TED2006
Hans Rosling: The best stats you've ever seen
هانس رولینگ بهترین آماری را که تا بحال دیده اید نمایش می دهد.
Filmed:
Readability: 3.6
14,386,844 views
هرگز نمایش آمار را به این صورت ندیده اید. با قدرت بیان نمایشی و فوریت یک گوینده ورزشی، متخصص آماری هانس رولینگ شایعات " جهان در حال توسعه" که چنین نام گرفته است را پوچ می سازد.
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
حدود 10 سال پبش، کار تدریس توسعه جهانی را آغاز نمودم
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
به دانشجویان دوره کارشناسی سوئدی. این واقعه پس ازگذراندن
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
حدود 20 سال با موسسات آفریقایی برای مطالعه گرسنگی،
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
در آفریقا بود، لذا کمابیش انتظار می رفت که کمی از دنیا آگاهی داشته باشم.
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
و من در دانشگاه پزشکی مان، موسسه کارولینسکا،
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
موضوع درسی دوره کارشناسی به نام بهداشت جهانی آغاز به تدریس نمودم. اما وقتی
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
آن فرصت بدست آید، آدم کمی مشوش می گردد. من فکر کردم که این دانش جویان
00:53
coming to us actually have the highest grade you can get
7
28000
3000
که نزد ما می ایند در واقع بالاترین نمراتی که می توان
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
در نظام دانشگاهی سوئد بدست آورد را دارا می باشند- پس شاید آنها همه آنچه
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
برای آنها تدریس می کنم را می دانند. بنابراین وقتی آمدند یک پیش امتحان از آنها گرفتم.
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
و یکی از سوالاتی که از آن بسیار آموختم ابن بود:
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
" کدام کشور بالاترین رقم مرگ و میر اطفال از میان این پنج جفت را دارد؟"
01:10
And I put them together, so that in each pair of country,
12
45000
4000
و آنها را طوری کنار هم گذاشتم، که در هر جفت کشور،
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
یکی از آنها دو برابر رقم مرگ ومیر اطفال را نسبت به دیگری دارا باشد. یعنی
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
تفاوت آنها بسیار بزرگتر ازعدم یقین دیتا هاست .
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
من از شما امتحان نمی گیرم، ولی جواب ترکیه است،
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
که بالاترین رقم را دارد سپس لهستان، روسیه، پاکستان و آفریقای جنوبی.
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
و اینها نتایج دانشجویان سوئدی بود. من این کار را انجام دادم تا
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
اطميناني را که لازم بود، بدست آورم و شاد شدم،
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
1.8 پاسخ مثبت از پنج پاسخ ممکن. این بدان معنی است
01:41
there was a place for a professor of international health --
20
76000
3000
که جایی برای استاد بهداشت جهانی وجود دارد-
01:44
(Laughter) and for my course.
21
79000
2000
(خنده) و همچنین برای موضوع تدریسم.
01:46
But one late night, when I was compiling the report
22
81000
4000
اما یک شب دیروقت، وقتی گزارش را تدوین می كردم
01:50
I really realized my discovery. I have shown
23
85000
4000
واقعآ متوجه کشفم شدم. من نشان داده ام که
01:54
that Swedish top students know statistically significantly less
24
89000
5000
بهترین دانشجویان سوئدی به لحاظ آماری به طور چشمگیری کمتر
01:59
about the world than the chimpanzees.
25
94000
2000
راجع به دنیا در مقایسه با شامپانزه ها مطلع هستند.
02:01
(Laughter)
26
96000
2000
(خنده)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
زیرا شامپانزه نیمی از سوالات را درست پاسخ می داد اگر به آنها
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
دو موز همراه سری لانکا و ترکیه می دادم. آنها در نیمی از موارد صحیح می بودند.
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
اما دانشجویان آنجا نبودند. مشکل آنها ناآگاهي نبود:
02:14
it was preconceived ideas.
30
109000
3000
ذهنیت قبلی آنها بود.
