلدان العربية
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
وهي تحتوي على أسر أكبر، ولكنها – بدون متوسط أعمار أطول وبدون أسر أكبر
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
تحت هنا الأفارقة الون الأخضر.لا يزالون باقين هنا
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
هذه الهند. إندونيسيا تتحرك بشكل سريع
04:36
(Laughter)
72
251000
1000
(ضحك)
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
وفي الثمانينيات هنا، عندنا بنجلاديش لا تزال ضمن الدول الإفريقية
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
لكن الآن، بنجلاديش – إنها معجزة حدثت في الثمانينيات
04:43
the imams start to promote family planning.
75
258000
3000
بدأ الأئمة في الترويج لتنظيم الأسرة
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
وتتحرك نحو هذه الزاوية لأعلى. وفي التسعينيات، عندنا وباء نقص المناعة البشرية الفظيع
04:51
that takes down the life expectancy of the African countries
77
266000
3000
والذي يخفض من متوسط العمر المتوقع في البلاد الإفريقية
04:54
and all the rest of them move up into the corner,
78
269000
4000
وتتحرك بقيتها إلى أعلى نحو الزاوية
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
حيث يكون هناك متوسط أعمار أطول وأسر صغيرة، ويكون عندنا عالم. جديد تمامًا
05:02
(Applause)
80
277000
13000
(تصفيق)
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
فلنقارن مباشرة بين الولايات المتحدة الأمريكية وفيتنام
05:20
1964: America had small families and long life;
82
295000
5000
1964: أمريكا كان بها أسر صغيرة ومتوسط أعمار أطول
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
فيتنام كان بها أسر كبيرة ومتوسط أعمار أقصر. وهذا ما يحدث
05:29
the data during the war indicate that even with all the death,
84
304000
6000
تشير البيانات أثناء الحرب إلى أنه على الرغم وجود الكثير من حالات الوفيات
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
فقد كان هناك تحسن في متوسط الأعمار المتوقع. وبنهاية العام
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
بدأ تنظيم الأسرة في فيتنام، واتجهوا نحو الأسر الأصغر
05:41
And the United States up there is getting for longer life,
87
316000
3000
والولايات المتحدة في الأعلى هناك تتجه نحو متوسط أعمار أطول
05:44
keeping family size. And in the '80s now,
88
319000
3000
مع الاحتفاظ بحجم الأسرة. وفي الثمانينيات الآن
05:47
they give up communist planning and they go for market economy,
89
322000
3000
يتخلون عن التخطيط الشيوعي ويتجهون إلى اقتصاد السوق
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
وتتحرك أسرع حتى من الحياة الاجتماعية. واليوم عندنا
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
في فيتنام نفس متوسط الأعمار المتوقع ونفس حجم الأسرة
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
هنا في فيتنام، يشبه الحال في عام 2003 ما كان عليه في الولايات المتحدة في عام 1974، بنهاية الحرب
06:06
I think we all -- if we don't look in the data --
93
341000
4000
أعتقد أننا جميعًا – إذا لم ننظر في البيانات --
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
فنحن نستهين بتغير كبير حدث في آسيا، والتي كانت
06:14
in social change before we saw the economical change.
95
349000
4000
في تغير اجتماعي قبل أن نشهد التغير الاقتصادي
06:18
Let's move over to another way here in which we could display
96
353000
5000
فلننتقل إلى طريقة أخرى يمكن أن نوضح بها
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
التوزيع في عالم الدخل. هذا هو التوزيع العالمي لدخل الأشخاص
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
دولار واحد أو عشرة دولارات أو مائة دولار في اليوم
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
لم تعد هناك فجوة بين الغني والفقير. هذه خرافة
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
هناك حدبة صغيرة هنا. ولكن هناك أشخاص على طول الطريق
06:44
And if we look where the income ends up -- the income --
101
379000
4000
وإذا نظرنا إلى المكان الذي ينتهي إليه الدخل – الدخل --
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
هذا هو 100 في المائة من الدخل السنوي للعالم. والأغنياء الذين يمثلون 20 في المائة
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
يأخذون منه حوالي 74 في المائة. والطبقة الفقيرة التي تمثل 20 في المائة
07:01
they take about two percent. And this shows that the concept
104
396000
5000
يأخذون حوالي اثنين في المائة. وهذا يوضح أن مفهوم
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
الدول النامية مشكوك فيه. نحن نفكر في الإعانة، بحيث
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
يعطي الأشخاص الموجودون هنا معونات لأولئك الأشخاص الموجودين هنا. ولكن في المنتصف
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
لدينا أغلب سكان العالم، ولديهم الآن 24 في المائة من الدخل
07:19
We heard it in other forms. And who are these?
