ABOUT THE SPEAKER
Sebastian Wernicke - Data scientist
After making a splash in the field of bioinformatics, Sebastian Wernicke moved on to the corporate sphere, where he motivates and manages multidimensional projects.

Why you should listen

Dr. Sebastian Wernicke is the Chief Data Scientist of ONE LOGIC, a data science boutique that supports organizations across industries to make sense of their vast data collections to improve operations and gain strategic advantages. Wernicke originally studied bioinformatics and previously led the strategy and growth of Seven Bridges Genomics, a Cambridge-based startup that builds platforms for genetic analysis.

Before his career in statistics began, Wernicke worked stints as both a paramedic and successful short animated filmmaker. He's also the author of the TEDPad app, an irreverent tool for creating an infinite number of "amazing and really bad" and mostly completely meaningless talks. He's the author of the statistically authoritative and yet completely ridiculous "How to Give the Perfect TEDTalk."

More profile about the speaker
Sebastian Wernicke | Speaker | TED.com
TED2010

Sebastian Wernicke: Lies, damned lies and statistics (about TEDTalks)

Mentiras, malditas mentiras e estatísticas (sobre TEDTalks)

Filmed:
2,510,120 views

Em uma análise brilhante e irônica, Sebastian Wernicke usa as ferramentas de análise estatística no TEDTalks, para nos mostrar uma receita para criar "a melhor TEDTalk" baseada nas avaliações dos usuários. Que nota você dá? "De cair o queixo"? "Pouco convincente"? Ou simplesmente "Engraçada?"
- Data scientist
After making a splash in the field of bioinformatics, Sebastian Wernicke moved on to the corporate sphere, where he motivates and manages multidimensional projects. Full bio

Double-click the English transcript below to play the video.

