TEDxVancouver
Jer Thorp: Make data more human
Filmed:
Readability: 4.1
300,699 views
Jer Thorp creates beautiful data visualizations to put abstract data into a human context. At TEDxVancouver, he shares his moving projects, from graphing an entire year’s news cycle, to mapping the way people share articles across the internet.
(Filmed at TEDxVancouver.)
Jer Thorp - Data artist
Jer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them. Full bio
Jer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them. Full bio
Double-click the English transcript below to play the video.
00:10
I want to talk to you about two
of the most exciting possible things.
of the most exciting possible things.
0
1674
6250
Vorrei parlarvi dei due argomenti
più entusiasmanti al mondo
più entusiasmanti al mondo
00:16
You've probably guessed what they are --
1
7948
1949
forse avete già capito
quali sono
quali sono
dati e storia.
00:18
data and history.
2
9921
2319
00:21
Right?
3
13211
1171
Vero?
00:24
So, I'm not a historian.
4
15871
1982
Non sono uno storico.
Non vi darò la definizione di Storia.
00:26
I'm not going to give you
a definition of history.
a definition of history.
5
17877
2728
Ma consideriamo la storia
in un quadro più preciso.
in un quadro più preciso.
00:29
But let's think instead
of history within a framework.
of history within a framework.
6
20629
3113
Quando facciamo storia,
00:32
So, when we're making history,
7
23766
1611
o quando creiamo documenti storici,
00:33
or when we're creating
historical documents,
historical documents,
8
25401
2892
prendiamo fatti accaduti nel passato,
00:36
we're taking things
that have happened in the past,
that have happened in the past,
9
28317
2428
e li cuciamo insieme in una storia.
00:39
and we're stitching them
together into a story.
together into a story.
10
30769
2552
Dunque, fatemi raccontare
un po' la mia storia.
un po' la mia storia.
00:41
So let me start with a little bit
of my own story.
of my own story.
11
33345
2530
Come ogni mio coetaneo
che fa un lavoro creativo col computer,
che fa un lavoro creativo col computer,
00:44
Like anybody my age
who works creatively with computers,
who works creatively with computers,
12
35899
3678
ero un ragazzo popolare,
socialmente inserito --
socialmente inserito --
00:48
I was a popular, socially
well-adjusted young man --
well-adjusted young man --
13
39601
4456
00:52
(Laughter)
14
44081
1122
(Risate)
00:53
And sporty!
15
45227
2541
e sportivo!
Un ragazzo sportivo.
Un ragazzo sportivo.
00:56
Sporty young man.
16
47792
1733
00:58
And like a lot of people my age
in the type of business that I'm in,
in the type of business that I'm in,
17
50075
5353
E come molti miei coetanei
che lavorano nel mio stesso ambito,
che lavorano nel mio stesso ambito,
sono stato profondamente
influenzato da Apple.
influenzato da Apple.
01:03
I was influenced tremendously by Apple.
18
55452
2645
01:07
But notice my choice of logo here, right?
19
58635
3722
Notate quale logo ho scelto?
La Apple sulla sinistra,
non la Apple sulla destra.
non la Apple sulla destra.
01:10
The Apple on the left,
not the Apple on the right.
not the Apple on the right.
20
62381
3585
01:15
I'm influenced as much
by the Apple on the right
by the Apple on the right
21
66621
2293
Di certo sono influenzato
dalla Apple sulla destra
dalla Apple sulla destra
01:17
as the next person,
22
68938
2083
come tutti,
ma la Apple a sinistra,
guardate quel logo!
guardate quel logo!
01:19
but the Apple on the left --
I mean, look at that logo!
I mean, look at that logo!
23
71045
2633
È un arcobaleno,
nemmeno nell'ordine giusto!
nemmeno nell'ordine giusto!
01:22
It's a rainbow.
It's not even in the right order!
It's not even in the right order!
24
73702
2397
01:24
(Laughter)
25
76123
1134
(Risate)
Questo era il livello di follia di Apple.
01:25
That's how crazy Apple was.
26
77281
2273
01:28
(Laughter)
27
79578
1037
(Risate)
01:29
But I don't want to talk too much
about the company.
about the company.
28
80639
2945
Ma non voglio dilungarmi sull'azienda.
01:32
I'll start talking about
a machine, though.
a machine, though.
29
83608
2177
Invece, vi parlerò di una macchina.
A pensarci è stupefacente.
A pensarci è stupefacente.
01:34
How amazing it is to think about this.
I go back and I think about this.
I go back and I think about this.
30
85809
4127
Torno indietro con i ricordi
e penso:
e penso:
un mercoledì qualsiasi
quando avevo 12 anni,
quando avevo 12 anni,
01:38
Wednesday -- one Wednesday,
when I was about 12 years old,
when I was about 12 years old,
31
89960
3314
non avevo un computer.
01:41
I didn't have a computer.
32
93298
2111
01:44
On Thursday, I had a computer.
33
96034
2779
Il giovedì, possedevo un computer.
01:48
Can you imagine that change?
34
99965
1999
Riuscite a immaginare il cambiamento?
01:50
It's so drastic.
35
102417
1681
Così drastico.
Non riesco a immaginare nient'altro
01:52
I can't even think about anything
that could change our lives that way.
that could change our lives that way.
36
104122
3451
in grado di cambiare
la vita in quel modo.
la vita in quel modo.
Ma non parlerò nemmeno del computer.
01:56
But I'm actually not even going
to talk about the computer.
to talk about the computer.
37
107597
2767
Vi racconterò di un programma
che era incluso nel computer.
che era incluso nel computer.
01:58
I'm going to talk about a program
that came loaded on that computer.
that came loaded on that computer.
38
110388
3230
Era stato realizzato
non dal tipo sulla sinistra,
non dal tipo sulla sinistra,
02:02
And it was build by,
not the guy on the left,
not the guy on the left,
39
113642
2272
ma dal tipo sulla destra.
02:04
but the guy on the right.
40
115938
1435
Qualcuno riconosce il tipo sulla destra?
02:05
Does anybody know
who the guy on the right is?
who the guy on the right is?
41
117397
2144
02:09
Nobody ever knows the answer
to this question.
to this question.
42
121161
2410
Nessuno sa mai rispondere
a questa domanda.
a questa domanda.
Questo è Bill Atkinson.
02:12
This is Bill Atkinson.
