TED2010
Sebastian Wernicke: Lies, damned lies and statistics (about TEDTalks)
שקרים, שקרים ענקיים, וסטטיסטיקה (על שיחות TED)
Filmed:
Readability: 4.2
2,510,120 views
בעזרת ניתוח גאוני, סבסטיאן וורניק , משתמש בכלי הניתוח הסטטיסטים של שיחות TED , כדי להנדס את "שיחת TED האידאלית", תוך שימוש בדרוג המשתמשים. איך אתם מדרגים את השיחה? "מדהים"? "לא משכנע"? או פשוט "מצחיק"?
Sebastian Wernicke - Data scientist
After making a splash in the field of bioinformatics, Sebastian Wernicke moved on to the corporate sphere, where he motivates and manages multidimensional projects. Full bio
After making a splash in the field of bioinformatics, Sebastian Wernicke moved on to the corporate sphere, where he motivates and manages multidimensional projects. Full bio
Double-click the English transcript below to play the video.
00:16
If you go on the TED website,
0
1000
3000
אם תיכנסו לאתר של TED
00:19
you can currently find there
1
4000
2000
תוכלו למצוא שם
00:21
over a full week of TEDTalk videos,
2
6000
3000
יותר משבוע שלם של שיחות TED בווידיאו.
00:24
over 1.3 million
3
9000
2000
יותר מ 1.3 מיליון
00:26
words of transcripts
4
11000
2000
מילים מתומללות,
00:28
and millions of user ratings.
5
13000
2000
ומיליוני דרוגים של צופים.
00:30
And that's a huge amount of data.
6
15000
3000
וזאת כמות עצומה של מידע,
00:33
And it got me wondering:
7
18000
2000
וזה גרם לי לחשוב:
00:35
If you took all this data
8
20000
2000
אם אני לוקח את כל המידע הזה
00:37
and put it through statistical analysis,
9
22000
2000
ומבצע עליו ניתוחים סטטיסטיים,
00:39
could you reverse engineer a TEDTalk?
10
24000
2000
האם אפשר יהיה לייצר מהם שיחת TED?
00:41
Could you create
11
26000
2000
האם ניתן יהיה לייצר
00:43
the ultimate TEDTalk?
12
28000
2000
את שיחת TED האידיאלית?
00:45
(Laughter) (Applause)
13
30000
2000
(מחיאות כפיים)
00:47
And also, could you create
14
32000
2000
וגם, האם ניתן לייצר
00:49
the worst possible TEDTalk
15
34000
2000
את שיחת TED הכי גרועה,
00:51
that they would still let you get away with?
16
36000
2000
שעדיין עומדת בסטנדרטים מינימליים?
00:53
To find this out, I looked at three things:
17
38000
2000
כדי לבדוק, הסתכלתי על 3 דברים:
00:55
I looked at the topic that you should choose,
18
40000
2000
1. הנושא שכדאי לבחור,
00:57
I looked at how you should deliver it
19
42000
3000
2. צורת ההגשה,
01:00
and the visuals onstage.
20
45000
2000
3. והמרכיבים החזותיים על הבמה.
01:02
Now, with the topic: There's a whole range of topics you can choose,
21
47000
3000
עכשיו, בעניין הנושא, יש כמות עצומה של נושאים לבחירה.
01:05
but you should choose wisely,
22
50000
2000
כדאי לבחור בחוכמה
01:07
because your topic strongly correlates
23
52000
2000
משום שלנושא שתבחר, תהיה השפעה גדולה
01:09
with how users will react to your talk.
24
54000
3000
על תגובת הקהל לשיחתך.
01:12
Now, to make this more concrete,
25
57000
2000
עכשיו, כדי שזה יהיה יותר ספציפי,
01:14
let's look at the list of top 10 words
26
59000
3000
בואו נסתכל ברשימת 10 המילים
01:17
that statistically stick out
27
62000
2000
שבולטות סטטיסטית
01:19
in the most favorite TEDTalks
28
64000
2000
בשיחות TED האהובות ביותר,
01:21
and in the least favorite TEDTalks.
29
66000
3000
ובשיחות TED הכי פחות אהובות.
01:24
So if you came here
30
69000
2000
כך שאם באת לכאן
01:26
to talk about how French coffee
31
71000
2000
לדבר על: איך קפה צרפתי
01:28
will spread happiness in our brains,
32
73000
3000
יפיץ שמחה במוח שלנו
01:31
that's a go.
