TED@Cannes
Clay Shirky: How cognitive surplus will change the world
Clay Shirky: come il surplus cognitivo cambierà il mondo
Filmed:
Readability: 4.5
1,065,787 views
Clay Shirky indaga sul "surplus cognitivo", il lavoro condiviso online che eseguiamo con i nostri cicli mentali liberi. Mentre siamo occupati nel redarre Wikepedia, postare su Ushahidi (e sì, anche creando i lolcats), stiamo costruendo un mondo migliore e più cooperativo.
Clay Shirky - Social Media Theorist
Clay Shirky argues that the history of the modern world could be rendered as the history of ways of arguing, where changes in media change what sort of arguments are possible -- with deep social and political implications. Full bio
Clay Shirky argues that the history of the modern world could be rendered as the history of ways of arguing, where changes in media change what sort of arguments are possible -- with deep social and political implications. Full bio
Double-click the English transcript below to play the video.
00:16
The story starts in Kenya
0
1000
2000
La storia comincia in Kenya
00:18
in December of 2007,
1
3000
2000
nel dicembre del 2007,
00:20
when there was a disputed presidential election,
2
5000
2000
quando furono contestate le elezioni presidenziali.
00:22
and in the immediate aftermath of that election,
3
7000
3000
e nel periodo subito dopo quelle elezioni
00:25
there was an outbreak of ethnic violence.
4
10000
2000
ci fu un esplosione di violenza etnica.
00:27
And there was a lawyer in Nairobi, Ory Okolloh --
5
12000
3000
E un avvocato di Nairobi, Ory Okolloh,
00:30
who some of you may know from her TEDTalk --
6
15000
2000
che alcuni di voi ricorderanno dal suo TEDTtalk,
00:32
who began blogging about it on her site,
7
17000
2000
creò un blog a riguardo,
00:34
Kenyan Pundit.
8
19000
2000
Kenyan Pundit.
00:36
And shortly after the election and the outbreak of violence,
9
21000
3000
E subito dopo l'elezione e lo scoppio di violenza,
00:39
the government suddenly imposed
10
24000
2000
il governo all'improvviso impose
00:41
a significant media blackout.
11
26000
2000
un pesante blackout mediatico.
00:43
And so weblogs went from being
12
28000
2000
E quindi i blog passarono dall'essere
00:45
commentary as part of the media landscape
13
30000
2000
commentari come parte integrante del panorama mediatico
00:47
to being a critical part of the media landscape
14
32000
3000
a parte fondamentale dello stesso panorama
00:50
in trying to understand where the violence was.
15
35000
3000
nel cercare di capire dove questa violenza fosse localizzata.
00:53
And Okolloh solicited
16
38000
2000
E Okolloh sollecitò
00:55
from her commenters
17
40000
2000
dai suoi commentatori
00:57
more information about what was going on.
18
42000
2000
molte più informazioni su quanto stesse accadendo.
00:59
The comments began pouring in,
19
44000
2000
E i commenti iniziarono ad arrivare in massa.
01:01
and Okolloh would collate them. She would post them.
20
46000
2000
E Okolloh li confrontava e pubblicava.
01:03
And she quickly said, "It's too much.
21
48000
2000
E ben presto disse: "E' troppo.
01:05
I could do this all day every day
22
50000
2000
Anche se facessi solo questo tutto il giorno
01:07
and I can't keep up.
23
52000
2000
non riuscirei a stargli dietro.
01:09
There is more information
24
54000
2000
C'è più informazione
01:11
about what's going on in Kenya right now
25
56000
2000
riguardo quello che accade in Kenya ora
01:13
than any one person can manage.
26
58000
2000
che nessuna persona singola possa gestire.
01:15
If only there was a way to automate this."
27
60000
2000
Se solo ci fosse un modo per automatizzare tutto ciò."
01:17
And two programmers who read her blog
28
62000
2000
E due programmatori lessero il suo blog
01:19
held their hands up and said, "We could do that,"
29
64000
3000
alzarono la mano e dissero: "Potremmo fare noi."
01:22
and in 72 hours, they launched Ushahidi.
30
67000
3000
E in 72 ore lanciarono Ushahidi.