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
من همچنین مطالعه ای غیر اخلاقی بر استادان موئسسه کارولینسکا انجام دادم
02:21
(Laughter)
32
116000
1000
(خنده)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
- که جایزه نوبل در پزشکی را اعطا می کند،
02:24
and they are on par with the chimpanzee there.
34
119000
2000
و آنها در آن مطالعه همانند شامپانزه بودند.
02:26
(Laughter)
35
121000
3000
(خنده)
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
اینجاست که متوجه شدم که واقعآ مکالمه لازمه،
02:33
because the data of what's happening in the world
37
128000
3000
زیرا اطلاعات آنچه در دنیا رخ می دهد
02:36
and the child health of every country is very well aware.
38
131000
3000
و بهداشت کودک هر کشوری بخوبی شناخته شده است.
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
ما این نرم افزار را تهيه كرديم که آنرا چنین نمایش می دهد:اینجا هر حباب یک کشور است.
02:44
This country over here is China. This is India.
40
139000
6000
این کشور که اینجا است چین می باشد. این هند است.
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
اندازه حباب نمايانگر جمعیت است، و بر این محور نرخ رشد جمعیت را قرار می دهم.
02:56
Because my students, what they said
42
151000
3000
زیرا دانشجویانم،
02:59
when they looked upon the world, and I asked them,
43
154000
2000
وقتی به دنیا نگاه کردند، و از آنها پرسیدم،
03:01
"What do you really think about the world?"
44
156000
2000
" راجع به دنیا واقعآ چه فکر می کنید؟"
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
خوب، اول کشف کردم که کتاب درسی،عمدتآ تن تن بود.
03:07
(Laughter)
46
162000
1000
(خنده)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
و آنها گفتند، " دنیا هنوز "ما" و "آنان " است."
03:11
And we is Western world and them is Third World."
48
166000
3000
و ما دنیای غرب و آنان جهان سوم است."
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
گفتم " و منظورتان از دنیای غرب چیست؟"
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
" خوب منظور، عمر طولانی و خانواده ای کوچک است و جهان سوم: عمری کوتاه و خانواده ای بزرگ."
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
پس آنچه می توانم اینجا نمایش دهم این است. میزان رشد را اینجا می گذارم: تعداد فرزند به ازای هر زن،
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
یک، دو، سه، چهار، تا هشت فرزند به ازای هر زن.
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
ما از سال 1962 میلادی - تقریبآ 1960- راجع به تعداد نفرات افراد خانواده ها در تمام کشورها اطلاعات خوبی داریم.
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
خطا کم است. اینجا ميزان اميد به زندگي را گذاشتم،
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
از 30 سال در بعضی کشورها تا حدود 70 سال.
03:45
And 1962, there was really a group of countries here
56
200000
3000
و در 1962، واقعآ گروهی از کشورها اینجا بودند.
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
که صنعتی بوده، و خانواده های کوچک با طول عمری زیاد داشتند.
03:53
And these were the developing countries:
58
208000
2000
و اینها کشورهای در حال توسعه بودند:
03:55
they had large families and they had relatively short lives.
59
210000
3000
آنها خانواده های بزرگ و طول عمری نسبتآ کوتاه داشتند.
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
حال از 1962 به بعد چه اتفاقی افتاد؟ ما می خواهیم تغییر را ببینیم.
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
آیا دانشجویان صحیح فکر می کنند؟ آیا هنوز دو نوع کشور وجود دارد؟
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
یا اینکه این کشورهای در حال توسعه خانواده های کوچکتری یافتند و اینجا زندگی می کنند؟
04:09
Or have they got longer lives and live up there?
63
224000
2000
یا عمر طولانی تری یافتند و اینجا زندگی می کنند؟
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
ببینیم. پس دنیا را متوقف ساختیم. اینها همه آمار سازمان ملل متحد است
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
که مهیا شده. رفتیم. آنجا را می بینید؟
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
آنجا چین است در حرکت بسوی بهداشت بهتر، در حال بهینه سازی.