43
123595
1686
02:13
And Bill Atkinson was responsible
for tons of things
for tons of things
44
125305
3107
E Bill Atkinson era responsabile
di un milione di cose
di un milione di cose
che trovate tutti i giorni
sul vostro computer.
sul vostro computer.
02:16
that you see on your computer every day.
45
128436
2482
Ma voglio parlare di un programma
che Bill Atkinson ha scritto,
che Bill Atkinson ha scritto,
02:19
But I want to talk about one program
that Bill Atkinson wrote,
that Bill Atkinson wrote,
46
130942
3107
che si chiama HyperCard.
02:22
called HyperCard.
47
134073
1500
02:25
Someone's cheering over there.
48
137025
2160
Laggiù qualcuno sta esultando.
(Risate)
02:27
(Laughter)
49
139209
1205
HyperCard era
un programma incluso nel Mac,
un programma incluso nel Mac,
02:28
HyperCard was a program
that shipped with the Mac,
that shipped with the Mac,
50
140438
2602
ideato per permettere
gli utilizzatori del computer
gli utilizzatori del computer
02:31
and it was designed
for users of the computer
for users of the computer
51
143064
2569
di creare dei programmi
sul proprio computer.
sul proprio computer.
02:34
to make programs on their computers.
52
145657
3197
02:38
Crazy idea today.
53
149505
1597
Un'idea folle al giorno d'oggi.
02:39
And these programs were not the apps
that we think about today,
that we think about today,
54
151126
2973
Questi programmi non erano le app
che conosciamo oggi,
che conosciamo oggi,
con i loro grandi budget
e grande diffusione.
e grande diffusione.
02:42
with their large budgets
and their big distribution.
and their big distribution.
55
154123
2449
Quelle erano cose piccole,
02:45
These were small things,
56
156596
1189
la gente faceva applicazioni per tener
traccia dei risultati del basket locale
traccia dei risultati del basket locale
02:46
people making applications to keep track
of their local basketball team scores
of their local basketball team scores
57
157809
3882
o per organizzare le ricerche
02:50
or to organize their research
58
161715
2825
02:53
or to teach people about classical music
59
164564
3016
o per insegnare la musica classica
02:56
or to calculate weird astronomical dates.
60
167604
4095
o per calcolare strane date astronomiche.
e poi, ovvio,
c'erano alcuni progetti d'arte.
c'erano alcuni progetti d'arte.
03:00
And then, of course,
there were some art projects.
there were some art projects.
61
171723
2381
Questo è il mio preferito.
03:02
This is my favorite one.
62
174128
1220
Si chiama "Se i Monaci avessero il Mac,"
03:03
It's called "If Monks Had Macs,"
63
175372
2089
03:05
and it's a nonlinear
kind of exploratory environment.
kind of exploratory environment.
64
177485
4534
ed è un tipo di ambiente
esplorativo non lineare.
esplorativo non lineare.
03:10
I thank the stars for HyperCard
all of the time.
all of the time.
65
182043
5573
Ogni giorno ringrazio
il cielo per HyperCard.
il cielo per HyperCard.
E ringrazio il cielo
di essere nato in quest'epoca
di essere nato in quest'epoca
03:16
And I thank the stars
for putting me in this era
for putting me in this era
66
187640
2447
dove ho potuto usare HyperCard.
03:18
where I got to use HyperCard.
67
190111
2300
HyperCard è stato l'ultimo programma
incluso in un computer pubblico
incluso in un computer pubblico
03:20
HyperCard was the last program to ship
on a public computer
on a public computer
68
192435
4640
progettato affinché gli utenti
del computer creassero programmi.
del computer creassero programmi.
03:25
that was designed for the users
of the computer to make programs with it.
of the computer to make programs with it.
69
197099
5129
03:30
If you talked to the people
who invented the computer
who invented the computer
70
202252
2705
Se poteste parlare
con gli inventori del computer
con gli inventori del computer
dicendo che ci sarà un giorno,
un magico giorno,
un magico giorno,
03:33
and you told them there would be
a day, a magical day,
a day, a magical day,
71
204981
2749
in cui tutti avranno un computer,
ma nessuno di loro saprà programmare,
ma nessuno di loro saprà programmare,
03:36
when everybody had a computer
but none of them knew how to program,
but none of them knew how to program,
72
207754
5062
03:41
they would think you were crazy.
73
212840
1811
penserebbero che siete pazzi.
03:43
So let's skip forward a few years.
74
215486
1664
Balziamo qualche anno in avanti.
03:45
I'm starting my career as an artist,
75
217174
2588
Sto per iniziare
la mia carriera da artista,
la mia carriera da artista,
e progetto cose con il mio computer,
cose su piccola scala,
cose su piccola scala,
03:48
and I'm building things
with my computer, small-scale things,
with my computer, small-scale things,
76
219786
3962
studio cose come
il sistema di crescita delle piante.
il sistema di crescita delle piante.
03:52
investigating things like
the growth systems of plants.
the growth systems of plants.
77
223772
3603
Oppure, come in questo esempio,
simulo un'economia
simulo un'economia
03:55
Or, in this example, I'm building
a simulated economy
a simulated economy
78
227399
2999
in cui i pixel si scambiano i colori,
03:58
in which pixels are trading color
with one another,
with one another,
79
230422
3961
cerco di capire in che modo
funzionano questi sistemi,
funzionano questi sistemi,
04:02
trying to investigate how
these types of systems work,
these types of systems work,
80
234407
2575
così, giusto per divertirmi.
04:05
and just kind of having fun.
81
237006
1402
04:06
And then this project led me
to start working with data.
to start working with data.
82
238432
2628
Questo progetto mi ha portato
a lavorare con i dati.
a lavorare con i dati.
Così inizio a fare grafici come questo,
04:09
So I'm building graphics like this,
83
241084
2989
che paragona il comunismo -
04:12
which compare "communism" --
84
244097
2594
la frequenza dell'uso del termine
"comunismo" nel New York Times --
"comunismo" nel New York Times --
04:15
the frequency of usage of the word
"communism" in the New York Times --
"communism" in the New York Times --
85
246715
3395
04:18
to "terrorism," at the top.
86
250134
1937
al "terrorismo", in alto.
Vedete che "terrorismo" appare
mentre "comunismo" scompare.
mentre "comunismo" scompare.
04:20
You see "terrorism" kind of appears
as "communism" is going away.
as "communism" is going away.
87
252095
4625
E con questi grafici mi sono
appassionato all'estetica dei grafici.
appassionato all'estetica dei grafici.
