TEDNYC
Mona Chalabi: 3 ways to spot a bad statistic
מונה חלבי: 3 דרכים לזהות סטטיסטיקה גרועה
Filmed:
Readability: 4.2
1,888,599 views
לפעמים קשה לדעת על אילו סטטיסטיקות ניתן לסמוך. אבל אנחנו לא צריכים להתעלם מסטטיסטיקות לגמרי... במקום, אנחנו צריכים ללמוד להביט מאחוריהן. בהרצאה מלבבת ומצחיקה זו, עיתונאית המידע מונה חלבי חולקת טיפים יעילים לעזור לתשאל, לתרגם ובאמת להבין מה המספרים אומרים.
Mona Chalabi - Data journalist
Mona Chalabi tries to take the numb out of numbers. She's left with lots of "ers." Full bio
Mona Chalabi tries to take the numb out of numbers. She's left with lots of "ers." Full bio
Double-click the English transcript below to play the video.
00:12
Now, I'm going to be talking
about statistics today.
about statistics today.
0
884
2763
אני עומדת לדבר על סטטיסטיקה היום.
00:15
If that makes you immediately feel
a little bit wary, that's OK,
a little bit wary, that's OK,
1
3671
3138
אם זה גורם לכם להרגיש
מעט מודאגים מיידית, זה בסדר,
מעט מודאגים מיידית, זה בסדר,
00:18
that doesn't make you some
kind of crazy conspiracy theorist,
kind of crazy conspiracy theorist,
2
6833
2859
זה לא הופך אתכם
למעין משוגעי תיאוריות קוספירציה,
למעין משוגעי תיאוריות קוספירציה,
00:21
it makes you skeptical.
3
9716
1296
זה עושה אתכם סקפטיים.
00:23
And when it comes to numbers,
especially now, you should be skeptical.
especially now, you should be skeptical.
4
11036
3886
וכשזה מגיע למספרים, בעיקר עכשיו,
אתם צריכים להיות סקפטיים.
אתם צריכים להיות סקפטיים.
00:26
But you should also be able to tell
which numbers are reliable
which numbers are reliable
5
14946
3011
אבל אתם גם צריכים להיות מסוגלים
לדעת איזה מספרים אמינים
לדעת איזה מספרים אמינים
00:29
and which ones aren't.
6
17981
1160
ואלו לא.
00:31
So today I want to try to give you
some tools to be able to do that.
some tools to be able to do that.
7
19165
3206
אז היום אני רוצה לנסות לתת לכם כמה כלים
כדי שתהיו מסוגלים לעשות את זה.
כדי שתהיו מסוגלים לעשות את זה.
00:34
But before I do,
8
22395
1169
אבל לפני שאעשה זאת,
00:35
I just want to clarify which numbers
I'm talking about here.
I'm talking about here.
9
23588
2839
אני רק רוצה להבהיר
על איזה מספרים אני מדברת.
על איזה מספרים אני מדברת.
אני לא מדברת על טענות כמו,
00:38
I'm not talking about claims like,
10
26451
1635
"9 מתוך 10 נשים ממליצות
על קרם נגד קמטים הזה."
על קרם נגד קמטים הזה."
00:40
"9 out of 10 women recommend
this anti-aging cream."
this anti-aging cream."
11
28110
2449
אני חושבת שהרבה מאיתנו
תמיד מגלגלים את עינינו על מספרים כאלה.
תמיד מגלגלים את עינינו על מספרים כאלה.
00:42
I think a lot of us always
roll our eyes at numbers like that.
roll our eyes at numbers like that.
12
30583
2972
מה ששונה עכשיו זה
שאנשים לא מאמינים לסטטיסטיקות כמו,
שאנשים לא מאמינים לסטטיסטיקות כמו,
00:45
What's different now is people
are questioning statistics like,
are questioning statistics like,
13
33579
2984
"רמת האבטלה בארצות הברית
היא חמישה אחוזים."
היא חמישה אחוזים."
00:48
"The US unemployment
rate is five percent."
rate is five percent."
14
36587
2014
מה שעושה את הטענה הזו שונה
זה שהיא לא מגיעה מחברה פרטית,
זה שהיא לא מגיעה מחברה פרטית,
00:50
What makes this claim different is
it doesn't come from a private company,
it doesn't come from a private company,
15
38625
3516
היא מגיעה מהממשלה.
00:54
it comes from the government.
16
42165
1388
בערך 4 מתוך 10 אמריקאים
לא מאמינים למידע כלכלי
לא מאמינים למידע כלכלי
00:55
About 4 out of 10 Americans
distrust the economic data
distrust the economic data
17
43577
3336
00:58
that gets reported by government.
18
46937
1573
שמדווח על ידי הממשל.
01:00
Among supporters of President Trump
it's even higher;
it's even higher;
19
48534
2491
אצל תומכים של הנשיא טראמפ
זה אפילו גבוה יותר;
זה אפילו גבוה יותר;
זה בערך 7 מתוך 10.
01:03
it's about 7 out of 10.
20
51049
1633
01:04
I don't need to tell anyone here
21
52706
1804
אני לא צריכה לספר לכם פה
01:06
that there are a lot of dividing lines
in our society right now,
in our society right now,
22
54534
3011
שיש הרבה יותר קווים מפרידים
בחברה שלנו עכשיו,
בחברה שלנו עכשיו,
והרבה מהם מתחילים להיות הגיוניים,
01:09
and a lot of them start to make sense,
23
57569
1825
ברגע שאתם מבינים את היחסים של האנשים
עם מספרים ממשלתיים.
עם מספרים ממשלתיים.
01:11
once you understand people's relationships
with these government numbers.
with these government numbers.
24
59418
3687
01:15
On the one hand, there are those who say
these statistics are crucial,
these statistics are crucial,
25
63129
3336
מצד אחד, יש את אלה שאומרים
שסטטיסטיקות הן חיוניות,
שסטטיסטיקות הן חיוניות,
01:18
that we need them to make sense
of society as a whole
of society as a whole
26
66489
2630
שאנחנו צריכים אותן כדי להבין
את החברה שלנו ככלל
את החברה שלנו ככלל
01:21
in order to move beyond
emotional anecdotes
emotional anecdotes
27
69143
2164
כדי לעבור מעבר לאנקדוטות רגשיות
01:23
and measure progress in a subjective way.