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
تمام کشورهای آمریکای لاتین پیش بسوی خانواده های کوچکتر گام می نهند.
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
زردها کشورهای عربی هستند،
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
و آنها خانواده های بزرگتری می یابند، اما آنها -خیر، عمر طولانی تر، و نه خانواده های بزرگتر.
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
آفریقاییها سبز پائین اند. آنها هنوز اینجا هستند.
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
این هند است. اندونزی بسیار سریع حرکت می کند.
04:36
(Laughter)
72
251000
1000
(خنده)
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
و در دهه 80 اینجا، هنوز بنگلادش را میان کشورهای آفریقایی آنجا می بینید.
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
اما الان، بنگلادش- معجزه ایست که در دهه 80 اتفاق می افتد.
04:43
the imams start to promote family planning.
75
258000
3000
امامان شروع به تبلیغ تنظیم خانواده می کنند.
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
در آن گوشه بالا می روند. و در دهه 90، اپيدمي وحشتناک اچ. ای. وی را داریم
04:51
that takes down the life expectancy of the African countries
77
266000
3000
که طول عمر کشورهای آفریقایی را پایین می برد
04:54
and all the rest of them move up into the corner,
78
269000
4000
و بقیه آنها در آن گوشه بالا می روند،
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
وقتی طول عمر زیاد و خانواده کوچک داریم، دنیایی کاملا متفاوت بدست می آوریم.
05:02
(Applause)
80
277000
13000
(تشویق)
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
بگذارید مقایسه ای مستقیم میان ایالات متحده آمریکا و ویتنام انجام دهم.
05:20
1964: America had small families and long life;
82
295000
5000
1964: آمریکا خانواده های کوچک و طول عمر زیاد داشت؛
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
ویتنام خانواده های بزرگ و طول عمر کوتاه داشت. و نتيجه اين چنين شد:
05:29
the data during the war indicate that even with all the death,
84
304000
6000
داده هاي مربوط به دوران جنگ نشان می دهد که حتی با وجود تمام کشتار،
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
میزان طول عمر بهبود یافت. تا اواخر سال،
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
تنظیم خانواده در ویتنام آغاز گردید و آنها رو به خانواده های کوچکتر نمودند.
05:41
And the United States up there is getting for longer life,
87
316000
3000
و ایالات متحده آن بالا بسوی طول عمر بیشتر می رود،
05:44
keeping family size. And in the '80s now,
88
319000
3000
با نگه داشتن اندازه خانواده. و حال در دهه 80،
05:47
they give up communist planning and they go for market economy,
89
322000
3000
آنها برنامه کمونیستی را رها نموده و پی اقتصاد بازار می روند،
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
و این حتی سریعتر از زندگی اجتماعی حرکت می کند. و امروز، ما
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
در ویتنام همان طول عمر و اندازه خانواده را داریم
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
در ویتنام 2003، که در ایالات متحده 1974، پس از پایان جنگ مشاهده شد.
06:06
I think we all -- if we don't look in the data --
93
341000
4000
من فکر می کنم همه مان - اگر به اطلاعات ننگریم-
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
تغییرات عظیم در آسیا را دست کم می گیریم، که
06:14
in social change before we saw the economical change.
95
349000
4000
قبل از دیدن تغییر اقتصادی در تغییر اجتماعی دیدیم.
06:18
Let's move over to another way here in which we could display
96
353000
5000
بیایید برویم به راه دیگری که می توانیم
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
توزيع درآمد دنیا را نشان دهیم. این توزيع درآمد مردم دنیا است.
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
یک دلار، 10 دلار یا 100 دلار در روز.
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
دیگر تفاوتی میان پولدار و فقیر وجود ندارد. این یک افسانه است.
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
اینجا یک برجستگی است. اما مردم تا آن آخر هستند.
