TED@IBM
Eric Berridge: Why tech needs the humanities
اریک بریج: چرا فناوری به علوم انسانی نیاز دارد
Filmed:
Readability: 4.6
1,226,683 views
اگر می‌خواهید یک تیم از افراد مشکل‌گشای نوآور تشکیل دهید، باید همان اندازه برای علوم انسانی ارزش قائل شوید که برای علوم پایه و فنی قائل هستید. این را کارآفرین، اریک بریج می‌گوید. او توضیح می‌دهد که چرا شرکت‌های فناوری باید در استخدام افراد جدید، فراتر از رشته‌های علوم، فناوری، مهندسی و ریاضیات را در نظر داشته باشند -- و چگونه افرادی با سابقه هنر و علوم انسانی می‌توانند خلاقیت و بینش را به محل‌های کار فنی بیاورند.
Eric Berridge - Entrepreneur
Eric Berridge is an entrepreneurial humanist who believes our society is overly obsessed with STEM. Full bio
Eric Berridge is an entrepreneurial humanist who believes our society is overly obsessed with STEM. Full bio
Double-click the English transcript below to play the video.
00:12
You've all been in a bar, right?
0
647
2242
همه شما به بار رفته‌اید، درست است؟
00:14
(Laughter)
1
2913
1491
(خنده)
00:16
But have you ever gone to a bar
2
4759
2694
اما آیا تا به حال شده به یک بار بروید
00:19
and come out with a $200 million business?
3
7477
2952
و با یک کسب‌وکار۲۰۰ میلیون دلاری برگردید؟
00:24
That's what happened to us
about 10 years ago.
about 10 years ago.
4
12276
2280
این اتفاقی است که ۱۰
سال پیش برای ما افتاد.
سال پیش برای ما افتاد.
00:27
We'd had a terrible day.
5
15445
1705
روز بسیار بدی داشتیم.
00:30
We had this huge client
that was killing us.
that was killing us.
6
18012
4064
یک مشتری خیلی بزرگ داشتیم
که خیلی اذیت‌مان می‌کرد.
که خیلی اذیت‌مان می‌کرد.
00:34
We're a software consulting firm,
7
22100
2604
ما یک شرکت مشاوره نرم‌افزاری هستیم،
00:36
and we couldn't find
a very specific programming skill
a very specific programming skill
8
24728
2982
و نمی‌توانستیم یک مهارت
خاص برنامه‌نویسی پیدا کنیم
خاص برنامه‌نویسی پیدا کنیم
00:39
to help this client deploy
a cutting-edge cloud system.
a cutting-edge cloud system.
9
27734
3158
تا به این مشتری برای توسعه یک
سیستم ابری پیشرفته کمک کنیم.
سیستم ابری پیشرفته کمک کنیم.
ما تعدادی مهندس داریم،
00:43
We have a bunch of engineers,
10
31798
1421
00:45
but none of them could please this client.
11
33243
2594
اما هیچ یک از آن‌ها قادر به
راضی کردن این مشتری نبودند.
راضی کردن این مشتری نبودند.
00:49
And we were about to be fired.
12
37274
1657
و نزدیک بود اخراج شویم.
00:51
So we go out to the bar,
13
39888
2335
پس به یک بار رفتیم،
00:54
and we're hanging out
with our bartender friend Jeff,
with our bartender friend Jeff,
14
42247
4047
و در حال گپ زدن با دوستمان جِف
بودیم که متصدی بار بود،
بودیم که متصدی بار بود،
و او کاری را می‌کرد که همه
متصدیان خوب بار انجام می‌دهند:
متصدیان خوب بار انجام می‌دهند:
00:58
and he's doing
what all good bartenders do:
what all good bartenders do:
15
46318
2001
01:00
he's commiserating with us,
making us feel better,
making us feel better,
16
48343
3022
به ما دلداری می‌داد، کاری
می‌کرد که احساس بهتری
می‌کرد که احساس بهتری
01:03
relating to our pain,
17
51389
2292
نسبت به دردمان داشته باشیم،
01:05
saying, "Hey, these guys
are overblowing it.
are overblowing it.
