TEDWomen 2015
Nancy Lublin: How data from a crisis text line is saving lives
Nancy Lublin: Un mensaje de texto desgarrador que inspiró una línea de ayuda en crisis
Filmed:
Readability: 4
956,279 views
Cuando una joven puso un mensaje de texto a DoSomething.org con un desgarrador grito de ayuda, la organización respondió con la apertura de una línea de mensajes de texto de crisis a nivel nacional para proporcionar una salida para gente que sufre. Casi 10 millones de mensajes de texto más tarde, la organización está utilizando la privacidad y el poder de los mensajes para ayudar a las personas con problemas como pensamientos suicidas, trastornos alimenticios, adicciones, abuso sexual y mucho más. Los datos recogidos en el proceso están remodelando la política y preparando las escuelas y a las autoridades para manejar mejor los picos de crisis.
Nancy Lublin - Activist
As the CEO and Founder of Crisis Text Line, Nancy Lublin is using technology and data to help save lives. Full bio
As the CEO and Founder of Crisis Text Line, Nancy Lublin is using technology and data to help save lives. Full bio
Double-click the English transcript below to play the video.
00:12
A girl I've never met before
0
960
2856
Una niña que no había
conocido nunca antes
conocido nunca antes
00:15
changed my life and the life
of thousands of other people.
of thousands of other people.
1
3840
3280
cambió mi vida
y la vida de miles de personas.
y la vida de miles de personas.
00:19
I'm the CEO of DoSomething.org.
2
7760
2400
Soy el directora de DoSomething.org.
00:22
It's one of the largest organizations
in the world for young people.
in the world for young people.
3
10560
4416
Es una de las organizaciones más grandes
del mundo para los jóvenes.
del mundo para los jóvenes.
00:27
In fact it's bigger than the Boy Scouts
in the United States.
in the United States.
4
15000
2896
De hecho, es más grande
que los Boy Scouts de EE. UU.
que los Boy Scouts de EE. UU.
00:29
And we're not homophobic.
5
17920
1536
Y no somos homofóbicos.
00:31
(Laughter)
6
19480
2160
(Risas)
00:34
And it's true -- the way we communicate
with young people is by text,
with young people is by text,
7
22080
3536
Y es verdad... nos comunicamos
con los jóvenes con texto,
con los jóvenes con texto,
00:37
because that's how
young people communicate.
young people communicate.
8
25640
2360
porque eso es como
se comunica la gente joven.
se comunica la gente joven.
00:40
So we'll run over 200 campaigns this year,
9
28480
3575
Vamos a realizar más
de 200 campañas este año,
de 200 campañas este año,
00:44
things like collecting peanut butter
for food pantries,
for food pantries,
10
32080
3696
cosas como recoger mantequilla de maní
para las despensas de alimentos,
para las despensas de alimentos,
00:47
or making Valentine's Day cards
for senior citizens who are homebound.
for senior citizens who are homebound.
11
35800
4840
o hacer tarjetas de San Valentín para los
jubilados que están confinados en casa.
jubilados que están confinados en casa.
00:53
And we'll text them.
12
41000
1456
Y les enviaremos mensajes.
00:54
And we'll have a 97 percent open rate.
13
42480
2936
Y tendremos una
tasa de apertura del 97 %..
tasa de apertura del 97 %..
00:57
It'll over-index Hispanic and urban.
14
45440
2696
Irá sobre el índice en hispanos y urbanos.
01:00
We collected 200,000 jars of peanut butter
15
48160
3976
Recogimos 200 000
frascos de mantequilla de maní
frascos de mantequilla de maní
01:04
and over 365,000 Valentine's Day cards.
16
52160
4376
y más de 365 mil tarjetas de San Valentín.
01:08
This is big scale. OK --
17
56560
1776
Es a gran escala. Bien...
01:10
(Applause)
18
58360
2680
(Aplausos)
01:13
But there's one weird side effect.
