TED2010
Nicholas Christakis: The hidden influence of social networks
Nicholas Christakis: A influência oculta das redes sociais
Filmed:
Readability: 4.3
1,674,218 views
Estamos todos inseridos em vastas redes sociais de amigos, família, colegas de trabalho e outras. Nicholas Christakis monitora como uma ampla variedade de características -- de felicidade à obesidade -- pode se difundir de pessoa a pessoa, demonstrando como sua localização na rede pode impactar sua vida, de maneiras que você nem saiba.
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
Para mim, esta história começa cerca de 15 anos atrás,
00:19
when I was a hospice doctor at the University of Chicago.
1
4000
3000
quando era médico de um asilo na Universidade de Chicago.
00:22
And I was taking care of people who were dying and their families
2
7000
3000
E cuidava de pessoas que estavam morrendo, e suas famílias,
00:25
in the South Side of Chicago.
3
10000
2000
na parte sul de Chicago.
00:27
And I was observing what happened to people and their families
4
12000
3000
E estava observando o que acontecia às pessoas e suas famílias
00:30
over the course of their terminal illness.
5
15000
3000
durante o curso de suas doenças terminais.
00:33
And in my lab, I was studying the widower effect,
6
18000
2000
No meu laboratório, eu estava estudando o efeito da viuvez,
00:35
which is a very old idea in the social sciences,
7
20000
2000
que é um conceito muito antigo nas ciências sociais,
00:37
going back 150 years,
8
22000
2000
datando de uns 150 anos,
00:39
known as "dying of a broken heart."
9
24000
2000
e conhecido como "morrer de um coração partido".
00:41
So, when I die, my wife's risk of death can double,
10
26000
3000
Assim, quando eu morrer, o risco de morte de minha esposa pode dobrar,
00:44
for instance, in the first year.
11
29000
2000
por exemplo, no primeiro ano.
00:46
And I had gone to take care of one particular patient,
12
31000
3000
E eu tinha ido tratar um paciente em particular,
00:49
a woman who was dying of dementia.
13
34000
2000
uma mulher que estava morrendo de demência.
00:51
And in this case, unlike this couple,
14
36000
2000
E, neste caso, diferentemente deste casal,
00:53
she was being cared for
15
38000
2000
ela estava sendo cuidada pela
00:55
by her daughter.
16
40000
2000
sua filha.
00:57
And the daughter was exhausted from caring for her mother.
17
42000
3000
E a filha estava exausta por cuidar de sua mãe.
01:00
And the daughter's husband,
18
45000
2000
E o marido da filha,
01:02
he also was sick
19
47000
3000
ele também estava doente
01:05
from his wife's exhaustion.
20
50000
2000
do cansaço de sua esposa.
01:07
And I was driving home one day,
21
52000
2000
E eu estava dirigindo de volta à minha casa certo dia,
01:09
and I get a phone call from the husband's friend,
22
54000
3000
quando recebo um telefonema do amigo do marido,
01:12
calling me because he was depressed
23
57000
2000
que me ligava porque estava deprimido
01:14
about what was happening to his friend.
24
59000
2000
por conta do que estava acontecendo com o amigo dele.
01:16
So here I get this call from this random guy
25
61000
2000
Ou seja, recebo uma ligação desse rapaz desconhecido
01:18
that's having an experience
26
63000
2000
que está tendo uma experiência,
01:20
that's being influenced by people
27
65000
2000
e que, por sua vez, está sendo influenciada por pessoas
01:22
at some social distance.
28
67000
2000
em certa distância social.
01:24
And so I suddenly realized two very simple things:
29
69000
3000
Assim, de repente, dei-me conta de duas coisas muito simples.
01:27
First, the widowhood effect
30
72000
2000
Primeiro, o efeito da viuvez
01:29
was not restricted to husbands and wives.
31
74000
3000
não estava restrito a maridos e esposas.
01:32
And second, it was not restricted to pairs of people.
32
77000
3000
E segundo, não estava restrito a pares de pessoas.
01:35
And I started to see the world
33
80000
2000
E comecei a ver o mundo
01:37
in a whole new way,
34
82000
2000
de uma forma totalmente nova,
01:39
like pairs of people connected to each other.
35
84000
3000
como pares de pessoas se conectavam uns aos outros.
01:42
And then I realized that these individuals
36
87000
2000
E então compreendi que esses indivíduos
01:44
would be connected into foursomes with other pairs of people nearby.
37
89000
3000
estariam conectados em grupos de quatro pessoas a outros pares de pessoas próximas.