18
53705
2048
می‌گفت: «هی، این بچه‌ها
زیادی بزرگش می‌کنند.
زیادی بزرگش می‌کنند.
01:07
Don't worry about it."
19
55777
1183
نگرانش نباشید.»
01:08
And finally, he deadpans us and says,
20
56984
2214
و در آخر، با چهره جدی اما به شوخی گفت:
01:11
"Why don't you send me in there?
21
59222
2293
«چرا من را به آنجا
[شرکت مشتری] نمی‌فرستید؟
[شرکت مشتری] نمی‌فرستید؟
01:13
I can figure it out."
22
61539
1507
من می‌توانم سر از کارشان در بیاورم.»
01:15
So the next morning,
we're hanging out in our team meeting,
we're hanging out in our team meeting,
23
63585
3081
صبح روز بعد، ما مشغول گپ زدن
در جلسه گروهمان بودیم،
در جلسه گروهمان بودیم،
01:19
and we're all a little hazy ...
24
67901
2555
و همه کمی گیج بودیم ...
01:22
(Laughter)
25
70480
1150
(خنده)
01:24
and I half-jokingly throw it out there.
26
72504
2120
و من کمی به شوخی آن حرف
را آنجا مطرح کردم.
را آنجا مطرح کردم.
01:26
I say, "Hey, I mean,
we're about to be fired."
we're about to be fired."
27
74648
2584
گفتم: «هی، ما نزدیک است اخراج شویم.»
01:29
So I say,
28
77256
1302
بعد گفتم،
01:30
"Why don't we send in
Jeff, the bartender?"
Jeff, the bartender?"
29
78582
2082
«چرا جف متصدی بار را معرفی نکنیم؟»
01:32
(Laughter)
30
80688
3077
(خنده)
01:35
And there's some silence,
some quizzical looks.
some quizzical looks.
31
83789
4061
بعد از آن، کمی سکوت و نگاه‌های متعجب.
01:39
Finally, my chief of staff says,
"That is a great idea."
"That is a great idea."
32
87874
3542
در پایان، مدیر کارکنان‌مان گفت،
«ایده خیلی خوبی است.»
«ایده خیلی خوبی است.»
01:43
(Laughter)
33
91440
1737
(خنده)
01:45
"Jeff is wicked smart. He's brilliant.
34
93201
2094
جف باهوش است. او بااستعداد است.
01:48
He'll figure it out.
35
96168
1150
سر از کارشان در می‌آورد.
01:50
Let's send him in there."
36
98328
1413
بیایید او را معرفی کنیم.»
01:52
Now, Jeff was not a programmer.
37
100189
2526
خُب، جف یک برنامهنویس نبود.
01:54
In fact, he had dropped out of Penn
as a philosophy major.
as a philosophy major.
38
102739
3889
در واقع، وقتی فلسفه می‌خواند از
دانشگاه پنسیلوانیا اخراج شده بود.
دانشگاه پنسیلوانیا اخراج شده بود.
01:59
But he was brilliant,
39
107491
1994
ولی بااستعداد بود،
02:01
and he could go deep on topics,
40
109509
2627
و می‌توانست به عمق موضوعات برود،
02:04
and we were about to be fired.
41
112160
2032
و ما نزدیک بود اخراج شویم.
02:06
So we sent him in.
42
114216
1150
پس ما او را معرفی کردیم.
02:09
After a couple days of suspense,
43
117839
1986
پس از چند روز بلاتکلیفی،
02:11
Jeff was still there.
44
119849
2157
جف همچنان آنجا بود.
02:15
They hadn't sent him home.
45
123002
2140
آن‌ها هنوز او را اخراج نکرده بودند.
02:17
I couldn't believe it.
46
125166
2066
من نمی‌توانستم باور کنم.
02:19
What was he doing?