06:44
And if we look where the income ends up -- the income --
101
379000
4000
و اگر ببینیم کجا در آمد سر در می آورد- درآمد-
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
این %100 درآمد سالانه جهان است. و پولدارترین %20،
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
از آن حدود %74 خارج می سازند. و فقیرترین %20،
07:01
they take about two percent. And this shows that the concept
104
396000
5000
حدود %2 خارج می سازند. و این امر نشان می دهد که مفهوم
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
کشورهای در حال توسعه بسیار جای تردید دارد. ما راجع به کمک، چنین فکر می کنیم مثل
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
این افراد در این مکان به این افراد اینجا کمک می کنند. اما در وسط،
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
بیشترین جمعیت دنیا است و اکنون آنها %24 درآمد را دارند.
07:19
We heard it in other forms. And who are these?
108
414000
4000
به صورتهای دیگر راجع به این شنیده ایم. و آنها که هستند؟
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
کشورهای مختلف کجا هستند؟ می توانم آفریقا را به شما نشان دهم.
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
این آفریقا است. 10 درصد جمعیت دنیا را دارد، اکثرآ در فقر.
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
این کشورهای او.ای.سی.دی. می باشند. کشور پولدار. باشگاه تفریحی سازمان ملل متحد.
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
و آنها اینجا در این طرف قرار دارند. فاصله زیادی میان او.ای.سی.دی. و آفریقا وجود دارد.
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
و این آمریکای لاتین است.همه چیز روی این زمین را دارا است،
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
از فقیرترین تا پولدارترین، در آمریکای لاتین.
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
و بالای آن، می توانیم اروپای شرقی را بگذاریم، می توانیم آسیای شرقی را بگذاریم،
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
و آسیای جنوبی را می گذاریم. و چگونه می شد اگر در زمان به عقب برگردیم،
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
به حدود سال 1970؟ آن زمان برجستگی بیشتری وجود داشت.
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
و اکثر افرادی که در فقر کامل بسر می بردند آسیائیها بودند.
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
مشکل جهان فقر آسیا بود. و اگر اکنون بگذارم جهان به جلو رود،
08:14
you will see that while population increase, there are
120
469000
3000
خواهید دید که در حالیکه به جمعیت اضافه شده،
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
صدها میلیون نفر در آسیا هستند که از فقر خارج شده و بعضی دیگر
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
وارد فقر شده، و این روندی است که امروز داریم.
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
بهترین پیش بینی بانک جهانی این است که این اتفاق می افتد،
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
و ما دنیایی جدا از هم نخواهیم داشت. اکثر مردم در وسط قرار خواهند گرفت.
08:31
Of course it's a logarithmic scale here,
125
486000
2000
البته اینجا مقياسي لوگاریتمی است،
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
اما درک ما از اقتصاد رشد درصدی است. ما به آن
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
بعنوان امکان افزايش بر حسب درصد می نگریم. اگر من این را تغییر دهم و
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
توليد ناخالص داخلي سرانه را بجای درآمد خانوادگی در نظر بگیرم، و این
08:48
individual data into regional data of gross domestic product,
129
503000
6000
اطلاعات فردی را به اطلاعات ناحیه ای از توليد ناخالص داخلي مبدل سازم،
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
و ناحیه های این پائین را در نظر بگیرم، اندازه حباب هنوز اندازه جمعیت می باشد.
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
و او.ای.سی.دی را آنجا دارید، سپس آفریقای صحرایی را آنجا دارید،
09:01
and we take off the Arab states there,
132
516000
3000
و کشورهای عربی را از آنجا برمی داریم،
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
هم از آفریقا هم از آسیا، و آنها را جدا می سازیم،
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
و می توانیم این محور را بسط دهیم، و می توانم به آن بعدی جدید بدهم،
09:13
by adding the social values there, child survival.
135
528000
3000
با اضافه نمودن ارزشهای اجتماعی آنجا، بقای اطفال.
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
حال پول را بر آن محور می نهم، و امکان بقای کودکان را آنجا دارم.