01:47
And then, in fact, these people
38
92000
2000
E então, de fato, essas pessoas
01:49
were embedded in other sorts of relationships:
39
94000
2000
estavam inseridas em todos os tipos de relacionamentos,
01:51
marriage and spousal
40
96000
2000
de casamento e união,
01:53
and friendship and other sorts of ties.
41
98000
2000
de amizade e outros tipos de vínculos.
01:55
And that, in fact, these connections were vast
42
100000
3000
E que, de fato, essas conexões eram vastas,
01:58
and that we were all embedded in this
43
103000
2000
e que nós estávamos todos inseridos nesse
02:00
broad set of connections with each other.
44
105000
3000
amplo conjunto de conexões uns com os outros.
02:03
So I started to see the world in a completely new way
45
108000
3000
Assim, comecei a ver o mundo por um prisma totalmente novo,
02:06
and I became obsessed with this.
46
111000
2000
e fiquei obcecado com isso.
02:08
I became obsessed with how it might be
47
113000
2000
Fiquei obcecado com como poderia ser
02:10
that we're embedded in these social networks,
48
115000
2000
que estávamos inseridos nessas redes sociais,
02:12
and how they affect our lives.
49
117000
2000
e como elas afetavam nossas vidas.
02:14
So, social networks are these intricate things of beauty,
50
119000
3000
Assim, as redes sociais são essas coisas complexas de beleza,
02:17
and they're so elaborate and so complex
51
122000
2000
e são tão elaboradas e tão complexas
02:19
and so ubiquitous, in fact,
52
124000
2000
e tão onipresentes, na realidade,
02:21
that one has to ask what purpose they serve.
53
126000
3000
que alguém precisa perguntar a que propósito elas servem.
02:24
Why are we embedded in social networks?
54
129000
2000
Por que estamos inseridos nessas redes sociais?
02:26
I mean, how do they form? How do they operate?
55
131000
2000
Ou seja, como elas se formam? Como elas operam?
02:28
And how do they effect us?
56
133000
2000
E como elas nos afetam?
02:30
So my first topic with respect to this,
57
135000
3000
E assim, meu primeiro tópico, com relação a isto,
02:33
was not death, but obesity.
58
138000
3000
não foi a morte, mas a obesidade.
02:36
It had become trendy
59
141000
2000
E de repente, tinha se tornado moda
02:38
to speak about the "obesity epidemic."
60
143000
2000
falar sobre a "obesidade epidêmica".
02:40
And, along with my collaborator, James Fowler,
61
145000
3000
E, juntamente com meu colaborador, James Fowler,
02:43
we began to wonder whether obesity really was epidemic
62
148000
3000
começamos a ponderar se a obesidade era realmente uma epidemia,
02:46
and could it spread from person to person
63
151000
2000
e se poderia se espalhar de pessoa a pessoa
02:48
like the four people I discussed earlier.
64
153000
3000
como no caso das quatro pessoas que mencionei anteriormente.
02:51
So this is a slide of some of our initial results.
65
156000
3000
Assim, este é um slide com alguns de nossos resultados iniciais.
02:54
It's 2,200 people in the year 2000.
66
159000
3000
São 2.200 pessoas no ano 2000.
02:57
Every dot is a person. We make the dot size
67
162000
2000
Cada ponto representa uma pessoa. O tamanho do ponto
02:59
proportional to people's body size;
68
164000
2000
é proporcional ao tamanho do corpo da pessoa.
03:01
so bigger dots are bigger people.
69
166000
3000
Pontos maiores representam, assim, pessoas maiores.
03:04
In addition, if your body size,
70
169000
2000
Adicionalmente, se o tamanho do seu corpo,
03:06
if your BMI, your body mass index, is above 30 --
71
171000
2000
se o seu IMC, ou seja, se o seu índice de massa corpórea for superior a 30,
03:08
if you're clinically obese --
72
173000
2000
se você for clinicamente obeso,
03:10
we also colored the dots yellow.
73
175000
2000
também pintamos os pontos de amarelo.
03:12
So, if you look at this image, right away you might be able to see
74
177000
2000
Dessa forma, se vocês olharem esta imagem agora, poderão ver
03:14
that there are clusters of obese and
75
179000
2000
que há grupos de pessoas obesas e
03:16
non-obese people in the image.
76
181000
2000
não-obesas na imagem.
03:18
But the visual complexity is still very high.
77
183000
3000
Mas a complexidade visual ainda é muito alta.
03:21
It's not obvious exactly what's going on.
78
186000
3000
Não é óbvio o que está exatamente acontecendo.