01:25
Ushahidi -- the name means "witness"
31
70000
2000
Ushahidi, il nome significa "testimone"
01:27
or "testimony" in Swahili --
32
72000
2000
o "testimonianza" in swahili,
01:29
is a very simple way of taking reports from the field,
33
74000
3000
è un modo molto semplice di fare report dalla prima linea,
01:32
whether it's from the web or, critically,
34
77000
3000
che sia dal web,
01:35
via mobile phones and SMS,
35
80000
2000
via cellulare e sms
01:37
aggregating it and putting it on a map.
36
82000
3000
aggregare i dati e mapparli.
01:40
That's all it is, but that's all that's needed
37
85000
2000
Questo è quanto, ma è tutto ciò di cui c'è bisogno.
01:42
because what it does is it takes the tacit information
38
87000
3000
Perchè quello che fa è prendere l'informazione tacita
01:45
available to the whole population --
39
90000
2000
disponibile all'intera popolazione,
01:47
everybody knows where the violence is,
40
92000
2000
tutti sanno dov'è la violenza,
01:49
but no one person knows what everyone knows --
41
94000
3000
ma una sola persona non sa quello che la totalità delle persone sa,
01:52
and it takes that tacit information
42
97000
2000
e prende quell'informazione tacita
01:54
and it aggregates it,
43
99000
2000
e l'aggrega,
01:56
and it maps it and it makes it public.
44
101000
2000
ne fa una mappa e la rende pubblica.
01:58
And that, that maneuver
45
103000
2000
E quest'operazione
02:00
called "crisis mapping,"
46
105000
2000
chiamata "mappatura della crisi"
02:02
was kicked off in Kenya
47
107000
3000
ebbe inizio in Kenya
02:05
in January of 2008.
48
110000
2000
nel gennaio del 2008.
02:07
And enough people looked at it and found it valuable enough
49
112000
3000
Un numero cospicuo di persone lo ha trovato di valore sufficiente
02:10
that the programmers who created Ushahidi
50
115000
2000
che gli sviluppatori di Ushahidi
02:12
decided they were going to make it open source
51
117000
2000
decisero di farlo diventare open source
02:14
and turn it into a platform.
52
119000
2000
e lo trasformarono in una piattaforma.
02:16
It's since been deployed in Mexico
53
121000
2000
Da allora è stao utilizzato in Messico
02:18
to track electoral fraud.
54
123000
2000
per tracciare le frodi elettorali.
02:20
It's been deployed in Washington D.C. to track snow cleanup.
55
125000
3000
E' stato usato a Washington D.C. per monitorare la rimozione della neve.
02:23
And it's been used most famously in Haiti
56
128000
2000
E più notoriamente è stato utilizzato ad Haiti
02:25
in the aftermath of the earthquake.
57
130000
3000
subito dopo il terremoto.
02:28
And when you look at the map
58
133000
2000
E quando si guarda la mappa
02:30
now posted on the Ushahidi front page,
59
135000
2000
che ora è sulla pagina principale del sito Ushahidi,
02:32
you can see that the number of deployments in Ushahidi
60
137000
2000
potete notare che il numero di utillizzi di Ushahidi
02:34
has gone worldwide, all right?
61
139000
3000
è diventato mondiale, giusto?
02:37
This went from a single idea
62
142000
2000
E' cresciuto da una idea singola
02:39
and a single implementation
63
144000
2000
ed una sola attuazione
02:41
in East Africa in the beginning of 2008
64
146000
3000
nell' Africa dell'est all'inizio del 2008
02:44
to a global deployment
65
149000
2000
fino ad un utilizzo globale
02:46
in less than three years.
66
151000
3000
in meno di tre anni.
02:49
Now what Okolloh did
67
154000
3000
Ciò che Okolloh ha fatto
02:52
would not have been possible
68
157000
2000
non sarebbe stato possibile
02:54
without digital technology.
69
159000
3000
senza tecnologia digitale.
02:57
What Okolloh did would not have been possible
70
162000
3000
Ciò che Okolloh ha fatto non sarebbe stato possibile
03:00
without human generosity.
71
165000
2000
senza generosità umana.
03:02
And the interesting moment now,
72
167000
2000
E il momento interessante ora,
03:04
the number of environments
73
169000
2000
il numero di ambienti
03:06
where the social design challenge
74
171000
2000
dove la sfida del design sociale
03:08
relies on both of those things being true.
75
173000
3000
dipende dall'esistenza di entrambe le cose.