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
در بعضی از کشورها، 99.7 درصد از کودکان تا سن پنج سالگی عمر می کنند،
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
بعضی دیگر، تنها تا 70. و اینجا بنظر می آید که فاصله ای
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
میان او.ای.سی.دی، آمریکای لاتین، اروپای شرقی، آسیای شرقی،
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
کشورهای عرب، جنوب آسیا و آفریقای جنوب صحرا وجود دارد.
09:37
The linearity is very strong between child survival and money.
141
552000
5000
رابطه میان بقای اطفال و پول بسیار قوی می باشد.
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
اما بگذارید آفریقای جنوب صحرا را دو نیمه سازم. بهداشت اینجا است و بهداشت بهتر آن بالا.
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
می توانم اینجا بروم و آفریقای جنوب صحرا را به کشورهای خود تجزیه کنم.
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
و وقتی بترکد، اندازه حباب کشورش به اندازه جمعیت می باشد.
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
سیرا لئون آن پایین. موریتانی آن بالا. موریتانی اولین کشوری بود که
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
توانست از موانع تجاری بگریزد، و آنها توانستند شکر خود را بفروشند.
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
آنها می توانستند پارچه های خود را هم گام با مردم اروپا و آمریکای شمالی بفروشند.
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
تفاوت بزرگی میان آفریقا است. و غنا اینجا در وسط قرار دارد.
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
در سیرا لئون، امداد بشردوستانه.
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
اینجا در اوگاندا، امداد توسعه.زمان برای سرمایه گذاری. آنجا،
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
می توانید به تعطیلات بروید. تفاوتهای عظیمی هستند
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
در میان آفریقا که به ندرت انجام می دهیم- که مساوی همه چیز می باشد.
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
من می توانم آسیای جنوبی را اینجا دو نیمه سازم. هند حباب بزرگ در وسط است.
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
اما تفاوت بزرگی میان افغانستان و سری لانکا وجود دارد.
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
می توانم کشورهای عربی را تقسیم کنم. آنها چگونه اند؟ یک آب و هوا، یک فرهنگ،
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
یک دین. تفاوتی بزرگ. حتی میان همسایگان.
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
یمن، جنگ داخلی. امارات متحده عربی، پولی که بطور مساوی خوب مصرف شد.
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
مغایر آنچه شایعه است. و آن شامل تمام کودکان کارگران خارجی در آن کشور می باشد.
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
آمار اغلب بهتر از آنچه تصور کنید می باشد. بسیاری از افراد می گویند که آمار بد است.
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
عدم اطمینان وجود دارد، اما تفاوت را اینجا می بینیم:
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
كامبوج و سنگاپور. تفاوتها بسیار بزرگتر از
11:11
than the weakness of the data. East Europe:
162
646000
3000
ضعف اطلاعات می باشد. اروپای شرقی:
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
اقتصاد شوروی به مدتی مدید، اما پس از ده سال
11:20
very, very differently. And there is Latin America.
164
655000
3000
بسیار،بسیار متفاوت برمی خیزند. و آمریکای لاتین آنجاست.
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
امروز، مجبور نیستیم به کوبا برویم تا کشوری سالم در آمریکای لاتین بیابیم.
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
تا چند سال دیگر شیلی میزان مرگ و میر اطفال کمتری نسبت به کوبا خواهد داشت.
11:32
And here we have high-income countries in the OECD.
167
667000
3000
و اینجا کشورهای پر درآمد او.ای.سی.دی را داریم.
11:35
And we get the whole pattern here of the world,
168
670000
4000
و اینجا تمام الگوی دنیا را بدست می آوریم،
11:39
which is more or less like this. And if we look at it,
169
674000
5000
که کمابیش اینطور است. و اگر به آن بنگریم،
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
که چطور بنظر می آید- دنیا در 1960، شروع به حرکت می کند. 1960.
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
این مآئو تسه تونگ است. او به چین بهداشت آورد. سپس فوت کرد.
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
و بعد دنگ ژیاوپینگ آمد و پول به چین آورد، و آنها را باز در جریان اصلی قرار داد.