33
76000
2000
שיחקת אותה!
01:33
(Laughter) (Applause)
34
78000
2000
(מחיאות כפיים)
01:35
Whereas, if you wanted to talk about
35
80000
2000
לעומת זאת, אם אתה רוצה לדבר על
01:37
your project involving
36
82000
2000
פרוייקט בו מעורבים
01:39
oxygen, girls, aircraft --
37
84000
2000
חמצן, בחורות וכלי טיס,
01:41
actually, I would like to hear that talk, (Laughter)
38
86000
2000
אני דווקא הייתי רוצה לשמוע את זה...
01:43
but statistics say it's not so good.
39
88000
2000
אבל הסטטיסטיקה אומרת: כישלון.
01:45
Oh, well.
40
90000
2000
נו מילא.
01:47
If you generalize this,
41
92000
2000
אם מנסים למצוא את הכלל,
01:49
the most favorite TEDTalks are those
42
94000
2000
שיחות TED המועדפות, הן אלו
01:51
that feature topics we can connect with,
43
96000
3000
שמתרכזות בנושאים שאנו יכולים להתחבר אליהם,
01:54
both easily and deeply,
44
99000
2000
גם בקלות וגם לעומק,
01:56
such as happiness, our own body,
45
101000
2000
כמו אושר, הגוף שלנו,
01:58
food, emotions.
46
103000
2000
אוכל, רגשות.
02:00
And the more technical topics,
47
105000
2000
והנושאים הטכניים יותר
02:02
such as architecture, materials and, strangely enough, men,
48
107000
3000
כמו: ארכיטקטורה, חומרים, וכמה מוזר שזה נשמע ... גברים!?
02:05
those are not good topics to talk about.
49
110000
3000
אלה לא נושאים טובים לשיחה.
02:08
How should you deliver your talk?
50
113000
2000
איך כדאי להגיש את השיחה?
02:10
TED is famous for keeping
51
115000
2000
TED ידוע בהקפדתו
02:12
a very sharp eye on the clock,
52
117000
2000
על הזמנים,
02:14
so they're going to hate me
53
119000
2000
אז הם הולכים לשנוא אותי
02:16
for revealing this, because, actually,
54
121000
2000
על הגילוי הזה, משום שלמעשה
02:18
you should talk as long as they will let you. (Laughter)
55
123000
2000
אתה צריך לדבר כמה שיאפשרו לך,
02:20
Because the most favorite TEDTalks
56
125000
3000
משום ששיחות TED האהובות ביותר
02:23
are, on average, over 50 percent longer
57
128000
2000
הן בממוצע 50% ארוכות יותר
02:25
than the least favorite ones.
58
130000
2000
מהשיחות הכי פחות אהובות.
02:28
And this holds true for all ranking lists on TED.com
59
133000
2000
וזה נכון עבור כל הדרוגים ב TED.COM
02:30
except if you want to have a talk
60
135000
2000
חוץ מאשר, אם אתה רוצה להעביר הרצאה
02:32
that's beautiful, inspiring or funny.
61
137000
2000
שתהיה "יפה", "מלאה השראה" או "מצחיקה"
02:34
Then, you should be brief. (Laughter) But other than that,
62
139000
2000
אז כדאי שתקצר. אבל חוץ מזה
02:36
talk until they drag you off the stage.
63
141000
3000
דבר עד שיגררו אותך מהבמה.
02:39
(Laughter)
64
144000
2000
(צחוק)
02:41
Now, while ...
65
146000
2000
עכשיו, בזמן --
02:43
(Applause)
66
148000
6000
(מחיאות כפיים)
02:49
While you're pushing the clock, there's a few rules to obey.
67
154000
3000
יש לציית לכמה כללים, בזמן אתה מנסה לנצח את השעון.
02:52
I found these rules out by comparing the statistics
68
157000
2000
גיליתי את הכללים האלה, בזמן שהשוויתי סטטיסטיקות
02:54
of four-word phrases
69
159000
2000
מתוך משפטים בעלי 4 מילים
02:56
that appear more often in the most favorite TEDTalks
70
161000
3000
מופיעים בתדירות גבוהה בשיחות TED האהובות ביותר,
02:59
as opposed to the least favorite TEDTalks.