108
414000
4000
لقد سمعناها في أشكال أخرى. ومن هؤلاء؟
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
أين مختلف البلاد؟ يمكن أن أعرض عليكم حال أفريقيا
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
هذه أفريقيا. 10 في المائة من سكان العالم، أغلبهم في حالة فقر
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
هذه منظمة التعاون والتنمية في الميدان الاقتصادي. الدولة الغنية. نادي الأمم المتحدة
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
وهم موجودون هنا في هذا الجانب. هناك تداخل واضح بين إفريقيا ومنظمة التعاون والتنمية في الميدان الاقتصادي
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
وهذه أمريكا اللاتينية. لديها كل شيء على هذه الأرض
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
من أفقر الفقراء إلى أغنى الأغنياء، في أمريكا اللاتينية
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
وبالإضافة إلى ذلك، يمكن أن نضع أوروبا الشرقية، يمكن أن نضع شرق آسيا
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
ونضع جنوب آسيا. وما الشكل الذي كانت عليه إذا رجعنا بالزمن للخلف
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
إلى حوالي عام 1970؟لقد كان هناك المزيد من الحدبة
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
وكان أغلب من عاشوا في فقر مدقع من الآسيويين
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
كانت مشكلة العالم هي الفقر في آسيا. وإذا تركت العالم يتحرك للأمام الآن
08:14
you will see that while population increase, there are
120
469000
3000
ستلاحظون أنه مع ازدياد عدد السكان، هناك
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
مئات الملايين في آسيا يخرجون من خط الفقر والبعض الآخر
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
يدخلوا فيه، وهذا هو النمط الذي لدينا اليوم
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
وعلى أفضل تقديرات البنك الدولي، فإن ذلك سوف يحدث
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
ولن يكون لدينا عالم مقسم. سوف يكون أغلب الناس في المنطقة المتوسطة
08:31
Of course it's a logarithmic scale here,
125
486000
2000
وبالطبع فهوهنا مقياس لوغاريتمي
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
لكن مفهومنا عن الاقتصاد هو النمو بالنسبة المئوية. نحن ننظر إليه
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
كإمكانية زيادة النسبة المئوية. إذا قمت بتغيير ذلك، وأخذت
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
حصة الفرد في الناتج المحلي الإجمالي بدلاً من دخل الأسرة، وحولت
08:48
individual data into regional data of gross domestic product,
129
503000
6000
هذه البيانات الفردية إلى بيانات إقليمية لإجمالي الناتج المحلي
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
وأخذت المناطق الموجودة بالأسفل هنا، لا يزال حجم الفقاعة يمثل السكان
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
وعندنا منظمة التعاون والتنمية في الميدان الاقتصادي هناك، وعندنا إفريقيا جنوب الصحراء هناك
09:01
and we take off the Arab states there,
132
516000
3000
ونأخذ الدول العربية هناك
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
التي تأتي من إفريقيا ومن آسيا، ونضعهم بصورة منفصلة
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
ويمكننا توسيع هذا المحور، ويمكن أن أعطيه بعدًا جديدًا هنا
09:13
by adding the social values there, child survival.
135
528000
3000
بإضافة القيم الاجتماعية هناك، بقاء الطفل على قيد الحياة
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
الآن عندنا المال على هذا المحور، وعندنا إمكانية بقاء الطفل على قيد الحياة هناك
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
في بعض البلدان، تظل نسبة 99.7 في المائة من الأطفال على قيد الحياة لسن خمس سنوات
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
وفي بلدان أخرى، يبقى 70 في المائة فقط. وهنا تبدو فجوة
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
بين منظمة التعاون والتنمية في المجال الاقتصادي وأمريكا اللاتينية وأوروبا الشرقية وشرق آسيا
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
والدول العربية، وجنوب آسيا وأفريقيا جنوب الصحراء
09:37
The linearity is very strong between child survival and money.