28
71331
2410
ולמדוד התקדמות בדרך סובייקטיבית.
01:25
And then there are the others,
29
73765
1467
ואז יש את האחרים,
01:27
who say that these statistics are elitist,
30
75256
2156
שאומרים שהסטטיסטיקות הן אליטיסטיות,
01:29
maybe even rigged;
31
77436
1208
אולי אפילו מוטות;
01:30
they don't make sense
and they don't really reflect
and they don't really reflect
32
78668
2394
הן לא הגיוניות והן לא באמת משקפות
מה שקורה בחיי היומיום של אנשים.
מה שקורה בחיי היומיום של אנשים.
01:33
what's happening
in people's everyday lives.
in people's everyday lives.
33
81086
2296
01:35
It kind of feels like that second group
is winning the argument right now.
is winning the argument right now.
34
83406
3487
זה קצת מרגיש כאילו הקבוצה השניה
זוכה בטיעונים עכשיו.
זוכה בטיעונים עכשיו.
01:38
We're living in a world
of alternative facts,
of alternative facts,
35
86917
2108
אנחנו חיים בעולם של עובדות אלטרנטיביות,
01:41
where people don't find statistics
this kind of common ground,
this kind of common ground,
36
89049
2935
שבו אנשים לא רואים בסטטיסטיקה
כסוג של מכנה משותף,
כסוג של מכנה משותף,
01:44
this starting point for debate.
37
92008
1636
כנקודת ההתחלה הזו לויכוח.
01:45
This is a problem.
38
93668
1286
זו בעיה.
01:46
There are actually
moves in the US right now
moves in the US right now
39
94978
2067
יש למעשה תנועות בארצות הברית עכשיו
01:49
to get rid of some government
statistics altogether.
statistics altogether.
40
97069
2861
כדי להיפטר לגמרי מכמה סטטיסטיקות ממשלתיות.
01:51
Right now there's a bill in congress
about measuring racial inequality.
about measuring racial inequality.
41
99954
3387
ממש עכשיו יש הצעת חוק בקונגרס
בנוגע למדידת חוסר שוויון גזעני.
בנוגע למדידת חוסר שוויון גזעני.
01:55
The draft law says that government
money should not be used
money should not be used
42
103365
2801
הצעת החוק אומרת שכסף ממשלתי
לא צריך להיות בשימוש
לא צריך להיות בשימוש
01:58
to collect data on racial segregation.
43
106190
1902
בשביל לאסוף מידע על הפרדה גזעית.
02:00
This is a total disaster.
44
108116
1885
זה אסון מוחלט.
02:02
If we don't have this data,
45
110025
1748
אם אין לנו מידע,
02:03
how can we observe discrimination,
46
111797
1778
איך אנחנו יכולים לראות אפליה,
02:05
let alone fix it?
47
113599
1278
שלא לדבר על לתקן אותה?
02:06
In other words:
48
114901
1188
במילים אחרות:
02:08
How can a government create fair policies
49
116113
2059
איך ממשל יכול לייצר מדיניות הוגנת
02:10
if they can't measure
current levels of unfairness?
current levels of unfairness?
50
118196
2771
אם הם לא יכולים למדוד
רמות נוכחיות של חוסר הוגנות?
רמות נוכחיות של חוסר הוגנות?
02:12
This isn't just about discrimination,
51
120991
1794
זה לא רק נוגע לאפליה,
זה הכל -- חשבו על זה.
02:14
it's everything -- think about it.
52
122809
1670
איך אנחנו יכולים לחוקק
בנוגע לבריאות
בנוגע לבריאות
02:16
How can we legislate on health care
53
124503
1690
אם אין לנו מידע טוב על בריאות ועוני?
02:18
if we don't have good data
on health or poverty?
on health or poverty?
54
126217
2271
איך יכול להיות לנו דיון ציבורי על הגירה
02:20
How can we have public debate
about immigration
about immigration
55
128512
2198
אם אנחנו לא יכולים לפחות להסכים
02:22
if we can't at least agree
56
130734
1250
על כמה אנשים נכנסים ויוצאים מהמדינה?
02:24
on how many people are entering
and leaving the country?
and leaving the country?
57
132008
2643
סטטיסטיקות מגיעות מהמדינה;
משם הן קיבלו את שמן.
משם הן קיבלו את שמן.
02:26
Statistics come from the state;
that's where they got their name.
that's where they got their name.
58
134675
3058
הנקודה היתה למדוד טוב יותר את האוכלוסיה
02:29
The point was to better
measure the population
measure the population
59
137757
2157
כדי לשרת אותה טוב יותר.
02:31
in order to better serve it.
60
139938
1357
אז אנחנו צריכים
את המספרים הממשלתיים האלה,
את המספרים הממשלתיים האלה,
02:33
So we need these government numbers,
61
141319
1725
02:35
but we also have to move
beyond either blindly accepting
beyond either blindly accepting
62
143068
2647
אבל אנחנו גם צריכים לנוע מעבר לקבלה עיוורת
או דחייה עיוורת שלהם.
או דחייה עיוורת שלהם.
02:37
or blindly rejecting them.
63
145739
1268
אנחנו צריכים ללמוד את הכישורים
להיות מסוגלים לזהות סטטיסטיקות גרועות.
להיות מסוגלים לזהות סטטיסטיקות גרועות.
02:39
We need to learn the skills
to be able to spot bad statistics.
to be able to spot bad statistics.
64
147031
2997
02:42
I started to learn some of these
65
150052
1528
התחלתי ללמוד כמה מאלה
כשעבדתי במחלקת הסטטיסטיקה
02:43
when I was working
in a statistical department
in a statistical department
66
151604
2166
שהיא חלק מהאומות המאוחדות.
02:45
that's part of the United Nations.
67
153794
1643
העבודה שלנו היתה לגלות
כמה עיראקים הוצאו בכוח מבתיהם
כמה עיראקים הוצאו בכוח מבתיהם
02:47
Our job was to find out how many Iraqis
had been forced from their homes
had been forced from their homes
68
155461
3406
כתוצאה מהמלחמה,
02:50
as a result of the war,
69
158891
1158
ומה הם צריכים.