71
164000
2000
בניגוד לשיחות TED הכי פחות אהובות.
03:01
I'll give you three examples.
72
166000
2000
אתן לכם שלוש דוגמאות.
03:03
First of all, I must, as a speaker,
73
168000
2000
קודם כל, אני כדובר חייב
03:05
provide a service to the audience and talk about what I will give you,
74
170000
3000
לספק שירות לקהל, ולדבר על מה אני עומד לתת לכם,
03:08
instead of saying what I can't have.
75
173000
2000
ולא על מה אינני יכול.
03:10
Secondly, it's imperative
76
175000
2000
שנית, זה חיוני
03:12
that you do not cite The New York Times.
77
177000
2000
שלא תצטטו מתוך הניו יורק טיימס.
03:14
(Laughter)
78
179000
2000
(צחוק)
03:16
And finally, it's okay for the speaker -- that's the good news --
79
181000
3000
ולבסוף, זה בסדר שהדובר -- אלה החדשות הטובות --
03:19
to fake intellectual capacity.
80
184000
2000
יזייף יכולת שכלית
03:21
If I don't understand something, I can just say, "etc., etc."
81
186000
3000
אם אני לא מבין משהו, אני יכול להגיד "וכן הלאה, וכן הלאה,"
03:24
You'll all stay with me.
82
189000
2000
כולכם תישארו איתי,
03:26
It's perfectly fine.
83
191000
2000
זה בסדר גמור.
03:28
(Applause)
84
193000
4000
(מחיאות כפיים)
03:32
Now, let's go to the visuals.
85
197000
2000
כעת, בואו נבחן את האפקטים החזותיים.
03:34
The most obvious visual thing on stage is the speaker.
86
199000
3000
הדבר הבולט ביותר על הבמה הוא הדובר.
03:37
And analysis shows if you want to be
87
202000
2000
הניתוח מראה שאם אתה רוצה להיות
03:39
among the most favorite TED speakers,
88
204000
2000
בתוך קבוצת שיחות TED האהובות ביותר,
03:41
you should let your hair grow a little bit longer than average,
89
206000
3000
אתה צריך לתת לשיער שלך לגדול, קצת יותר מהממוצע.
03:44
make sure you wear your glasses and be slightly more dressed-up
90
209000
3000
עליך להרכיב משקפיים, ולהיות לבוש מעט טוב יותר
03:47
than the average TED speaker.
91
212000
2000
מהדובר הממוצע ב TED.
03:49
Slides are okay, though you might consider going for props.
92
214000
3000
שקפים הם בסדר, אבל כדאי לך לשקול להביא אביזרים.
03:52
And now the most important thing,
93
217000
2000
ועכשיו לדבר החשוב ביותר,
03:54
that is the mood onstage.
94
219000
2000
מה מצב הרוח על הבמה?
03:56
Color plays a very important role.
95
221000
2000
צבע משחק תפקיד חשוב.
03:58
Color closely correlates
96
223000
2000
לצבע התאמה גבוהה
04:00
with the ratings that talks get on the website.
97
225000
3000
עם הציונים ששיחות מקבלות באתר.
04:03
(Applause)
98
228000
2000
(מחיאות כפיים)
04:05
For example, fascinating talks
99
230000
2000
לדוגמא, שיחות "מרתקות"
04:07
contain a statistically high amount
100
232000
2000
מכילות באופן סטטיסטי כמות גדולה
04:09
of exactly this blue color, (Laughter)
101
234000
2000
של הגוון הכחול הזה בדיוק.
04:11
much more than the average TEDTalk.
102
236000
2000
הרבה יותר משיחה ממוצעת של TED.
04:13
Ingenious TEDTalks, much more this green color,
103
238000
2000
"גאוניות" - הרבה יותר מגוון זה של ירוק.
04:15
etc., et.
104
240000
2000
וכן הלאה וכן הלאה...
04:17
(Laughter) (Applause)
105
242000
7000
(מחיאות כפיים)
04:24
Now, personally, I think
106
249000
2000
עכשיו, באופן אישי, אני חושב
04:26
I'm not the first one who has done this analysis,
107
251000
2000
שאני לא הראשון שעשה את הניתוח הזה,
04:28
but I'll leave this
108
253000
2000
אבל אניח לזה.