141
552000
5000
هناك علاقة قوية بين بقاء الأطفال على قيد الحياة والأموال
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
ولكن دعوني أقسّم جنوب الصحراء الإفريقية. هناك حالة صحية هنا وهناك حالة صحية أفضل في الأعلى هناك
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
يمكنني أن أقسم جنوب الصحراء الأفريقية إلى الدول المكونة لها
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
وعندما تنقسم يكون حجم الفقاعة الممثلة للبلد هو حجم السكان هناك
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
عندنا سيراليون هنا في الأسفل. وموريشيوس في الأعلى هناك. كانت موريشيوس هي الدولة الأولى
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
التي أفلتت من الحواجز التجارية، وتمكنت من بيع السكر الذي تنتجه
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
تمكنوا من بيع الأقمشة التي ينتجونها بنفس معايير الناس في أوروبا وفي أمريكا الشمالية
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
هناك فرق كبير بين أفريقيا. وغانا هنا في المنتصف
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
وفي سيراليون، المعونة الإنسانية
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
هنا في أوغندا، المعونة الإنمائية. وهنا يمكن استثمار الوقت، هناك
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
يمكن أن تذهب لقضاء الإجازة. هناك تنوع كبير
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
داخل أفريقيا الذي نادرًا ما ندركه – وأنها متساوية في كل شيء
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
ويمكن أن أقسّم جنوب آسيا هنا. الهند هي الفقاعة الكبرى في المنتصف
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
لكن هناك فرق كبير بين أفغانستان وسريلانكا
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
ويمكن أن أقسّم البلاد العربية. وكيف ذلك؟ نفس المُناخ، نفس الثقافة
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
نفس الدين. فرق كبير. حتى بين البلاد المتجاورة
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
في اليمن، الحرب الأهلية. في الإمارات العربية المتحدة، الأموال موجودة بشكل متساوي وتُستغل كما ينبغي
10:54
Not as the myth is. And that includes all the children of the foreign workers who are in the country.
158
629000
7000
وليس كما تقول الخرافات. وهذا يضم جميع أطفال العاملين الأجانب الموجودين في البلد
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
البيانات دائمًا ما تكون أفضل مما تعتقد. الكثير من الناس يقولون البيانات سيئة
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
هناك هامش للشك، ولكن يمكن أن نرى الاختلاف هنا
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
كامبوديا، سنغافورة. الاختلافات تزيد
11:11
than the weakness of the data. East Europe:
162
646000
3000
كثيرًا عن ضعف البيانات. شرق أوروبا
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
الاقتصاد السوفيتي لمدة طويلة، ولكن بعد عشر سنوات
11:20
very, very differently. And there is Latin America.
164
655000
3000
تغير الأمر تمامًا. وهناك عندنا أمريكا اللاتينية
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
اليوم لا يجب أن نذهب إلى كوبا لكي نجد بلدًا يتمتع بحالة صحية جيدة في أمريكا اللاتينية
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
فسوف يقل معدل وفيات الأطفال في شيلي عنه في كوبا في خلال بضعة سنوات من الآن
11:32
And here we have high-income countries in the OECD.
167
667000
3000
وهنا عندنا البلاد ذات مستوى الدخل المرتفع في منظمة التعاون والتنمية في الميدان الاقتصادي
11:35
And we get the whole pattern here of the world,
168
670000
4000
ولدينا النمط العالمي بالكامل هنا
11:39
which is more or less like this. And if we look at it,
169
674000
5000
وهو تقريباً مشابه لهذا. وإذا نظرنا إليه
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
وتأملناه– العالم في 1960، يبدأ في التحرك. .1960
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
هذا ماوتسي تونج الذي جلب الصحة إلى الصين. ثم مات
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
ثم دينج كسياو بينج الذي أتى وجلب المال إلى الصين وأعادها إلى المسار مرة أخرى
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
وقد رأينا كيف أن البلاد تتحرك في اتجاهات مختلفة كهذه
12:02
so it's sort of difficult to get
174
697000
4000
ولذا، فمن الصعب الحصول على
12:06
an example country which shows the pattern of the world.
175
701000
5000
بلد تمثل نموذجًا لنمط العالم
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
أريد أن أرجع بكم إلى حوالي عام 1960
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
أريد أن أقارن كوريا الجنوبية، وهي تلك البلد، مع البرازيل
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
وهي تلك البلد. لقد فقدت التسمية هنا. وأريد أن أقارن أوغندا
12:32
which is there. And I can run it forward, like this.
179
727000
5000
وهي تلك البلد. ويمكن أن أعرضها من هنا، مثل ذلك
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
ويمكنكم أن تروا كيف أن كوريا الجنوبية تحقق تقدمًا سريعًا جدًا جدًا
12:46
whereas Brazil is much slower.