19
61640
1640
Pero hay un efecto secundario raro.
01:15
Every time we send out a text message,
20
63840
3096
Cada vez que enviamos un mensaje de texto,
01:18
we get back a few dozen text messages
having nothing to do with peanut butter
having nothing to do with peanut butter
21
66960
4296
recibimos algunos mensajes que no tienen
nada que ver con mantequilla de maní,
nada que ver con mantequilla de maní,
01:23
or hunger or senior citizens --
22
71280
2776
hambre o la tercera edad,
01:26
but text messages about being bullied,
23
74080
3496
sino con mensajes de texto
sobre intimidación,
sobre intimidación,
01:29
text messages about being addicted to pot.
24
77600
2800
mensajes de texto sobre ser adictos.
01:33
And the worst message
we ever got said exactly this:
we ever got said exactly this:
25
81520
3640
Y el peor mensaje que jamás
recibimos decía exactamente esto:
recibimos decía exactamente esto:
01:38
"He won't stop raping me.
26
86320
1880
"No va a dejar de violarme.
01:40
It's my dad.
27
88720
1520
Es mi padre.
01:43
He told me not to tell anyone.
Are you there?"
Are you there?"
28
91040
3800
Me dijo que no se lo diga a nadie.
¿Estás ahí?".
¿Estás ahí?".
01:50
We couldn't believe this was happening.
29
98238
1858
No podíamos creer lo que sucedía.
01:52
We couldn't believe that something
so horrific could happen to a human being,
so horrific could happen to a human being,
30
100120
3656
No podíamos creer que algo tan horrible
le pudiera pasar a un ser humano,
le pudiera pasar a un ser humano,
01:55
and that she would share it with us --
something so intimate, so personal.
something so intimate, so personal.
31
103800
3640
y que ella lo compartiera con nosotros...
algo tan íntimo, tan personal.
algo tan íntimo, tan personal.
02:00
And we realized
we had to stop triaging this
we had to stop triaging this
32
108480
2256
Y vimos que teníamos
que dejar de clasificarlo
que dejar de clasificarlo
02:02
and we had to build a crisis text line
for these people in pain.
for these people in pain.
33
110760
4000
y construir una línea de texto
de crisis para estas personas sufriendo.
de crisis para estas personas sufriendo.
02:07
So we launched Crisis Text Line,
34
115960
2120
Así lanzamos
Línea de Texto para Crisis,
Línea de Texto para Crisis,
02:11
very quietly, in Chicago and El Paso --
just a few thousand people in each market.
just a few thousand people in each market.
35
119000
5456
sin ruido, en Chicago y El Paso, solo unas
pocas miles de personas en cada mercado.
pocas miles de personas en cada mercado.
02:16
And in four months,
we were in all 295 area codes in America.
we were in all 295 area codes in America.
36
124480
4736
Y en 4 meses, estábamos en todos
los 295 códigos de área en EE. UU.
los 295 códigos de área en EE. UU.
02:21
Just to put that into perspective,
37
129240
1620
Solo para ponerlo en perspectiva,
02:22
that's zero marketing and faster growth
than when Facebook first launched.
than when Facebook first launched.
38
130883
3613
eso es cero mercadeo y un crecimiento
superior al lanzamiento de Facebook.
superior al lanzamiento de Facebook.
02:26
(Applause)
39
134520
4536
(Aplausos)
02:31
Text is unbelievably private.
40
139080
2376
El texto es increíblemente privado.
02:33
No one hears you talking.
41
141480
1696
Nadie te oye hablar.
02:35
So we spike everyday at lunch time --
42
143200
2096
Nos clavamos todos los días
al almuerzo...
al almuerzo...
02:37
kids are sitting at the lunch table
43
145320
1696
los niños sentados en la mesa
02:39
and you think that she's texting
the cute boy across the hall,
the cute boy across the hall,
44
147040
3176
y uno piensa que ella está enviando
mensajes al chico lindo,
mensajes al chico lindo,
02:42
but she's actually texting us
about her bulimia.
about her bulimia.