04:30
to your good judgment.
109
255000
3000
לשיקול דעתכם.
04:33
So, now it's time to put it all together
110
258000
2000
אז עכשיו הזמן לחבר את הכל יחד
04:35
and design the ultimate TEDTalk.
111
260000
2000
ולעצב את שיחת TED המיטבית.
04:37
Now, since this is TEDActive,
112
262000
2000
עכשיו, משום שזה TED Active
04:39
and I learned from my analysis
113
264000
2000
ולמדתי מהניתוח
04:41
that I should actually give you something,
114
266000
2000
שבעצם אני צריך לתת לכם משהו,
04:43
I will not impose the ultimate
115
268000
2000
אני לא אתן לכם את השיחה האהובה ביותר,
04:45
or worst TEDTalk on you,
116
270000
2000
או את הכי פחות אהובה.
04:47
but rather give you a tool to create your own.
117
272000
2000
במקום זאת, אתן לכם את הכלים לייצר אחת משלכם
04:49
And I call this tool the TEDPad.
118
274000
3000
ואקרא לכלי הזה TED Pad.
04:52
(Laughter)
119
277000
3000
(צחוק)
04:55
And the TEDPad is a matrix
120
280000
2000
וה TED Pad הוא טבלה
04:57
of 100 specifically selected,
121
282000
2000
של 100 משפטים
04:59
highly curated sentences
122
284000
3000
שנבחרו בקפידה
05:02
that you can easily piece together to get your own TEDTalk.
123
287000
3000
ושאתה יכול בקלות לחבר אותם יחד ,כדי לייצר שיחת TED.
05:07
You only have to make one decision,
124
292000
2000
אתה צריך לקבל רק החלטה אחת
05:09
and that is: Are you going to use the white version
125
294000
2000
והיא: האם אתה רוצה להשתמש בגרסא הלבנה
05:11
for very good TEDTalks,
126
296000
2000
עבור שיחת TED מצויינת
05:13
about creativity, human genius?
127
298000
2000
על יצירתיות, גאוניות אנושית?
05:15
Or are you going to go with a black version,
128
300000
2000
או שתלך על הגרסא השחורה
05:17
which will allow you to create really bad TEDTalks,
129
302000
2000
שתאפשר לך לייצר שיחת TED איומה
05:19
mostly about blogs,
130
304000
2000
שרובה על בלוגים
05:21
politics and stuff?
131
306000
2000
פוליטיקה ושטויות?
05:23
So, download it and have fun with it.
132
308000
2000
אז תורידו אותו, ותיהנו.
05:25
Now I hope you enjoy the session.
133
310000
3000
אני מקווה שנהניתם.
05:28
I hope you enjoy designing your own
134
313000
2000
אני מקווה שתהינו לעצב
05:30
ultimate and worst possible TEDTalks.
135
315000
2000
שיחת TED טובה וגרועה משלכם,
05:32
And I hope some of you will be inspired for next year
136
317000
3000
ואני מקווה שאחדים מכם יקבלו השראה לשנה הבאה
05:35
to create this, which I really want to see.
137
320000
3000
לייצר שיחה, שאותה מאוד ארצה לשמוע.
05:38
Thank you very much.
138
323000
2000
תודה רבה לכם.
05:40
(Applause) Thanks.
139
325000
10000
(מחיאות כפיים)
ABOUT THE SPEAKER
Sebastian Wernicke - Data scientistAfter making a splash in the field of bioinformatics, Sebastian Wernicke moved on to the corporate sphere, where he motivates and manages multidimensional projects.
Why you should listen
Dr. Sebastian Wernicke is the Chief Data Scientist of ONE LOGIC, a data science boutique that supports organizations across industries to make sense of their vast data collections to improve operations and gain strategic advantages. Wernicke originally studied bioinformatics and previously led the strategy and growth of Seven Bridges Genomics, a Cambridge-based startup that builds platforms for genetic analysis.
Before his career in statistics began, Wernicke worked stints as both a paramedic and successful short animated filmmaker. He's also the author of the TEDPad app, an irreverent tool for creating an infinite number of "amazing and really bad" and mostly completely meaningless talks. He's the author of the statistically authoritative and yet completely ridiculous "How to Give the Perfect TEDTalk."
Sebastian Wernicke | Speaker | TED.com