02:52
and what they needed.
70
160073
1158
זו היתה עבודה באמת חשובה,
אבל היא גם היתה ממש קשה.
אבל היא גם היתה ממש קשה.
02:53
It was really important work,
but it was also incredibly difficult.
but it was also incredibly difficult.
71
161255
3178
02:56
Every single day, we were making decisions
72
164457
2018
כל יום, עשינו החלטות
02:58
that affected the accuracy
of our numbers --
of our numbers --
73
166499
2157
שהשפיעו על הדיוק של המספרים שלנו --
03:00
decisions like which parts
of the country we should go to,
of the country we should go to,
74
168680
2744
החלטות כמו לאיזה חלקים של המדינה
אנחנו צריכים ללכת,
אנחנו צריכים ללכת,
03:03
who we should speak to,
75
171448
1156
עם מי צריך לדבר,
03:04
which questions we should ask.
76
172628
1568
איזה שאלות אנחנו צריכים לשאול.
03:06
And I started to feel
really disillusioned with our work,
really disillusioned with our work,
77
174220
2680
והתחלתי להרגיש באמת באשליה מהעבודה שלנו,
03:08
because we thought we were doing
a really good job,
a really good job,
78
176924
2518
בגלל שחשבנו שעשינו עבודה ממש טובה,
03:11
but the one group of people
who could really tell us were the Iraqis,
who could really tell us were the Iraqis,
79
179466
3278
אבל הקבוצה היחידה של האנשים
שבאמת יכלה לספר לנו היתה העיראקים,
שבאמת יכלה לספר לנו היתה העיראקים,
ורק לעיתים רחוקות הם קיבלו את ההזדמנות
לגלות את האנליזה שלנו, שלא לדבר על לפקפק.
לגלות את האנליזה שלנו, שלא לדבר על לפקפק.
03:14
and they rarely got the chance to find
our analysis, let alone question it.
our analysis, let alone question it.
80
182768
3540
אז התחלתי להרגיש ממש נחושה
03:18
So I started to feel really determined
81
186332
1831
03:20
that the one way to make
numbers more accurate
numbers more accurate
82
188187
2311
שהדרך היחידה לעשות
את המספרים יותר מדוייקים
את המספרים יותר מדוייקים
03:22
is to have as many people as possible
be able to question them.
be able to question them.
83
190522
3053
היא שכמה שיותר אנשים
יהיו מסוגלים לפקפק בהם.
יהיו מסוגלים לפקפק בהם.
03:25
So I became a data journalist.
84
193599
1434
אז הפכתי לעיתונאית מידע.
03:27
My job is finding these data sets
and sharing them with the public.
and sharing them with the public.
85
195057
3904
העבודה שלי היא לגלות את מערכי המידע האלה
ולחלוק אותם עם הציבור.
ולחלוק אותם עם הציבור.
כולם יכולים לעשות את זה,
אתם לא חייבים להיות גיקים או חנונים.
אתם לא חייבים להיות גיקים או חנונים.
03:30
Anyone can do this,
you don't have to be a geek or a nerd.
you don't have to be a geek or a nerd.
86
198985
3173
אתם יכולים להתעלם מהמילים האלו;
הם בשימוש על ידי אנשים
הם בשימוש על ידי אנשים
03:34
You can ignore those words;
they're used by people
they're used by people
87
202182
2355
שמנסים להגיד שהם חכמים
בעודם מעמידים פנים שהם צנועים.
בעודם מעמידים פנים שהם צנועים.
03:36
trying to say they're smart
while pretending they're humble.
while pretending they're humble.
88
204561
2822
ממש כל אחד יכול לעשות את זה.
03:39
Absolutely anyone can do this.
89
207407
1589
03:41
I want to give you guys three questions
90
209020
2067
אני רוצה לשאול אתכם שלוש שאלות
03:43
that will help you be able to spot
some bad statistics.
some bad statistics.
91
211111
3005
שיעזרו לכם להיות מסוגלים לזהות
כמה סטטיסטיקות גרועות.
כמה סטטיסטיקות גרועות.
03:46
So, question number one
is: Can you see uncertainty?
is: Can you see uncertainty?
92
214140
3507
אז, שאלה מספר אחת היא
האם אתם יכולים לראות חוסר וודאות?
האם אתם יכולים לראות חוסר וודאות?
03:49
One of things that's really changed
people's relationship with numbers,
people's relationship with numbers,
93
217671
3364
אחד הדברים שבאמת שינו
את היחסים של אנשים עם מספרים,
את היחסים של אנשים עם מספרים,
ואפילו את האמון שלהם בתקשורת,
03:53
and even their trust in the media,
94
221059
1641
03:54
has been the use of political polls.
95
222724
2258
היו השימוש בסקרים פוליטיים.
03:57
I personally have a lot of issues
with political polls
with political polls
96
225006
2538
לי אישית יש הרבה בעיות עם סקרים פוליטיים
03:59
because I think the role of journalists
is actually to report the facts
is actually to report the facts
97
227568
3376
בגלל שאני חושבת שהתפקיד של עיתונאים
הוא למעשה לדווח על העובדות
הוא למעשה לדווח על העובדות
04:02
and not attempt to predict them,
98
230968
1553
ולא לנסות לחזות אותן,
04:04
especially when those predictions
can actually damage democracy
can actually damage democracy
99
232545
2996
בעיקר כשהתחזיות האלו יכולות למעשה
לפגוע בדמוקרטיה על ידי סימון אנשים:
לפגוע בדמוקרטיה על ידי סימון אנשים:
04:07
by signaling to people:
don't bother to vote for that guy,
don't bother to vote for that guy,
100
235565
2732
אל תטרחו להצביע לאיש הזה,
אין לו סיכוי.
אין לו סיכוי.
04:10
he doesn't have a chance.
101
238321
1205
הבה נניח את זה בצד בינתיים
ונדבר על הדיוק של המאמץ הזה.
ונדבר על הדיוק של המאמץ הזה.