00:16
If you go on the TED website,
0
1000
3000
Se você for no site do TED
00:19
you can currently find there
1
4000
2000
você pode encontrar lá
00:21
over a full week of TEDTalk videos,
2
6000
3000
mais que uma semana cheia de videos de TED Talks
00:24
over 1.3 million
3
9000
2000
mais de 1.3 milhões
00:26
words of transcripts
4
11000
2000
de palavras transcritas
00:28
and millions of user ratings.
5
13000
2000
e milhões de avaliações de usuários
00:30
And that's a huge amount of data.
6
15000
3000
E isso é uma quantidade imensa de dados.
00:33
And it got me wondering:
7
18000
2000
E isso fez com que eu me perguntasse:
00:35
If you took all this data
8
20000
2000
Se você pegar todos esses dados
00:37
and put it through statistical analysis,
9
22000
2000
e submeter a análise estatística,
00:39
could you reverse engineer a TEDTalk?
10
24000
2000
será que você conseguiria criar um TED Talk a partir disso?
00:41
Could you create
11
26000
2000
Você conseguiria criar
00:43
the ultimate TEDTalk?
12
28000
2000
a melhor TED Talk?
00:45
(Laughter) (Applause)
13
30000
2000
(Aplausos)
00:47
And also, could you create
14
32000
2000
E mais, você conseguiria criar
00:49
the worst possible TEDTalk
15
34000
2000
a pior TED Talk possível
00:51
that they would still let you get away with?
16
36000
2000
que eles ainda deixariam você se safar dessa?
00:53
To find this out, I looked at three things:
17
38000
2000
Para descobrir isso, eu olhei para três coisas.
00:55
I looked at the topic that you should choose,
18
40000
2000
Eu vi o assunto que vocês podem escolher.
00:57
I looked at how you should deliver it
19
42000
3000
Olhei em como vocês devem apresentar isso
01:00
and the visuals onstage.
20
45000
2000
e os visuais no palco.
01:02
Now, with the topic: There's a whole range of topics you can choose,
21
47000
3000
Agora, no assunto -- há uma grande gama de tópicos que você pode escolher,
01:05
but you should choose wisely,
22
50000
2000
mas você deve escolher sabiamente
01:07
because your topic strongly correlates
23
52000
2000
porque o seu tópico se relaciona fortemente
01:09
with how users will react to your talk.
24
54000
3000
em como os usuários vão reagir à sua palestra.
01:12
Now, to make this more concrete,
25
57000
2000
Agora, para tornar isso mais concreto,
01:14
let's look at the list of top 10 words
26
59000
3000
vamos olhar na lista das 10 palavras
01:17
that statistically stick out
27
62000
2000
que estatisticamente se destacam
01:19
in the most favorite TEDTalks
28
64000
2000
nas Ted Talks mais marcadas como favoritas
01:21
and in the least favorite TEDTalks.
29
66000
3000
e nas que foram menos marcadas como favoritas.
01:24
So if you came here
30
69000
2000
Então se você veio aqui
01:26
to talk about how French coffee
31
71000
2000
para falar como o café francês
01:28
will spread happiness in our brains,
32
73000
3000
vai espalhar felicidade nos nossos cérebros,
01:31
that's a go.
33
76000
2000
é uma boa.
01:33
(Laughter) (Applause)
34
78000
2000
(Aplausos)
01:35
Whereas, if you wanted to talk about
35
80000
2000
Enquanto que, se você quiser falar sobre
01:37
your project involving
36
82000
2000
o seu projeto envolvendo
01:39
oxygen, girls, aircraft --
37
84000
2000
oxigênio, garotas, aeronaves --
01:41
actually, I would like to hear that talk, (Laughter)
38
86000
2000
bem, eu gostaria de ouvir essa palestra,
01:43
but statistics say it's not so good.
39
88000
2000
mas a estatística diz que não é tão boa.
01:45
Oh, well.
40
90000
2000
Mas enfim.
01:47
If you generalize this,
41
92000
2000
Se você generalizar isso
01:49
the most favorite TEDTalks are those
42
94000
2000
as palestras preferidas do TED são as que
01:51
that feature topics we can connect with,
43
96000
3000
cobrem tópicos que possamos nos conectar
01:54
both easily and deeply,
44
99000
2000
facilmente e profundamente,
01:56
such as happiness, our own body,
45
101000
2000
como felicidade, nosso corpo
01:58
food, emotions.
46
103000
2000
comida, emoções.
02:00
And the more technical topics,
47
105000
2000
E os tópicos mais técnicos,
02:02
such as architecture, materials and, strangely enough, men,
48
107000
3000
como arquitetura, materiais e, estranhamente, homens,
02:05
those are not good topics to talk about.
49
110000
3000
esses não são bons tópicos para se falar.
02:08
How should you deliver your talk?
50
113000
2000
Como você deve apresentar sua palestra?
02:10
TED is famous for keeping
51
115000
2000
TED é famoso por manter
02:12
a very sharp eye on the clock,
52
117000
2000
o olho no relógio,
02:14
so they're going to hate me
53
119000
2000
então eles vão me odiar
02:16
