TED2010
Nicholas Christakis: The hidden influence of social networks
Nicholas Christakis : L'influence cachée des réseaux sociaux
Filmed:
Readability: 4.3
1,674,218 views
Nous sommes tous intégrés dans de vastes réseaux sociaux d'amis, de famille, de collègues, et autres. Nicolas Christakis étudie la façon dont un large éventail de caractéristiques - du bonheur à l'obésité - peut se propager d'une personne à une autre, montrant comment notre emplacement dans le réseau peut avoir un impact sur notre vie d'une manière qu'on ne réalise pas.
Nicholas Christakis - Physician, social scientist
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact. Full bio
Nicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact. Full bio
Double-click the English transcript below to play the video.
00:16
For me, this story begins about 15 years ago,
0
1000
3000
Pour moi, cette histoire a commencé il y a 15 ans,
00:19
when I was a hospice doctor at the University of Chicago.
1
4000
3000
quand j'étais médecin en soins palliatifs à l'Université de Chicago.
00:22
And I was taking care of people who were dying and their families
2
7000
3000
Je m'occupais des gens qui mouraient, et de leurs familles,
00:25
in the South Side of Chicago.
3
10000
2000
dans la banlieue sud de Chicago.
00:27
And I was observing what happened to people and their families
4
12000
3000
Et j'observais ce qui se passait pour ces gens et leurs familles
00:30
over the course of their terminal illness.
5
15000
3000
tout au long de leur fin de vie.
00:33
And in my lab, I was studying the widower effect,
6
18000
2000
Dans mon labo, j'étudiais l'effet de veuvage,
00:35
which is a very old idea in the social sciences,
7
20000
2000
qui est une très ancienne idée pour les sciences sociales,
00:37
going back 150 years,
8
22000
2000
remontant à 150 ans,
00:39
known as "dying of a broken heart."
9
24000
2000
connue sous le nom de "mort par coeur brisé".
00:41
So, when I die, my wife's risk of death can double,
10
26000
3000
Ainsi, quand je mourrai, le risque de décès de ma femme est doublé
00:44
for instance, in the first year.
11
29000
2000
par exemple, pendant la première année.
00:46
And I had gone to take care of one particular patient,
12
31000
3000
Ce qui m'est arrivé, c'est que je m'occupais d'une patiente,
00:49
a woman who was dying of dementia.
13
34000
2000
une femme qui mourait de démence.
00:51
And in this case, unlike this couple,
14
36000
2000
Et dans ce cas, contrairement à ce couple,
00:53
she was being cared for
15
38000
2000
c'est sa fille
00:55
by her daughter.
16
40000
2000
qui prenait soin d'elle.
00:57
And the daughter was exhausted from caring for her mother.
17
42000
3000
Et la fille était épuisée par les soins qu'elle apportait à sa mère.
01:00
And the daughter's husband,
18
45000
2000
Et le mari de la fille,
01:02
he also was sick
19
47000
3000
lui aussi était malade,
01:05
from his wife's exhaustion.
20
50000
2000
à cause de l'épuisement de sa femme.
01:07
And I was driving home one day,
21
52000
2000
Comme je rentrais chez moi, un jour,
01:09
and I get a phone call from the husband's friend,
22
54000
3000
je reçois un coup de fil d'un ami du mari,
01:12
calling me because he was depressed
23
57000
2000
qui m'appelait parce qu'il était déprimé
01:14
about what was happening to his friend.
24
59000
2000
par ce qui arrivait à son ami.
01:16
So here I get this call from this random guy
25
61000
2000
J'ai donc cet appel de ce type inconnu
01:18
that's having an experience
26
63000
2000
qui est en train de vivre une expérience,
01:20
that's being influenced by people
27
65000
2000
qui est influencée par des gens
01:22
at some social distance.
28
67000
2000
à une certaine distance sociale.
01:24
And so I suddenly realized two very simple things:
29
69000
3000
Alors, j'ai soudain réalisé deux choses très simples.
01:27
First, the widowhood effect
30
72000
2000
Premièrement, que l'effet de veuvage
01:29
was not restricted to husbands and wives.
31
74000
3000
ne se limitait pas aux maris et aux femmes.
01:32
And second, it was not restricted to pairs of people.
32
77000
3000
Et deuxièmement, qu'il ne se limitait pas à des paires de gens.
01:35
And I started to see the world
33
80000
2000
Et j'ai commencé à voir le monde
01:37
in a whole new way,
34
82000
2000
d'une toute nouvelle façon,
01:39
like pairs of people connected to each other.
35
84000
3000
comme des paires de personnes connectées les unes aux autres.
01:42
And then I realized that these individuals
36
87000
2000
Et puis j'ai réalisé que ces individus
01:44
would be connected into foursomes with other pairs of people nearby.
37
89000
3000
devraient être connectés en quartets avec d'autres paires de gens.
01:47
And then, in fact, these people
38
92000
2000
Et puis qu'en fait, ces personnes
01:49
were embedded in other sorts of relationships:
39
94000
2000
intégraient d'autres types de relations,
01:51
marriage and spousal
40
96000
2000
de mariage et de vie conjugale,
01:53
and friendship and other sorts of ties.
41
98000
2000
et d'amitié, et d'autres sortes de liens.
01:55
And that, in fact, these connections were vast
42
100000
3000
Et qu'en fait, ces connexions étaient très nombreuses,
01:58
and that we were all embedded in this
43
103000
2000
et que nous étions tous intriqués dans ce large
02:00
broad set of connections with each other.
44
105000
3000
éventail de connexions les uns avec les autres.
02:03
So I started to see the world in a completely new way
45
108000
3000
Alors j'ai commencé à voir le monde d'une manière complètement nouvelle,
02:06
and I became obsessed with this.
46
111000
2000
et ça a commencé à m'obséder.
02:08
I became obsessed with how it might be
47
113000
2000
J'ai été obsédé par la façon dont
02:10
that we're embedded in these social networks,
48
115000
2000
nous nous intégrons dans ces réseaux sociaux,
02:12
and how they affect our lives.
49
117000
2000
et comment ils impactent notre vie.
02:14
So, social networks are these intricate things of beauty,
50
119000
3000
Ici, les réseaux sociaux sont représentés par ces magnifiques choses entrelacées,
02:17
and they're so elaborate and so complex
51
122000
2000
ils sont si élaborés et complexes,
02:19
and so ubiquitous, in fact,
52
124000
2000
et si omniprésents, en fait,
02:21
that one has to ask what purpose they serve.