45
150240
2640
pero en realidad nos envía
un texto sobre su bulimia.
un texto sobre su bulimia.
02:45
And we don't get the word "like"
or "um" or hyperventilating or crying.
or "um" or hyperventilating or crying.
46
153280
3776
Y no tenemos un "like" o "um"
o hiperventilación o llanto.
o hiperventilación o llanto.
02:49
We just get facts.
47
157080
1760
Solo conseguimos hechos.
02:52
We get things like, "I want to die.
48
160200
3616
Tenemos cosas como: "Quiero morir.
02:55
I have a bottle of pills
on the desk in front of me."
on the desk in front of me."
49
163840
2920
Tengo una botella de píldoras
en la mesa delante de mí".
en la mesa delante de mí".
02:59
And so the crisis counselor says,
50
167200
2096
Y así, el consejero de crisis, dice,
03:01
"How about you put those pills
in the drawer while we text?"
in the drawer while we text?"
51
169320
3000
"¿Pon esas pastillas
en el cajón mientras escribes?".
en el cajón mientras escribes?".
03:05
And they go back and forth for a while.
52
173840
2296
Y van y vienen por un tiempo.
03:08
And the crisis counselor
gets the girl to give her her address,
gets the girl to give her her address,
53
176160
3000
Y el consejero consigue que
la chica que le dé su dirección,
la chica que le dé su dirección,
03:11
because if you're texting
a text line, you want help.
a text line, you want help.
54
179200
2696
porque si envías mensajes
a una línea, deseas ayuda.
a una línea, deseas ayuda.
03:13
So she gets the address
55
181920
1176
Escribe la dirección
03:15
and the counselor triggers
an active rescue
an active rescue
56
183120
2176
y el consejero desencadena
un rescate activo
un rescate activo
03:17
while they're texting back and forth.
57
185320
2000
mientras envían mensajes uno a otro.
03:20
And then it goes quiet --
58
188000
3216
Y luego se queda en silencio...
03:23
23 minutes with no response
from this girl.
from this girl.
59
191240
4640
23 minutos sin respuesta
por parte de esta chica.
por parte de esta chica.
03:29
And the next message that comes in says --
60
197160
2456
Y el siguiente mensaje
que llega dice
que llega dice
03:31
it's the mom --
61
199640
1616
--es la madre--
03:33
"I had no idea, and I was in the house,
62
201280
3576
"No tenía ni idea y yo estaba en la casa,
03:36
we're in an ambulance
on our way to the hospital."
on our way to the hospital."
63
204880
2480
estamos en una ambulancia
de camino al hospital".
de camino al hospital".
03:40
As a mom that one just --
64
208200
1880
Como madre uno solo...
03:44
The next message comes a month later.
65
212760
2120
El siguiente mensaje
llega un mes después.
llega un mes después.
03:47
"I just got out of the hospital.
66
215280
1696
"Acabo de salir del hospital.
03:49
I was diagnosed as bipolar,
and I think I'm going to be OK."
and I think I'm going to be OK."
67
217000
3520
Fui diagnosticada como bipolar,
y creo que me pondré bien".
y creo que me pondré bien".
03:53
(Applause)
68
221440
2696
(Aplausos)
03:56
I would love to tell you
that that's an unusual exchange,
that that's an unusual exchange,
69
224160
4656
Me encantaría decirles que este
es un intercambio inusual,
es un intercambio inusual,
04:00
but we're doing on average
2.41 active rescues a day.
2.41 active rescues a day.
70
228840
4536
pero estamos haciendo un promedio
de 2.41 rescates activos al día.
de 2.41 rescates activos al día.
04:05
Thirty percent of our text messages
are about suicide and depression -- huge.
are about suicide and depression -- huge.
71
233400
4960
El 30 % de nuestros mensajes son
suicidio y depresión... enorme.
suicidio y depresión... enorme.