03:24
In addition, some questions are immediately raised:
79
189000
2000
Além disso, algumas questões são imediatamente levantadas.
03:26
How much clustering is there?
80
191000
2000
Quantos agrupamentos existem?
03:28
Is there more clustering than would be due to chance alone?
81
193000
3000
Há mais agrupamentos do que poderiam existir somente pelo acaso?
03:31
How big are the clusters? How far do they reach?
82
196000
2000
Quão grandes são os grupos? Qual o alcance deles?
03:33
And, most importantly,
83
198000
2000
E, sobretudo,
03:35
what causes the clusters?
84
200000
2000
o que causa os agrupamentos?
03:37
So we did some mathematics to study the size of these clusters.
85
202000
3000
Assim, fizemos alguns cálculos para estudar o tamanho desses grupos.
03:40
This here shows, on the Y-axis,
86
205000
2000
Este aqui mostra, no eixo Y,
03:42
the increase in the probability that a person is obese
87
207000
3000
o aumento na probabilidade de uma pessoa ser obesa,
03:45
given that a social contact of theirs is obese
88
210000
2000
em virtude de um de seus contatos sociais ser obeso.
03:47
and, on the X-axis, the degrees of separation between the two people.
89
212000
3000
E no eixo X, os graus de separação entre essas duas pessoas.
03:50
On the far left, you see the purple line.
90
215000
2000
E no extremo esquerdo, vocês verão uma linha roxa.
03:52
It says that, if your friends are obese,
91
217000
2000
Ela diz que, se seus amigos forem obesos,
03:54
your risk of obesity is 45 percent higher.
92
219000
3000
seu risco de obesidade é 45% mais alto.
03:57
And the next bar over, the [red] line,
93
222000
2000
E a próxima barra acima, na linha laranja,
03:59
says if your friend's friends are obese,
94
224000
2000
diz que, se os amigos de seus amigos forem obesos,
04:01
your risk of obesity is 25 percent higher.
95
226000
2000
seu risco de obesidade é 25% mais alto.
04:03
And then the next line over says
96
228000
2000
E a próxima linha acima diz que,
04:05
if your friend's friend's friend, someone you probably don't even know, is obese,
97
230000
3000
se os amigos dos amigos de seu amigo, alguém que você provavelmente nem conheça, for obeso,
04:08
your risk of obesity is 10 percent higher.
98
233000
3000
seu risco de obesidade é 10% mais alto.
04:11
And it's only when you get to your friend's friend's friend's friends
99
236000
3000
E somente quando vocês chegam aos amigos dos amigos dos amigos dos amigos dos seus amigos,
04:14
that there's no longer a relationship
100
239000
2000
que a relação deixa de existir
04:16
between that person's body size and your own body size.
101
241000
3000
entre o tamanho do corpo da pessoa e tamanho do seu próprio corpo.
04:20
Well, what might be causing this clustering?
102
245000
3000
Bem, o que pode estar causando este agrupamento?
04:23
There are at least three possibilities:
103
248000
2000
Há no mínimo três possibilidades.
04:25
One possibility is that, as I gain weight,
104
250000
2000
Uma delas é que, na medida em que ganho peso,
04:27
it causes you to gain weight.
105
252000
2000
isso faz com que você ganhe peso,
04:29
A kind of induction, a kind of spread from person to person.
106
254000
3000
um tipo de indução, um tipo de propagação de pessoa a pessoa.
04:32
Another possibility, very obvious, is homophily,
107
257000
2000
Outra possibilidade, muito óbvia, é a homofilia,
04:34
or, birds of a feather flock together;
108
259000
2000
ou "diga-me com quem andas ...".
04:36
here, I form my tie to you
109
261000
2000
Aqui, eu formo meu vínculo a você
04:38
because you and I share a similar body size.
110
263000
3000
pois você e eu partilhamos de um tamanho de corpo similar.
04:41
And the last possibility is what is known as confounding,
111
266000
2000
E a última possibilidade é o que chamamos de confusão,
04:43
because it confounds our ability to figure out what's going on.
112
268000
3000
pois confunde nossa habilidade de entender o que está acontecendo.
04:46
And here, the idea is not that my weight gain
113
271000
2000
E aqui, a ideia não é que meu aumento de peso
04:48
is causing your weight gain,
114
273000
2000
está lhe fazendo ganhar peso,
04:50
nor that I preferentially form a tie with you
115
275000
2000
nem que eu preferencialmente forme um vínculo com você
04:52
because you and I share the same body size,
116
277000
2000
porque você e eu partilhamos do mesmo tamanho de corpo,
04:54
but rather that we share a common exposure
117
279000
2000
mas sim que partilhamos de uma exposição comum
04:56
to something, like a health club
118
281000
3000
a algo como uma academia
04:59
that makes us both lose weight at the same time.