04:25
And with these graphics, I was really
interested in the aesthetic of the graphs.
interested in the aesthetic of the graphs.
88
256744
3816
Questo è su Iran e Iraq.
04:29
This is Iran and Iraq.
89
260584
1150
Si legge in senso orario.
Si chiama "grafico a orologio".
Si chiama "grafico a orologio".
04:30
It reads like a clock. It's called
a "timepiece graph."
a "timepiece graph."
90
261758
3910
Questo è un altro grafico a orologio
che sovrappone "disperazione" a "speranza".
che sovrappone "disperazione" a "speranza".
04:34
This is another timepiece graph,
overlaying "despair" over "hope."
overlaying "despair" over "hope."
91
265692
5711
E solo per tre volte --
in realtà "crisi" su "speranza" --
in realtà "crisi" su "speranza" --
04:39
And there's only three times -- actually,
it's "crisis" over "hope" --
it's "crisis" over "hope" --
92
271427
3310
solo per tre volte
"crisi" eclissa "speranza".
"crisi" eclissa "speranza".
04:43
there's only three times
when "crisis" eclipses "hope."
when "crisis" eclipses "hope."
93
274761
2609
Siamo nel mezzo
di una crisi proprio ora.
di una crisi proprio ora.
04:45
We're in the middle
of one of them right now.
of one of them right now.
94
277394
2155
Ma non pensiamoci troppo.
04:48
But don't think about that too much.
95
279573
1772
(Risate)
04:49
(Laughter)
96
281369
1888
04:51
And finally, the culmination of this work
with the New York Times data
with the New York Times data
97
283281
3780
E alla fine, il culmine di questo
lavoro con i dati del New York Times
lavoro con i dati del New York Times
04:55
a few years ago
98
287085
1202
qualche anno fa
04:56
was the attempt to combine
an entire year's news cycle
an entire year's news cycle
99
288311
3176
fu il tentativo di mettere
un ciclo di un anno intero di notizie
un ciclo di un anno intero di notizie
in un unico grafico.
05:00
into a single graphic.
100
291511
1313
05:01
So these graphics actually show us
a full year of news, all the people,
a full year of news, all the people,
101
292848
4227
Questi grafici ci mostrano un anno intero
di notizie, tutte le persone,
di notizie, tutte le persone,
e come sono connesse, in un solo grafico.
05:05
and how they're connected
into a single graphic.
into a single graphic.
102
297099
2630
05:08
And from there, I started to be
interested again in more active systems.
interested again in more active systems.
103
299753
3938
Da qui ho iniziato
a interessarmi a sistemi più attivi.
a interessarmi a sistemi più attivi.
Questo è un progetto
chiamato "Appena atterrato"
chiamato "Appena atterrato"
05:12
Here's a project called "Just Landed,"
104
303715
2264
in cui guardo le persone
che scrivono su Twitter
che scrivono su Twitter
05:14
where I'm looking at people
tweeting on Twitter.
tweeting on Twitter.
105
306003
3151
"Heilà! Appena atterrato alle Hawaii!"
05:17
"Hey! I just landed
in Hawaii!" -- you know,
in Hawaii!" -- you know,
106
309178
2060
Non sapete quante persone lo buttano lì,
con naturalezza, in Twitter
con naturalezza, in Twitter
05:19
how people just casually try to sneak
that into their Twitter conversation.
that into their Twitter conversation.
107
311262
3702
05:23
"I'm not showing off. Really.
But I did just land in Hawaii."
But I did just land in Hawaii."
108
314988
3117
"Non per vantarmi. Sul serio. Ma sono
davvero atterrato alle Hawaii."
davvero atterrato alle Hawaii."
e poi traccio i viaggi di quelle persone
05:26
And then I'm plotting
those people's trips,
those people's trips,
109
318129
2743
05:29
in the hopes that maybe
we can use social network
we can use social network
110
320896
3212
nella speranza di usare il social network
e i dati che si porta dietro
05:32
and the data that it leaves behind
111
324132
1681
per avere un modello
di come la gente si sposta
di come la gente si sposta
05:34
to provide a model of how people move,
112
325837
2199
che sarebbe utile agli epidemiologi,
tra le altre persone.
tra le altre persone.
05:36
which would be valuable
to epidemiologists, among other people.
to epidemiologists, among other people.
113
328060
2975
05:39
And, more fun -- this
is a similar project,
is a similar project,
114
331059
2579
E ancor più divertente --
questo è un progetto simile,
questo è un progetto simile,
05:42
looking at people
saying "Good morning" to each other
saying "Good morning" to each other
115
333662
2491
guardare le persone di tutto il mondo
che si dicono "Buongiorno".
che si dicono "Buongiorno".
05:44
all around the world.
116
336177
1183
Che tra l'altro mi ha insegnato
05:45
Which taught me, by the way,
117
337384
1434
che è vero che la gente di Vancouver
sulla costa ovest, si sveglia più tardi,
sulla costa ovest, si sveglia più tardi,
05:47
that it is true that people in Vancouver
on the West Coast wake up much later
on the West Coast wake up much later
118
338842
4350
e dice buongiorno più tardi,
05:51
and say "Good morning" much later
119
343216
1583
rispetto alle persone sulla costa est,
che sono più mondane.
che sono più mondane.
05:53
than the people on the East Coast,
120
344823
1861
05:55
who are more adventurous.
121
346708
1799
Questo è un progetto
un po' più utile, forse,
un po' più utile, forse,
05:57
Here's a more useful -- maybe -- project,
122
348531
1974
05:59
where I took all the information
from the Kepler Project
from the Kepler Project
123
350529
3351
in cui prendo tutte le informazioni
del progetto Keplero
del progetto Keplero
e tento di metterle in una forma visiva
che per me abbia senso.
che per me abbia senso.
06:02
and tried to put it into some visual form
that made sense to me.
that made sense to me.
124
353904
3043
Devo dire che tutto ciò
che vi ho mostrato finora,
che vi ho mostrato finora,
06:05
And I should say that everything
I've shown you up to now --
I've shown you up to now --
125
356971
2884
sono tutte cose
che ho fatto per divertimento,
che ho fatto per divertimento,
06:08
these are all things
that I just did for fun.
that I just did for fun.
126
359879
2152
Può sembrare strano
ma viene da HyperCard
ma viene da HyperCard
06:10
It may seem weird,
but this comes back from HyperCard.
but this comes back from HyperCard.