04:10
The beautiful thing about Crisis Text Line
72
238760
2176
Lo bonito de la Línea de Texto de Crisis
04:12
is that these are strangers
counseling other strangers
counseling other strangers
73
240960
3576
es que estos son extraños
aconsejando a otros extraños
aconsejando a otros extraños
04:16
on the most intimate issues,
74
244560
2656
sobre los temas más íntimos,
04:19
and getting them from hot moments
to cold moments.
to cold moments.
75
247240
2376
y convirtiendo momentos calientes
en fríos.
en fríos.
04:21
It's exciting, and I will tell you
76
249640
2296
Es emocionante, y yo les diría
04:23
that we have done a total
of more than 6.5 million text messages
of more than 6.5 million text messages
77
251960
4256
que hemos gestionado un total de más
de 6.5 millones de mensajes de texto
de 6.5 millones de mensajes de texto
04:28
in less than two years.
78
256240
1296
en menos de 2 años.
04:29
(Applause)
79
257560
4976
(Aplausos)
04:34
But the thing that really gets me
hot and sweaty about this,
hot and sweaty about this,
80
262560
3216
Pero lo que realmente me pone
hace sudar con todo esto,
hace sudar con todo esto,
04:37
the thing that really gets me
psyched is the data:
psyched is the data:
81
265800
2856
lo que realmente me enloquece
son los datos:
son los datos:
04:40
6.5 million messages --
82
268680
2336
6.5 millones de mensajes,
04:43
that's the volume, velocity and variety
to provide a really juicy corpus.
to provide a really juicy corpus.
83
271040
5640
es el volumen, la velocidad y la variedad
para ofrecer un corpus muy jugoso.
para ofrecer un corpus muy jugoso.
04:49
We can do things like predictive work.
84
277000
1856
Podemos hacer trabajo predictivo.
04:50
We can do all kinds of conclusions
and learnings from that data set.
and learnings from that data set.
85
278880
4536
Podemos sacar todo tipo de conclusiones
y aprendizajes a partir de esos datos.
y aprendizajes a partir de esos datos.
04:55
So we can be better,
and the world can be better.
and the world can be better.
86
283440
3216
Así que podemos ser mejores,
y el mundo puede ser mejor.
y el mundo puede ser mejor.
04:58
So how do we use the data
to make us better?
to make us better?
87
286680
2416
¿Cómo se utilizan los datos
para hacernos mejores?
para hacernos mejores?
05:01
Alright, chances are someone here,
someone watching this
someone watching this
88
289120
3336
Bien, lo más probable es que
alguien aquí, viendo esto,
alguien aquí, viendo esto,
05:04
has seen a therapist or a shrink
at some point in time in your life --
at some point in time in your life --
89
292480
3576
haya visitado un terapeuta o un
psiquiatra en algún momento en su vida...
psiquiatra en algún momento en su vida...
05:08
you do not have to raise your hand.
90
296080
1667
no tienen que levantar la mano.
05:09
(Laughter)
91
297771
1605
(Risas)
05:11
How do you know that person's any good?
92
299400
2256
¿Cómo saben que esa persona es buena?
05:13
Oh, they have a degree
from Harvard on the wall?
from Harvard on the wall?
93
301680
2256
Ah, ¿tienen un grado de
Harvard en la pared?
Harvard en la pared?
05:15
Are you sure he didn't graduate
in the bottom 10 percent?
in the bottom 10 percent?
94
303960
2667
¿Están seguros de que no se graduó
en el 10 % inferior?
en el 10 % inferior?
05:18
(Laughter)
95
306651
1405
(Risas)
Cuando con mi marido
fuimos a un consejero matrimonial,
fuimos a un consejero matrimonial,
05:20
When my husband and I
saw a marriage counselor,
saw a marriage counselor,
96
308080
2216
05:22
I thought she was a genius when she said,
97
310320
1953
pensé que era un genio cuando dijo:
05:24
"I'll see you guys in two weeks --
but I need to see you next week, sir."
but I need to see you next week, sir."
98
312297
3439
"Los veré en 2 semanas... pero señor,
necesito verlo la próxima semana".
necesito verlo la próxima semana".
05:27
(Laughter)
99
315760
2656
(Risas)
05:30
We have the data to know
what makes a great counselor.
what makes a great counselor.
100
318440
2920
Tenemos los datos para saber
lo que hace un gran consejero.
lo que hace un gran consejero.
05:33
We know that if you text
the words "numbs" and "sleeve,"
the words "numbs" and "sleeve,"
101
321760
4896
Sabemos que si envían las
palabras "adormecido" y "manga"
palabras "adormecido" y "manga"
05:38
there's a 99 percent match for cutting.
102
326680
3136
hay un de 99 % de que se corten.
05:41
We know that if you text
in the words "mg" and "rubber band,"
in the words "mg" and "rubber band,"
103
329840
4816
Sabemos que si envía en texto
las palabras "mg" y "goma elástica"
las palabras "mg" y "goma elástica"
05:46
there's a 99 percent match
for substance abuse.
for substance abuse.
104
334680
3280
hay un 99 % para abuso de sustancias.
05:50
And we know that if you text in
"sex," "oral" and "Mormon,"
"sex," "oral" and "Mormon,"
105
338760
5336
Y sabemos que si envía
"sexo", "oral" y "mormón"
"sexo", "oral" y "mormón"
05:56
you're questioning if you're gay.
106
344120
1760
se está cuestionando si es gay.
05:59
Now that's interesting information
that a counselor could figure out
that a counselor could figure out
107
347440
3216
Esa es información interesante
que un consejero puede averiguar
que un consejero puede averiguar
06:02
but that algorithm in our hands
means that an automatic pop-up says,
means that an automatic pop-up says,
108
350680
4136
pero nuestro algoritmo hace que
unas ventanas emergentes digan:
unas ventanas emergentes digan:
06:06
"99 percent match for cutting --
try asking one of these questions"
try asking one of these questions"
109
354840
4376
"99 % para cortes, intente hacer
una de estas preguntas"
una de estas preguntas"
06:11
to prompt the counselor.
110
359240
1336
para afinar al consejero.
06:12
Or "99 percent match for substance abuse,
111
360600
2776
O "99 % para el abuso de sustancias,
06:15
here are three drug clinics
near the texter."
near the texter."
112
363400
3640
aquí hay 3 clínicas de drogas
cerca del redactor de textos".
cerca del redactor de textos".
06:19
It makes us more accurate.
113
367560
1680
Nos hace más precisos.
06:22
On the day that Robin Williams
committed suicide,
committed suicide,
114
370240
2736
El día en que Robin Williams se suicidó,
06:25
people flooded hotlines
all over this country.
all over this country.
115
373000
2256
se inundaron
las líneas en todo el país.
las líneas en todo el país.
06:27
It was sad to see an icon,
a funnyman, commit suicide,
a funnyman, commit suicide,
116
375280
4256
Fue triste ver a un icono,
un comediante, que se suicida,
un comediante, que se suicida,
06:31
and there were three hour wait times
on every phone hotline in the country.
on every phone hotline in the country.
117
379560
3696
y hubo tiempos de 3 horas de espera
en cada línea telefónica en el país.
en cada línea telefónica en el país.
06:35
We had a spike in volume also.
118
383280
2336
Tuvimos un aumento en volumen también.
06:37
The difference was
119
385640
1256
La diferencia fue
06:38
if you text us, "I want to die,"
or "I want to kill myself,"
or "I want to kill myself,"
120
386920
3936
que si su texto era, "Quiero morir",
o "Quiero matarme"
o "Quiero matarme"
06:42
the algorithm reads that,
you're code orange,
you're code orange,
121
390880
3456
el algoritmo lee eso,
lo pone en código naranja,
lo pone en código naranja,
06:46
and you become number one in the queue.