47
127256
1491
چه کار می‌کرد؟
02:21
Here's what I learned.
48
129281
1150
این چیزی است که یاد گرفتم.
02:23
He had completely disarmed
their fixation on the programming skill.
their fixation on the programming skill.
49
131318
4210
او کاملاً وابستگی آن‌ها را
به مهارت برنامه‌نویسی از بین برد.
به مهارت برنامه‌نویسی از بین برد.
و بحث را عوض کرد،
02:29
And he had changed the conversation,
50
137004
2921
حتی چیزی که ما در حال
ساختنش بودیم را عوض کرد.
ساختنش بودیم را عوض کرد.
02:31
even changing what we were building.
51
139949
2016
02:33
The conversation was now
about what we were going to build and why.
about what we were going to build and why.
52
141989
4552
بحث حالا این بود که ما
چه چیزی می‌سازیم و چرا؟
چه چیزی می‌سازیم و چرا؟
02:41
And yes, Jeff figured out
how to program the solution,
how to program the solution,
53
149059
5358
و بله، جف فهمید چگونه مشکل را حل کند،
02:46
and the client became
one of our best references.
one of our best references.
54
154441
2365
و آن مشتری به یکی از بهترین
معرف‌های ما تبدیل شد.
معرف‌های ما تبدیل شد.
آن زمان، ما ۲۰۰ نفر بودیم،
02:50
Back then, we were 200 people,
55
158782
1977
02:52
and half of our company was made up
of computer science majors or engineers,
of computer science majors or engineers,
56
160783
6320
و نصف شرکت ما را فارغ‌التحصیلان
علوم کامپیوتر یا مهندسان تشکیل می‌دادند،
علوم کامپیوتر یا مهندسان تشکیل می‌دادند،
02:59
but our experience with Jeff
left us wondering:
left us wondering:
57
167127
2261
اما تجربه ما با جف، موجب شد بپرسیم:
03:02
Could we repeat this through our business?
58
170627
2071
آیا می‌توانیم آن را در
کسب‌وکارمان تکرار کنیم؟
کسب‌وکارمان تکرار کنیم؟
03:06
So we changed the way
we recruited and trained.
we recruited and trained.
59
174017
4261
پس روش استخدام و آموزشمان را تغییر دادیم.
03:11
And while we still sought after computer
engineers and computer science majors,
engineers and computer science majors,
60
179766
5984
و در حالی که همچنان به دنبال
مهندسان کامپیوتر و علوم کامپیوتر بودیم،
مهندسان کامپیوتر و علوم کامپیوتر بودیم،
03:17
we sprinkled in artists,
musicians, writers ...
musicians, writers ...
61
185774
4976
هنرمندان، موزیسین‌ها و نویسندگان
را نیز استخدام کردیم ...
را نیز استخدام کردیم ...
03:24
and Jeff's story started to multiply
itself throughout our company.
itself throughout our company.
62
192818
4374
و داستان جف چندین بار
در شرکت ما تکرار شد.
در شرکت ما تکرار شد.
03:29
Our chief technology officer
is an English major,
is an English major,
63
197216
3333
مدیر ارشد فناوری ما
دانش‌آموخته زبان انگلیسی است،
دانش‌آموخته زبان انگلیسی است،
03:34
and he was a bike messenger in Manhattan.
64
202168
2214
و قبلاً یک پیک دوچرخه‌ای در منهتن بود.
03:38
And today, we're a thousand people,
65
206680
1946
و امروزه، ما هزار نفریم،
03:41
yet still less than a hundred have degrees
in computer science or engineering.
in computer science or engineering.
66
209935
5452
و هنوز کمتر از صد نفرمان مدرک
علوم کامپیوتر یا مهندسی دارند.
علوم کامپیوتر یا مهندسی دارند.
و بله، ما هنوز یک شرکت
مشاوره کامپیوتری هستیم.
مشاوره کامپیوتری هستیم.
03:48
And yes, we're still
a computer consulting firm.
a computer consulting firm.