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
و ما دیده ایم که چگونه کشورها اینطور در جهات مختلف حرکت می کنند،
12:02
so it's sort of difficult to get
174
697000
4000
پس تا حدودی مشکل است که
12:06
an example country which shows the pattern of the world.
175
701000
5000
کشوری نمونه انتخاب کنیم که الگوی جهان را نمایش دهد.
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
می خواهم شما را به 1960 تقریبآ اینجا بازگردانم.
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
می خواهم کره جنوبی را، که اینجا است، با برزیل مقایسه کنم،
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
که این یکی است.اینجا عنوان برایم ناپدید شد. و می خواهم اوگاندا را مقایسه کنم،
12:32
which is there. And I can run it forward, like this.
179
727000
5000
که آنجا است. و می توانم آنرا به جلو برانم، اینطور.
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
و می توانید ببینید چطور کره جنوبی پیشرفت بسیار، بسیار سریع می کند،
12:46
whereas Brazil is much slower.
181
741000
3000
درحالیکه برزیل خیلی کندتر است.
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
و اگر دوباره بازگردیم، اینجا، و بر آنها خطوطی قرار دهیم، اینچنین،
12:55
you can see again that the speed of development
183
750000
4000
دوباره می توانید ببینید که سرعت توسعه
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
بسیار، بسیار متفاوت است، و کشورها کمابیش
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
همگام با میزان پول و بهداشت حرکت می کنند، اما انگار می توان
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
سریعتر حرکت کرد اگر ابتدا سالم باشی تا که ابتدا پولدار.
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
و برای نمایش آن، می توانید راه امارات متحده عربی را در نظر بگيرید.
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
آنها از اینجا آمدند، کشوری دارای منابع معدنی. آنها تمام نفت را استخراج نمودند،
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
همه پول را دریافت کردند، اما سلامتی را نمی توان در مغازه خرید.
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
باید در بهداشت سرمایه گذاري كرد. باید کودکان را به تعلیم و تربیت واداشت.
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
باید کارکنان بهداشتی را تعلیم داد. باید جمعیت را آموزش داد.
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
و شیخ زاید آنرا انصافا خوب انجام داد.
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
و علیرغم نزول قیمت نفت، او این کشور را به این بالا آورد.
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
بنابراین ظاهری بسیار متداولتر از دنیا داریم،
13:43
where all countries tend to use their money
195
798000
2000
که تمام کشورها پولشان را
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
به شیوه هایی بهتر از گذشته استفاده می کنند. حال، این امر، کمابیش، اینطور است
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
اگر به داده های متوسط کشورها بنگرید. آنها این چنین اند.
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
حال استفاده از داده های متوسط، خطرناک است، زیرا
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
تفاوتهای زیادی میان کشورها وجود دارد. بنابر این اگر بروم و به اینجا نگاه کنم، می بینیم که
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
اوگاندا امروز در جایی است که کره جنوبی درسال 1960 بود. اگر اوگاندا را تقسیم کنم،
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
تفاوتهای زیادی درون خود اوگاندا وجود دارد.
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
20 درصداز پولدارترین اوگانداییها آنجا می باشند.
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
فقیرترین آن پایین هستد. اگر آفریقای جنوبی را تقسیم کنم، اینطور است.
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
اگر بروم پائین و به نیجر نگاه کنم، جاییکه قحطی وحشتناکی وجود داشت،
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
در آخر، این چنین است. 20 درصد فقیرترین نیجر آنجا ستند،
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
و 20 درصد پولدارترین آفریقای جنوبی آنجا،
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
و ما هنوز تمایل داریم درمورد اینکه چه نوع راه حلهایی باید در آفریقا بکار برده شود گفتگو کنیم.
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
همه چیز در این دنیا در آفریقا وجود دارد. و نمی توان
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
درمورد دسترسی همگانی به داروی اچ.آی.وی برای یک پنجم این بالا
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
با استفاده از همان راهبرد این پائین بحث نمود. پیشرفت جهان
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
باید بسیار موضوع بندی شود، و داشتن آن
15:00
on regional level. We must be much more detailed.
212
875000
3000
در سطح منطقه ای نا مربوط می باشد. باید بسیار بیشتر به جزئیات بپردازیم.
15:03
We find that students get very excited when they can use this.
213
878000
4000
مشاهده نمودیم که دانشجویان بسیار هیجان زده می شوند وقتی می توانند از این استفاده کنند.
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
و حتی سیاست گذاران و بخشهای اداری بیشتری نیز مایلند ببینند
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
که چگونه دنیا در حال تغییر است. حال، چرا این امر اتفاق نمی افتد؟
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
چرا از داده هایی که داریم استفاده نمی کنیم؟ در سازمان ملل متحد داده داریم،
15:20
in the national statistical agencies
217
895000
2000
در آژانسهای آماری ملی
15:22
and in universities and other non-governmental organizations.
218
897000
4000
و در دانشگاه ها و سایر موسسات غیر دولتی.
15:26
Because the data is hidden down in the databases.
219
901000
2000
زیرا داده ها در پايگاه داده آن پایین نهان است.
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
و عموم مردم آنجا هستند و اینترنت آنجا است، ولی ما هنوز از آن بطور موثر استفاده ننموده ایم.
15:33
All that information we saw changing in the world
221
908000
3000
تمام آن اطلاعاتی که در دنیا در حال تغییر دیدیم
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
شامل آماری که توسط مردم هزینه شده نمی شود. بعضی از وب سایتها هستند
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
مثل این، که می شناسید، اما از پايگاه داده کم تغذیه می شوند،
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
اما مردم بر آنها قیمت می گذارند، کلمات رمز احمقانه و آماری خسته کننده.
15:51
(Laughter) (Applause)
225
926000
3000
(خنده) (تشویق)
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
و این نتیجه ای نمی دهد. پس چه لازم است؟ ما پايگاه داده را داریم.
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
پايگاه داده جدید لازم ندارید. ما ابزار طراحی عالی داریم،
16:02
and more and more are added up here. So we started
228
937000
3000
و ابزار بیشتر و بیشتری این بالا اضافه می شوند. پس ما
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
حركتي غیر انتفاعی آغاز نمودیم که آنرا - با ارتباط دادن داده ها به طرح-
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
گپ مایندر عنوان دادیم، برگرفته از مترو لندن،که به شما هشدار می دهند،
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
" که مواظب فاصله باشید." پس فکر کردیم گپ مایندر مناسب است.
16:16
And we started to write software which could link the data like this.
232
951000
4000
و شروع به نوشتن نرم افزاری که بتوان داده ها را اینطور ارتباط دهد نمودیم.
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
زیاد مشکل نبود. چند سال طول کشید، و انیمیشن تولید نمودیم.
16:26
You can take a data set and put it there.
234
961000
2000
می توانید داده ای برداشته و آنجا قرار دهید.
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
داده های سازمان ملل متحد را آزاد می سازیم، تعداد کمی از موسسات سازمان ملل.
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
بعضی از کشورها موافقند که داده هایشان در دنیا منعکس شود،
16:37
but what we really need is, of course, a search function.
237
972000
3000
اما آنچه واقعآ نیاز داریم، البته، راهی برای جستجو است.
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
راهی برای جستجو که بتوانیم داده ها را به شکلی قابل استفاده کپی کنیم
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
و در دنیا منعکس سازیم. و وقتی به اطراف می رویم چه می شنویم؟
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
من بر واحدهای اصلی آماری مردم شناسی انجام داده ام. همه می گویند،
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
" غیر ممکن است. این امر امکان پذیر نیست. داده های ما به قدری عجیبند
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
از نظر جزئیات، که آنطور که بقیه را می توان جستجو نمود آنها را نمی توان یافت.
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
ما نمی توانیم داده ها را مجانآ در اختیار دانشجویان، سرمایه داران دنیا قرار دهیم."
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
اما این چیزی است که دوست داریم ببینیم، اینطور نیست؟
17:08
The publicly-funded data is down here.
245
1003000
3000
اطلاعات هزینه شده توسط مردم این پائین است.
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
و مایلیم مثل گلها براینترنت بروئیم.
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
و یکی از نکات اساسی قابل جستجو نمودن آنها است، سپس مردم می توانند
17:19
the different design tool to animate it there.
248
1014000
2000
ابزار مختلف طراحی را برای پويانمايي آن استفاده کنند.
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
و خبری خوش برای شما دارم, اینکه
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
رئییس فعلی آمار سازمان ملل، نمی گوید که آن غیر ممکن است.
17:30
He only says, "We can't do it."
251
1025000
2000
فقط می گوید، " ما نمی توانیم آنرا انجام دهیم."
17:32
(Laughter)
252
1027000
4000
(خنده)
17:36
And that's a quite clever guy, huh?
253
1031000
2000
او مرد زرنگي است، مگر نه؟
17:38
(Laughter)
254
1033000
2000
(خنده)
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
پس می توانیم در سالهای آینده اتفاقات بسیاری مبتني بر داده ها را ببینیم.
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
ما به توزيع درآمد به طرقی کاملآ جدید خواهیم نگریست.
17:48
This is the income distribution of China, 1970.
257
1043000
5000
این توزيع درآمد چین است در 1970.
17:54
the income distribution of the United States, 1970.
258
1049000
5000
توزيع درآمد ایالات متحده در 1970.
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
تقریبآ هیچ جا بر هم نمی افتند. هیچ جا. و چه اتفاق افتاد؟
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
این اتفاق افتاد: چین در حال رشد است، دیگر یکسان نیست،
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
و اینجا نمایان می شود، بالاتر از ایالات متحده.
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
تقریبآ مثل روح، اینطور نیست، هان؟
18:14
(Laughter)
263
1069000
2000
(خنده)
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
کمی ترسناک است. اما گمان می کنم که داشتن این اطلاعات خیلی مهم است.
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
ما واقعآ نیاز داریم آنرا ببینیم. و بجای اینکه به این نگاه کنیم،
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
مایلم در پایان استفاده کنندگان اینترنت را به ازای هر 1000 نفر نشان دهم.
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
در این نرم افزار، تقریبآ به 500 متغیر به راحتی از تمام کشورها دستیابی داریم.
18:42
It takes some time to change for this,
268
1097000
4000
کمی طول می کشد که اینرا تغییر دهیم،
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
اما بر محورها، به راحتی می توانید هر متغیری را که بخواهید بدست آورید.
18:51
And the thing would be to get up the databases free,
270
1106000
5000
و بهترین چیز عرضه رایگان پايگاه داده‌ها بود،
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
آنها را قابل جستجو نمود، با کلیک آنی، دریافت
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
به صورتهای گرافیکی، طوری که بلافاصله بتوان آنها را درك كرد.
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
حال، آماردانان این را دوست ندارند، زیرا می گویند که این
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
واقعیت را نشان نمی دهد: لازم است روشهای آماری و تحلیلی داشته باشیم.
19:16
But this is hypothesis-generating.
275
1131000
3000
اما این توليد فرضیه است.
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
اکنون با جهان خاتمه می دهم. آنجا، اینترنت می آید.
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
تعداد افرادی که از اینترنت استفاده می کنند اینطور بالا می رود. این توليد ناخالص سرانه است.
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
و این فن آوری جدیدی است که می آید، اما بطور شگرف آوری،
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
منطبق با اقتصاد کشورها می باشد. به همین علت است که
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
کامپیوتر 100 دلاری بسیار ارزشمند خواهد شد. اما روندی خوب است.
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
انگار جهان دارد مسطح می شود، اینطور نیست؟ این کشورها
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
بیش از اقتصاد را بالا می برند و بسیار جالب خواهد بود
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
دنبال نمودن این در طی سال، همانگونه که مایلم شما بتوانید
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
با تمام داده های هزینه شده توسط مردم انجام دهید. بسیار متشکرم.
19:53
(Applause)
285
1168000
3000
(تشویق)
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