127
362055
2735
Costruisco strumenti per me stesso.
06:13
I'm building tools for myself.
128
364814
1830
Potrei condividerli con altri
06:15
I may share them with a few other people,
129
366668
1983
ma sono fatti per me, per divertirmi.
06:17
but they're for fun, they're for me.
130
368675
2107
Tutti questi strumenti che vi mostro
si collocano in un posto strano
si collocano in un posto strano
06:21
So, all these tools I show you
kind of occupy this weird space
kind of occupy this weird space
131
373341
3970
da qualche parte
tra scienza, arte e design.
tra scienza, arte e design.
06:25
somewhere between science, art and design.
132
377335
2544
È dove si colloca la mia professione
06:28
That's where my practice lies.
133
379903
1805
06:30
And still today,
from my experience with HyperCard,
from my experience with HyperCard,
134
381732
3156
E ancora oggi,
dalla mia esperienza con HyperCard
dalla mia esperienza con HyperCard
costruisco strumenti visivi
per capire meglio i sistemi.
per capire meglio i sistemi.
06:33
what I'm doing is building visual tools
to help me understand systems.
to help me understand systems.
135
384912
4230
Quindi oggi lavoro al New York Times.
06:38
So today, I work at the New York Times.
136
390083
2221
Sono l'artista grafico in sede
del New York Times.
del New York Times.
06:40
I'm the data artist in residence
at the New York Times.
at the New York Times.
137
392328
2873
E lì ho avuto l'opportunità
06:43
And I've had an opportunity at the Times
138
395225
1933
di lavorare su progetti
davvero interessanti
davvero interessanti
06:45
to work on a variety
of really interesting projects,
of really interesting projects,
139
397182
2464
due dei quali vi illustrerò oggi.
06:48
two of which I'm going
to share with you today.
to share with you today.
140
399670
2222
Per il primo, ho lavorato
a fianco di Mark Hansen
a fianco di Mark Hansen
06:50
The first one, I've been working on
in conjunction with Mark Hansen.
in conjunction with Mark Hansen.
141
401916
3202
È professore di statistica all'UCLA
e un artista media.
e un artista media.
06:53
Mark Hansen is a professor of statistics
at UCLA. He's also a media artist.
at UCLA. He's also a media artist.
142
405142
5142
Mark è arrivato al Times
con un quesito molto interessante
con un quesito molto interessante
06:58
And Mark came to the Times
with a very interesting question
with a very interesting question
143
410308
2786
su quel che appariva
un problema piuttosto ovvio.
un problema piuttosto ovvio.
07:01
to what may seem like an obvious problem:
144
413118
2660
Quando le persone condividono
un contenuto in Internet
un contenuto in Internet
07:04
When people share content on the internet,
145
415802
3151
come fa quel contenuto a passare
dall'individuo A all'individuo B?
dall'individuo A all'individuo B?
07:07
how does that content get
from person A to person B?
from person A to person B?
146
418977
3615
07:11
Or maybe, person A to person B
to person C to person D?
to person C to person D?
147
423358
4724
O magari dall'individuo A all'individuo B
all'individuo C all'individuo D?
all'individuo C all'individuo D?
Sappiamo che la gente
condivide contenuti in Internet
condivide contenuti in Internet
07:16
We know that people share content
in the internet,
in the internet,
148
428106
2354
07:18
but what we don't know
is what happens in that gap
is what happens in that gap
149
430484
2358
ma ciò che non sappiamo è cosa accade
nello spazio tra una persona e l'altra.
nello spazio tra una persona e l'altra.
07:21
between one person to the other.
150
432866
1791
Così abbiamo creato
uno strumento per indagare
uno strumento per indagare
07:23
So we decided to build
the tool to explore that,
the tool to explore that,
151
434681
2356
e lo strumento si chama Cascade.
07:25
and this tool is called Cascade.
152
437061
1823
07:27
If we look at these systems
153
439471
2595
Se guardiamo i sistemi
che iniziano con un evento,
che comporta altri eventi
che comporta altri eventi
07:30
that start with one event
that leads to other events,
that leads to other events,
154
442090
4430
avremo una struttura "a cascata".
07:35
we call that structure a cascade.
155
446544
2238
Queste cascate si verificano
su un periodo di tempo.
su un periodo di tempo.
07:37
And these cascades
actually happen over time.
actually happen over time.
156
448806
2409
Quindi possiamo modellarle col tempo.
07:39
So we can model these things over time.
157
451239
2020
07:41
Now, the New York Times has
a lot of people who share our content,
a lot of people who share our content,
158
453283
4031
Il New York Times ha molte persone
che condividono i suoi contenuti,
che condividono i suoi contenuti,
quindi le cascate non hanno
questo aspetto, ma questo:
questo aspetto, ma questo:
07:45
so the cascades do not look like that one,
they look more like this.
they look more like this.
159
457338
3491
ecco la tipica cascata.
07:49
Here's a typical cascade.
160
460853
1540
In basso a sinistra
c'è il primo evento
c'è il primo evento
07:50
At the bottom left, the very first event.
161
462417
2714
07:54
And then as people are sharing
the content from one person to another,
the content from one person to another,
162
466237
4272
e mentre le persone
condividono il contenuto tra loro,
condividono il contenuto tra loro,
saliamo nell'asse Y, gradi di separazione,
07:59
we go up in the Y axis,
degrees of separation,
degrees of separation,
163
470533
3794
08:02
and over on the X axis, for time.
164
474351
2768
e sull'asse X, del tempo.
Così riusciamo a vedere
la conversazione in due modi diversi:
la conversazione in due modi diversi:
08:05
So we're able to look at that conversation
in a couple of different views:
in a couple of different views:
165
477143
3501
questo, che ci mostra
gli argomenti di conversazione,
gli argomenti di conversazione,
08:09
this one, which shows us
the threads of conversation,
the threads of conversation,
166
480668
2615
e questo che combina la vista a strati,
08:11
and this one, which combines
that stacked view
that stacked view
167
483307
3194
con una vista che ci mostra gli argomenti.
08:15
with a view that lets us see the threads.
168
486525
2932
08:18
Now, the Times publishes
about 7,000 pieces of content
about 7,000 pieces of content
169
489924
3345
Il Times pubblica circa
sette mila pezzi al mese.
sette mila pezzi al mese.
08:21
every month.