53
126000
3000
qu'il faut se demander à quoi ils servent.
02:24
Why are we embedded in social networks?
54
129000
2000
Pourquoi sommes-nous intégrés dans ces réseaux sociaux ?
02:26
I mean, how do they form? How do they operate?
55
131000
2000
Je veux dire, comment se créent-ils ? Comment fonctionnent-ils ?
02:28
And how do they effect us?
56
133000
2000
Et comment nous influencent-ils ?
02:30
So my first topic with respect to this,
57
135000
3000
Et mon premier sujet d'étude, par rapport à tout ça,
02:33
was not death, but obesity.
58
138000
3000
n'était pas la mort, mais l'obésité.
02:36
It had become trendy
59
141000
2000
Et tout d'un coup, c'était devenu à la mode
02:38
to speak about the "obesity epidemic."
60
143000
2000
de parler de l'épidémie d'obésité.
02:40
And, along with my collaborator, James Fowler,
61
145000
3000
Avec james Fowler, mon collaborateur,
02:43
we began to wonder whether obesity really was epidemic
62
148000
3000
nous avons commencé à nous demander si l'obésité était vraiment de nature épidémique,
02:46
and could it spread from person to person
63
151000
2000
et si elle pourrait se propager d'une personne à l'autre
02:48
like the four people I discussed earlier.
64
153000
3000
comme les quatre personnes dont je parlais tout à l'heure.
02:51
So this is a slide of some of our initial results.
65
156000
3000
Voici une diapo de nos premiers résultats.
02:54
It's 2,200 people in the year 2000.
66
159000
3000
Il s'agit de 2 200 personnes, en l'an 2000.
02:57
Every dot is a person. We make the dot size
67
162000
2000
Chaque point représente une personne. La grosseur du point
02:59
proportional to people's body size;
68
164000
2000
est proportionnelle au poids de la personne.
03:01
so bigger dots are bigger people.
69
166000
3000
Donc les plus gros points pour les personnes les plus grosses.
03:04
In addition, if your body size,
70
169000
2000
De plus, si votre poids,
03:06
if your BMI, your body mass index, is above 30 --
71
171000
2000
votre IMC, votre Indice de Masse Graisseuse, est supérieur à 30,
03:08
if you're clinically obese --
72
173000
2000
si vous êtes obèse au sens clinique,
03:10
we also colored the dots yellow.
73
175000
2000
le point est également coloré en jaune.
03:12
So, if you look at this image, right away you might be able to see
74
177000
2000
Donc, en regardant l'image, vous voyez bien
03:14
that there are clusters of obese and
75
179000
2000
qu'il y a des groupes de personnes obèses et d'autres
03:16
non-obese people in the image.
76
181000
2000
de personnes non-obèses sur cette vue.
03:18
But the visual complexity is still very high.
77
183000
3000
Mais la complexité visuelle est encore très élevée.
03:21
It's not obvious exactly what's going on.
78
186000
3000
Ce qui se passe n'est pas vraiment évident.
03:24
In addition, some questions are immediately raised:
79
189000
2000
En outre, ça soulève immédiatement certaines questions.
03:26
How much clustering is there?
80
191000
2000
Quel est ici le degré de regroupement ?
03:28
Is there more clustering than would be due to chance alone?
81
193000
3000
Y-a-t-il plus de regroupement que n'en aurait déterminé le hasard ?
03:31
How big are the clusters? How far do they reach?
82
196000
2000
Quel est la taille des groupes ? Jusqu'où vont-ils ?
03:33
And, most importantly,
83
198000
2000
Et, surtout,
03:35
what causes the clusters?
84
200000
2000
qu'est-ce qui provoque ces regroupements ?
03:37
So we did some mathematics to study the size of these clusters.
85
202000
3000
On a donc fait des calculs pour étudier la taille de ces groupes.
03:40
This here shows, on the Y-axis,
86
205000
2000
Ici, sur l'axe vertical, on voit
03:42
the increase in the probability that a person is obese
87
207000
3000
l'augmentation de la probabilité qu'une personne soit obèse,
03:45
given that a social contact of theirs is obese
88
210000
2000
en fonction qu'un de ses contacts sociaux soit obèse.
03:47
and, on the X-axis, the degrees of separation between the two people.
89
212000
3000
Et sur l'axe horizontal, le degré de séparation de ces personnes.
03:50
On the far left, you see the purple line.
90
215000
2000
A l'extrême gauche, vous voyez une ligne violette.
03:52
It says that, if your friends are obese,
91
217000
2000
Elle dit que, si vos amis sont obèses,
03:54
your risk of obesity is 45 percent higher.
92
219000
3000
votre risque d'obésité est plus élevé de 45 %.
03:57
And the next bar over, the [red] line,
93
222000
2000
Et la barre d'à côté, la ligne orange,
03:59
says if your friend's friends are obese,
94
224000
2000
dit que, si les amis de vos amis sont obèses,
04:01
your risk of obesity is 25 percent higher.
95
226000
2000
votre risque d'obésité est plus élevé de 25% supérieur.
04:03
And then the next line over says
96
228000
2000
Et la ligne suivante dit que
04:05
if your friend's friend's friend, someone you probably don't even know, is obese,
97
230000
3000
si l'ami de l'ami de votre ami, que vous ne connaissez probablement pas, est obèse,
04:08
your risk of obesity is 10 percent higher.
98
233000
3000
votre risque d'obésité est plus élevé de 10%.
04:11
And it's only when you get to your friend's friend's friend's friends
99
236000
3000
Et ce n'est que quand on arrivez aux amis des amis des amis de vos amis,
04:14
that there's no longer a relationship
100
239000
2000
qu'il n'existe plus de lien de relation
04:16
between that person's body size and your own body size.
101
241000
3000
entre le poids de cette personne et le vôtre.
04:20
Well, what might be causing this clustering?
102
245000
3000
Alors, qu'est-ce qui pourrait provoquer ces regroupements ?
04:23
There are at least three possibilities:
103
248000
2000
Il y a au moins 3 possibilités.
04:25
One possibility is that, as I gain weight,
104
250000
2000
Primo, la possibilité que le fait que je prenne du poids
04:27
it causes you to gain weight.
105
252000
2000
vous fasse prendre du poids,
04:29
A kind of induction, a kind of spread from person to person.
106
254000
3000
une sorte d'induction, de propagation d'un individu à l'autre.