04:11
Let's set that aside for now and talk
about the accuracy of this endeavor.
about the accuracy of this endeavor.
102
239550
3654
בהתבסס על בחירות ארציות
באנגליה, איטליה, ישראל
באנגליה, איטליה, ישראל
04:15
Based on national elections
in the UK, Italy, Israel
in the UK, Italy, Israel
103
243228
4608
04:19
and of course, the most recent
US presidential election,
US presidential election,
104
247860
2764
וכמובן, הבחירות האחרונות בארצות הברית,
04:22
using polls to predict electoral outcomes
105
250648
2137
שימוש בסקרים כדי לחזות את תוצאות הבחירות
04:24
is about as accurate as using the moon
to predict hospital admissions.
to predict hospital admissions.
106
252809
3812
מדויק בערך כמו שימוש בירח
כדי לחזות אשפוז בבתי חולים.
כדי לחזות אשפוז בבתי חולים.
04:28
No, seriously, I used actual data
from an academic study to draw this.
from an academic study to draw this.
107
256645
4200
לא, באמת, השתמשתי במידע אמיתי
ממחקר אקדמי כדי לצייר את זה.
ממחקר אקדמי כדי לצייר את זה.
04:32
There are a lot of reasons why
polling has become so inaccurate.
polling has become so inaccurate.
108
260869
3727
יש הרבה סיבות למה סקרים הפכו ללא מדוייקים.
04:36
Our societies have become really diverse,
109
264620
1970
החברות שלנו הפכו לבאמת מגוונות,
מה שגורם לקושי לסוקרים
לקבל דוגמה באמת מייצגת
לקבל דוגמה באמת מייצגת
04:38
which makes it difficult for pollsters
to get a really nice representative sample
to get a really nice representative sample
110
266614
3821
04:42
of the population for their polls.
111
270459
1627
של האוכלוסיה עבור הסקרים שלהם.
04:44
People are really reluctant to answer
their phones to pollsters,
their phones to pollsters,
112
272110
3006
אנשים באמת נמנעים מלענות בטלפון לסוקרים,
04:47
and also, shockingly enough,
people might lie.
people might lie.
113
275140
2276
וגם, למרבה ההפתעה, אנשים יכולים לשקר.
04:49
But you wouldn't necessarily
know that to look at the media.
know that to look at the media.
114
277440
2811
אבל לא בהכרח תדעו זאת אם תביטו בתקשורת.
04:52
For one thing, the probability
of a Hillary Clinton win
of a Hillary Clinton win
115
280275
2761
ראשית, ההסתברות שהילרי קלינטון תנצח
04:55
was communicated with decimal places.
116
283060
2791
תוקשרה עם נקודות עשרוניות.
04:57
We don't use decimal places
to describe the temperature.
to describe the temperature.
117
285875
2621
אנחנו לא משתמשים בנקודות עשרוניות
כדי לתאר את הטמפרטורה.
כדי לתאר את הטמפרטורה.
05:00
How on earth can predicting the behavior
of 230 million voters in this country
of 230 million voters in this country
118
288520
4228
איך לעזאזל תחזית ההתנהגות
של 230 מליון בוחרים במדינה
של 230 מליון בוחרים במדינה
05:04
be that precise?
119
292772
1829
יכולה להיות כל כך מדוייקת?
05:06
And then there were those sleek charts.
120
294625
2002
ואז יש את הגרפים היפים האלה.
05:08
See, a lot of data visualizations
will overstate certainty, and it works --
will overstate certainty, and it works --
121
296651
3973
הבינו, הרבה מצורות הצגת מידע
מפריזות ב-וודאות, וזה עובד --
מפריזות ב-וודאות, וזה עובד --
05:12
these charts can numb
our brains to criticism.
our brains to criticism.
122
300648
2620
הטבלאות האלו יכולות להקהות
את המוחות שלנו לביקורת.
את המוחות שלנו לביקורת.
05:15
When you hear a statistic,
you might feel skeptical.
you might feel skeptical.
123
303292
2558
כשאתם שומעים סטטיסטיקה,
אתם אולי מרגישים סקפטיים.
אתם אולי מרגישים סקפטיים.
ברגע שזה קבור בגרף,
05:17
As soon as it's buried in a chart,
124
305874
1635
זה מרגיש כמו סוג של מדע אובייקטיבי,
05:19
it feels like some kind
of objective science,
of objective science,
125
307533
2129
וזה לא.
05:21
and it's not.
126
309686
1249
05:22
So I was trying to find ways
to better communicate this to people,
to better communicate this to people,
127
310959
3103
אז ניסיתי לגלות דרכים
לתקשר את זה לאנשים טוב יותר,
לתקשר את זה לאנשים טוב יותר,
כדי להראות לאנשים
את חוסר הוודאות במספרים שלנו.
את חוסר הוודאות במספרים שלנו.
05:26
to show people the uncertainty
in our numbers.
in our numbers.
128
314086
2504
מה שעשיתי היה להתחיל לקחת
מאגרי נתונים אמיתיים,
מאגרי נתונים אמיתיים,
05:28
What I did was I started taking
real data sets,
real data sets,
129
316614
2246
05:30
and turning them into
hand-drawn visualizations,
hand-drawn visualizations,
130
318884
2652
ולהפוך אותם לתצוגות מידע המצויירות ידנית,
05:33
so that people can see
how imprecise the data is;
how imprecise the data is;
131
321560
2672
כך שאנשים יוכלו לראות
כמה לא מדוייק המידע;
כמה לא מדוייק המידע;
כך שאנשים יכולים לראות שאדם עשה את זה,
05:36
so people can see that a human did this,
132
324256
1996
אדם מצא את המידע והראה אותו.
05:38
a human found the data and visualized it.
133
326276
1972
05:40
For example, instead
of finding out the probability
of finding out the probability
134
328272
2672
לדוגמה, במקום לגלות את ההסתברות
05:42
of getting the flu in any given month,
135
330968
2126
של לקבל שפעת בכל חודש מסויים,
05:45
you can see the rough
distribution of flu season.
distribution of flu season.
136
333118
2792
אתם יכולים לראות
את ההתפלגות הגסה של עונות השפעת.