67
216984
3183
03:52
We're the number one player in our market.
68
220191
2126
ما یک شرکت درجه اول در بازارمان هستیم.
03:54
We work with the fastest-growing
software package
software package
69
222341
2353
کار ما مربوط به بسته‌های نرم‌افزاری
با سریعترین رشد است
با سریعترین رشد است
03:56
to ever reach 10 billion dollars
in annual sales.
in annual sales.
70
224718
2293
که فروش سالانه آن‌ها
به ۱۰ میلیارد دلار می‌رسد.
به ۱۰ میلیارد دلار می‌رسد.
04:01
So it's working.
71
229015
1626
پس این جواب می‌دهد.
04:05
Meanwhile, the push for STEM-based
education in this country --
education in this country --
72
233426
5731
در همین حال، فشار برای آموزش
رشته‌های STEM در این کشور --
رشته‌های STEM در این کشور --
04:11
science, technology,
engineering, mathematics --
engineering, mathematics --
73
239181
3334
[مخفف] علوم، فناوری، مهندسی، ریاضیات --
04:14
is fierce.
74
242539
1212
بسیار زیاد است.
04:15
It's in all of our faces.
75
243775
1880
همه ما این را می‌بینیم.
04:18
And this is a colossal mistake.
76
246355
1674
و این یک اشتباه بزرگ است.
04:21
Since 2009, STEM majors
in the United States
in the United States
77
249707
4229
از سال ۲۰۰۹، دانشجویان
STEM در ایالات متحده
STEM در ایالات متحده
04:25
have increased by 43 percent,
78
253960
2056
به میزان ۴۳ درصد افزایش یافته‌اند،
04:28
while the humanities have stayed flat.
79
256040
2428
در حالی که دانشجویان
علوم انسانی ثابت باقی مانده‌اند.
علوم انسانی ثابت باقی مانده‌اند.
04:30
Our past president
80
258492
1365
رئیس‌جمهور قبلی ما
04:33
dedicated over a billion dollars
towards STEM education
towards STEM education
81
261047
3503
بیش از یک میلیارد دلار به آموزش
رشته‌های STEM اختصاص داد
رشته‌های STEM اختصاص داد
04:36
at the expense of other subjects,
82
264574
2839
به قیمت کاهش بودجه رشته‌های دیگر،
04:39
and our current president
83
267437
2876
و رئیس‌جمهور فعلی ما
04:42
recently redirected 200 million dollars
of Department of Education funding
of Department of Education funding
84
270337
4867
اخیراً ۲۰۰ میلیون دلار
از بودجه وزارت آموزش را
از بودجه وزارت آموزش را
04:47
into computer science.
85
275228
1469
به علوم کامپیوتر هدایت کرده است.
04:49
And CEOs are continually complaining
about an engineering-starved workforce.
about an engineering-starved workforce.
86
277788
6381
و مدیران شرکت‌ها دائماً از کمبود
نیروی کار مهندس شکایت می‌کنند.
نیروی کار مهندس شکایت می‌کنند.
04:57
These campaigns,
87
285717
1445
این اقدامات سیاسی،
به همراه موفقیت انکارناپذیر
اقتصاد فناوری‌محور --
اقتصاد فناوری‌محور --
05:00
coupled with the undeniable success
of the tech economy --
of the tech economy --
88
288583
3548
منظورم این است که،
باید با آن مواجه شویم،
باید با آن مواجه شویم،
05:04
I mean, let's face it,
89
292155
1248
05:05
seven out of the 10 most valuable
companies in the world by market cap
companies in the world by market cap
90
293427
5508
از ۱۰ شرکت برتر جهان
از نظر ارزش بازار، هفت شرکت
از نظر ارزش بازار، هفت شرکت
05:10
are technology firms --
91
298959
1511
شرکت‌های فناوری‌محور هستند --
05:13
these things create an assumption
92
301662
1976
این چیزها، یک فرضیه را به وجود می‌آورند
05:16
that the path of our future workforce
will be dominated by STEM.
will be dominated by STEM.
93
304805
4214
که مسیر نیروی کار در آینده، عمدتاً
در دست رشته‌های STEM است.
در دست رشته‌های STEM است.
05:24
I get it.
94
312583
1150
من متوجه می‌شوم.
05:26
On paper, it makes sense.
95
314692
1621
بر روی کاغذ منطقی است.
05:29
It's tempting.
96
317498
1212
وسوسه کننده است.
05:33
But it's totally overblown.
97
321597
1933
اما کاملاً اغراق‌آمیز است.
05:35
It's like, the entire soccer team
chases the ball into the corner,
chases the ball into the corner,
98
323554
6051
مثل این است که همه یک تیم فوتبال،
به دنبال توپ در گوشه زمین بروند،
به دنبال توپ در گوشه زمین بروند،
05:41
because that's where the ball is.
99
329629
1778
چون توپ در آن‌جاست.
05:44
We shouldn't overvalue STEM.
100
332841
2246
ما نباید به رشته‌های STEM
بیش از حد ارزش بدهیم.
بیش از حد ارزش بدهیم.
05:48
We shouldn't value the sciences
any more than we value the humanities.
any more than we value the humanities.
101
336133
3573
ما نباید برای این علوم بیشتر از
علوم انسانی ارزش قائل شویم.
علوم انسانی ارزش قائل شویم.
05:52
And there are a couple of reasons.
102
340544
1722
و دو دلیل برای آن وجود دارد.
05:55
Number one, today's technologies
are incredibly intuitive.
are incredibly intuitive.
103
343058
5986
اول، فناوری‌های امروزه بسیار
بر پایه احساسات هستند.
بر پایه احساسات هستند.
06:01
The reason we've been able
to recruit from all disciplines
to recruit from all disciplines
104
349068
4000
دلیل این که ما قادر بودیم
از تمام رشته‌ها استخدام کنیم
از تمام رشته‌ها استخدام کنیم
06:05
and swivel into specialized skills
105
353092
2119
و از آن‌ها برای رسیدن به
مهارت‌های تخصصی استفاده کنیم
مهارت‌های تخصصی استفاده کنیم
06:08
is because modern systems
can be manipulated without writing code.
can be manipulated without writing code.
106
356377
4754
به این دلیل است که سیستم‌های مدرن
می‌توانند بدون برنامه‌نویسی مدیریت شوند.
می‌توانند بدون برنامه‌نویسی مدیریت شوند.
06:13
They're like LEGO: easy to put together,
easy to learn, even easy to program,
easy to learn, even easy to program,
107
361155
5854
آن‌ها مثل لگو هستند: ساختن، یادگیری
وحتی برنامه‌نویسی آن‌ها آسان است،
وحتی برنامه‌نویسی آن‌ها آسان است،
06:19
given the vast amounts of information
that are available for learning.
that are available for learning.
108
367033
3491
با توجه به اطلاعات زیادی
که برای یادگیری وجود دارند.
که برای یادگیری وجود دارند.
06:23
Yes, our workforce
needs specialized skill,
needs specialized skill,
109
371173
2835
بله، کارمندان ما به مهارت
تخصصی نیاز دارند،
تخصصی نیاز دارند،
06:27
but that skill requires a far less
rigorous and formalized education
rigorous and formalized education
110
375242
4794
اما این مهارت، نیازمند آموزش
سخت‌گیرانه و رسمی بسیار کمتری است
سخت‌گیرانه و رسمی بسیار کمتری است
06:32
than it did in the past.
111
380060
1856
نسبت به آنچه که در گذشته وجود داشت.