04:32
Another possibility, very obvious, is homophily,
107
257000
2000
Une autre possibilité, évidente, est l'homophilie,
04:34
or, birds of a feather flock together;
108
259000
2000
le principe du "qui se ressemble s'assemble".
04:36
here, I form my tie to you
109
261000
2000
Ici, je crée un lien entre moi et vous
04:38
because you and I share a similar body size.
110
263000
3000
parce que vous et moi partageons un poids similaire.
04:41
And the last possibility is what is known as confounding,
111
266000
2000
Et la dernière possibilité est ce que qu'on appelle "parasite",
04:43
because it confounds our ability to figure out what's going on.
112
268000
3000
parce qu'elle parasite notre capacité à comprendre ce qu'il se passe.
04:46
And here, the idea is not that my weight gain
113
271000
2000
Et ici, l'idée n'est pas que vous preniez du poids
04:48
is causing your weight gain,
114
273000
2000
parce que j'en prends,
04:50
nor that I preferentially form a tie with you
115
275000
2000
pas plus que je choisisse de créer un lien avec vous
04:52
because you and I share the same body size,
116
277000
2000
parce que vous et moi partageons le même poids,
04:54
but rather that we share a common exposure
117
279000
2000
mais plutôt que nous partagions un paramètre commun,
04:56
to something, like a health club
118
281000
3000
comme appartenir au même club de gym,
04:59
that makes us both lose weight at the same time.
119
284000
3000
qui nous fasse perdre du poids en même temps.
05:02
When we studied these data, we found evidence for all of these things,
120
287000
3000
Et lorsque nous avons étudié ces données, nous avons trouvé des preuves de tout ça,
05:05
including for induction.
121
290000
2000
y compris de l'induction.
05:07
And we found that if your friend becomes obese,
122
292000
2000
Et nous avons constaté que, si votre ami devient obèse,
05:09
it increases your risk of obesity by about 57 percent
123
294000
3000
cela augmente votre risque d'obésité d'environ 57 pour cent
05:12
in the same given time period.
124
297000
2000
dans la même période de temps.
05:14
There can be many mechanisms for this effect:
125
299000
3000
Et il peut y avoir de nombreux mécanismes expliquant cet effet.
05:17
One possibility is that your friends say to you something like --
126
302000
2000
Une possibilité est que vos amis vous disent quelque chose comme--
05:19
you know, they adopt a behavior that spreads to you --
127
304000
3000
vous voyez, le genre de comportement qui se répand--
05:22
like, they say, "Let's go have muffins and beer,"
128
307000
3000
comme "Allons boire des bières et manger des brioches",
05:25
which is a terrible combination. (Laughter)
129
310000
3000
une horrible combinaison,
05:28
But you adopt that combination,
130
313000
2000
mais vous l'adoptez,
05:30
and then you start gaining weight like them.
131
315000
3000
et alors vous prenez du poids comme eux.
05:33
Another more subtle possibility
132
318000
2000
Une autre possibilité, plus subtile,
05:35
is that they start gaining weight, and it changes your ideas
133
320000
3000
est qu'ils prennent du poids, et que cela change votre opinion
05:38
of what an acceptable body size is.
134
323000
2000
de ce qu'est un poids acceptable.
05:40
Here, what's spreading from person to person
135
325000
2000
Et là, ce qui se propage d'une personne à l'autre,
05:42
is not a behavior, but rather a norm:
136
327000
2000
ce n'est pas un comportement, mais plutôt une norme.
05:44
An idea is spreading.
137
329000
2000
Une idée se propage.
05:46
Now, headline writers
138
331000
2000
Et puis les chroniqueurs
05:48
had a field day with our studies.
139
333000
2000
se sont bien amusés avec notre étude.
05:50
I think the headline in The New York Times was,
140
335000
2000
Je crois que le titre dans le New York Times était
05:52
"Are you packing it on?
141
337000
2000
"Vous vous empâtez ?
05:54
Blame your fat friends." (Laughter)
142
339000
3000
La faute à vos amis gros !"
05:57
What was interesting to us is that the European headline writers
143
342000
2000
Ce qu'on a trouvé intéressant, c'est que les chroniqueurs européens
05:59
had a different take: They said,
144
344000
2000
avaient une attaque différente, ils écrivaient
06:01
"Are your friends gaining weight? Perhaps you are to blame."
145
346000
3000
"Vos amis prennent du poids ? C'est peut-être votre faute."
06:04
(Laughter)
146
349000
5000
(Rires)
06:09
And we thought this was a very interesting comment on America,
147
354000
3000
On a trouvé que c'était un commentaire très intéressant sur les USA,
06:12
and a kind of self-serving,
148
357000
2000
une attitude un peu égoïste,
06:14
"not my responsibility" kind of phenomenon.
149
359000
2000
un peu du genre "c'est pas de ma faute".
06:16
Now, I want to be very clear: We do not think our work
150
361000
2000
Mais bon, je veux être clair là-dessus, on ne pense pas que notre travail
06:18
should or could justify prejudice
151
363000
2000
devrait, ou pourrait, justifier le moindre préjugé
06:20
against people of one or another body size at all.
152
365000
3000
envers les gens de tel ou tel poids.
06:24
Our next questions was:
153
369000
2000
Et notre question suivante était :
06:26
Could we actually visualize this spread?
154
371000
3000
Pourrait-on visualiser la façon dont cela se répand ?
06:29
Was weight gain in one person actually spreading
155
374000
2000
La prise de poids chez l'un résultait-elle vraiment
06:31
to weight gain in another person?
156
376000
2000
en prise de poids chez l'autre ?
06:33
And this was complicated because
157
378000
2000
Et c'était compliqué par le fait que
06:35
we needed to take into account the fact that the network structure,
158
380000
3000
nous devions prendre en compte l'évolution dans le temps
06:38
the architecture of the ties, was changing across time.
159
383000
3000
de la structure du réseau, et de l'architecture des liens.
06:41
In addition, because obesity is not a unicentric epidemic,
160
386000
3000
Et en plus, parce que l'obésité n'est pas une épidémie unicentrique,
06:44
there's not a Patient Zero of the obesity epidemic --
161
389000
3000
il n'y a pas de "patient zéro" de l'épidémie d'obésité --
06:47
if we find that guy, there was a spread of obesity out from him --
162
392000
3000
si on trouve ce gars, l'obésité se propage à partir de lui --
06:50
it's a multicentric epidemic.
163
395000
2000
C'est une épidémie multicentrique.
06:52
Lots of people are doing things at the same time.