03:11
That is the resource that I'm talking about.
76
176000
3000
Questa è la risorsa di cui sto parlando.
03:14
I call it cognitive surplus.
77
179000
2000
La chiamo Surplus Cognitivo.
03:16
And it represents the ability
78
181000
2000
Rappresenta l'abilità
03:18
of the world's population
79
183000
2000
della popolazione mondiale
03:20
to volunteer and to contribute and collaborate
80
185000
3000
di contribuire volontariamente e collaborare
03:23
on large, sometimes global, projects.
81
188000
3000
a grandi progetti a volte anche globali.
03:26
Cognitive surplus is made up of two things.
82
191000
2000
Il surplus cognitivo si compone di due cose.
03:28
The first, obviously, is the world's free time and talents.
83
193000
3000
La prima cosa è il tempo libero e i talenti del mondo.
03:31
The world has over
84
196000
2000
Al mondo ci sono più
03:33
a trillion hours a year
85
198000
3000
di un milione di miliardi di ore l'anno
03:36
of free time
86
201000
2000
di tempo libero
03:38
to commit to shared projects.
87
203000
2000
per impegnarsi in progetti comuni.
03:40
Now, that free time existed in the 20th century,
88
205000
2000
Questo tempo libero esisteva anche nel secolo XX,
03:42
but we didn't get Ushahidi in the 20th century.
89
207000
3000
ma non c'era Ushahidi nel secolo XX.
03:45
That's the second half of cognitive surplus.
90
210000
2000
Questa è la seconda metà del surplus cognitivo.
03:47
The media landscape in the 20th century
91
212000
2000
Il panorama mediatico del XXesimo secolo
03:49
was very good at helping people consume,
92
214000
3000
è stato bravo ad aiutare la gente a consumare.
03:52
and we got, as a result,
93
217000
2000
E come risultato,
03:54
very good at consuming.
94
219000
2000
siamo diventati bravissimi a consumare.
03:56
But now that we've been given media tools --
95
221000
2000
Ma ora che ci sono stati dati gli strumenti mediatici,
03:58
the Internet, mobile phones -- that let us do more than consume,
96
223000
3000
internet, i cellulari, che ci fanno fare di più che consumare,
04:01
what we're seeing is that people weren't couch potatoes
97
226000
3000
stiamo vedendo che le persone non erano pantofolaie
04:04
because we liked to be.
98
229000
2000
perchè lo volevamo essere.
04:06
We were couch potatoes because that was
99
231000
2000
Eravamo pantofolai perché quella era
04:08
the only opportunity given to us.
100
233000
2000
la sola opportunità che ci era data.
04:10
We still like to consume, of course.
101
235000
2000
Certo, ci piace ancora consumare
04:12
But it turns out we also like to create,
102
237000
2000
Ma sembra che ci piaccia anche creare,
04:14
and we like to share.
103
239000
3000
e condividere.
04:17
And it's those two things together --
104
242000
2000
E sono queste due cose insieme,
04:19
ancient human motivation
105
244000
2000
l'antica motivazione umana
04:21
and the modern tools to allow that motivation
106
246000
2000
e gli strumenti moderni che permettono a quella motivazione
04:23
to be joined up in large-scale efforts --
107
248000
3000
di essere uniti in sforzo su larga scala
04:26
that are the new design resource.
108
251000
3000
che sono le nuove risorse del design.
04:29
And using cognitive surplus,
109
254000
2000
Utilizzando il surplus cognitivo
04:31
we're starting to see truly incredible experiments
110
256000
3000
cominciamo a vedere esperimenti davvero incredibili
04:34
in scientific, literary,
111
259000
2000
nel campo scientifico, letterario,
04:36
artistic, political efforts.
112
261000
3000
artistico e politico.
04:39
Designing.
113
264000
2000
Il design...
04:41
We're also getting, of course, a lot of LOLcats.
114
266000
3000
Abbiamo anche un sacco di lolcats certo.
04:44
LOLcats are cute pictures of cats
115
269000
2000
I lolcats sono foto carine di gatti
04:46
made cuter with the addition of cute captions.
116
271000
3000
rese ancora più carine da graziose didascalie aggiunte.
04:49
And they are also
117
274000
2000
E sono inoltre
04:51
part of the abundant media landscape we're getting now.
118
276000
3000
parte dell'abbondante panorama mediatico di oggi.