for revealing this, because, actually,
54
121000
2000
por revelar isso, porque, na verdade,
02:18
you should talk as long as they will let you. (Laughter)
55
123000
2000
você deve falar tanto quanto eles te deixarem,
02:20
Because the most favorite TEDTalks
56
125000
3000
porque as palestras preferidas do TED
02:23
are, on average, over 50 percent longer
57
128000
2000
são, em média, mais de 50 porcento mais longas
02:25
than the least favorite ones.
58
130000
2000
que as menos favoritas.
02:28
And this holds true for all ranking lists on TED.com
59
133000
2000
E isso se mantém verdade para todos rankings no TED.com
02:30
except if you want to have a talk
60
135000
2000
a menos que que você tenha uma palestra
02:32
that's beautiful, inspiring or funny.
61
137000
2000
que é bonita, inspiradora ou engraçada.
02:34
Then, you should be brief. (Laughter) But other than that,
62
139000
2000
Então, você deve ser breve. Mas por outro lado
02:36
talk until they drag you off the stage.
63
141000
3000
fale até eles te tirarem do palco.
02:39
(Laughter)
64
144000
2000
(Risos)
02:41
Now, while ...
65
146000
2000
Agora, enquanto --
02:43
(Applause)
66
148000
6000
(Aplausos)
02:49
While you're pushing the clock, there's a few rules to obey.
67
154000
3000
Enquanto você está forçando o relógio, há algumas regras para obedecer.
02:52
I found these rules out by comparing the statistics
68
157000
2000
Eu achei essas regras ao comparar as estatísticas
02:54
of four-word phrases
69
159000
2000
de frases de quatro palavras
02:56
that appear more often in the most favorite TEDTalks
70
161000
3000
que aparecem com mais frequencia nas TED Talks preferidas,
02:59
as opposed to the least favorite TEDTalks.
71
164000
2000
contra as que aparecem nas palestras menos favoritas
03:01
I'll give you three examples.
72
166000
2000
Vou lhes dar três exemplos.
03:03
First of all, I must, as a speaker,
73
168000
2000
Primeiro, eu devo, enquanto um palestrante
03:05
provide a service to the audience and talk about what I will give you,
74
170000
3000
oferecer um serviço para a audiência e falar sobre o que eu vou dar
03:08
instead of saying what I can't have.
75
173000
2000
ao invés de dizer o que eu não posso ter.
03:10
Secondly, it's imperative
76
175000
2000
Em segundo, é obrigatório
03:12
that you do not cite The New York Times.
77
177000
2000
que você não cite o New York Times.
03:14
(Laughter)
78
179000
2000
(Risos)
03:16
And finally, it's okay for the speaker -- that's the good news --
79
181000
3000
E finalmente, tudo bem se o palestrante -- boa notícia --
03:19
to fake intellectual capacity.
80
184000
2000
fingir capacidade intelectual.
03:21
If I don't understand something, I can just say, "etc., etc."
81
186000
3000
Se eu não entendi algo, eu posso falar, "et cetera, et cetera"
03:24
You'll all stay with me.
82
189000
2000
Vocês todos vão continuar comigo.
03:26
It's perfectly fine.
83
191000
2000
Tudo estará bem.
03:28
(Applause)
84
193000
4000
(Aplausos)
03:32
Now, let's go to the visuals.
85
197000
2000
Agora vamos aos visuais.
03:34
The most obvious visual thing on stage is the speaker.
86
199000
3000
A parte mais óbvia do visual do palco é o palestrante
03:37
And analysis shows if you want to be
87
202000
2000
E análises mostram, que se você quiser estar
03:39
among the most favorite TED speakers,
88
204000
2000
entre os palestrantes favoritos do TED,
03:41
you should let your hair grow a little bit longer than average,
89
206000
3000
você deve deixar seu cabelo crescer um pouco mais do que a média,
03:44
make sure you wear your glasses and be slightly more dressed-up
90
209000
3000
ter certeza de que está com seus óculos e se vestir um pouco melhor
03:47
than the average TED speaker.
91
212000
2000
que a média dos palestrantes do TED.
03:49
Slides are okay, though you might consider going for props.
92
214000
3000
Slides são ok mas você deve considerar usar acessórios
03:52
And now the most important thing,
93
217000
2000
E agora a coisa mais importante
03:54
that is the mood onstage.
94
219000
2000
que é o humor no palco.
03:56
Color plays a very important role.
95
221000
2000
A cor tem um papel importante.
03:58
Color closely correlates
96
223000
2000
A cor tem relação próxima
04:00
with the ratings that talks get on the website.
97
225000
3000
com as avaliações que uma palestra recebe no site.
04:03
(Applause)
98
228000
2000
(Aplausos)
04:05
For example, fascinating talks
99
230000
2000
Por exemplo, palestras fascinantes
04:07
contain a statistically high amount
100
232000
2000
contém uma quantidade estatísticamente alta
04:09
of exactly this blue color, (Laughter)
101
234000