את ההתפלגות הגסה של עונות השפעת.
זה --
05:47
This is --
137
335934
1167
(צחוק)
05:49
(Laughter)
138
337125
1018
תמונה גרועה להראות בפברואר.
05:50
a bad shot to show in February.
139
338167
1486
אבל זה גם הצגת מידע יותר אחראית,
05:51
But it's also more responsible
data visualization,
data visualization,
140
339677
2455
בגלל שאם הייתם מראים
את ההסתברויות המדוייקות,
את ההסתברויות המדוייקות,
05:54
because if you were to show
the exact probabilities,
the exact probabilities,
141
342156
2455
אולי זה יעודד אנשים לקבל חיסונים לשפעת
בזמן הלא נכון.
בזמן הלא נכון.
05:56
maybe that would encourage
people to get their flu jabs
people to get their flu jabs
142
344635
2592
05:59
at the wrong time.
143
347251
1456
הנקודה של הקווים הרעועים האלה
06:01
The point of these shaky lines
144
349163
1693
היא שאנשים יזכרו את חוסר הדיוקים האלה,
06:02
is so that people remember
these imprecisions,
these imprecisions,
145
350880
2911
אבל גם שהם לא בהכרח ילכו עם מספר מסויים,
06:05
but also so they don't necessarily
walk away with a specific number,
walk away with a specific number,
146
353815
3227
אבל הם יכולים לזכור עובדות חשובות.
06:09
but they can remember important facts.
147
357066
1866
עובדות כמו חוסר צדק וחוסר שוויון
משאירים סימן גדול על החיים שלנו.
משאירים סימן גדול על החיים שלנו.
06:10
Facts like injustice and inequality
leave a huge mark on our lives.
leave a huge mark on our lives.
148
358956
4024
06:15
Facts like Black Americans and Native
Americans have shorter life expectancies
Americans have shorter life expectancies
149
363004
4189
עובדות כמו שלאמריקאים שחורים
ולאמריקאים ילידים יש תוחלת חיים קצרה יותר
ולאמריקאים ילידים יש תוחלת חיים קצרה יותר
06:19
than those of other races,
150
367217
1400
מאלו מגזעים אחרים,
06:20
and that isn't changing anytime soon.
151
368641
2138
וזה לא ישתנה בקרוב.
06:22
Facts like prisoners in the US
can be kept in solitary confinement cells
can be kept in solitary confinement cells
152
370803
3901
עובדות כמו שאסירים בארצות הברית
יכולים להיות מוחזקים בתאי בידוד
יכולים להיות מוחזקים בתאי בידוד
שקטנים יותר מגודל של מקום חניה ממוצע.
06:26
that are smaller than the size
of an average parking space.
of an average parking space.
153
374728
3342
06:30
The point of these visualizations
is also to remind people
is also to remind people
154
378535
3335
הנקודה של ההדגמות האלה
היא גם להזכיר לאנשים
היא גם להזכיר לאנשים
06:33
of some really important
statistical concepts,
statistical concepts,
155
381894
2350
כמה חשובים רעיונות סטטיסטים,
06:36
concepts like averages.
156
384268
1636
רעיונות כמו ממוצעים.
06:37
So let's say you hear a claim like,
157
385928
1668
אז בואו נגיד שאתם שומעים טענה כמו,
06:39
"The average swimming pool in the US
contains 6.23 fecal accidents."
contains 6.23 fecal accidents."
158
387620
4434
"בריכת השחיה הממוצעת בארצות הברית
מכילה 6.23 תאונות צואתיות."
מכילה 6.23 תאונות צואתיות."
06:44
That doesn't mean every single
swimming pool in the country
swimming pool in the country
159
392078
2797
זה לא אומר שכל בריכה במדינה
מכילה 6.23 צואות.
06:46
contains exactly 6.23 turds.
160
394899
2194
אז כדי להראות את זה,
06:49
So in order to show that,
161
397117
1417
06:50
I went back to the original data,
which comes from the CDC,
which comes from the CDC,
162
398558
2841
חזרתי למידע המקורי,
שמגיע מהמרכז לשליטה במחלות,
שמגיע מהמרכז לשליטה במחלות,
06:53
who surveyed 47 swimming facilities.
163
401423
2065
שסקר 47 מתקנים של בריכות שחיה.
06:55
And I just spent one evening
redistributing poop.
redistributing poop.
164
403512
2391
וביליתי רק ערב אחד בלפזר מחדש קקי.
06:57
So you can kind of see
how misleading averages can be.
how misleading averages can be.
165
405927
2682
אז אתם יכולים לראות
כמה מטעה הממוצע הזה יכול להיות.
כמה מטעה הממוצע הזה יכול להיות.
07:00
(Laughter)
166
408633
1282
(צחוק)
07:01
OK, so the second question
that you guys should be asking yourselves
that you guys should be asking yourselves
167
409939
3901
אוקיי, אז השאלה השניה
שאתם צריכים לשאול את עצמכם
שאתם צריכים לשאול את עצמכם
לזהות מספרים גרועים היא:
07:05
to spot bad numbers is:
168
413864
1501
07:07
Can I see myself in the data?
169
415389
1967
האם אני יכול למצוא את עצמי במידע?
07:09
This question is also
about averages in a way,
about averages in a way,
170
417380
2913
השאלה הזו נוגעת גם לממוצעים בדרך מסויימת,
07:12
because part of the reason
why people are so frustrated
why people are so frustrated
171
420317
2605
בגלל שחלק מהסיבה שאנשים כל כך מתוסכלים
מהסטטיסטיקות הארציות האלו,
07:14
with these national statistics,
172
422946
1495
היא שהן לא באמת מספרות
את הסיפור של מי מנצח ומי מפסיד
את הסיפור של מי מנצח ומי מפסיד
07:16
is they don't really tell the story
of who's winning and who's losing
of who's winning and who's losing
173
424465
3273
ממדיניות לאומית.
07:19
from national policy.
174
427762
1156
זה קל להבין למה אנשים מתוסכלים
מממוצעים עולמיים
מממוצעים עולמיים
07:20
It's easy to understand why people
are frustrated with global averages
are frustrated with global averages
175
428942
3318
כשהם לא מתאימים לחוויות האישיות שלהם.