164
397000
2000
Plein de gens font plein de choses au même instant.
06:54
And I'm about to show you a 30 second video animation
165
399000
3000
Je vais vous montrer une animation vidéo de 30 secondes
06:57
that took me and James five years of our lives to do.
166
402000
3000
qui a pris, à James et moi, plusieurs années à réaliser.
07:00
So, again, every dot is a person.
167
405000
2000
Comme tout à l'heure, chaque point représente une personne.
07:02
Every tie between them is a relationship.
168
407000
2000
Chaque lien entre eux est une relation.
07:04
We're going to put this into motion now,
169
409000
2000
On va l'animer maintenant,
07:06
taking daily cuts through the network for about 30 years.
170
411000
3000
en visualisant le réseau sur environ 30 ans.
07:09
The dot sizes are going to grow,
171
414000
2000
La taille des points va augmenter.
07:11
you're going to see a sea of yellow take over.
172
416000
3000
Vous allez voir un océan de jaune arriver.
07:14
You're going to see people be born and die --
173
419000
2000
Vous allez voir les gens naître et mourir;
07:16
dots will appear and disappear --
174
421000
2000
des points apparaître et disparaitre.
07:18
ties will form and break, marriages and divorces,
175
423000
3000
Des liens se former et se briser. Mariages et divorces,
07:21
friendings and defriendings.
176
426000
2000
amitiés et ruptures,
07:23
A lot of complexity, a lot is happening
177
428000
2000
beaucoup de complexité, plein de choses arrivent
07:25
just in this 30-year period
178
430000
2000
juste pendant cette période de 30 ans,
07:27
that includes the obesity epidemic.
179
432000
2000
qui inclut cette épidémie d'obésité.
07:29
And, by the end, you're going to see clusters
180
434000
2000
Et, à la fin, vous allez visualiser
07:31
of obese and non-obese individuals
181
436000
2000
les groupes d'obèses et de non obèses
07:33
within the network.
182
438000
2000
dans le réseau.
07:35
Now, when looked at this,
183
440000
3000
D'avoir vu cela
07:38
it changed the way I see things,
184
443000
3000
a changé ma façon de voir les choses,
07:41
because this thing, this network
185
446000
2000
parce que cette chose, ce réseau,
07:43
that's changing across time,
186
448000
2000
qui change dans le temps,
07:45
it has a memory, it moves,
187
450000
3000
possède une mémoire, il se déplace,
07:48
things flow within it,
188
453000
2000
il y a des mouvements qui s'y répandent,
07:50
it has a kind of consistency --
189
455000
2000
il a une sorte de consistance;
07:52
people can die, but it doesn't die;
190
457000
2000
les gens peuvent mourir, mais il ne meurt pas;
07:54
it still persists --
191
459000
2000
il continue à exister.
07:56
and it has a kind of resilience
192
461000
2000
Il possède une sorte de résilience
07:58
that allows it to persist across time.
193
463000
2000
qui lui permet de persister dans le temps.
08:00
And so, I came to see these kinds of social networks
194
465000
3000
Alors, j'en suis venu à voir ces signaux des réseaux sociaux
08:03
as living things,
195
468000
2000
comme des êtres vivants,
08:05
as living things that we could put under a kind of microscope
196
470000
3000
que l'on pourrait mettre sous une espèce de microscope
08:08
to study and analyze and understand.
197
473000
3000
pour les étudier, les analyser et les comprendre.
08:11
And we used a variety of techniques to do this.
198
476000
2000
Et on peut utiliser de nombreuses techniques pour cela.
08:13
And we started exploring all kinds of other phenomena.
199
478000
3000
Et puis nous avons commencé à explorer toutes sortes d'autres phénomènes.
08:16
We looked at smoking and drinking behavior,
200
481000
2000
Alors nous nous sommes penchés sur le tabagisme et la consommation d'alcool,
08:18
and voting behavior,
201
483000
2000
l'expression des suffrages,
08:20
and divorce -- which can spread --
202
485000
2000
et le divorce, qui peut se répandre,
08:22
and altruism.
203
487000
2000
et l'altruisme.
08:24
And, eventually, we became interested in emotions.
204
489000
3000
Et, finalement, on s'est intéressé aux émotions.
08:28
Now, when we have emotions,
205
493000
2000
Quand nous avons des émotions,
08:30
we show them.
206
495000
2000
Nous les montrons.
08:32
Why do we show our emotions?
207
497000
2000
Pourquoi montrons-nous nos émotions?
08:34
I mean, there would be an advantage to experiencing
208
499000
2000
Je veux dire, il y aurait un avantage à vivre
08:36
our emotions inside, you know, anger or happiness.
209
501000
3000
nos émotions à l'intérieur, vous savez, la colère ou le bonheur,
08:39
But we don't just experience them, we show them.
210
504000
2000
mais nous ne faisons pas que les vivre, nous les montrons.
08:41
And not only do we show them, but others can read them.
211
506000
3000
Et non seulement nous les montrons, mais d'autres peuvent les lire.
08:44
And, not only can they read them, but they copy them.
212
509000
2000
Et, non seulement ils peuvent les lire, mais ils les copient.
08:46
There's emotional contagion
213
511000
2000
Il y a une contagion émotionnelle
08:48
that takes place in human populations.
214
513000
3000
parmi les populations humaines.
08:51
And so this function of emotions
215
516000
2000
Et ainsi cette fonction des émotions
08:53
suggests that, in addition to any other purpose they serve,
216
518000
2000
suggère qu'en plus de toute autre fin qu'elles servent,
08:55
they're a kind of primitive form of communication.
217
520000
3000
elles sont une sorte de forme primitive de communication.
08:58
And that, in fact, if we really want to understand human emotions,
218
523000
3000
Et qu'en fait, si nous voulons vraiment comprendre les émotions humaines,
09:01
we need to think about them in this way.
219
526000
2000
c'est comme ça qu'il faut y penser.
09:03
Now, we're accustomed to thinking about emotions in this way,
220
528000
3000
Or, nous sommes habitués à penser aux émotions comme à
09:06
in simple, sort of, brief periods of time.
221
531000
3000
de simples, disons, moments dans le temps.
09:09
So, for example,
222
534000
2000
Ainsi, par exemple,
09:11
I was giving this talk recently in New York City,
223
536000
2000
je présentais cet exposé récemment à New York,
09:13
and I said, "You know when you're on the subway
224
538000
2000
et j'ai dit: «Vous savez, comme quand vous êtes dans le métro,
09:15
and the other person across the subway car
225
540000
2000
et qu'une autre personne dans le wagon
09:17
smiles at you,
226
542000
2000
vous sourit,
09:19
and you just instinctively smile back?"