170
493293
1210
Quindi era importante per noi
rendere lo strumento esplorativo,
rendere lo strumento esplorativo,
08:23
So it was important for us,
when we were building this tool,
when we were building this tool,
171
494527
2842
08:25
to make it an exploratory one,
172
497393
1633
in modo che le persone potessero scavare
in questo vasto territorio di dati,
in questo vasto territorio di dati,
08:27
so that people could dig through
this vast terrain of data.
this vast terrain of data.
173
499050
4207
lo considero come un veicolo
che forniamo alla gente
che forniamo alla gente
08:31
I think of it as a vehicle
that we're giving people
that we're giving people
174
503281
2436
per attraversare questo
enorme territorio di dati.
enorme territorio di dati.
08:34
to traverse this really big
terrain of data.
terrain of data.
175
505741
3473
Questo è come appare in realtà
08:37
So here's what it really looks like,
176
509238
1718
e questa è la cascata in tempo reale.
08:39
and here's the cascade
playing in real time.
playing in real time.
177
510980
2740
Devo ammettere
che è stato un momento fantastico.
che è stato un momento fantastico.
08:42
I have to say, this was
a tremendous moment.
a tremendous moment.
178
513744
2079
08:44
We had been working with canned
data, fake data, for so long,
data, fake data, for so long,
179
515847
4017
Abbiamo lavorato così a lungo con
dati preconfezionati, dati falsi
dati preconfezionati, dati falsi
che quando l'abbiamo visto,
in un primo momento,
in un primo momento,
08:48
that when we saw this
for the first moment,
for the first moment,
180
519888
2805
sembravamo archeologi che avevano
appena rinvenuto ossa di dinosauro.
appena rinvenuto ossa di dinosauro.
08:51
it was like an archaeologist who had
just dusted off these dinosaur bones.
just dusted off these dinosaur bones.
181
522717
4878
Avevamo fatto questa scoperta,
e vedevamo per la prima volta,
e vedevamo per la prima volta,
08:56
We discovered this thing,
and we were seeing it for the first time,
and we were seeing it for the first time,
182
527619
3878
queste strutture di condivisione
che stanno alla base di Internet.
che stanno alla base di Internet.
09:00
these sharing structures
that underlie the internet.
that underlie the internet.
183
531521
3712
09:04
And maybe the dinosaur
analogy is a good one,
analogy is a good one,
184
536475
2105
E forse la metafora del dinosauro
è calzante,
è calzante,
perché in realtà
stiamo facendo supposizioni
stiamo facendo supposizioni
09:07
because we're actually making
some probabilistic guesses
some probabilistic guesses
185
538604
3047
su come le cose si collegano.
09:10
about how these things link.
186
541675
1359
09:11
We're looking at some of these
pieces and making some guesses,
pieces and making some guesses,
187
543058
2926
Guardiamo alcune di queste parti
e facciamo ipotesi,
e facciamo ipotesi,
cercando di accertarci che siano
statisticamente più precise possibile.
statisticamente più precise possibile.
09:14
but we try to make sure that those
are as statistically rigorous as possible.
are as statistically rigorous as possible.
188
546008
3937
09:19
Now tweets, in this case,
they become parts of stories.
they become parts of stories.
189
550720
4662
In questo caso i messaggi di Twitter
diventano parti di storie.
diventano parti di storie.
Diventano parti di narrazioni.
09:23
They become parts of narratives.
190
555406
1925
Quindi così si costruiscono storie,
09:25
So we are building histories here,
191
557355
2420
ma sono storie a brevissimo termine.
09:28
but they're very short-term histories.
192
559799
2175
A volte queste cascate enormi
sono le più interessanti,
sono le più interessanti,
09:30
And sometimes these very large cascades
are the most interesting ones,
are the most interesting ones,
193
561998
3838
ma a volte anche
quelle piccole sono interessanti.
quelle piccole sono interessanti.
09:34
but sometimes the small ones
are also interesting.
are also interesting.
194
565860
3135
Questa è una delle mie preferite.
La chiamiamo "La Cascata Rabbino".
La chiamiamo "La Cascata Rabbino".
09:37
This is one of my favorites.
We call this the "Rabbi Cascade."
We call this the "Rabbi Cascade."
195
569019
3525
09:41
It's a conversation amongst rabbis
about this article in the New York Times,
about this article in the New York Times,
196
572568
5089
È una conversazioni tra rabbini
su un articolo del New York Times,
su un articolo del New York Times,
sul fatto che chi ha un impiego religioso
non ha molte ferie.
non ha molte ferie.
09:46
about the fact that religious workers
don't get a lot of time off.
don't get a lot of time off.
197
577681
3772
09:49
I guess Saturdays and Sundays are bad days
for them to take off.
for them to take off.
198
581477
4035
Sabato e domenica non sono
giorni ideali per andare in ferie.
giorni ideali per andare in ferie.
Così, in questa cascata,
c'è un gruppo di rabbini che parla
c'è un gruppo di rabbini che parla
09:54
So, in this cascade, there's a group
of rabbis having a conversation
of rabbis having a conversation
199
585536
3692
di una storia del New York Times.
09:57
about a New York Times story.
200
589252
1402
E uno di loro ha
il miglior nickname di sempre:
il miglior nickname di sempre:
09:59
One of them has the best
Twitter name ever --
Twitter name ever --
201
590678
2124
10:01
he's called "The Velveteen Rabbi."
202
592826
1855
si chiama "The Velveteen Rabbi".
10:03
(Laughter)
203
594705
2323
(Risate)
10:05
But we would have never found this
if it weren't for this exploratory tool.
if it weren't for this exploratory tool.
204
597052
4507
E non l'avremmo mai trovata
senza questo strumento esplorativo.
senza questo strumento esplorativo.
Sarebbe rimasta da qualche parte,
10:10
This would just be sitting somewhere,
205
601583
1802
e non l'avremmo mai notata.
10:11
and we would have never
been able to see that.
been able to see that.
206
603409
2186
Ma questo esercizio
di prendere informazioni
di prendere informazioni
10:14
But this exercise of taking
single pieces of information
single pieces of information
207
605619
4141
e costruire strutture narrative,
e da quelle costruire storie,
e da quelle costruire storie,
10:18
and building narrative structures,
building histories out of them,
building histories out of them,
208
609784
4221
lo trovo estremamente interessante.
10:22
I find tremendously interesting.
209
614029
1925
10:24
You know, I moved to New York
about two years ago.
about two years ago.
210
616319
2344
Sapete, mi sono trasferito
a New York due anni fa.
a New York due anni fa.
A New York tutti hanno una storia
10:27
And in New York, everybody has a story
211
618687
2720
a sfondo di questo evento
di impatto terribile
di impatto terribile
10:29
that surrounds this
tremendously impactful event
tremendously impactful event
212
621431
2960
che è accaduto l'11 settembre 2001.
10:32
that happened on September 11 of 2001.
213
624415
2299
10:35
And my own story with September 11
has really become a more intricate one,
has really become a more intricate one,
214
627373
6367
La mia storia dell'11 settembre
è diventata davvero intricata,
è diventata davvero intricata,
perché ho passato molto tempo
10:42
because I spent a great deal of time
215
633764
2064
a lavorare a una parte
del 9/11 Memorial a Manhattan.
del 9/11 Memorial a Manhattan.
10:44
working on a piece
of the 9/11 Memorial in Manhattan.
of the 9/11 Memorial in Manhattan.
216
635852
4149
10:49
The central idea about the 9/11 Memorial
217
640530
2564
L'idea centrale del 9/11 Memorial
è che i nomi del monumento commemorativo
non sono disposti in ordine alfabetico,
non sono disposti in ordine alfabetico,
10:51
is that the names in the memorial
are not laid out in alphabetical order
are not laid out in alphabetical order
218
643118
4459
o in ordine cronologico,
10:56
or chronological order,
219
647601
1685
ma invece sono disposti in un modo
10:57
but instead, they're laid out in a way
220
649310
1824
in cui le relazioni tra le persone uccise
10:59
in which the relationships
between the people who were killed
between the people who were killed
221
651158
3424
sono incluse nel monumento stesso.
11:03
are embodied in the memorial.
222
654606
1960
11:05
Brothers are placed next to brothers,
223
657153
2538
I fratelli sono vicini ai fratelli,
i colleghi sono vicini tra loro.
11:08
coworkers are placed together.
224
659715
2185
Quindi questo monumento tiene conto
delle miriadi di collegamenti
delle miriadi di collegamenti
11:10
So this memorial actually considers
all of these myriad connections
all of these myriad connections
225
661924
4665
che facevano parte
della vita di queste persone.
della vita di queste persone.
11:15
that were part of these people's lives.
226
666613
2421
11:18
I worked with a company
called Local Projects
called Local Projects
227
670310
3433
Ho lavorato con un'azienda
chiamata Local Projects
chiamata Local Projects
allo sviluppo di un algoritmo
e di un software
e di un software
11:22
to work on an algorithm
and a software tool
and a software tool
228
673767
2674
per aiutare gli architetti
nella disposizione del monumento:
nella disposizione del monumento:
11:24
to help the architects build
the layout for the memorial:
the layout for the memorial:
229
676465
3004
11:28
almost 3,000 names
230
680331
1722
circa tremila nomi
e quasi 1500 di queste
richieste di essere vicini,
richieste di essere vicini,
11:30
and almost 1,500 of these
adjacency requests,
adjacency requests,
231
682077
3627
queste richieste di connessione,
11:34
these requests for connection --
232
685728
1610
quindi una storia molto densa,
una narrazione molto densa,
una narrazione molto densa,
11:35
so a very dense story,
a very dense narrative,
a very dense narrative,
233
687362
3386
che diventa parte integrante
del monumento.
del monumento.
11:39
that becomes an embodied part
of this memorial.
of this memorial.
234
690772
2816
11:42
Working with Jake Barton,
we produce the software tool,
we produce the software tool,
235
694195
3331
Al lavoro con Jake Barton,
creiamo il software
creiamo il software
che in primo luogo permette agli architetti
di generare la disposizione
di generare la disposizione
11:46
which allows the architects to,
first of all, generate a layout
first of all, generate a layout
236
697550
4119
che poteva soddisfare
le richieste di vicinanza,
le richieste di vicinanza,
11:50
that satisfied all of those
adjacency requests,
adjacency requests,
237
701693
3129
ma che dopo permette di fare
quelle piccole modifiche necessarie
quelle piccole modifiche necessarie
11:53
but then second, make little adjustments
where they needed to
where they needed to
238
704846
3033
11:56
to tell the stories
that they wanted to tell.
that they wanted to tell.
239
707903
2348
per raccontare quelle storie.
Il concetto di questo monumento
si adatta molto
si adatta molto
11:59
So this memorial, I think,
has an incredibly timely concept
has an incredibly timely concept
240
711219
4135
12:03
in our era of social networks,
241
715378
2990
alla nostra era di social network,
12:06
because these networks -- these real-life
networks that make up people's lives --
networks that make up people's lives --
242
718392
3975
perché queste reti reali
che costituiscono la vera vita della gente
che costituiscono la vera vita della gente
sono incorporate nel monumento funebre.
12:10
are actually embodied
inside of the memorial.
inside of the memorial.
243
722391
2432
Una delle esperienze
più commoventi in assoluto
più commoventi in assoluto
12:13
And one of the most tremendously
moving experiences
moving experiences
244
725286
3471
è andare al monumento
12:17
is to go to the memorial
245
728781
1661
e vedere come queste persone
sono disposte una accanto all'altra,
sono disposte una accanto all'altra,
12:18
and see how these people
are placed next to each other,
are placed next to each other,
246
730466
4200
così che il monumento rappresenti
le loro vere vite.
le loro vere vite.
12:23
so that this memorial
is representing their own lives.
is representing their own lives.
247
734690
2862
12:27
How does this affect our lives?
248
738859
1687
In che modo
questo tocca le nostre vite?
questo tocca le nostre vite?
12:29
Well, I don't know if you remember,
249
741133
1676
Non so se ricordate,
ma in primavera
ci fu una polemica,
ci fu una polemica,
12:31
but in the spring,
there was a controversy,
there was a controversy,
250
742833
2713
quando si scoprì che sugli iPhone
12:34
because it was discovered
that on the iPhone
that on the iPhone
251
745570
2198
e, a dirla tutta, sui computer,
12:36
and, actually, on your computer,
252
747792
1606
stavamo registrando una enorme
quantità di geolocalizzazioni.
quantità di geolocalizzazioni.
12:37
we were storing a tremendous amount
of the location data.
of the location data.
253
749422
3315
Quindi Apple rispose
che non erano localizzazioni di persone,
che non erano localizzazioni di persone,
12:41
So Apple responded, saying,
this was not location data about you,
this was not location data about you,
254
753173
3861
ma localizzazioni di reti wireless
12:45
it was location data
about wireless networks
about wireless networks
255
757058
2805
presenti nell'area dove voi eravate.
12:48
that were in the area where you are.
256
759887
2287
Non riguarda voi,
ma il luogo dove vi trovate.
ma il luogo dove vi trovate.
12:50
So it's not about you,
257
762198
1428
12:52
but it's about where you are.
258
763650
1584
(Risate)
12:53
(Laughter)
259
765258
1648
12:55
This is very valuable data.
260
766930
2808
Sono dati di grande valore.
Sono una miniera d'oro per i ricercatori,
questi dati sulla mobilità umana.
questi dati sulla mobilità umana.
12:58
It's like gold to researchers,
this human-mobility data.
this human-mobility data.
261
769762
4625
Pensammo: "Ehi, quante persone
hanno un iPhone?"
hanno un iPhone?"
13:02
So we thought, "Man!
How many people have iPhones?"
How many people have iPhones?"
262
774411
3664
Quanti di voi ce l'hanno?
13:06
How many of you have iPhones?
263
778099
1448
13:09
So in this room, we have this tremendous
database of location data
database of location data
264
780608
5478
In questa sala abbiamo un enorme
database di geolocalizzazioni
database di geolocalizzazioni
che i ricercatori bramerebbero avere.
13:14
that researchers
would really, really like.
would really, really like.
265
786110
3775
Così creammo il sistema
chiamato Open Paths,
chiamato Open Paths,
13:18
So we built this system called Open Paths,
266
789909
2031
che permette di caricare
i dati del proprio iPhone
i dati del proprio iPhone
13:20
which lets people upload their iPhone data
267
791964
2656
e trattare con i ricercatori
per condividere quei dati,
per condividere quei dati,
13:23
and broker relationships
with researchers to share that data,
with researchers to share that data,
268
794644
3796
per donare i dati alle persone
a cui servono davvero.
a cui servono davvero.
13:26
to donate that data to people
that can actually put it to use.
that can actually put it to use.
269
798464
3387
13:30
Open Paths was a great
success as a prototype.
success as a prototype.
270
802256
2350
Open Paths fu un prototipo di successo.
Ricevemmo migliaia di dati,
13:33
We received thousands of data sets,
271
804630
3433
creammo questa interfaccia
13:36
and we built this interface
272
808087
1349
che permette alla gente di vedere
la propria vita che si dispiega
la propria vita che si dispiega
13:37
which allows people to actually
see their lives unfolding
see their lives unfolding
273
809460
3318
da queste tracce
lasciate dai loro dispositivi.
lasciate dai loro dispositivi.
13:41
from these traces
that are left behind on your devices.
that are left behind on your devices.
274
812802
3156
13:45
Now, what we didn't expect
was how moving this experience would be.
was how moving this experience would be.
275
816593
5267
La sorpresa fu quanto
questa esperienza fosse toccante.
questa esperienza fosse toccante.
Quando ho caricato i miei dati ho pensato,
13:50
When I uploaded my data,
I thought, "Big deal.
I thought, "Big deal.
276
821884
2227
"Capirai. So dove vivo, so dove lavoro.
Cos'altro devo scoprire?"
Cos'altro devo scoprire?"
13:52
I know where I live. I know where I work.
What am I going to see here?"
What am I going to see here?"
277
824135
3416
Invece quel che ho visto è stato
il momento che sono atterrato
il momento che sono atterrato
13:56
Well, it turns out, what I saw
was that moment I got off the plane
was that moment I got off the plane
278
827575
3501
per iniziare
la mia vita a new York;
la mia vita a new York;
13:59
to start my new life in New York;
279
831100
1623
14:02
the restaurant where I had Thai food
that first night,
that first night,
280
833588
2606
il ristorante thailandese
della prima sera,
della prima sera,
il pensiero della
nuova esperienza a New York;
nuova esperienza a New York;
14:04
thinking about this new experience
of being in New York;
of being in New York;
281
836218
2953
quando ho conosciuto
la mia ragazza.
la mia ragazza.
14:07
the day that I met my girlfriend.
282
839195
1623
14:11
This is LaGuardia airport.
283
842587
2275
Questo è l'aeroporto LaGuardia.
(Risate)
14:13
(Laughter)
284
844886
1487
Questo è il ristorante thailandese
in Amsterdam Avenue.
in Amsterdam Avenue.
14:14
This is this Thai restaurant
on Amsterdam Avenue.
on Amsterdam Avenue.
285
846397
3641
14:19
This is the moment I met my girlfriend.
286
850559
2050
Qui il momento in cui
ho conosciuto la mia ragazza.
ho conosciuto la mia ragazza.
14:22
See how that changes the first time
I told you about those stories
I told you about those stories
287
854146
3451
Notate quanto cambia tra la prima volta
che vi ho raccontato queste storia,
che vi ho raccontato queste storia,
14:26
and the second time I told
you about those stories?
you about those stories?
288
857621
2468
e la seconda volta che le ho raccontate?
Perché quel che facciamo,
involontariamente,
involontariamente,
14:28
Because what we do
in the tool, inadvertently,
in the tool, inadvertently,
289
860113
3207
è mettere questi dati
in un contesto umano.
in un contesto umano.
14:31
is we put these pieces of data
into a human context.
into a human context.
290
863344
3115
14:35
And by placing data into a human context,
291
866935
2498
E mettendoli in un contesto umano,
acquistano significato.
14:37
it gains meaning.
292
869457
1474
E penso che sia estremamente importante,
14:39
And I think this is tremendously,
tremendously important,
tremendously important,
293
870955
3328
perché quelle conservate
nei dispositivi, sono le nostre storie.
nei dispositivi, sono le nostre storie.
14:42
because these are our histories
that are being stored on these devices.
that are being stored on these devices.
294
874307
4918
14:49
And by thinking about them that way,
295
880809
1994
E vederle in quel modo,
14:52
putting them in a human context --
296
883543
1902
mettendole in un contesto umano --
prima di tutto ciò che facciamo
coi nostri dati è capire meglio
coi nostri dati è capire meglio
14:53
first of all, what we do with our own data
is get a better understanding
is get a better understanding
297
885469
3662
il tipo di informazioni che condividiamo.
14:57
of the type of information
that we're sharing.
that we're sharing.
298
889155
2479
Ma se lo facessimo con altri dati,
mettendoli in un contesto umano,
mettendoli in un contesto umano,
15:00
But if we can do this with other data,
if we can put data into a human context,
if we can put data into a human context,
299
891658
4053
credo potremo cambiare molte cose,
15:04
I think we can change a lot of things,
300
895735
2918
perché si crea automaticamente empatia
tra le persone incluse in questi sistemi.
tra le persone incluse in questi sistemi.
15:07
because it builds, automatically, empathy
for the people involved in these systems.
for the people involved in these systems.
301
898677
6385
15:14
And that, in turn, results
in a fundamental respect,
in a fundamental respect,
302
905602
2953
E di conseguenza si crea
nel rispetto fondamentale,
nel rispetto fondamentale,
che penso manca
nella gran parte della tecnologia,
nella gran parte della tecnologia,
15:17
which, I believe, is missing
in a large part of technology,
in a large part of technology,
303
908579
3163
15:20
when we start to deal
with issues like privacy,
with issues like privacy,
304
912329
2938
quando affrontiamo
questioni come la privacy,
questioni come la privacy,
15:25
by understanding that these numbers
are not just numbers,
are not just numbers,
305
916765
2717
capendo che questi numeri
non sono solo numeri,
non sono solo numeri,
ma invece sono legati, concatenati
a parti del mondo reale.
a parti del mondo reale.
15:28
but instead they're attached, tethered to,
pieces of the real world.
pieces of the real world.
306
919506
3619
Hanno un peso.
15:31
They carry weight.
307
923149
1506
Capendo tutto ciò,
il dialogo cambia parecchio.
il dialogo cambia parecchio.
15:33
By understanding that,
the dialog becomes a lot different.
the dialog becomes a lot different.
308
924679
3332
15:38
How many of you have ever clicked a button
309
929595
2331
Quanti di voi hanno cliccato il bottone
15:40
that enables a third party to access
your location data on your phone?
your location data on your phone?
310
931950
4987
che autorizza terze parti ad accedere
ai vostri dati di localizzazione?
ai vostri dati di localizzazione?
15:46
Lots of you.
311
937595
1555
Molti di voi.
La terza parte è uno sviluppatore,
15:47
So the third party is the developer,
312
939174
2245
la seconda parte è Apple.
15:49
the second party is Apple.
313
941443
1801
15:52
The only party that never gets access
to this information is the first party!
to this information is the first party!
314
943954
4823
L'unico che non ha mai accesso
a questi dati è la prima parte!
a questi dati è la prima parte!
15:58
And I think that's because we think
about these pieces of data
about these pieces of data
315
950198
3135
E credo sia perché
consideriamo questi dati
consideriamo questi dati
in modo scollegato, astratto.
16:01
in this stranded, abstract way.
316
953357
2055
Non li caliamo in un contesto
16:03
We don't put them into a context
317
955436
1897
che credo darebbe più importanza.
16:05
which, I think, makes them
a lot more important.
a lot more important.
318
957357
2309
Quello che vi chiedo di fare
è molto semplice:
è molto semplice:
16:08
So what I'm asking you
to do is really simple:
to do is really simple:
319
959690
2166
iniziate a pensare ai dati
in un contesto umano.
in un contesto umano.
16:10
start to think about data
in a human context.
in a human context.
320
961880
2323
16:13
It doesn't really take anything.
321
964918
1657
Non ci vuole molto.
Quando vedete quotazioni di borsa
pensatele in contesto umano.
pensatele in contesto umano.
16:15
When you read stock prices,
think about them in a human context.
think about them in a human context.
322
966599
3359
Quando pensate ai prestiti,
fatelo in un contesto umano.
fatelo in un contesto umano.
16:18
When you think about mortgage reports,
think about them in a human context.
think about them in a human context.
323
969982
3542
Non c'è dubbio che i grandi dati
siano un business enorme.
siano un business enorme.
16:22
There's no doubt that big data
is big business.
is big business.
324
973548
3930
C'è un settore che si basa su questo.
16:26
There's an industry being developed here.
325
977502
3018
16:30
Think about how well we've done
326
981520
1501
Pensate a come sono andati
i settori precedenti,
i settori precedenti,
16:31
in previous industries
that we've developed involving resources.
that we've developed involving resources.
327
983045
3369
sviluppati con le risorse.
16:34
Not very well at all.
328
986438
1300
Per niente bene.
Penso che una parte del problema sia
l'assenza in questi dialoghi
l'assenza in questi dialoghi
16:36
I think part of that problem is, we've had
a lack of participation in these dialogues
a lack of participation in these dialogues
329
987762
4522
di molte parti della società.
16:40
from multiple pieces of human society.
330
992308
4428
Quindi l'altra cosa che mi auguro
16:45
So the other thing that I'm asking for
331
996760
1992
16:48
is an inclusion in this dialogue
from artists, from poets, from writers --
from artists, from poets, from writers --
332
999669
4378
è includere in questo dialogo
artisti, poeti, scrittori,
artisti, poeti, scrittori,
persone che possono portare
l'elemento umano nel dialogo.
l'elemento umano nel dialogo.
16:52
from people who can bring a human element
into this discussion.
into this discussion.
333
1004071
4013
16:57
Because I believe that this world of data
334
1008725
2356
Credo che questo mondo di dati
potrebbe trasformarci.
16:59
is going to be transformative for us.
335
1011105
3025
17:03
And unlike our attempts
with the resource industry
with the resource industry
336
1014687
3169
E a differenza dei tentativi
con l'industria delle risorse,
con l'industria delle risorse,
tentativi con l'industria finanziaria,
17:06
and our attempts
with the financial industry,
with the financial industry,
337
1017880
2153
di portare l'elemento umano
in questa storia,
in questa storia,
17:08
by bringing the human
element into this story,
element into this story,
338
1020057
2931
Credo la potremmo portare
in posti magnifici.
in posti magnifici.
17:11
I think we can take it
to tremendous places.
to tremendous places.
339
1023012
2178
17:14
Thank you.
340
1026203
1155
Grazie.
(Applausi)
17:15
(Applause)
341
1027382
4052
ABOUT THE SPEAKER
Jer Thorp - Data artistJer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them.
Why you should listen
Currently the data artist in residence at the New York Times, Jer’s software-based art has been featured all over the world. His former career as a data artist explains why his art often brings big data sets to life and is deeply influenced by science. Originally from Vancouver, he lives in New York City, where, along with his work at the New York Times, he teaches in NYU’s ITP program.
Jer Thorp | Speaker | TED.com