122
394360
2176
y lo convierte en número uno en la cola.
06:48
So we can handle severity,
not chronological.
not chronological.
123
396560
3096
Así que podemos manejar por gravedad,
no cronológicamente.
no cronológicamente.
06:51
(Applause)
124
399680
5136
(Aplausos)
06:56
This data is also making the world better
125
404840
2336
Estos datos también
están haciendo un mundo mejor
están haciendo un mundo mejor
06:59
because I'm sitting on the world's
first map of real-time crises.
first map of real-time crises.
126
407200
5496
porque estoy sentada en el primer mapa
mundial de crisis en tiempo real.
mundial de crisis en tiempo real.
07:04
Think about it:
127
412720
1216
Piensen en ello:
07:05
those 6.5 million messages, auto-tagging
through natural language processes,
through natural language processes,
128
413960
4376
los 6.5 millones de mensajes, etiquetados
a través de procesos de lenguaje natural,
a través de procesos de lenguaje natural,
07:10
all of these data points --
129
418360
1496
todos estos puntos de datos...
07:11
I can tell you that the worst day
of the week for eating disorders: Monday.
of the week for eating disorders: Monday.
130
419880
4880
les puedo decir el peor día para
trastornos alimentarios: el lunes.
trastornos alimentarios: el lunes.
07:17
The worst time of day
for substance abuse: 5am.
for substance abuse: 5am.
131
425880
4040
El peor momento del día
para el abuso de sustancias: 5 am.
para el abuso de sustancias: 5 am.
07:22
And that Montana is
a beautiful place to visit
a beautiful place to visit
132
430880
2456
Y que Montana es
un lugar hermoso para visitar
un lugar hermoso para visitar
07:25
but you do not want to live there,
133
433360
1776
pero uno no quiere vivir allá,
07:27
because it is the number one state
for suicidal ideation.
for suicidal ideation.
134
435160
3560
porque es el estado número uno
para la ideación suicida.
para la ideación suicida.
07:31
And we've made this data public
and free and open.
and free and open.
135
439920
3896
Y hemos hecho públicos estos datos,
gratuita y abiertamente.
gratuita y abiertamente.
07:35
We've pulled all the personally
identifiable information.
identifiable information.
136
443840
3096
Hemos quitado toda información
de identificación personal.
de identificación personal.
07:38
And it's in a place
called CrisisTrends.org.
called CrisisTrends.org.
137
446960
3256
Y es un lugar llamado CrisisTrends.org.
07:42
Because I want schools to be able to see
138
450240
5336
Porque quiero que las escuelas puedan ver
07:47
that Monday is the worst day
for eating disorders,
for eating disorders,
139
455600
2336
que el lunes es el peor día para
los trastornos alimentarios,
los trastornos alimentarios,
07:49
so that they can plan meals
140
457960
1856
para que puedan planificar las comidas
07:51
and guidance counselors
to be there on Mondays.
to be there on Mondays.
141
459840
2416
y tener orientadores los lunes.
07:54
And I want families to see that
substance abuse questions spike at 5am.
substance abuse questions spike at 5am.
142
462280
4736
Quiero que las familias puedan ver que el
pico de abuso de sustancias es las 5 am.
pico de abuso de sustancias es las 5 am.
07:59
I want somebody to take care of those
Native American reservations in Montana.
Native American reservations in Montana.
143
467040
4280
Quiero a alguien para cuidar de esas
Reservas Indígenas en Montana.
Reservas Indígenas en Montana.
08:03
(Applause)
144
471960
2056
(Aplausos)
08:06
Data, evidence
145
474040
2280
Datos, evidencia
08:08
makes policy, research,
146
476960
2096
hacer política, investigación,
08:11
journalism, policing, school boards --
everything better.
everything better.
147
479080
4176
periodismo, policía, consejos escolares...
todo mejor.
todo mejor.