06:34
Number two, the skills
that are imperative and differentiated
that are imperative and differentiated
112
382876
5739
دوم، مهارت‌های ضروری و متمایز
06:40
in a world with intuitive technology
113
388639
3149
در جهانی با فناوری‌های مبتنی بر احساسات،
06:43
are the skills that help us
to work together as humans,
to work together as humans,
114
391812
3587
مهارت‌هایی هستند که به ما کمک می‌کنند
با یکدیگر به عنوان انسان همکاری کنیم،
با یکدیگر به عنوان انسان همکاری کنیم،
06:49
where the hard work
is envisioning the end product
is envisioning the end product
115
397184
3984
در حالی که کار سخت،
محصول نهایی را مجسم می‌کند
محصول نهایی را مجسم می‌کند
06:54
and its usefulness,
116
402193
1492
و سودمندی آن را،
06:55
which requires real-world experience
and judgment and historical context.
and judgment and historical context.
117
403709
6214
که نیازمند تجربه واقعی،
قضاوت و زمینه تاریخی است.
قضاوت و زمینه تاریخی است.
07:03
What Jeff's story taught us
118
411232
2286
چیزی که داستان جف به ما آموخت
07:05
is that the customer
was focused on the wrong thing.
was focused on the wrong thing.
119
413542
3531
این بود که مشتری ما بر روی
چیز اشتباهی تمرکز کرده بود.
چیز اشتباهی تمرکز کرده بود.
07:10
It's the classic case:
120
418160
1507
همان داستان قدیمی است:
07:12
the technologist struggling to communicate
with the business and the end user,
with the business and the end user,
121
420661
4262
متخصصان فناوری تلاش می‌کنند که با
کسب‌وکار و کاربر نهایی ارتباط برقرار کنند،
کسب‌وکار و کاربر نهایی ارتباط برقرار کنند،
07:16
and the business failing
to articulate their needs.
to articulate their needs.
122
424947
4186
و کسب‌وکارها هم نمی‌توانند
نیاز‌های خود را درست بیان کنند.
نیاز‌های خود را درست بیان کنند.
07:22
I see it every day.
123
430033
1706
من هر روز این را می‌بینم.
07:25
We are scratching the surface
124
433448
1922
تنها بخشی از فعالیت‌های ما
07:27
in our ability as humans
to communicate and invent together,
to communicate and invent together,
125
435394
4809
در توانایی‌مان به عنوان انسان برای
برقراری ارتباط و اختراع با هم خلاصه می‌شود
برقراری ارتباط و اختراع با هم خلاصه می‌شود
07:32
and while the sciences teach us
how to build things,
how to build things,
126
440227
4580
و در حالی که علوم پایه و فنی به ما
می‌آموزند چگونه چیزها را بسازیم،
می‌آموزند چگونه چیزها را بسازیم،
07:36
it's the humanities that teach us
what to build and why to build them.
what to build and why to build them.
127
444831
5410
این علوم انسانی است که به ما یاد می‌دهد
چه چیزی بسازیم و چرا آن‌ها را بسازیم.
چه چیزی بسازیم و چرا آن‌ها را بسازیم.
07:43
And they're equally as important,
128
451612
2604
و آن‌ها همان اندازه مهم هستند،
07:46
and they're just as hard.
129
454240
1507
و همان اندازه دشوار هستند.
07:50
It irks me ...
130
458476
1995
این من را آزار می‌دهد ...
07:54
when I hear people
treat the humanities as a lesser path,
treat the humanities as a lesser path,
131
462532
5493
زمانی که که می‌شنوم مردم
علوم انسانی را کم‌اهمیت‌تر می‌دانند،
علوم انسانی را کم‌اهمیت‌تر می‌دانند،
08:00
as the easier path.
132
468049
1184
آسان‌تر می‌دانند.
08:01
Come on!
133
469840
1150
بی‌خیال!
08:04
The humanities give us
the context of our world.
the context of our world.
134
472258
4150
علوم انسانی، چارچوب
جهان را به ما نشان می‌دهند.
جهان را به ما نشان می‌دهند.
08:10
They teach us how to think critically.
135
478573
3437
به ما می‌آموزند چگونه منتقدانه فکر کنیم.
08:14
They are purposely unstructured,
136
482034
1969
آن‌ها عمداً ساختارنیافته هستند،
08:16
while the sciences
are purposely structured.
are purposely structured.