227
544000
2000
et instinctivement vous lui répondez en souriant. "
09:21
And they looked at me and said, "We don't do that in New York City." (Laughter)
228
546000
3000
Là, ils m'ont regardé, et ont répondu : «Nous ne faisons pas cela à New York."
09:24
And I said, "Everywhere else in the world,
229
549000
2000
Et j'ai dit: «Partout ailleurs dans le monde,
09:26
that's normal human behavior."
230
551000
2000
C'est le comportement normal pour les humains."
09:28
And so there's a very instinctive way
231
553000
2000
Il y a donc une façon très instinctive
09:30
in which we briefly transmit emotions to each other.
232
555000
3000
de transmettre rapidement des émotions les uns aux autres.
09:33
And, in fact, emotional contagion can be broader still.
233
558000
3000
Et, en effet, la contagion émotionnelle peut être encore plus large,
09:36
Like we could have punctuated expressions of anger,
234
561000
3000
comme les expressions de colère,
09:39
as in riots.
235
564000
2000
par exemple dans les émeutes.
09:41
The question that we wanted to ask was:
236
566000
2000
La question que nous voulions poser est :
09:43
Could emotion spread,
237
568000
2000
Une émotion pourrait-elle se propager,
09:45
in a more sustained way than riots, across time
238
570000
3000
de façon plus durable dans le temps que pour les émeutes,
09:48
and involve large numbers of people,
239
573000
2000
et impliquer un grand nombre de personnes,
09:50
not just this pair of individuals smiling at each other in the subway car?
240
575000
3000
plus que cette paire d'individus se souriant dans le métro ?
09:53
Maybe there's a kind of below the surface, quiet riot
241
578000
3000
Peut-être y-a-t-il une sorte d'émeute tranquille sous-jacente
09:56
that animates us all the time.
242
581000
2000
qui nous anime en permanence.
09:58
Maybe there are emotional stampedes
243
583000
2000
Peut-être y-a-t-il des bousculades émotionnelles
10:00
that ripple through social networks.
244
585000
2000
qui se propagent par le biais des réseaux sociaux.
10:02
Maybe, in fact, emotions have a collective existence,
245
587000
3000
Peut-être, finalement, les émotions ont-elles une existence collective,
10:05
not just an individual existence.
246
590000
2000
pas seulement une existence individuelle.
10:07
And this is one of the first images we made to study this phenomenon.
247
592000
3000
Et voici l'une des premières images que nous avons faites pour étudier ce phénomène.
10:10
Again, a social network,
248
595000
2000
Encore une fois, un réseau social,
10:12
but now we color the people yellow if they're happy
249
597000
3000
mais maintenant, nous colorons les gens en jaune s'ils sont heureux,
10:15
and blue if they're sad and green in between.
250
600000
3000
en bleu s'ils sont tristes et en vert entre les deux.
10:18
And if you look at this image, you can right away see
251
603000
2000
Et si vous regardez cette image, vous voyez immédiatement
10:20
clusters of happy and unhappy people,
252
605000
2000
des groupes de gens heureux et de gens malheureux,
10:22
again, spreading to three degrees of separation.
253
607000
2000
s'étendant, ici encore, à trois degrés de séparation.
10:24
And you might form the intuition
254
609000
2000
Et vous avez peut-être l'intuition
10:26
that the unhappy people
255
611000
2000
que les gens malheureux
10:28
occupy a different structural location within the network.
256
613000
3000
occupent un emplacement structurel différent au sein du réseau.
10:31
There's a middle and an edge to this network,
257
616000
2000
Ce réseau possède donc un milieu et un bord,
10:33
and the unhappy people seem to be
258
618000
2000
et les malheureux semblent être
10:35
located at the edges.
259
620000
2000
situés sur les bords.
10:37
So to invoke another metaphor,
260
622000
2000
Donc, en invoquant une autre métaphore,
10:39
if you imagine social networks as a kind of
261
624000
2000
si vous imaginez les réseaux sociaux comme une sorte de
10:41
vast fabric of humanity --
262
626000
2000
vaste tissu de l'humanité -
10:43
I'm connected to you and you to her, on out endlessly into the distance --
263
628000
3000
Je suis connecté à vous et vous à un autre, à l'infini -
10:46
this fabric is actually like
264
631000
2000
ce tissu est fait comme
10:48
an old-fashioned American quilt,
265
633000
2000
une couverture traditionnelle américaine en patchwork,
10:50
and it has patches on it: happy and unhappy patches.
266
635000
3000
fait de différentes pièces, des pièces heureuses et des pièces malheureuses.
10:53
And whether you become happy or not
267
638000
2000
Et que vous soyez heureux ou pas
10:55
depends in part on whether you occupy a happy patch.
268
640000
3000
dépend en partie du fait que vous occupiez une "pièce heureuse".
10:58
(Laughter)
269
643000
2000
(Rires)
11:00
So, this work with emotions,
270
645000
3000
Ainsi, ce travail avec les émotions,
11:03
which are so fundamental,
271
648000
2000
qui sont fondamentales,
11:05
then got us to thinking about: Maybe
272
650000
2000
nous a ensuite amenés à penser que, peut-être,
11:07
the fundamental causes of human social networks
273
652000
2000
les raisons fondamentales des réseaux sociaux humains
11:09
are somehow encoded in our genes.
274
654000
2000
sont en quelque sorte codées dans nos gènes.
11:11
Because human social networks, whenever they are mapped,
275
656000
3000
Parce que les réseaux sociaux humains, quand ils sont mappés,
11:14
always kind of look like this:
276
659000
2000
ressemblent toujours à ceci,
11:16
the picture of the network.
277
661000
2000
l'image du réseau,
11:18
But they never look like this.
278
663000
2000
mais ils ne ressemblent jamais à ceci.
11:20
Why do they not look like this?
279
665000
2000
Pourquoi ne ressemblent-ils pas à ça ?
11:22
Why don't we form human social networks
280
667000
2000
Pourquoi ne formons-nous pas de réseaux sociaux humains
11:24
that look like a regular lattice?
281
669000
2000
qui ressemblent à un treillis régulier ?