119
284000
3000
que faz com que nós percamos peso ao mesmo tempo.
05:02
When we studied these data, we found evidence for all of these things,
120
287000
3000
E quando examinamos esses dados, encontramos indícios de todas essas coisas,
05:05
including for induction.
121
290000
2000
inclusive por indução.
05:07
And we found that if your friend becomes obese,
122
292000
2000
E constatamos que, se seu amigo se torna obeso,
05:09
it increases your risk of obesity by about 57 percent
123
294000
3000
isso aumenta seu risco de obesidade em cerca de 57%
05:12
in the same given time period.
124
297000
2000
no mesmo período de tempo.
05:14
There can be many mechanisms for this effect:
125
299000
3000
E podem existir muitos mecanismos para esse efeito.
05:17
One possibility is that your friends say to you something like --
126
302000
2000
Uma possibilidade é que seus amigos lhe digam algo do tipo --
05:19
you know, they adopt a behavior that spreads to you --
127
304000
3000
vocês sabem, eles adotam um comportamento que se propaga a você,
05:22
like, they say, "Let's go have muffins and beer,"
128
307000
3000
como, por exemplo, eles dizem, "Vamos comer muffins e tomar cerveja",
05:25
which is a terrible combination. (Laughter)
129
310000
3000
que é uma combinação horrível,
05:28
But you adopt that combination,
130
313000
2000
mas você adota essa combinação,
05:30
and then you start gaining weight like them.
131
315000
3000
e então começa a ganhar peso como eles.
05:33
Another more subtle possibility
132
318000
2000
E outra possibilidade mais sutil
05:35
is that they start gaining weight, and it changes your ideas
133
320000
3000
é que eles começam a ganhar peso e isso muda seus conceitos
05:38
of what an acceptable body size is.
134
323000
2000
sobre qual tamanho de corpo é aceitável.
05:40
Here, what's spreading from person to person
135
325000
2000
E, aqui, o que está se propagando de pessoa a pessoa
05:42
is not a behavior, but rather a norm:
136
327000
2000
não é um comportamento, mas sim uma norma.
05:44
An idea is spreading.
137
329000
2000
Um conceito se espalha.
05:46
Now, headline writers
138
331000
2000
Bem, as manchetes de jornais
05:48
had a field day with our studies.
139
333000
2000
fizeram um dia de festa com nossos estudos.
05:50
I think the headline in The New York Times was,
140
335000
2000
Acho que a manchete no New York Times foi,
05:52
"Are you packing it on?
141
337000
2000
"Você está engordando?
05:54
Blame your fat friends." (Laughter)
142
339000
3000
Culpe seus amigos gordos."
05:57
What was interesting to us is that the European headline writers
143
342000
2000
O que nos pareceu interessante foi que a manchete dos jornais europeus
05:59
had a different take: They said,
144
344000
2000
tinha uma abordagem diferente; eles disseram,
06:01
"Are your friends gaining weight? Perhaps you are to blame."
145
346000
3000
"Seus amigos estão engordando? Talvez você deva se culpar."
06:04
(Laughter)
146
349000
5000
(Risos)
06:09
And we thought this was a very interesting comment on America,
147
354000
3000
E achamos que este era um comentário interessante sobre a América,
06:12
and a kind of self-serving,
148
357000
2000
e meio cômoda,
06:14
"not my responsibility" kind of phenomenon.
149
359000
2000
um fenômeno do tipo "não é minha responsabilidade".
06:16
Now, I want to be very clear: We do not think our work
150
361000
2000
Bem, eu quero deixar muito claro que não achamos que nosso trabalho
06:18
should or could justify prejudice
151
363000
2000
deva ou possa justificar o preconceito
06:20
against people of one or another body size at all.
152
365000
3000
contra pessoas com diferentes tamanhos de corpo.
06:24
Our next questions was:
153
369000
2000
Assim, nossas próximas questões foram:
06:26
Could we actually visualize this spread?
154
371000
3000
Podemos efetivamente visualizar essa difusão?
06:29
Was weight gain in one person actually spreading
155
374000
2000
O ganho de peso de uma pessoa estava efetivamente levando
06:31
to weight gain in another person?
156
376000
2000
ao ganho de peso em outra pessoa?
06:33
And this was complicated because
157
378000
2000
E isso era complicado porque
06:35
we needed to take into account the fact that the network structure,
158
380000
3000
devíamos considerar o fato de que a estrutura da rede,
06:38
the architecture of the ties, was changing across time.