04:54
This is one of the participatory --
119
279000
2000
Questa è una delle partecipazioni,
04:56
one of the participatory models
120
281000
2000
è uno dei modelli di partecipazione
04:58
we see coming out of that, along with Ushahidi.
121
283000
3000
che vediamo emergere accanto a Ushahidi.
05:01
Now I want to stipulate, as the lawyers say,
122
286000
2000
Ora vorrei stipulare, come dicono gli avvocati,
05:03
that LOLcats are the stupidest possible
123
288000
2000
che i lolcats sono il più stupido
05:05
creative act.
124
290000
2000
atto creativo:
05:07
There are other candidates of course,
125
292000
2000
Ci sono altri candidati ovviamente,
05:09
but LOLcats will do as a general case.
126
294000
3000
ma i lolcats fanno da esempio generale.
05:12
But here's the thing:
127
297000
2000
Il fatto è che
05:14
The stupidest possible creative act
128
299000
2000
l'atto creativo più stupido
05:16
is still a creative act.
129
301000
3000
è pur sempre un atto creativo.
05:19
Someone who has done something like this,
130
304000
3000
Qualcuno che ha fatto qualcosa del genere,
05:22
however mediocre and throwaway,
131
307000
3000
per quanto mediocre e buttato lì,
05:25
has tried something, has put something forward in public.
132
310000
3000
ha provato qualcosa, si è messo in gioco in pubblico.
05:28
And once they've done it, they can do it again,
133
313000
3000
E una volta fatto, lo possono fare ancora.
05:31
and they could work on getting it better.
134
316000
2000
E potrebbero impegnarsi a farlo meglio.
05:33
There is a spectrum between mediocre work and good work,
135
318000
3000
C'è un'ampia gamma tra un lavoro mediocre ed uno buono.
05:36
and as anybody who's worked as an artist or a creator knows,
136
321000
3000
E come ben sa chiunque abbia lavorato come artista o creativo,
05:39
it's a spectrum you're constantly
137
324000
2000
è una gamma che costantemente
05:41
struggling to get on top of.
138
326000
2000
si cerca di dominare.
05:43
The gap is between
139
328000
2000
Lo scarto è tra
05:45
doing anything and doing nothing.
140
330000
3000
fare qualcosa e non far niente.
05:48
And someone who makes a LOLcat
141
333000
2000
Chi fa un lolcat
05:50
has already crossed over that gap.
142
335000
3000
ha già superato lo scarto.
05:53
Now it's tempting to want to get the Ushahidis
143
338000
2000
Sarebbe bello avere Ushahidis
05:55
without the LOLcats, right,
144
340000
2000
senza i lolcats, ok,
05:57
to get the serious stuff without the throwaway stuff.
145
342000
3000
avere le cose serie senza la roba da scarto.
06:00
But media abundance never works that way.
146
345000
3000
Ma l'abbondanza mediatica non funziona mai in questo modo.
06:03
Freedom to experiment means freedom to experiment with anything.
147
348000
3000
Libertà di sperimentare significa libertà di sperimentare con qualsiasi cosa.
06:06
Even with the sacred printing press,
148
351000
2000
Anche con la sacra carta stampata,
06:08
we got erotic novels 150 years
149
353000
2000
abbiammo avuto romanzi erotici per 150 anni
06:10
before we got scientific journals.
150
355000
3000
prima do avere riviste scientifiche.
06:14
So before I talk about
151
359000
3000
Quindi prima di parlarvi
06:17
what is, I think, the critical difference
152
362000
2000
di ciò che penso sia la differenza sostanziale
06:19
between LOLcats and Ushahidi,
153
364000
2000
tra lolcats e Ushahidi,
06:21
I want to talk about
154
366000
2000
Voglio parlarvi
06:23
their shared source.
155
368000
2000
della loro sorgente comune.
06:25
And that source is design for generosity.
156
370000
3000
E quella sorgente è stata progettata per generosità.