08:15
I don't think of myself
as a mental health activist.
as a mental health activist.
148
483280
3376
No creo en mí misma
como un activista de salud mental.
como un activista de salud mental.
08:18
I think of myself
as a national health activist.
as a national health activist.
149
486680
4136
Pienso en mí misma
como un activista nacional de salud.
como un activista nacional de salud.
08:22
I get really excited about this data,
I'm a little nerdy.
I'm a little nerdy.
150
490840
2880
Me entusiasmo mucho
con estos datos; soy un poco nerd.
con estos datos; soy un poco nerd.
08:26
Yeah, that sounded too girly.
151
494480
1656
Sí, eso sonó demasiado femenino.
08:28
I'm nerdy.
152
496160
1416
Soy nerd.
08:29
(Laughter)
153
497600
1496
(Risas)
08:31
I love data.
154
499120
1960
Me encantan los datos.
08:34
And the only difference really between me
and those people in hoodies down the road
and those people in hoodies down the road
155
502120
5696
Y la única diferencia realmente entre yo
y esa gente en sudaderas en la vía
y esa gente en sudaderas en la vía
08:39
with their fat-funded companies,
156
507840
2016
con sus empresas de capital de grasa,
08:41
is that I'm not inspired by helping you
find Chinese food at 2am in Dallas,
find Chinese food at 2am in Dallas,
157
509880
5816
es que no me inspira ayudarle a encontrar
comida china a las 2 am en Dallas,
comida china a las 2 am en Dallas,
08:47
or helping you touch your wrist
and get a car immediately,
and get a car immediately,
158
515720
4016
o ayudar a chasquear los dedos
y obtener un auto de inmediato,
y obtener un auto de inmediato,
08:51
or swipe right and get laid.
159
519760
1856
o pasarla bien y acostarte.
08:53
I'm inspired --
160
521640
1375
Estoy inspirada...
08:55
(Laughter, applause)
161
523039
5777
(Risas, aplausos)
09:00
I want to use tech and data
to make the world a better place.
to make the world a better place.
162
528840
4576
quiero utilizar la tecnología y los datos
para hacer del mundo un lugar mejor.
para hacer del mundo un lugar mejor.
09:05
I want to use it to help that girl,
163
533440
1696
Quiero ayudar a esa chica,
09:07
who texted in about
being raped by her father.
being raped by her father.
164
535160
2280
que envió un texto sobre
haber sido violada por su padre.
haber sido violada por su padre.
09:09
Because the truth is
we never heard from her again.
we never heard from her again.
165
537800
2496
Porque no hemos escuchado más de ella.
09:12
And I hope that she is
somewhere safe and healthy,
somewhere safe and healthy,
166
540320
4696
Y espero que ella esté
en algún lugar seguro y saludable,
en algún lugar seguro y saludable,
09:17
and I hope that she sees this talk
167
545040
2256
y espero que ella vea esta charla
09:19
and she knows that her desperation
168
547320
2616
y sepa que su desesperación
09:21
and her courage inspired
the creation of Crisis Text Line
the creation of Crisis Text Line
169
549960
3936
y su coraje inspiró la creación
de la Línea de Texto de Crisis
de la Línea de Texto de Crisis
09:25
and inspires me every freaking day.
170
553920
2400
y me inspira cada maldito día.
09:28
(Applause)
171
556760
7000
(Aplausos)
ABOUT THE SPEAKER
Nancy Lublin - ActivistAs the CEO and Founder of Crisis Text Line, Nancy Lublin is using technology and data to help save lives.
Why you should listen
Nancy Lublin is Founder and CEO of Crisis Text Line, the nations first free, 24/7 text line for people in crisis. To date, almost 10 million text messages have come through the text line.
Nancy recently left her post as CEO of DoSomething.org, one of the largest global organizations for young people and social change. Previously, she founded Dress for Success, the organization that helps women transition from welfare to work.
Nancy Lublin | Speaker | TED.com