137
484027
2546
در حالی که علوم پایه و فنی
عمداً ساختاریافته هستند.
عمداً ساختاریافته هستند.
08:19
They teach us to persuade,
they give us our language,
they give us our language,
138
487745
3588
آن‌ها [علوم انسانی] متقاعد کردن را
به ما می‌آموزند، زبانی به ما می‌دهند
به ما می‌آموزند، زبانی به ما می‌دهند
08:23
which we use to convert our emotions
to thought and action.
to thought and action.
139
491357
6839
که می‌توانیم از آن برای تبدیل کردن
احساساتمان به اندیشه و عمل استفاده کنیم.
احساساتمان به اندیشه و عمل استفاده کنیم.
08:32
And they need to be
on equal footing with the sciences.
on equal footing with the sciences.
140
500267
4264
و آن‌ها باید هم‌تراز با
علوم پایه و فنی باشند.
علوم پایه و فنی باشند.
08:36
And yes, you can hire a bunch of artists
141
504555
3992
و بله، شما می‌توانید
تعدادی هنرمند استخدام کنید
تعدادی هنرمند استخدام کنید
08:40
and build a tech company
142
508571
1333
و یک شرکت فناوری بسازید
08:43
and have an incredible outcome.
143
511166
1770
و درآمدی فوق‌العاده داشته باشید.
08:46
Now, I'm not here today
to tell you that STEM's bad.
to tell you that STEM's bad.
144
514616
4722
حالا، من اینجا نیستم که به شما
بگویم رشته‌های STEM بد هستند.
بگویم رشته‌های STEM بد هستند.
08:52
I'm not here today
to tell you that girls shouldn't code.
to tell you that girls shouldn't code.
145
520778
3984
من امروز اینجا نیامدم که بگویم
دخترها نباید برنامه‌نویسی کنند.
دخترها نباید برنامه‌نویسی کنند.
08:57
(Laughter)
146
525111
1039
(خنده)
08:58
Please.
147
526174
1150
خواهش میکنم.
09:00
And that next bridge I drive over
148
528355
2568
و پل بعدی که روی آن رانندگی میکنم
09:02
or that next elevator we all jump into --
149
530947
3550
یا آسانسور بعدی که همه سوارش می‌شویم --
09:07
let's make sure
there's an engineer behind it.
there's an engineer behind it.
150
535602
2207
بیایید مطمئن شویم یک مهندس
آن را طراحی کرده.
آن را طراحی کرده.
09:09
(Laughter)
151
537833
3642
(خنده)
09:14
But to fall into this paranoia
152
542233
3295
ولی گرفتار این توهم شدن
09:17
that our future jobs
will be dominated by STEM,
will be dominated by STEM,
153
545552
4872
که شغل‌های آینده ما عمدتاً
در اختیار رشته‌های STEM است،
در اختیار رشته‌های STEM است،
09:22
that's just folly.
154
550448
1635
فقط احمقانه است.
09:24
If you have friends or kids
or relatives or grandchildren
or relatives or grandchildren
155
552526
4091
اگر دوستان یا بچه‌ها
یا خویشاوندان یا نوه‌ها
یا خویشاوندان یا نوه‌ها
09:28
or nieces or nephews ...
156
556641
1799
یا خواهرزاده‌ها
یا برادرزاده‌هایی دارید ...
یا برادرزاده‌هایی دارید ...
09:30
encourage them to be
whatever they want to be.
whatever they want to be.
157
558464
3150
آن‌ها را تشویق کنید که
هر چه می‌خواهند باشند.
هر چه می‌خواهند باشند.
09:34
(Applause)
158
562336
6896
(تشویق)
09:41
The jobs will be there.
159
569607
2015
برای آن‌ها شغل‌هایی وجود خواهد داشت.
09:45
Those tech CEOs
160
573741
1477
مدیرعامل‌های شرکت‌های فناوری
09:48
that are clamoring for STEM grads,
161
576235
3334
که سخت به دنبال دانش‌آموختگان
رشته‌های STEM هستند،
رشته‌های STEM هستند،
09:51
you know what they're hiring for?
162
579593
1784
می‌دانید آن‌ها را برای چه استخدام می‌کنند؟
09:54
Google, Apple, Facebook.
163
582430
2025
گوگل، اپل، فیسبوک.
09:57
Sixty-five percent
of their open job opportunities
of their open job opportunities
164
585468
3627
شصت و پنج درصد از فرصت‌های شغلی باز آن‌ها
10:01
are non-technical:
165
589119
1721
غیرفنی هستند:
10:03
marketers, designers,
project managers, program managers,
project managers, program managers,
166
591845
4889
بازاریابی، طراحی،
مدیریت پروژه، مدیریت برنامه،
مدیریت پروژه، مدیریت برنامه،
10:08
product managers, lawyers, HR specialists,
167
596758
3381
مدیریت محصول، حقوق‌دان،
متخصص نیروی انسانی،
متخصص نیروی انسانی،
10:12
trainers, coaches, sellers,
buyers, on and on.
buyers, on and on.
168
600163
3325
معلم، مربی، فروشنده، خریدار و غیره.
10:15
These are the jobs they're hiring for.
169
603512
3438
این‌ها شغل‌هایی هستند که
برایشان نیرو استخدام می‌کنند.
برایشان نیرو استخدام می‌کنند.
10:20
And if there's one thing
that our future workforce needs --
that our future workforce needs --
170
608602
5405
و اگر یک چیز وجود باشد که
نیروی کار آینده ما به آن نیاز دارد --
نیروی کار آینده ما به آن نیاز دارد --
10:26
and I think we can all agree on this --
171
614031
1952
من فکر میکنم همه با این موافقیم --
10:29
it's diversity.
172
617056
1150
آن تنوع است.
10:31
But that diversity shouldn't end
with gender or race.
with gender or race.
173
619706
4074
اما این تنوع نباید به
جنسیت یا نژاد محدود شود.
جنسیت یا نژاد محدود شود.
10:35
We need a diversity of backgrounds
174
623804
2103
ما به تنوع سابقه
10:39
and skills,
175
627192
1150
و مهارت نیز نیاز داریم،
10:42
with introverts and extroverts
176
630100
3738
به افراد درونگرا و برونگرا
10:45
and leaders and followers.
177
633862
2953
و به رهبران و پیروان.
10:48
That is our future workforce.
178
636839
1689
این نیروی کار آینده ماست.
10:51
And the fact that the technology
is getting easier and more accessible
is getting easier and more accessible
179
639767
5699
و این حقیقت که فناوری راحت‌تر
و در دسترس‌تر می‌شود
و در دسترس‌تر می‌شود
10:57
frees that workforce up
180
645490
1818
این آزادی را به آن نیروی کار می‌دهد
10:59
to study whatever they damn well please.
181
647332
3372
که هر چه را که خیلی
راضی‌شان می‌کند، بیاموزند.
راضی‌شان می‌کند، بیاموزند.
11:03
Thank you.
182
651273
1151
سپاسگزارم.
11:04
(Applause)
183
652448
6623
(تشویق)
ABOUT THE SPEAKER
Eric Berridge - EntrepreneurEric Berridge is an entrepreneurial humanist who believes our society is overly obsessed with STEM.
Why you should listen
As the co-founder of global consulting agency and Salesforce strategic partner Bluewolf, an IBM Company, Eric Berridge has applied his passion for the humanities over the past 17 years to pioneer a cloud consulting practice with less than 10 percent of employees holding engineering or computer science degrees. The way he sees it, as technology becomes easier to use and build, the humanities offer skills that are becoming increasingly valuable to the success of business everywhere. And today’s AI-driven discussion holds the key to freeing the human condition to be balanced, healthy, creative and productive.
Eric Berridge | Speaker | TED.com