06:28
It is one of the curiosities of our historical era
157
373000
3000
E' una delle particolarità della nostra era storica
06:31
that even as cognitive surplus
158
376000
2000
che anche come surplus cognitivo
06:33
is becoming a resource we can design around,
159
378000
2000
sta diventando una risorsa su cui si puo' progettare,
06:35
social sciences are also starting to explain
160
380000
3000
le scienze sociali stanno inoltre iniziando a spiegare
06:38
how important
161
383000
2000
quanto importante
06:40
our intrinsic motivations are to us,
162
385000
2000
le nostre motivazioni intrinseche siano per noi,
06:42
how much we do things because we like to do them
163
387000
3000
quanto facciamo cose perchè ci piace farle,
06:45
rather than because our boss told us to do them,
164
390000
2000
piuttosto che perché ce lo ha detto il capo,
06:47
or because we're being paid to do them.
165
392000
3000
o perché siamo pagati per farle.
06:50
This is a graph from a paper
166
395000
3000
Questo è un grafico estratto da un documento
06:53
by Uri Gneezy and Aldo Rustichini,
167
398000
2000
di Uri Gneezy e Aldo Rustichini,
06:55
who set out to test, at the beginning of this decade,
168
400000
3000
che hanno fatto dei test all'inizio del decennio
06:58
what they called "deterrence theory."
169
403000
2000
e che loro chiamano "teoria della deterrenza".
07:00
And deterrence theory is a very simple theory of human behavior:
170
405000
2000
E' una teoria molto semplice del comportamento umano.
07:02
If you want somebody to do less of something,
171
407000
2000
Se volete che qualcuno faccia meno di qualche cosa,
07:04
add a punishment and they'll do less of it.
172
409000
2000
aggiungete una punizione e ne farà di meno.
07:06
Simple, straightforward, commonsensical --
173
411000
3000
Semplice, diretto, di senso comune,
07:09
also, largely untested.
174
414000
2000
ed in gran parte ancora da testare.
07:11
And so they went and studied
175
416000
2000
Così si misero a studiare
07:13
10 daycare centers in Haifa, Israel.
176
418000
2000
10 asili-nido a Haifa, in Israele.
07:15
They studied those daycare centers
177
420000
2000
Hanno studiato questi asili
07:17
at the time of highest tension,
178
422000
2000
nell'ora di massima tensione,
07:19
which is pick-up time.
179
424000
2000
cioé il momento dell'uscita dei bambini.
07:21
At pick-up time the teachers,
180
426000
2000
All'uscita, gli insegnanti
07:23
who have been with your children all day,
181
428000
2000
che sono stati tutto il giorno con i bambini,
07:25
would like you to be there at the appointed hour to take your children back.
182
430000
3000
vorrebbero i bambini presi all'ora prestabilita.
07:28
Meanwhile, the parents -- perhaps a little busy at work, running late, running errands --
183
433000
3000
I genitori, forse un po' presi dal lavoro, in ritardo e affaccendati,
07:31
want a little slack to pick the kids up late.
184
436000
3000
vorrebbero poter riprendere i bambini qualche minuto in ritardo.
07:34
So Gneezy and Rustichini said,
185
439000
2000
Così dicono Gneezy e Rustichini,
07:36
"How many instances of late pick-ups
186
441000
2000
"Quanti casi di ritardi
07:38
are there at these 10 daycare centers?"
187
443000
2000
ci sono in questi 10 asili?"
07:40
Now they saw -- and this is what the graph is,
188
445000
2000
Lo hanno notato e questo è il grafico relativo,
07:42
these are the number of weeks and these are the number of late arrivals --
189
447000
3000
queste sono le settimane e questi i ritardi,
07:45
that there were between six and 10
190
450000
2000
che ci furono tra 6 e 10
07:47
instances of late pick-ups
191
452000
2000
casi di ritardi
07:49
on average in these 10 daycare centers.
192
454000
2000
in media, in questi 10 asili.
07:51
So they divided the daycare centers into two groups.
193
456000
3000
Quindi hanno diviso gli asili in due gruppi.
07:54
The white group there
194
459000
2000
Il gruppo bianco
07:56
is the control group; they change nothing.
195
461000
3000
è il gruppo di controllo; non hanno cambiato nulla.
07:59
But the group of daycare centers represented by the black line,
196
464000
3000
Ma il gruppo di asili rappresentati dalla linea nera
08:02
they said, "We are changing this bargain
197
467000
2000
ha detto: "Stiamo cambiando le regole
08:04
as of right now.
198
469000
2000
a partire da adesso.
08:06
If you pick your kid up more than 10 minutes late,
199
471000
2000
Se riprendete i vostri figli con più di 10 minuti in ritardo,
08:08
we're going to add a 10 shekel fine to your bill.
200
473000
2000
vi daremo una multa di 10 sicli.
08:10
Boom. No ifs, ands or buts."
201
475000
3000
Di botto. Nessun forse, ma o ba..."
08:13
And the minute they did that,
202
478000
2000
E appena hanno messo la regola
08:15
the behavior in those daycare centers changed.
203
480000
2000
il comportamento in quegli asili cambiò.
08:17
Late pick-ups went up
204
482000
2000
I ritardi aumentarono
08:19
every week for the next four weeks
205
484000
3000
ogni settimana per le 4 settimane successive
08:22
until they topped out at triple the pre-fine average,
206
487000
3000
fino a triplicare la media di ritardi prima delle multe,
08:25
and then they fluctuated
207
490000
2000
e quindi fluttuarono
08:27
at between double and triple the pre-fine average
208
492000
2000
tra il doppio e il triplo rispetto alla media precedente le multe
08:29
for the life of the fine.
209
494000
2000
per tutta la durata del regime delle multe.
08:31
And you can see immediately what happened, right?
210
496000
3000
Potete vedere immediatamente cosa è successo.
08:35
The fine broke the culture
211
500000
2000
La multa ha "rotto" la cultura
08:37
of the daycare center.
212
502000
2000
dell'asilo-nido.
08:39
By adding a fine,
213
504000
2000
Con l'aggiunta della multa,
08:41
what they did was communicate to the parents
214
506000
2000
quello che fecero fu di comunicare ai genitori
08:43
that their entire debt to the teachers
215
508000
2000
che il loro debito totale verso gli insegnanti
08:45
had been discharged
216
510000
2000
era saldato
08:47
with the payment of 10 shekels,
217
512000
2000
col pagamento dei 10 sicli,
08:49
and that there was no residue of guilt or social concern
218
514000
3000
senza residui sensi di colpa o preoccupazioni sociale
08:52
that the parents owed the teachers.
219
517000
2000
dovute dai genitori agli insegnanti.
08:54
And so the parents, quite sensibly, said,
220
519000
2000
Quindi i genitori dissero ragionevolmente:
08:56
"10 shekels to pick my kid up late?
221
521000
2000
"10 sicli per poter arrivare in ritardo?
08:58
What could be bad?"
222
523000
2000
Che c'è di male?"
09:00
(Laughter)
223
525000
2000
(Risate)
09:04
The explanation of human behavior
224
529000
2000
La spiegazione del comportamento umano
09:06
that we inherited in the 20th century
225
531000
3000
che ereditiamo dal XXesimo secolo
09:09
was that we are all rational, self-maximizing actors,
226
534000
3000
è che siamo raziocinanti attori votati alla auto-massimizzazione.
09:12
and in that explanation --
227
537000
2000
E in quella spiegazione,
09:14
the daycare center had no contract --
228
539000
3000
gli asili non avevano contratti,
09:17
should have been operating without any constraints.
229
542000
3000
avrebbero dovuto operare senza constrizioni.
09:20
But that's not right.
230
545000
2000
Ma questo non è vero.
09:22
They were operating with social constraints
231
547000
2000
Stavano operando con delle costrizioni sociali
09:24
rather than contractual ones.
232
549000
2000
piuttosto che contrattuali.
09:26
And critically, the social constraints
233
551000
2000
E' importante che le costrizioni sociali
09:28
created a culture that was more generous
234
553000
3000
hanno creato una cultura più generosa
09:31
than the contractual constraints did.
235
556000
2000
di quella basata su costrizioni contrattuali.
09:33
So Gneezy and Rustichini run this experiment for a dozen weeks --
236
558000
3000
Gneezy e Rustichini eseguono l'esperimento per 12 settimane,
09:36
run the fine for a dozen weeks --
237
561000
2000
assegnano multe per 12 settimane,
09:38
and then they say, "Okay, that's it. All done; fine."
238
563000
3000
e poi dicono: "Ok. Tutto è stato fatto correttamennte."
09:41
And then a really interesting thing happens:
239
566000
2000
E allora succede una cosa davvero interessante.
09:43
Nothing changes.
240
568000
3000
Non cambia niiente.
09:46
The culture that got broken by the fine
241
571000
3000
La cultura rotta dal metodo della multa
09:49
stayed broken when the fine was removed.
242
574000
3000
è rimasta rotta anche quando la multa fu rimossa.
09:52
Not only are economic motivations
243
577000
3000
Non solo le motivazioni economiche
09:55
and intrinsic motivations
244
580000
2000
e quelle intrinseche
09:57
incompatible,
245
582000
2000
sono incompatibili,
09:59
that incompatibility
246
584000
2000
questa incompatibilità
10:01
can persist over long periods.
247
586000
3000
può persistere per lunghi periodi.
10:04
So the trick
248
589000
2000
Quindi il trucco
10:06
in designing these kinds of situations
249
591000
2000
nel progettare questo tipo di situazioni
10:08
is to understand where you're relying on
250
593000
3000
è capire quando ti stai affidando
10:11
the economic part of the bargain -- as with the parents paying the teachers --
251
596000
3000
alla parte economica dell'affare, cioè i parenti che pagano gli insegnanti,
10:14
and when you're relying on the social part of the bargain,
252
599000
3000
e quando ti stai affidando alla parte sociale dell'accordo,
10:17
when you're really designing for generosity.
253
602000
3000
quando stai davvero progettando in base alla generosità.
10:20
This brings me back to the LOLcats
254
605000
3000
Questo mi porta di nuovo ai lolcats
10:23
and to Ushahidi.
255
608000
2000
e a Ushahidi.
10:25
This is, I think, the range that matters.
256
610000
2000
Questo è, credo, la gamma che conta.
10:27
Both of these rely on cognitive surplus.
257
612000
2000
Entrambi si affidano al surplus cognitivo.
10:29
Both of these design for the assumption
258
614000
2000
Entrambi presumono nel progettare
10:31
that people like to create and we want to share.
259
616000
3000
che alle persone piace creare e che vogliamo condividere.
10:34
Here is the critical difference between these:
260
619000
3000
La differenza sostanziale è questa:
10:39
LOLcats is communal value.
261
624000
3000
i locats hanno un valore comune.
10:42
It's value created by the participants
262
627000
2000
E' un valore creato dai partecipanti
10:44
for each other.
263
629000
2000
l'uno per gli altri.
10:46
Communal value on the networks we have
264
631000
3000
Il valore comune nei network a nostra disposizione
10:49
is everywhere --
265
634000
2000
è dappertutto.
10:51
every time you see a large aggregate
266
636000
2000
Ogni volta che vedete un gran aggregato
10:53
of shared, publicly available data,
267
638000
3000
o una condivisione di dati disponibili pubblicamente,
10:56
whether it's photos on Flickr
268
641000
2000
che siano photo su Flickr
10:58
or videos on Youtube or whatever.
269
643000
2000
o video su Youtube o che so io
11:00
This is good. I like LOLcats as much as the next guy,
270
645000
2000
Ciò è buono. I lolcats possono piacere a me come ad un altro,
11:02
maybe a little more even,
271
647000
2000
forse anche un po' di più.
11:04
but this is also
272
649000
3000
Ma questo è anche
11:07
a largely solved problem.
273
652000
2000
un problema in gran parte risolto.
11:09
I have a hard time envisioning a future
274
654000
2000
Mi riesce difficile immaginare un fututo
11:11
in which someone is saying,
275
656000
2000
in cui qualcuno dica:
11:13
"Where, oh where, can I find a picture
276
658000
2000
"Dove posso trovare una foto
11:15
of a cute cat?"
277
660000
2000
di un gatto carino?"
11:17
Ushahidi, by contrast,
278
662000
2000
Ushahidi, per contrasto,
11:19
is civic value.
279
664000
2000
ha un valore civico.
11:21
It's value created by the participants
280
666000
2000
Un valore creato dai partecipanti,
11:23
but enjoyed by society as a whole.
281
668000
2000
ma goduto dalla società intera.
11:25
The goals set out by Ushahidi
282
670000
2000
Gli obiettivi che si sono posti ad Ushahidi
11:27
are not just to make life better
283
672000
2000
non sono solo di migliorare la vita
11:29
for the participants,
284
674000
2000
per i partecipanti,
11:31
but to make life better for everyone in the society
285
676000
3000
ma di migliorarla a tutti nella società
11:34
in which Ushahidi is operating.
286
679000
2000
nella quale Ushahidi opera.
11:36
And that kind of civic value
287
681000
3000
E questo tipo di valore civico
11:39
is not just a side effect
288
684000
2000
non è solo un effetto secondario
11:41
of opening up to human motivation.
289
686000
3000
dell'aprirsi alle motivazioni umane.
11:44
It really is going to be a side effect
290
689000
2000
Sarà un effetto collaterale
11:46
of what we, collectively,
291
691000
2000
di come noi, collettivamente,
11:48
make of these kinds of efforts.
292
693000
3000
vediamo questo tipo di sforzi.
11:51
There are a trillion
293
696000
2000
Ci sono milioni di miliardi
11:53
hours a year
294
698000
2000
di ore all'anno
11:55
of participatory value
295
700000
2000
di valore partecipativo
11:57
up for grabs.
296
702000
2000
a disposizione.
11:59
That will be true year-in and year-out.
297
704000
3000
Ciò sarà vero anno dopo anno.
12:02
The number of people who are going to be able
298
707000
2000
Il numero di persone che avrà la possibilità
12:04
to participate in these kinds of projects
299
709000
2000
di partecipare a questo tipo di progetti
12:06
is going to grow,
300
711000
2000
crescerà.
12:08
and we can see that organizations
301
713000
3000
E vediamo che le organizzazioni
12:11
designed around a culture of generosity
302
716000
2000
progettate intorno a culture di generosità
12:13
can achieve incredible effects
303
718000
2000
possono raggiungere effetti incredibili
12:15
without an enormous amount of contractual overhead --
304
720000
3000
senza enormi costi operativi contrattuali.
12:18
a very different model
305
723000
2000
Un modello veramente diverso
12:20
than our default model for large-scale group action in the 20th century.
306
725000
3000
del nostro modello classico dei grossi gruppi del XX secolo
12:24
What's going to make the difference here
307
729000
3000
Quello che farà la differenza
12:27
is what Dean Kamen said,
308
732000
3000
è ciò che Dean Kamen ha detto:
12:30
the inventor and entrepreneur.
309
735000
2000
l'inventore e l'imprenditore.
12:32
Kamen said, "Free cultures get what they celebrate."
310
737000
3000
Kamen ha detto: "Le culture libere ottengono ciò che celebrano."
12:36
We've got a choice before us.
311
741000
3000
Abbiamo una scelta davanti a noi.
12:39
We've got this trillion hours a year.
312
744000
2000
Abbiamo questo triliardo di ore all'anno.
12:41
We can use it to crack each other up, and we're going to do that.
313
746000
3000
Possiamo usarle per crepare di risate tra noi, e lo faremo.
12:44
That, we get for free.
314
749000
2000
Quello è gratis.
12:46
But we can also celebrate
315
751000
2000
Ma possiamo anche celebrare
12:48
and support and reward the people
316
753000
2000
supportare e premiare le persone
12:50
trying to use cognitive surplus
317
755000
2000
che cercano di usare il surplus cognitivo
12:52
to create civic value.
318
757000
2000
per creare valore civico.
12:54
And to the degree we're going to do that, to the degree we're able to do that,
319
759000
3000
Se lo faremo ad un certo livello, se ne saremo capaci,
12:57
we'll be able to change society.
320
762000
2000
saremo anche capaci di cambiare la società.
12:59
Thank you very much.
321
764000
2000
Grazie mille.
ABOUT THE SPEAKER
Clay Shirky - Social Media TheoristClay Shirky argues that the history of the modern world could be rendered as the history of ways of arguing, where changes in media change what sort of arguments are possible -- with deep social and political implications.
Why you should listen
Clay Shirky's work focuses on the rising usefulness of networks -- using decentralized technologies such as peer-to-peer sharing, wireless, software for social creation, and open-source development. New technologies are enabling new kinds of cooperative structures to flourish as a way of getting things done in business, science, the arts and elsewhere, as an alternative to centralized and institutional structures, which he sees as self-limiting. In his writings and speeches he has argued that "a group is its own worst enemy."
Shirky is an adjunct professor in New York Universityʼs graduate Interactive Telecommunications Program, where he teaches a course named “Social Weather.” Heʼs the author of several books. This spring at the TED headquarters in New York, he gave an impassioned talk against SOPA/PIPA that saw 1 million views in 48 hours.
Clay Shirky | Speaker | TED.com