11:26
Well, the striking patterns of human social networks,
282
671000
3000
Bon, hé bien, les modèles spécifiques des réseau sociaux humains,
11:29
their ubiquity and their apparent purpose
283
674000
3000
leur ubiquité, leur finalité apparente,
11:32
beg questions about whether we evolved to have
284
677000
2000
cela pose la question de savoir si, au départ,
11:34
human social networks in the first place,
285
679000
2000
nous avons évolué pour avoir ces réseaux sociaux,
11:36
and whether we evolved to form networks
286
681000
2000
et si nous avons évolué pour former des réseaux
11:38
with a particular structure.
287
683000
2000
avec une structure particulière.
11:40
And notice first of all -- so, to understand this, though,
288
685000
2000
Et remarquez tout d'abord ... Mais, pour comprendre ça,
11:42
we need to dissect network structure a little bit first --
289
687000
3000
il faut d'abord que nous disséquions un peu la struceture du réseau.
11:45
and notice that every person in this network
290
690000
2000
Et remarquez que chaque personne dans ce réseau
11:47
has exactly the same structural location as every other person.
291
692000
3000
a exactement le même emplacement structurel que n'importe quelle autre.
11:50
But that's not the case with real networks.
292
695000
3000
Mais ce n'est pas comme ça dans les réseaux réels.
11:53
So, for example, here is a real network of college students
293
698000
2000
Voici par exemple un véritable réseau d'étudiants
11:55
at an elite northeastern university.
294
700000
3000
dans une université d'élite du nord-est.
11:58
And now I'm highlighting a few dots.
295
703000
2000
Là, je mets en lumière quelques points.
12:00
If you look here at the dots,
296
705000
2000
Et si vous regardez les points ici,
12:02
compare node B in the upper left
297
707000
2000
comparez l'ensemble B, en haut à gauche,
12:04
to node D in the far right;
298
709000
2000
avec l'ensemble D tout en bas.
12:06
B has four friends coming out from him
299
711000
2000
B a 4 amis qui lui sont rattachés.
12:08
and D has six friends coming out from him.
300
713000
3000
Et D a 6 amis qui lui sont rattachés.
12:11
And so, those two individuals have different numbers of friends.
301
716000
3000
Ces deux individus ont un nombre différent d'amis --
12:14
That's very obvious, we all know that.
302
719000
2000
c'est évident, nous le voyons bien--
12:16
But certain other aspects
303
721000
2000
Mais certains autres aspects
12:18
of social network structure are not so obvious.
304
723000
2000
de la structure de réseau social ne sont pas si évidents.
12:20
Compare node B in the upper left to node A in the lower left.
305
725000
3000
Comparez l'ensemble B en haut à gauche à l'ensemble A en bas à gauche.
12:23
Now, those people both have four friends,
306
728000
3000
Là, ces deux personnes ont toutes deux quatre amis,
12:26
but A's friends all know each other,
307
731000
2000
mais les amis de A se connaissent les uns les autres,
12:28
and B's friends do not.
308
733000
2000
et pas les amis de B.
12:30
So the friend of a friend of A's
309
735000
2000
Ainsi, l'ami d'un ami de A,
12:32
is, back again, a friend of A's,
310
737000
2000
est de nouveau un ami de A,
12:34
whereas the friend of a friend of B's is not a friend of B's,
311
739000
2000
alors que l'ami d'un ami de B n'est pas un ami de B,
12:36
but is farther away in the network.
312
741000
2000
il est plus loin dans le réseau.
12:38
This is known as transitivity in networks.
313
743000
3000
Ceci est connu comme la transitivité dans les réseaux.
12:41
And, finally, compare nodes C and D:
314
746000
2000
Et, enfin, comparez les ensembles C et D.
12:43
C and D both have six friends.
315
748000
3000
C et D ont tous deux 6 amis.
12:46
If you talk to them, and you said, "What is your social life like?"
316
751000
3000
Si vous leur demandez "Qu'est-ce que votre vie sociale?"
12:49
they would say, "I've got six friends.
317
754000
2000
ils diraient: «J'ai six amis.
12:51
That's my social experience."
318
756000
2000
C'est mon expérience sociale. "
12:53
But now we, with a bird's eye view looking at this network,
319
758000
3000
Mais nous, en regardant le réseau de haut,
12:56
can see that they occupy very different social worlds.
320
761000
3000
nous pouvons voir qu'ils occupent des mondes sociaux totalement différents,
12:59
And I can cultivate that intuition in you by just asking you:
321
764000
2000
et je peux attiser cette intuition en vous demandant :
13:01
Who would you rather be
322
766000
2000
Qui préféreriez-vous être,
13:03
if a deadly germ was spreading through the network?
323
768000
2000
si un virus mortel se propageait dans le réseau ?
13:05
Would you rather be C or D?
324
770000
3000
Préfériez-vous être C ou D ?
13:08
You'd rather be D, on the edge of the network.
325
773000
2000
Vous préfèreriez être D, sur la périphérie du réseau.
13:10
And now who would you rather be
326
775000
2000
Et maintenant, qui préféreriez-vous être
13:12
if a juicy piece of gossip -- not about you --
327
777000
3000
si un potin croustillant, pas à votre sujet,
13:15
was spreading through the network? (Laughter)
328
780000
2000
se répandait à travers le réseau ?
13:17
Now, you would rather be C.
329
782000
2000
Maintenant, vous préfèreriez plutôt être C.
13:19
So different structural locations
330
784000
2000
Des emplacements structurels différents
13:21
have different implications for your life.
331
786000
2000
auront donc des implications différentes dans votre vie.
13:23
And, in fact, when we did some experiments looking at this,
332
788000
3000
En fait, quand nous avons fait quelques expériences là-dessus,
13:26
what we found is that 46 percent of the variation
333
791000
3000
nous avons découvert que 46 % de la variation
13:29
in how many friends you have
334
794000
2000
dans le nombre d'amis que vous avez
13:31
is explained by your genes.
335
796000
2000
s'explique par vos gènes.
13:33
And this is not surprising. We know that some people are born shy
336
798000
3000
Et ce n'est pas surprenant. Nous le savons, certaines personnes sont nées timides,
13:36
and some are born gregarious. That's obvious.
337
801000
3000
et certaines sont nés grégaires. C'est une évidence.
13:39
But we also found some non-obvious things.
338
804000
2000
Mais nous avons aussi trouvé des choses moins évidentes.
13:41
For instance, 47 percent in the variation
339
806000
3000
Par exemple, 47% de la variation
13:44
in whether your friends know each other
340
809000
2000
du fait que vos amis se connaissent entre eux ou pas
13:46
is attributable to your genes.