07:24
when they don't match up
with their personal experiences.
with their personal experiences.
176
432284
2679
רציתי להראות לאנשים את הדרך
שמידע מתייחס לחיים היום יומיים שלהם.
שמידע מתייחס לחיים היום יומיים שלהם.
07:26
I wanted to show people the way
data relates to their everyday lives.
data relates to their everyday lives.
177
434987
3263
התחלתי את טור הייעוץ הזה
שנקרא "מונה היקרה,"
שנקרא "מונה היקרה,"
07:30
I started this advice column
called "Dear Mona,"
called "Dear Mona,"
178
438274
2246
שם אנשים יכתבו לי שאלות ודאגות
07:32
where people would write to me
with questions and concerns
with questions and concerns
179
440544
2726
והייתי מנסה לענות להם עם מידע.
07:35
and I'd try to answer them with data.
180
443294
1784
אנשים שאלו אותי כל דבר.
07:37
People asked me anything.
181
445102
1200
שאלות כמו, "האם זה נורמלי
לישון במיטה נפרדת מאשתי?"
לישון במיטה נפרדת מאשתי?"
07:38
questions like, "Is it normal to sleep
in a separate bed to my wife?"
in a separate bed to my wife?"
182
446326
3261
"האם אנשים מתחרטים
על כתובות הקעקע שלהם?"
על כתובות הקעקע שלהם?"
07:41
"Do people regret their tattoos?"
183
449611
1591
"מה זה אומר למות מסיבות טבעיות?"
07:43
"What does it mean to die
of natural causes?"
of natural causes?"
184
451226
2164
07:45
All of these questions are great,
because they make you think
because they make you think
185
453414
2966
כל השאלות האלו מעולות,
בגלל שהן גורמות לכם לחשוב
בגלל שהן גורמות לכם לחשוב
על דרכים למצוא ולתקשר את המספרים האלה.
07:48
about ways to find
and communicate these numbers.
and communicate these numbers.
186
456404
2336
אם מישהו שואל אתכם,
"כמה פיפי זה הרבה פיפי?"
"כמה פיפי זה הרבה פיפי?"
07:50
If someone asks you,
"How much pee is a lot of pee?"
"How much pee is a lot of pee?"
187
458764
2503
שזו שאלה שנשאלתי,
07:53
which is a question that I got asked,
188
461291
2458
07:55
you really want to make sure
that the visualization makes sense
that the visualization makes sense
189
463773
2980
אתם באמת רוצים לדאוג
שהויזואליזציה תהיה הגיונית
שהויזואליזציה תהיה הגיונית
לכמה שיותר אנשים שאפשר.
07:58
to as many people as possible.
190
466777
1747
המספרים האלה כן זמינים.
08:00
These numbers aren't unavailable.
191
468548
1575
08:02
Sometimes they're just buried
in the appendix of an academic study.
in the appendix of an academic study.
192
470147
3507
לפעמים הם סתם קבורים בנספח של מחקר אקדמי.
08:05
And they're certainly not inscrutable;
193
473678
1839
והם בהחלט לא בלתי מובנים;
אם אתם באמת רוצים לבחון
את המספרים האלה על כמות השתן,
את המספרים האלה על כמות השתן,
08:07
if you really wanted to test
these numbers on urination volume,
these numbers on urination volume,
194
475541
2975
אתם יכולים לקחת בקבוק ולנסות בעצמכם.
08:10
you could grab a bottle
and try it for yourself.
and try it for yourself.
195
478540
2257
(צחוק)
08:12
(Laughter)
196
480821
1008
הנקודה של זה היא לא בהכרח שכל מאגר נתונים
חייב להיות קשור ספציפית אליכם.
חייב להיות קשור ספציפית אליכם.
08:13
The point of this isn't necessarily
197
481853
1694
08:15
that every single data set
has to relate specifically to you.
has to relate specifically to you.
198
483571
2877
אני מתעניינת לכמה נשים בצרפת נתנו קנסות
08:18
I'm interested in how many women
were issued fines in France
were issued fines in France
199
486472
2880
על לבישת רעלה, או ניקאב,
08:21
for wearing the face veil, or the niqab,
200
489376
1959
אפילו אם אני לא חייה בצרפת
או לובשת כיסוי פנים.
או לובשת כיסוי פנים.
08:23
even if I don't live in France
or wear the face veil.
or wear the face veil.
201
491359
2618
הנקודה של לשאול איך זה מתאים אליך
היא לקבל כמה שיותר הקשר.
היא לקבל כמה שיותר הקשר.
08:26
The point of asking where you fit in
is to get as much context as possible.
is to get as much context as possible.
202
494001
3835
זה מדבר על להסתכל מרחוק מנקודת מבט אחת,
08:29
So it's about zooming out
from one data point,
from one data point,
203
497860
2191
08:32
like the unemployment rate
is five percent,
is five percent,
204
500075
2104
כמו שרמת האבטלה היא חמישה אחוזים,
ולראות איך היא משתנה עם הזמן,
08:34
and seeing how it changes over time,
205
502203
1757
08:35
or seeing how it changes
by educational status --
by educational status --
206
503984
2650
או לראות איך היא משתנה
על ידי סטטוס חינוכי --
על ידי סטטוס חינוכי --
08:38
this is why your parents always
wanted you to go to college --
wanted you to go to college --
207
506658
3104
זו הסיבה שההורים שלכם
תמיד רצו שתלכו למכללה --
תמיד רצו שתלכו למכללה --
08:41
or seeing how it varies by gender.
208
509786
2032
או לראות כמה זה משתנה לפי מגדר.
08:43
Nowadays, male unemployment rate is higher
209
511842
2127
היום, אבטלה גברית גבוהה יותר
מרמת האבטלה הנשית.
08:45
than the female unemployment rate.
210
513993
1700
08:47
Up until the early '80s,
it was the other way around.
it was the other way around.
211
515717
2695
עד לתחילת שנות ה 80, זה היה הפוך.
זה סיפור על אחד השינויים הגדולים
08:50
This is a story of one
of the biggest changes
of the biggest changes
212
518436
2117
שהתרחשו בחברה האמריקאית,
08:52
that's happened in American society,
213
520577
1720
וזה הכל שם בתרשים,
ברגע שאתם מביטים מעבר לממוצעים.
ברגע שאתם מביטים מעבר לממוצעים.
08:54
and it's all there in that chart,
once you look beyond the averages.
once you look beyond the averages.
214
522321
3276
הצירים הם הכל;
08:57
The axes are everything;
215
525621
1165
ברגע שאתם משנים את קנה המידה,
אתם יכולים לשנות את הסיפור.
אתם יכולים לשנות את הסיפור.
08:58
once you change the scale,
you can change the story.
you can change the story.
216
526810
2669
אוקיי, אז השאלה השלישית והאחרונה
שאני רוצה שתחשבו עליה
שאני רוצה שתחשבו עליה
09:01
OK, so the third and final question
that I want you guys to think about
that I want you guys to think about
217
529503
3380
כשאתם מביטים בסטטיסטיקה היא:
09:04
when you're looking at statistics is:
218
532907
1819
איך המידע נאסף?
09:06
How was the data collected?
219
534750
1873
עד עכשיו, דיברתי רק על הדרך שמידע מתוקשר,
09:09
So far, I've only talked about the way
data is communicated,
data is communicated,
220
537667
2939
אבל הדרך בה הוא נאסף
משנה באותה מידה.
משנה באותה מידה.
09:12
but the way it's collected
matters just as much.
matters just as much.
221
540630
2276
אני יודעת שזה קשה,
09:14
I know this is tough,
222
542930
1167
בגלל שמתודולוגיות יכולות להיות אטומות
ולמעשה סוג של משעממות,
ולמעשה סוג של משעממות,
09:16
because methodologies can be opaque
and actually kind of boring,
and actually kind of boring,
223
544121
3081
אבל יש כמה שלבים פשוטים
שאתם יכולים לעשות כדי לבדוק את זה.
שאתם יכולים לעשות כדי לבדוק את זה.
09:19
but there are some simple steps
you can take to check this.
you can take to check this.
224
547226
2873
אני אשתמש בדוגמה אחת אחרונה פה.
09:22
I'll use one last example here.
225
550123
1839
סקר אחד גילה ש-41 אחוזים
מהמוסלמים במדינה תומכים בג'יהאד,
מהמוסלמים במדינה תומכים בג'יהאד,
09:24
One poll found that 41 percent of Muslims
in this country support jihad,
in this country support jihad,
226
552309
3887
09:28
which is obviously pretty scary,
227
556220
1525
שזה בברור די מפחיד,
09:29
and it was reported everywhere in 2015.
228
557769
2642
וזה דווח בכל מקום ב-2015.
09:32
When I want to check a number like that,
229
560435
2615
כשאני רוצה לבדוק מספר כמו זה,
09:35
I'll start off by finding
the original questionnaire.
the original questionnaire.
230
563074
2501
אני אתחיל בלמצוא את השאלון המקורי.
09:37
It turns out that journalists
who reported on that statistic
who reported on that statistic
231
565599
2926
מסתבר שעיתונאים שדיווחו
על הסטטיסטיקות האלה
על הסטטיסטיקות האלה
09:40
ignored a question
lower down on the survey
lower down on the survey
232
568549
2231
התעלמו משאלה במורד הסקר
09:42
that asked respondents
how they defined "jihad."
how they defined "jihad."
233
570804
2346
ששאלה משיבים איך הם מגדירים "ג'יהאד."
09:45
And most of them defined it as,
234
573174
1981
ורובם הגדירו אותו,
09:47
"Muslims' personal, peaceful struggle
to be more religious."
to be more religious."
235
575179
3942
כ"מאבק האישי הרגוע של 'מוסלמי'
להיות יותר דתי."
להיות יותר דתי."
09:51
Only 16 percent defined it as,
"violent holy war against unbelievers."
"violent holy war against unbelievers."
236
579145
4194
רק 16 אחוז הגדירו אותו
כ"מלחמה אלימה קדושה נגד לא מאמינים."
כ"מלחמה אלימה קדושה נגד לא מאמינים."
09:55
This is the really important point:
237
583363
2430
זו נקודה באמת חשובה:
09:57
based on those numbers,
it's totally possible
it's totally possible
238
585817
2155
בהתבסס על המספרים האלה, זה לגמרי אפשרי
09:59
that no one in the survey
who defined it as violent holy war
who defined it as violent holy war
239
587996
3105
שאף אחד בסקר שהגדיר אותו
כמלחמה קדושה אלימה
כמלחמה קדושה אלימה
10:03
also said they support it.
240
591125
1332
גם אמרו שהם תומכים בה.
10:04
Those two groups might not overlap at all.
241
592481
2208
שתי הקבוצות האלה אולי לא חופפות בכלל.
10:07
It's also worth asking
how the survey was carried out.
how the survey was carried out.
242
595122
2637
זה גם שווה לשאול איך הסקר נערך.
10:09
This was something called an opt-in poll,
243
597783
1998
זה היה משהו שנקרא סקר לפי בחירה,
מה שאומר שכל אחד היה יכול
למצוא אותו באינטרנט ולמלא אותו.
למצוא אותו באינטרנט ולמלא אותו.
10:11
which means anyone could have found it
on the internet and completed it.
on the internet and completed it.
244
599805
3402
אין דרך לדעת אם האנשים האלה
אפילו מזדהים כמוסלמים.
אפילו מזדהים כמוסלמים.
10:15
There's no way of knowing
if those people even identified as Muslim.
if those people even identified as Muslim.
245
603231
3339
10:18
And finally, there were 600
respondents in that poll.
respondents in that poll.
246
606594
2612
ולבסוף, יש 600 משיבים בסקר.
10:21
There are roughly three million
Muslims in this country,
Muslims in this country,
247
609230
2654
יש בערך שלושה מליון מוסלמים במדינה,
לפי מרכז המחקר פיו.
10:23
according to Pew Research Center.
248
611908
1607
זה אומר שהסקר דיבר בהערכה גסה
לאחד מתוך 5,000 מוסלמים במדינה.
לאחד מתוך 5,000 מוסלמים במדינה.
10:25
That means the poll spoke to roughly
one in every 5,000 Muslims
one in every 5,000 Muslims
249
613539
2993
10:28
in this country.
250
616556
1168
זו אחת הסיבות
10:29
This is one of the reasons
251
617748
1266
שסטטיסטיקות ממשלתיות הרבה פעמים
טובות יותר מסטטיסטיקות פרטיות.
טובות יותר מסטטיסטיקות פרטיות.
10:31
why government statistics
are often better than private statistics.
are often better than private statistics.
252
619038
3607
10:34
A poll might speak to a couple
hundred people, maybe a thousand,
hundred people, maybe a thousand,
253
622669
3035
סקר אולי ידבר לכמה מאות אנשים, אולי לאלף,
10:37
or if you're L'Oreal, trying to sell
skin care products in 2005,
skin care products in 2005,
254
625728
3058
או אם אתם לוריאל,
מנסים למכור מוצרי טיפול בעור ב-2005,
מנסים למכור מוצרי טיפול בעור ב-2005,
10:40
then you spoke to 48 women
to claim that they work.
to claim that they work.
255
628810
2417
אז דיברתם עם 48 נשים כדי לטעון שהם עובדים.
10:43
(Laughter)
256
631251
1026
(צחוק)
10:44
Private companies don't have a huge
interest in getting the numbers right,
interest in getting the numbers right,
257
632301
3556
לחברות פרטיות אין אינטרס גדול
להגיע למספר נכון,
להגיע למספר נכון,
10:47
they just need the right numbers.
258
635881
1755
הן פשוט רוצות מספרים מתאימים.
10:49
Government statisticians aren't like that.
259
637660
2020
סטטיסטיקאים ממשלתיים לא עובדים ככה.
10:51
In theory, at least,
they're totally impartial,
they're totally impartial,
260
639704
2447
בתאוריה, לפחות, הם לגמרי לא מוטים,
10:54
not least because most of them do
their jobs regardless of who's in power.
their jobs regardless of who's in power.
261
642175
3501
בין היתר בגלל שהם עושים את העבודה שלהם
בלי קשר למי מחזיק בשלטון.
בלי קשר למי מחזיק בשלטון.
הם עובדי ציבור.
10:57
They're civil servants.
262
645700
1162
וכדי לעשות את העבודה שלהם טוב,
10:58
And to do their jobs properly,
263
646886
1964
11:00
they don't just speak
to a couple hundred people.
to a couple hundred people.
264
648874
2363
הם לא מדברים רק לכמה מאות אנשים.
11:03
Those unemployment numbers
I keep on referencing
I keep on referencing
265
651261
2318
מספרי התעסוקה האלה
שאני ממשיכה להתייחס אליהם
שאני ממשיכה להתייחס אליהם
11:05
come from the Bureau of Labor Statistics,
266
653603
2004
מגיעים מסטטיסטיקות של לשכת התעסוקה,
11:07
and to make their estimates,
267
655631
1335
וכדי לעשות את ההערכות שלהם,
11:08
they speak to over 140,000
businesses in this country.
businesses in this country.
268
656990
3489
הם מדברים עם יותר מ-140,000 עסקים במדינה.
11:12
I get it, it's frustrating.
269
660503
1725
אני מבינה, זה מתסכל.
11:14
If you want to test a statistic
that comes from a private company,
that comes from a private company,
270
662252
3115
אם אתם רוצים לבחון סטטיסטיקה
שמגיעה מחברה פרטית,
שמגיעה מחברה פרטית,
אתם יכולים לקנות את קרם הפנים
לכם ולכמה חברים, לנסות אותו,
לכם ולכמה חברים, לנסות אותו,
11:17
you can buy the face cream for you
and a bunch of friends, test it out,
and a bunch of friends, test it out,
271
665391
3361
אם זה לא עובד,
אתם יכולים להגיד שהמספרים היו שגויים.
אתם יכולים להגיד שהמספרים היו שגויים.
11:20
if it doesn't work,
you can say the numbers were wrong.
you can say the numbers were wrong.
272
668776
2591
אבל איך אתם מתשאלים סטטיסטיקות ממשלתיות?
11:23
But how do you question
government statistics?
government statistics?
273
671391
2146
אתם רק ממשיכים לבדוק הכל.
11:25
You just keep checking everything.
274
673561
1630
גלו איך הם אוספים את המספרים.
11:27
Find out how they collected the numbers.
275
675215
1913
גלו אם אתם רואים
כל מה שאתם צריכים על התרשים.
כל מה שאתם צריכים על התרשים.
11:29
Find out if you're seeing everything
on the chart you need to see.
on the chart you need to see.
276
677152
3125
אבל אל תתייאשו מהמספרים לגמרי
בגלל שאם תעשו זאת,
בגלל שאם תעשו זאת,
11:32
But don't give up on the numbers
altogether, because if you do,
altogether, because if you do,
277
680301
2965
נעשה החלטות של מדיניות ציבורית בחשיכה,
11:35
we'll be making public policy
decisions in the dark,
decisions in the dark,
278
683290
2439
בשימוש בלא יותר מאינטרסים פרטיים
להנחות אותנו.
להנחות אותנו.
11:37
using nothing but private
interests to guide us.
interests to guide us.
279
685753
2262
תודה לכם.
11:40
Thank you.
280
688039
1166
(מחיאות כפיים)
11:41
(Applause)
281
689229
2461
ABOUT THE SPEAKER
Mona Chalabi - Data journalistMona Chalabi tries to take the numb out of numbers. She's left with lots of "ers."
Why you should listen
After working for a humanitarian organisation, Mona Chalabi saw how important data was, but also how easily it could be used by people with their own specific agendas. Since then, her work for organizations like Transparency International and The Guardian has had one goal: to make sure as many people as possible can find and question the data they need to make informed decisions about their lives.
Chalabi is currently the Data Editor of the Guardian US, where she writes articles, produces documentaries and turns data into illustrations and animations. In 2016, her data illustrations were commended by the Royal Statistical Society.
Mona Chalabi | Speaker | TED.com