181
741000
3000
بينما البرازيل أبطأ كثيرًا
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
وإذا رجعنا مرة أخرى، إلى هنا، وإذا تتبعناهم بهذا الشكل
12:55
you can see again that the speed of development
183
750000
4000
يمكنكم أن تروا مرة أخرى أن سرعة التنمية
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
مختلفة بشكل كبير جدًا، في حين أن البلدان تتحرك في بسرعة بناء على
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
معدل المال والصحة، ولكن يبدو أنه يمكنك التحرك بسرعة أكبر
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
حين تكون في حالة صحية جيدة أكثر منك حين تكون ثرياً أولاً
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
ولكي نوضح ذلك، يمكن أن نلاحظ طريقة دولة الإمارات العربية المتحدة
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
فهم يأتون من هنا، دولة ذات ثروة معدنية. فقد باعو كل البترول
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
وحصلوا على كل الأموال، ولكن لا يمكن أن تشتري الصحة من المتجر
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
يجب أن تستثمر في الصحة. يجب أن تعلم الأطفال في المدارس
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
يجب أن تقوم بتدريب الفرق العاملة بالصحة. يجب أن تعلم السكان
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
وقد فعل ذلك الشيخ زايد بشكل جيد
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
وبالرغم من هبوط أسعار النفط، فقد صعد بهذه البلد إلى الأعلى هنا
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
فنحن عندنا مظهر سائد للعالم
13:43
where all countries tend to use their money
195
798000
2000
حيث تميل كل الدول إلى استخدام أموالها
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
بطريقة أفضل من استخدامها لها في الماضي. والآن
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
إذا نظرت إلى متوسط البيانات للبلاد. فهي كذلك
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
والآن من الخطر استخدام متوسط البيانات، لأن هناك
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
اختلاف كبير داخل البلاد. فإذا ذهبت ونظرت هنا، يمكن أن نرى
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
أن أوغندا اليوم هي في نفس مكان كوريا الجنوبية عام 1960. إذا قمت بتقسيم أوغندا
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
نجد اختلافاَ كبيراً داخل أوغندا. هذه هي أخماس أوغندا
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
أكثر 20 في المائة ثراءً من الأوغنديين هم هناك
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
والأفقر منهم في الأسفل هناك. إذا قمت بتقسيم جنوب إفريقيا، فستكون كذلك
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
إذا اتجهت للأسفل ونظرت إلى النيجر، حيث كانت هناك مجاعة مفجعة
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
في النهاية، كانت كذلك. أفقر 20 في المائة من سكان النيجر هنا
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
وأغنى 20 في المائة في جنوب إفريقيا هناك
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
ونحن نميل إلى مناقشة الحلول التي يجب أن تتوفر في إفريقيا
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
كل شيء في هذا العالم موجود في إفريقيا. ولا يمكنك
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
مناقشة الوصول الشامل إلى عقار لفيروس نقص المناعة البشرية لهذا الخمس الموجود بالأعلى هنا
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
بنفس الإستراتيجية لهذا الموجود بالأسفل. يجب أن يتم وضع
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
تحسين العالم في السياق الصحيح، وليس لذلك علاقة بعمل ذلك على
15:00
on regional level. We must be much more detailed.
212
875000
3000
مستوى إقليمي. يجب أن نكون أكثر تفصيلاً
15:03
We find that students get very excited when they can use this.
213
878000
4000
نجد أن الطلاب متحمسين عندما يستخدمون هذا
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
وأيضًا فهناك المزيد من صانعي السياسات وقطاعات الشركات تود أن ترى
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
كيف يتغير العالم. والآن، لم لا يحدث ذلك؟
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
لماذا لا نستخدم البيانات التي لدينا؟ عندنا بيانات في الأمم المتحدة
15:20
in the national statistical agencies
217
895000
2000
في الوكالات الإحصائية الوطنية
15:22
and in universities and other non-governmental organizations.
218
897000
4000
وفي الجامعات وفي المنظمات غير الحكومية الأخرى
15:26
Because the data is hidden down in the databases.
219
901000
2000
لأن البيانات مختفية في قواعد البيانات
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
والجمهور موجود والإنترنت موجودة، ولكننا لم نستخدم ذلك بشكل فعال حتى الآن
15:33
All that information we saw changing in the world
221
908000
3000
كل المعلومات التي رأيناها تتغير في العالم
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
لا تحتوي على إحصائيات ذات تمويل عام. هناك بعض الصفحات على الإنترنت
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
مثل هذه، التي تعرفونها، فهي تأخذ بعض الإحصائيات من قواعد البيانات
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
لكن الأشخاص يفرضون عليها أسعارًا وكلمات للمرور بشكل أحمق وإحصائيات مملة
15:51
(Laughter) (Applause)
225
926000
3000
(ضحك) (تصفيق)
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
وهذا لن ينفع. إذاً فما الذي نحتاجه؟ عندنا قواعد البيانات
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
نحن لسنا بحاجة إلى قاعدة بيانات جديدة. عندنا أدوات تصميم رائعة
16:02
and more and more are added up here. So we started
228
937000
3000
وهناك المزيد والمزيد تمت إضافته هنا. فنحن بدأنا
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
مشروع غير ربحي أطلقنا عليه اسم – ربط البيانات بالتصميم --
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
نحن نسميه "الانتباه إلى الفجوة"، وقد أخذنا ذلك الاسم من مترو لندن، حيث يحذروك
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
"احذر الفجوة." ولذلك اعتقدنا أن اسم "الانتباه إلى الفجوة" كان مناسبًا
16:16
And we started to write software which could link the data like this.
232
951000
4000
وبدأنا في كتابة البرنامج الذي يمكن أن يربط البيانات
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
ولم يكن بالغ الصعوبة. لقد قضى فيه بعض الأشخاص سنوات، وقد أنتجنا بعض الرسوم المتحركة
16:26
You can take a data set and put it there.
234
961000
2000
يمكنك أخذ مجموعة من البيانات ووضعها هناك
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
نحن نحرر بيانات الأمم المتحدة، والقليل من منظمات الأمم المتحدة
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
توافق بعض الدول أن تُخرج قواعد بياناتها للعالم
16:37
but what we really need is, of course, a search function.
237
972000
3000
ولكن ما نحتاجه بالفعل هو وظيفة بحث
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
وظيفة بحث بحيث يمكن أن ننسخ البيانات إلى تنسيق قابل للبحث
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
ونخرجها إلى العالم. وما الذي نسمعه بينما نتحرك؟
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
لقد أجريت دراسة في علم الإنسان حول الوحدات الإحصائية الأساسية. وقال الجميع
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
"إنه أمر مستحيل. لا يمكن القيام بذلك. معلوماتنا فريدة
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
في التفاصيل، لذلك فلا يمكن البحث فيها كغيرها
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
لا يمكن أن نعطي البيانات مجانًا للطلاب ولأصحاب المشاريع."
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
لكن هذا ما نريد أن نراه، أليس كذلك؟
17:08
The publicly-funded data is down here.
245
1003000
3000
البيانات ذات التمويل العام بالأسفل هنا
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
ونحن نود أن نرى ذلك على الإنترنت
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
وأحد أهم النقاط هي أن نجعلها قابلة للبحث، وحينئذ يمكن أن يستخدم الأشخاص
17:19
the different design tool to animate it there.
248
1014000
2000
أداة التصميم المختلفة لتوضيحها
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
ولديّ أخبار سارة للغاية لكم. لدي أخبار سارة وهي أن الرئيس
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
الحالي والجديد لشعبة الإحصاءات في الأمم المتحدة لا يقول أنه مستحيل
17:30
He only says, "We can't do it."
251
1025000
2000
لكنه فقط يقول "لا يمكننا القيام بذلك."
17:32
(Laughter)
252
1027000
4000
(ضحك)
17:36
And that's a quite clever guy, huh?
253
1031000
2000
وهذا رجل ماهر للغاية، أليس كذلك؟
17:38
(Laughter)
254
1033000
2000
(ضحك)
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
إذاً، فيمكن أن نرى الكثير يحدث في البيانات في الأعوام القادمة
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
يمكن أن ننظر في توزيعات الدخل بطرق جديدة تمامًا
17:48
This is the income distribution of China, 1970.
257
1043000
5000
هذا هو توزيع الدخل للصين، 1970
17:54
the income distribution of the United States, 1970.