341
811000
2000
est attribuable à vos gènes.
13:48
Whether your friends know each other
342
813000
2000
Que vos amis se connaissent n'a simplement
13:50
has not just to do with their genes, but with yours.
343
815000
3000
rien à voir avec leurs gènes, mais avec les vôtres.
13:53
And we think the reason for this is that some people
344
818000
2000
Et nous pensons que la raison en est que certaines personnes
13:55
like to introduce their friends to each other -- you know who you are --
345
820000
3000
aiment présenter leurs amis les uns aux autres -- vous vous reconnaitrez --
13:58
and others of you keep them apart and don't introduce your friends to each other.
346
823000
3000
et d'autres préfèrent les garder à l'écart et ne pas les présenter les uns aux autres.
14:01
And so some people knit together the networks around them,
347
826000
3000
Certaines personnes tissent les différents réseaux autour d'elles,
14:04
creating a kind of dense web of ties
348
829000
2000
créant ainsi une sorte de toile dense de liens,
14:06
in which they're comfortably embedded.
349
831000
2000
dans laquelle ils sont confortablement intégrés.
14:08
And finally, we even found that
350
833000
2000
Et enfin, nous avons même constaté que
14:10
30 percent of the variation
351
835000
2000
30% de la variation
14:12
in whether or not people are in the middle or on the edge of the network
352
837000
3000
du fait que les gens soient au milieu ou à la périphérie du réseau
14:15
can also be attributed to their genes.
353
840000
2000
peut également être attribuée à leurs gènes.
14:17
So whether you find yourself in the middle or on the edge
354
842000
2000
Que vous vous retrouviez au milieu ou sur les bords
14:19
is also partially heritable.
355
844000
3000
est aussi en partie héréditaire.
14:22
Now, what is the point of this?
356
847000
3000
Bon, où cela nous mène-t-il ?
14:25
How does this help us understand?
357
850000
2000
Comment cela nous aide-t-il à comprendre?
14:27
How does this help us
358
852000
2000
Comment cela nous aide-t-il à
14:29
figure out some of the problems that are affecting us these days?
359
854000
3000
comprendre certains des problèmes qui nous touchent de nos jours ?
14:33
Well, the argument I'd like to make is that networks have value.
360
858000
3000
Hé bien, la raison que je voudrais avancer, c'est que les réseaux ont une valeur.
14:36
They are a kind of social capital.
361
861000
3000
Ils sont une sorte de capital social.
14:39
New properties emerge
362
864000
2000
De nouvelles propriétés apparaissent
14:41
because of our embeddedness in social networks,
363
866000
2000
en raison de notre enracinement dans les réseaux sociaux,
14:43
and these properties inhere
364
868000
3000
et ces propriétés ici,
14:46
in the structure of the networks,
365
871000
2000
dans la structure même des réseaux,
14:48
not just in the individuals within them.
366
873000
2000
pas seulement chez les individus qui en font partie.
14:50
So think about these two common objects.
367
875000
2000
Réfléchissez à ces deux objets courants.
14:52
They're both made of carbon,
368
877000
2000
Ils sont tous deux constitués de carbone,
14:54
and yet one of them has carbon atoms in it
369
879000
3000
et pourtant, les atomes de carbone de l'un
14:57
that are arranged in one particular way -- on the left --
370
882000
3000
sont arrangés d'une certaine manière, à gauche,
15:00
and you get graphite, which is soft and dark.
371
885000
3000
et on a du graphite, qui est tendre et foncé.
15:03
But if you take the same carbon atoms
372
888000
2000
Mais si vous prenez les mêmes atomes de carbone
15:05
and interconnect them a different way,
373
890000
2000
et que vous les interconnectez d'une façon différente,
15:07
you get diamond, which is clear and hard.
374
892000
3000
vous aurez un diamant, qui est dur et clair.
15:10
And those properties of softness and hardness and darkness and clearness
375
895000
3000
Et ces propriétés de douceur et de dureté, d'obscurité et de clarté,
15:13
do not reside in the carbon atoms;
376
898000
2000
ne résident pas dans les atomes de carbone.
15:15
they reside in the interconnections between the carbon atoms,
377
900000
3000
Elles résident dans les interconnexions entre les atomes de carbone,
15:18
or at least arise because of the
378
903000
2000
ou, du moins, naissent en raison des
15:20
interconnections between the carbon atoms.
379
905000
2000
interconnexions entre les atomes de carbone.
15:22
So, similarly, the pattern of connections among people
380
907000
3000
De la même manière, la configuration des liens entre les gens
15:25
confers upon the groups of people
381
910000
3000
confère aux groupes de personnes
15:28
different properties.
382
913000
2000
des propriétés différentes.
15:30
It is the ties between people
383
915000
2000
Ce sont les liens entre les personnes
15:32
that makes the whole greater than the sum of its parts.
384
917000
3000
qui rendent le tout plus grand que la somme de ses parties.
15:35
And so it is not just what's happening to these people --
385
920000
3000
Et ce n'est pas seulement ce qui arrive à ces gens,
15:38
whether they're losing weight or gaining weight, or becoming rich or becoming poor,
386
923000
3000
qu'ils perdent du poids ou qu'ils en prennent, qu'ils deviennent riches ou pauvres,
15:41
or becoming happy or not becoming happy -- that affects us;
387
926000
3000
qu'ils soient heureux ou non, qui a des conséquences sur nous.
15:44
it's also the actual architecture
388
929000
2000
C'est également l'architecture même
15:46
of the ties around us.
389
931000
2000
des liens autour de nous.
15:48
Our experience of the world
390
933000
2000
Notre expérience du monde
15:50
depends on the actual structure
391
935000
2000
dépend de la structure même
15:52
of the networks in which we're residing
392
937000
2000
des réseaux dont nous faisons partie,
15:54
and on all the kinds of things that ripple and flow
393
939000
3000
et du genre de choses qui circulent et se propagent
15:57
through the network.
394
942000
2000
à travers ces réseaux.
16:00
Now, the reason, I think, that this is the case
395
945000
3000
Je crois que la raison pour laquelle c'est le cas,
16:03
is that human beings assemble themselves
396
948000
2000
c'est que les êtres humains s'assemblent d'eux-mêmes
16:05
and form a kind of superorganism.
397
950000
3000
pour former une sorte de super-organisme.
16:09
Now, a superorganism is a collection of individuals
398
954000
3000
Un super-organisme est une sorte d'ensemble d'individus
16:12
which show or evince behaviors or phenomena
399
957000
3000
qui adoptent ou évitent des comportements ou des phénomènes,
16:15
that are not reducible to the study of individuals
400
960000
3000
qui n'est sont pas réductible à l'étude des individus
16:18
and that must be understood by reference to,
401
963000
2000
et doit être interprété par référence au collectif,
16:20
and by studying, the collective.
402
965000
2000
et en l'étudiant,
16:22
Like, for example, a hive of bees
403
967000
3000
comme, par exemple, une ruche d'abeilles
16:25
that's finding a new nesting site,
404
970000
3000
qui trouve un nouveau site de nidification,
16:28
or a flock of birds that's evading a predator,
405
973000
2000
ou une volée d'oiseaux se soustrayant à un prédateur,
16:30
or a flock of birds that's able to pool its wisdom
406
975000
3000
ou un vol d'oiseaux capables de mettre en commun leur sagesse
16:33
and navigate and find a tiny speck
407
978000
2000
pour naviguer et de trouver un point minuscule,
16:35
of an island in the middle of the Pacific,
408
980000
2000
une île au milieu du Pacifique,
16:37
or a pack of wolves that's able
409
982000
2000
ou encore une meute de loups capable
16:39
to bring down larger prey.
410
984000
3000
d'abattre de grosses proies.
16:42
Superorganisms have properties
411
987000
2000
Les super-organismes ont des propriétés
16:44
that cannot be understood just by studying the individuals.
412
989000
3000
qui ne peuvent pas être comprises seulement en étudiant les individus.
16:47
I think understanding social networks
413
992000
2000
Je pense que la compréhension des réseaux sociaux,
16:49
and how they form and operate
414
994000
2000
comment ils se forment et fonctionnent,
16:51
can help us understand not just health and emotions
415
996000
3000
peut nous aider à comprendre, non seulement la santé et les émotions,
16:54
but all kinds of other phenomena --
416
999000
2000
mais toutes sortes de phénomènes
16:56
like crime, and warfare,
417
1001000
2000
comme la criminalité et la guerre
16:58
and economic phenomena like bank runs
418
1003000
2000
et les phénomènes économiques comme les faillites bancaires,
17:00
and market crashes
419
1005000
2000
les écroulements du marché
17:02
and the adoption of innovation
420
1007000
2000
et l'adoption de l'innovation
17:04
and the spread of product adoption.
421
1009000
2000
et la propagation de l'adoption des produits.
17:06
Now, look at this.
422
1011000
2000
Maintenant, regardez ceci.
17:09
I think we form social networks
423
1014000
2000
Je crois que nous formons des réseaux sociaux
17:11
because the benefits of a connected life
424
1016000
2000
parce que les avantages d'une vie connectée
17:13
outweigh the costs.
425
1018000
3000
l'emportent sur les coûts.
17:16
If I was always violent towards you
426
1021000
2000
Si j'étais toujours violent envers vous,
17:18
or gave you misinformation
427
1023000
2000
ou si je vous induisais en erreur,
17:20
or made you sad or infected you with deadly germs,
428
1025000
3000
si je vous rendais triste, ou si je vous infectais avec des germes mortels,
17:23
you would cut the ties to me,
429
1028000
2000
vous couperiez les liens avec moi,
17:25
and the network would disintegrate.
430
1030000
2000
et le réseau se désintégrerait.
17:27
So the spread of good and valuable things
431
1032000
3000
Propager des choses positives et de valeur
17:30
is required to sustain and nourish social networks.
432
1035000
3000
est nécessaire pour soutenir et nourrir les réseaux sociaux.
17:34
Similarly, social networks are required
433
1039000
2000
De même, les réseaux sociaux sont nécessaires
17:36
for the spread of good and valuable things,
434
1041000
3000
pour la diffusion de choses bonnes et précieuses,
17:39
like love and kindness
435
1044000
2000
comme l'amour et la bonté,
17:41
and happiness and altruism
436
1046000
2000
le bonheur et l'altruisme,
17:43
and ideas.
437
1048000
2000
et les idées.
17:45
I think, in fact, that if we realized
438
1050000
2000
Je pense, en effet, que si nous réalisions
17:47
how valuable social networks are,
439
1052000
2000
à quel point les réseaux sociaux sont précieux,
17:49
we'd spend a lot more time nourishing them and sustaining them,
440
1054000
3000
on passerait beaucoup plus de temps à les nourrir et les maintenir,
17:52
because I think social networks
441
1057000
2000
car je pense que les réseaux sociaux
17:54
are fundamentally related to goodness.
442
1059000
3000
sont fondamentalement liées à la bonté,
17:57
And what I think the world needs now
443
1062000
2000
et ce que je pense, c'est que ce dont le monde a besoin aujourd'hui,
17:59
is more connections.
444
1064000
2000
c'est de plus de connections.
18:01
Thank you.
445
1066000
2000
Merci.
18:03
(Applause)
446
1068000
3000
(Applaudissements)
ABOUT THE SPEAKER
Nicholas Christakis - Physician, social scientistNicholas Christakis explores how the large-scale, face-to-face social networks in which we are embedded affect our lives, and what we can do to take advantage of this fact.
Why you should listen
People aren't merely social animals in the usual sense, for we don't just live in groups. We live in networks -- and we have done so ever since we emerged from the African savannah. Via intricately branching paths tracing out cascading family connections, friendship ties, and work relationships, we are interconnected to hundreds or even thousands of specific people, most of whom we do not know. We affect them and they affect us.
Nicholas Christakis' work examines the biological, psychological, sociological, and mathematical rules that govern how we form these social networks, and the rules that govern how they shape our lives. His work shows how phenomena as diverse as obesity, smoking, emotions, ideas, germs, and altruism can spread through our social ties, and how genes can partially underlie our creation of social ties to begin with. His work also sheds light on how we might take advantage of an understanding of social networks to make the world a better place.
At Yale, Christakis is a Professor of Social and Natural Science, and he directs a diverse research group in the field of biosocial science, primarily investigating social networks. His popular undergraduate course "Health of the Public" is available as a podcast. His book, Connected, co-authored with James H. Fowler, appeared in 2009, and has been translated into 20 languages. In 2009, he was named by Time magazine to its annual list of the 100 most influential people in the world, and also, in 2009 and 2010, by Foreign Policy magazine to its list of 100 top global thinkers
Nicholas Christakis | Speaker | TED.com