2000
desse tom de azul,
04:11
much more than the average TEDTalk.
102
236000
2000
muito mais do que a média das TED Talks
04:13
Ingenious TEDTalks, much more this green color,
103
238000
2000
TED Talks mais engenhosas, tem muito mais esse tom de verde
04:15
etc., et.
104
240000
2000
et cetera, et cetera.
04:17
(Laughter) (Applause)
105
242000
7000
(Aplausos)
04:24
Now, personally, I think
106
249000
2000
Agora, pessoalmente, eu acho
04:26
I'm not the first one who has done this analysis,
107
251000
2000
eu não sou o primeiro a fazer essa análise,
04:28
but I'll leave this
108
253000
2000
mas vou deixar isso
04:30
to your good judgment.
109
255000
3000
ser julgado por você.
04:33
So, now it's time to put it all together
110
258000
2000
Agora é hora de juntar tudo isso.
04:35
and design the ultimate TEDTalk.
111
260000
2000
e preparar a melhor TED talk.
04:37
Now, since this is TEDActive,
112
262000
2000
Agora, já que esse é um TED Active,
04:39
and I learned from my analysis
113
264000
2000
e eu aprendi pela minha análise
04:41
that I should actually give you something,
114
266000
2000
que eu devo dar algo para vocês,
04:43
I will not impose the ultimate
115
268000
2000
Eu não vou impor a melhor
04:45
or worst TEDTalk on you,
116
270000
2000
ou pior das TED Talks para vocês
04:47
but rather give you a tool to create your own.
117
272000
2000
mas dar uma ferramenta para vocês criarem as suas.
04:49
And I call this tool the TEDPad.
118
274000
3000
E eu chamo essa ferramenta de TED Pad.
04:52
(Laughter)
119
277000
3000
(Risos)
04:55
And the TEDPad is a matrix
120
280000
2000
E o TED Pad é uma matriz
04:57
of 100 specifically selected,
121
282000
2000
de 100 frases especificamente selecionadas
04:59
highly curated sentences
122
284000
3000
e altamente curadas
05:02
that you can easily piece together to get your own TEDTalk.
123
287000
3000
que você pode facilmente juntar e ter a sua própria TED Talk.
05:07
You only have to make one decision,
124
292000
2000
Você só tem que tomar uma decisão
05:09
and that is: Are you going to use the white version
125
294000
2000
que é: você que usar a versão branca
05:11
for very good TEDTalks,
126
296000
2000
para TED Talks muito boas
05:13
about creativity, human genius?
127
298000
2000
sobre criatividade, gênio humano?
05:15
Or are you going to go with a black version,
128
300000
2000
Ou você vai usar a versão preta,
05:17
which will allow you to create really bad TEDTalks,
129
302000
2000
que vai te permitir criar um TED Talk realmente ruim,
05:19
mostly about blogs,
130
304000
2000
sobre blogs,
05:21
politics and stuff?
131
306000
2000
política e tal?
05:23
So, download it and have fun with it.
132
308000
2000
Então, baixe e divirta-se com ela.
05:25
Now I hope you enjoy the session.
133
310000
3000
Agora eu espero que vocês aproveitem a sessão.
05:28
I hope you enjoy designing your own
134
313000
2000
Espero que vocês gostem de criar as suas
05:30
ultimate and worst possible TEDTalks.
135
315000
2000
melhores e piores TED Talks possíveis.
05:32
And I hope some of you will be inspired for next year
136
317000
3000
E espero que alguns de vocês se inspirem para o próximo ano
05:35
to create this, which I really want to see.
137
320000
3000
a criarem isso, o que eu realmente gostaria de ver.
05:38
Thank you very much.
138
323000
2000
Muito obrigado.
05:40
(Applause) Thanks.
139
325000
10000
(Aplausos)
Translated by Daniel Sollero
Reviewed by Tulio Leao

▲Back to top

ABOUT THE SPEAKER
Sebastian Wernicke - Data scientist
After making a splash in the field of bioinformatics, Sebastian Wernicke moved on to the corporate sphere, where he motivates and manages multidimensional projects.

Why you should listen

Dr. Sebastian Wernicke is the Chief Data Scientist of ONE LOGIC, a data science boutique that supports organizations across industries to make sense of their vast data collections to improve operations and gain strategic advantages. Wernicke originally studied bioinformatics and previously led the strategy and growth of Seven Bridges Genomics, a Cambridge-based startup that builds platforms for genetic analysis.

Before his career in statistics began, Wernicke worked stints as both a paramedic and successful short animated filmmaker. He's also the author of the TEDPad app, an irreverent tool for creating an infinite number of "amazing and really bad" and mostly completely meaningless talks. He's the author of the statistically authoritative and yet completely ridiculous "How to Give the Perfect TEDTalk."

More profile about the speaker
Sebastian Wernicke | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee