TED2010
Sebastian Wernicke: Lies, damned lies and statistics (about TEDTalks)
Mensogoj, damnaj mensogoj kaj statistikoj (pri TED-prelegoj)
Filmed:
Readability: 4.2
2,510,120 views
Per brila, duonŝerca analizo, Sebastian Wernicke aplikas la ilojn de statistika analizo al TED-prelegoj, por alveni al mezurilo por kreado de la "la optimuma TED-prelego", bazita sur la taksoj de uzuloj. Kiel vi taksas ĝin? Ĉu "gapiga"? "Nekonvinka"? Aŭ simple "amuza"?
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
Se vi aliras la retpaĝaron de TED
00:19
you can currently find there
1
4000
2000
vi povas nun trovi tie
00:21
over a full week of TEDTalk videos,
2
6000
3000
pli ol unu tutan semajnon da videoj
00:24
over 1.3 million
3
9000
2000
pli ol 1,3 milionojn
00:26
words of transcripts
4
11000
2000
da transskribitaj vortoj
00:28
and millions of user ratings.
5
13000
2000
kaj milionojn da uzulaj taksoj.
00:30
And that's a huge amount of data.
6
15000
3000
Estas enorma kvanto da datumoj,
00:33
And it got me wondering:
7
18000
2000
Kaj tio igis min demandi:
00:35
If you took all this data
8
20000
2000
se vi prenas ĉiujn ĉi datumojn
00:37
and put it through statistical analysis,
9
22000
2000
kaj ilin analizas statistike,
00:39
could you reverse engineer a TEDTalk?
10
24000
2000
ĉu vi povus fari inversan inĝenieradon de TED-prelego?
00:41
Could you create
11
26000
2000
Ĉu vi povus krei
00:43
the ultimate TEDTalk?
12
28000
2000
la plej superan TED-prelegon?
00:45
(Laughter) (Applause)
13
30000
2000
(APLAŬDOJ)
00:47
And also, could you create
14
32000
2000
Kaj krome, ĉu vi povus krei
00:49
the worst possible TEDTalk
15
34000
2000
la plej eble malbonan TED-prelegon
00:51
that they would still let you get away with?
16
36000
2000
kiun oni ankoraŭ permesus al vi fari?
00:53
To find this out, I looked at three things:
17
38000
2000
Por trovi tion, mi rigardis tri aferojn.
00:55
I looked at the topic that you should choose,
18
40000
2000
Mi rigardis la temon kiun vi devus elekti.
00:57
I looked at how you should deliver it
19
42000
3000
Mi rigardis kiel vi devus prezenti ĝin
01:00
and the visuals onstage.
20
45000
2000
kaj la vidajn erojn sursceneje.
01:02
Now, with the topic: There's a whole range of topics you can choose,
21
47000
3000
Nu, pri la temo -- Estas tuta gamo de temoj por elekti,
01:05
but you should choose wisely,
22
50000
2000
sed vi devas saĝe elekti,
01:07
because your topic strongly correlates
23
52000
2000
ĉar tio estas interrilatigita
01:09
with how users will react to your talk.
24
54000
3000
kun la maniero kiel uzuloj reagas al via prelego.
01:12
Now, to make this more concrete,
25
57000
2000
Por tion ĉi plikonkretigi,
01:14
let's look at the list of top 10 words
26
59000
3000
ni rigardu la liston de la 10 vortoj
01:17
that statistically stick out
27
62000
2000
kiuj statistike plej elstaras
01:19
in the most favorite TEDTalks
28
64000
2000
en la TED-prelegoj plej
01:21
and in the least favorite TEDTalks.
29
66000
3000
kaj malplej ŝatataj.
01:24
So if you came here
30
69000
2000
Se vi do venas tien ĉi
01:26
to talk about how French coffee
31
71000
2000
por paroli pri tio, kiel la franca kafo
01:28
will spread happiness in our brains,
32
73000
3000
disverŝos feliĉecon en niajn cerbojn,
01:31
that's a go.
33
76000
2000
vi bone survojas.
01:33
(Laughter) (Applause)
34
78000
2000
(APLAŬDOJ)
01:35
Whereas, if you wanted to talk about
35
80000
2000
Sed se vi volas paroli pri
01:37
your project involving
36
82000
2000
projekto entenanta
01:39
oxygen, girls, aircraft --
37
84000
2000
oksigenon, knabinojn, aviadilojn...
01:41
actually, I would like to hear that talk, (Laughter)
38
86000
2000
mi vere ŝatus aŭskulti tiun prelegon,
01:43
but statistics say it's not so good.
39
88000
2000
sed la statistikoj diras ke tio ne bonus.
01:45
Oh, well.
40
90000
2000
Nu!
01:47
If you generalize this,
41
92000
2000
Por ĝeneraligi,
01:49
the most favorite TEDTalks are those
42
94000
2000
la plejŝatataj TED-prelegoj estas tiuj
01:51
that feature topics we can connect with,
43
96000
3000
tuŝantaj temojn kun kiuj ni povas konekti,
01:54
both easily and deeply,
44
99000
2000
facile kaj profunde,
01:56
such as happiness, our own body,
45
101000
2000
kiel la feliĉeco, nia korpo,
01:58
food, emotions.
46
103000
2000
manĝado, emocioj.
02:00
And the more technical topics,
47
105000
2000
Kaj la plej teknikaj temoj,
02:02
such as architecture, materials and, strangely enough, men,
48
107000
3000
kiel arĥitekturo, materialoj kaj, sufiĉe strange, viroj,
02:05
those are not good topics to talk about.
49
110000
3000
tiuj ne estas bonaj priparolindaj temoj.
02:08
How should you deliver your talk?
50
113000
2000
Kiel vi devas prezenti vian prelegon?
02:10
TED is famous for keeping
51
115000
2000
TED famas pro
02:12
a very sharp eye on the clock,
52
117000
2000
la fajna atentado al la horloĝo,
02:14
so they're going to hate me
53
119000
2000
kaj do ili min malamos
02:16
for revealing this, because, actually,
54
121000
2000
pro tiu ĉi rivelado, ĉar fakte
02:18
you should talk as long as they will let you. (Laughter)
55
123000
2000
vi devus paroli tiom kiom oni lasas al vi,
02:20
Because the most favorite TEDTalks
56
125000
3000
ĉar la plej ŝatataj TED-prelegoj
02:23
are, on average, over 50 percent longer
57
128000
2000
estas averaĝe pli ol 50% pli longaj
02:25
than the least favorite ones.
58
130000
2000
ol la malplej ŝatataj,
02:28
And this holds true for all ranking lists on TED.com
59
133000
2000
Kaj tio ĉi veras por ĉiuj rang-listoj de TED.com
02:30
except if you want to have a talk
60
135000
2000
krom se vi volas fari prelegon
02:32
that's beautiful, inspiring or funny.
61
137000
2000
belan, inspiran aŭ amuzan.
02:34
Then, you should be brief. (Laughter) But other than that,
62
139000
2000
Tiam, vi devas paroli mallonge. Sed alikaze,
02:36
talk until they drag you off the stage.
63
141000
3000
parolu ĝis kiam oni eltiras vin el la scenejo.
02:39
(Laughter)
64
144000
2000
(RIDADO)
02:41
Now, while ...
65
146000
2000
Nun, dum vi...
02:43
(Applause)
66
148000
6000
(APLAŬDOJ)
02:49
While you're pushing the clock, there's a few rules to obey.
67
154000
3000
Dum vi elpremas la horloĝon, estas kelkaj obeindaj reguloj.
02:52
I found these rules out by comparing the statistics
68
157000
2000
Mi trovis ilin komparante statistikojn
02:54
of four-word phrases
69
159000
2000
de la frazoj kvarvortaj
02:56
that appear more often in the most favorite TEDTalks
70
161000
3000
plej ofte aperantaj en la plej ŝatataj prelegoj,
02:59
as opposed to the least favorite TEDTalks.
71
164000
2000
kontraste al la malplej ŝatataj.
03:01
I'll give you three examples.
72
166000
2000
Mi montros tri ekzemplojn.
03:03
First of all, I must, as a speaker,
73
168000
2000
Unue, kiel preleganto mi devas
03:05
provide a service to the audience and talk about what I will give you,
74
170000
3000
paroli pri tio kion mi donos al la aŭskultantaro,
03:08
instead of saying what I can't have.
75
173000
2000
anstataŭ pri tio kion mi ne havas.
03:10
Secondly, it's imperative
76
175000
2000
Due, estas devige
03:12
that you do not cite The New York Times.
77
177000
2000
ke vi ne citu la (ĵurnalon) New York Times.
03:14
(Laughter)
78
179000
2000
(RIDADO)
03:16
And finally, it's okay for the speaker -- that's the good news --
79
181000
3000
Kaj fine, ĝustas ke la preleganto -- kaj tio estas bona novaĵo --
03:19
to fake intellectual capacity.
80
184000
2000
ŝajnigu altkvalitan intelektan kapablon.
03:21
If I don't understand something, I can just say, "etc., etc."
81
186000
3000
Se oni ne komprenas ion, oni povas diri "ktp".
03:24
You'll all stay with me.
82
189000
2000
Aŭskultantaro restus.
03:26
It's perfectly fine.
83
191000
2000
Estas tute ĝuste.
03:28
(Applause)
84
193000
4000
(APLAŬDOJ)
03:32
Now, let's go to the visuals.
85
197000
2000
Ni traktu la vidmaterialon.
03:34
The most obvious visual thing on stage is the speaker.
86
199000
3000
La plej evidenta vidmaterialo sursceneje estas la preleganto.
03:37
And analysis shows if you want to be
87
202000
2000
Kaj la analizo montras ke, se oni volas troviĝi
03:39
among the most favorite TED speakers,
88
204000
2000
inter la plej ŝatataj prelegantoj de TED,
03:41
you should let your hair grow a little bit longer than average,
89
206000
3000
oni devas havi pli longan hararon ol averaĝe,
03:44
make sure you wear your glasses and be slightly more dressed-up
90
209000
3000
porti okulvitrojn kaj aperi iom pli bone vestita
03:47
than the average TED speaker.
91
212000
2000
ol la averaĝa TED-preleganto.
03:49
Slides are okay, though you might consider going for props.
92
214000
3000
La lumbildoj valoras, sed vi povus konsideri aldoni ion kroman.
03:52
And now the most important thing,
93
217000
2000
Kaj nun la plej grava afero,
03:54
that is the mood onstage.
94
219000
2000
tio estas la atmosfero de la scenejo.
03:56
Color plays a very important role.
95
221000
2000
Koloro rolas tre grave.
03:58
Color closely correlates
96
223000
2000
Koloro tre rilatas
04:00
with the ratings that talks get on the website.
97
225000
3000
al la taksado de la prelegoj en la reto.
04:03
(Applause)
98
228000
2000
(APLAŬDOJ)
04:05
For example, fascinating talks
99
230000
2000
Ekzemple, la fascinaj prelegoj
04:07
contain a statistically high amount
100
232000
2000
enhavas statistike grandan kvanton
04:09
of exactly this blue color, (Laughter)
101
234000
2000
de tiu ĉi specifa bluo,
04:11
much more than the average TEDTalk.
102
236000
2000
multe pli ol la averaĝa TED-prelego.
04:13
Ingenious TEDTalks, much more this green color,
103
238000
2000
Tiuj sagacaj, multe pli el tiu ĉi verdo,
04:15
etc., et.
104
240000
2000
ktp, ktp.
04:17
(Laughter) (Applause)
105
242000
7000
(APLAŬDOJ)
04:24
Now, personally, I think
106
249000
2000
Persone, mi kredas
04:26
I'm not the first one who has done this analysis,
107
251000
2000
ke mi ne estas la unua kiu faris tiun ĉi analizon,
04:28
but I'll leave this
108
253000
2000
sed mi lasos tion
04:30
to your good judgment.
109
255000
3000
je via bona juĝkriterio.
04:33
So, now it's time to put it all together
110
258000
2000
Estas nun la momento konekti la tuton
04:35
and design the ultimate TEDTalk.
111
260000
2000
kaj strukturi la superan TED-prelegon.
04:37
Now, since this is TEDActive,
112
262000
2000
Ĉar tio ĉi estas Aktiva TED,
04:39
and I learned from my analysis
113
264000
2000
kaj mi lernis el mia analizo
04:41
that I should actually give you something,
114
266000
2000
ke mi devas doni ion al vi,
04:43
I will not impose the ultimate
115
268000
2000
mi donos nek la plej superan
04:45
or worst TEDTalk on you,
116
270000
2000
nek la plej malbonan TED-prelegon,
04:47
but rather give you a tool to create your own.
117
272000
2000
sed ilon por krei tiun vian.
04:49
And I call this tool the TEDPad.
118
274000
3000
Mi nomas tiun ilon "TED Pad".
04:52
(Laughter)
119
277000
3000
(RIDADO)
04:55
And the TEDPad is a matrix
120
280000
2000
Kaj tiu TED Pad estas matrico
04:57
of 100 specifically selected,
121
282000
2000
de 100 specife selektitaj
04:59
highly curated sentences
122
284000
3000
kaj alte prilaboritaj frazoj
05:02
that you can easily piece together to get your own TEDTalk.
123
287000
3000
kiujn vi povas unuigi por akiri vian TED-prelegon.
05:07
You only have to make one decision,
124
292000
2000
Vi nur devas fari unu decidon:
05:09
and that is: Are you going to use the white version
125
294000
2000
Ĉu vi uzos la blankan version
05:11
for very good TEDTalks,
126
296000
2000
por tre bonaj TED-prelegoj
05:13
about creativity, human genius?
127
298000
2000
pri kreiveco, homa genieco?
05:15
Or are you going to go with a black version,
128
300000
2000
Aŭ ĉu vi prenos la nigran version,
05:17
which will allow you to create really bad TEDTalks,
129
302000
2000
kiu permesos al vi krei vere malbonajn TED-prelegojn,
05:19
mostly about blogs,
130
304000
2000
ĉefe pri blogoj,
05:21
politics and stuff?
131
306000
2000
politiko kaj simile?
05:23
So, download it and have fun with it.
132
308000
2000
Do, elŝutu ĝin, kaj amuziĝu per ĝi.
05:25
Now I hope you enjoy the session.
133
310000
3000
Mi esperas ke vi ĝuos la sesion.
05:28
I hope you enjoy designing your own
134
313000
2000
Kaj mi esperas ke vi ĝuos fasonante
05:30
ultimate and worst possible TEDTalks.
135
315000
2000
vian plej bonan kaj plej malbonan eblan TED-prelegon.
05:32
And I hope some of you will be inspired for next year
136
317000
3000
Kaj ke iuj el vi inspiriĝu por venonta jaro,
05:35
to create this, which I really want to see.
137
320000
3000
por krei tion ĉi, kio estas kion mi ja volas vidi.
05:38
Thank you very much.
138
323000
2000
Mi tre dankas.
05:40
(Applause) Thanks.
139
325000
10000
(APLAŬDOJ)
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