258
1049000
5000
هذا هو توزيع الدخل للولايات المتحدة، 1970
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
لا يوجد تداخل تقريباً. لا يوجد تداخل تقريباً. وماذا حدث؟
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
ما حدث هو كالتالي: الصين في تنامي، لم تعد مساوية للولايات المتحدة
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
وكما يظهر هنا، فهي تخطت الولايات المتحدة
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
وتنظر إليها، تمامًا مثل الشبح. أليس كذلك؟
18:14
(Laughter)
263
1069000
2000
(ضحك)
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
إنه أمر مخيف. ولكن أعتقد أنه من المهم أن تكون لدينا كل هذه المعلومات
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
نحن بحاجة إلى الاطلاع عليها. وبدلاً من النظر في هذا
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
أود أن أنهي كلامي بعرض عدد مستخدمي الإنترنت في كل 1000 شخص
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
في هذا البرنامج، يمكننا الوصول إلى حوالي 500 متغير من جميع البلدان بشكل سهل للغاية
18:42
It takes some time to change for this,
268
1097000
4000
يستغرق الأمر بعض الوقت حتى نتغير إلى هذا
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
ولكن على المحاور، يمكن أن تحصل على أي متغير تريده بسهولة بالغة
18:51
And the thing would be to get up the databases free,
270
1106000
5000
وسيكون حصولك على قواعد البيانات بالمجان
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
وكذلك الحصول عليها في شكل قابل للبحث، وبنقرة أخرى، تحصل عليها
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
في شكل رسم بياني، حتى يمكنك فهمها بشكل فوري
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
والآن، الإحصائيون لا يحبون ذلك، لأنهم يقولون أن ذلك
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
لن يظهر الحقيقة؛ يجب أن تكون لدينا طرق إحصائية تحليلية
19:16
But this is hypothesis-generating.
275
1131000
3000
لكن هذا مجرد انتاج افتراضي
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
وأنهي الآن بالعالم. هناك، الإنترنت قادمة
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
يتزايد عدد مستخدمي الإنترنت بهذا الشكل. هذه هي حصة الفرد في الناتج المحلي الإجمالي
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
وهي تقنية حديثة تأتي إلينا، ولكن ما يثير الدهشة هو كيف
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
أنها تناسب اقتصاد البلاد. ولذلك فإن وجود كمبيوتر بتكلفة 100 دولار
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
سوف يكون مهمًا للغاية. ولكنه توجه لطيف
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
الأمر وكأن العالم يتسطح، أليس كذلك؟ هذه البلاد
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
تصعد اقتصاديًا وسيكون من الشيق
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
متابعة ذلك عبر السنوات، حيث أنني أريد أن تكونوا قادرين على
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
فعل ذلك باستخدام الإحصائيات ذات التمويل العام. أشكركم شكرًا جزيلاً
19:53
(Applause)
285
1168000
3000
(تصفيق)
ABOUT THE SPEAKER
Hans Rosling - Global health expert; data visionaryIn Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus.
Why you should listen
Even the most worldly and well-traveled among us have had their perspectives shifted by Hans Rosling. A professor of global health at Sweden's Karolinska Institute, his work focused on dispelling common myths about the so-called developing world, which (as he pointed out) is no longer worlds away from the West. In fact, most of the Third World is on the same trajectory toward health and prosperity, and many countries are moving twice as fast as the west did.
What set Rosling apart wasn't just his apt observations of broad social and economic trends, but the stunning way he presented them. Guaranteed: You've never seen data presented like this. A presentation that tracks global health and poverty trends should be, in a word: boring. But in Rosling's hands, data sings. Trends come to life. And the big picture — usually hazy at best — snaps into sharp focus.
Rosling's presentations were grounded in solid statistics (often drawn from United Nations and World Bank data), illustrated by the visualization software he developed. The animations transform development statistics into moving bubbles and flowing curves that make global trends clear, intuitive and even playful. During his legendary presentations, Rosling took this one step farther, narrating the animations with a sportscaster's flair.
Rosling developed the breakthrough software behind his visualizations through his nonprofit Gapminder, founded with his son and daughter-in-law. The free software — which can be loaded with any data — was purchased by Google in March 2007. (Rosling met the Google founders at TED.)
Rosling began his wide-ranging career as a physician, spending many years in rural Africa tracking a rare paralytic disease (which he named konzo) and discovering its cause: hunger and badly processed cassava. He co-founded Médecins sans Frontièrs (Doctors without Borders) Sweden, wrote a textbook on global health, and as a professor at the Karolinska Institut in Stockholm initiated key international research collaborations. He's also personally argued with many heads of state, including Fidel Castro.
Hans Rosling passed away in February 2017. He is greatly missed.
Hans Rosling | Speaker | TED.com