159
383000
3000
a arquitetura de seus vínculos, estava mudando com o tempo.
06:41
In addition, because obesity is not a unicentric epidemic,
160
386000
3000
E, adicionalmente, porque a obesidade não é uma epidemia unicêntrica,
06:44
there's not a Patient Zero of the obesity epidemic --
161
389000
3000
não há um "paciente zero" da epidemia de obesidade --
06:47
if we find that guy, there was a spread of obesity out from him --
162
392000
3000
se encontrássemos esse cara, haveria uma difusão de obesidade a partir dele.
06:50
it's a multicentric epidemic.
163
395000
2000
É uma epidemia multicêntrica.
06:52
Lots of people are doing things at the same time.
164
397000
2000
Muitas pessoas estão fazendo coisas ao mesmo tempo.
06:54
And I'm about to show you a 30 second video animation
165
399000
3000
E estou prestes a lhes mostrar um vídeo de animação de 30 segundos
06:57
that took me and James five years of our lives to do.
166
402000
3000
que levou 5 anos para James e eu criarmos.
07:00
So, again, every dot is a person.
167
405000
2000
E assim, novamente, cada ponto representa uma pessoa.
07:02
Every tie between them is a relationship.
168
407000
2000
Cada vínculo entre elas é um relacionamento.
07:04
We're going to put this into motion now,
169
409000
2000
E vamos colocar tudo isso em movimento agora,
07:06
taking daily cuts through the network for about 30 years.
170
411000
3000
fazendo cortes diários na rede por cerca de 30 anos.
07:09
The dot sizes are going to grow,
171
414000
2000
O tamanho dos pontos vão aumentar.
07:11
you're going to see a sea of yellow take over.
172
416000
3000
Vocês verão uma invasão de pontos amarelos.
07:14
You're going to see people be born and die --
173
419000
2000
Verão pessoas nascerem e morrerem;
07:16
dots will appear and disappear --
174
421000
2000
pontos aparecerão e desaparecerão.
07:18
ties will form and break, marriages and divorces,
175
423000
3000
Vínculos se formarão e se romperão. Casamentos e divórcios,
07:21
friendings and defriendings.
176
426000
2000
surgimentos e desaparecimentos de amizades,
07:23
A lot of complexity, a lot is happening
177
428000
2000
muita complexidade, muito está acontecendo
07:25
just in this 30-year period
178
430000
2000
no período de apenas 30 anos,
07:27
that includes the obesity epidemic.
179
432000
2000
que inclui a epidemia da obesidade.
07:29
And, by the end, you're going to see clusters
180
434000
2000
E no fim, vocês verão os agrupamentos
07:31
of obese and non-obese individuals
181
436000
2000
de pessoas obesas e não-obesas
07:33
within the network.
182
438000
2000
dentro da rede.
07:35
Now, when looked at this,
183
440000
3000
Agora, depois de olhar para isso,
07:38
it changed the way I see things,
184
443000
3000
mudei a forma de enxergar as coisas,
07:41
because this thing, this network
185
446000
2000
porque essa coisa, essa rede,
07:43
that's changing across time,
186
448000
2000
que está mudando através dos tempos,
07:45
it has a memory, it moves,
187
450000
3000
tem uma memória, ela se move,
07:48
things flow within it,
188
453000
2000
as coisas fluem dentro dela,
07:50
it has a kind of consistency --
189
455000
2000
ela tem um tipo de consistência;
07:52
people can die, but it doesn't die;
190
457000
2000
as pessoas podem morrer, mas ela não morre;
07:54
it still persists --
191
459000
2000
ela ainda persiste.
07:56
and it has a kind of resilience
192
461000
2000
E tem um tipo de resiliência
07:58
that allows it to persist across time.
193
463000
2000
que a permite persistir através dos tempos.
08:00
And so, I came to see these kinds of social networks
194
465000
3000
E assim, cheguei a enxergar esses sinais das redes sociais
08:03
as living things,
195
468000
2000
como entes vivos,
08:05
as living things that we could put under a kind of microscope
196
470000
3000
entes vivos que podemos colocar debaixo de um tipo de microscópio
08:08
to study and analyze and understand.
197
473000
3000
e estudar, analisar e entender.
08:11
And we used a variety of techniques to do this.
198
476000
2000
E usamos uma variedade de técnicas para fazer isso.
08:13
And we started exploring all kinds of other phenomena.
199
478000
3000
E começamos a explorar todos os tipos de fenômenos.
08:16
We looked at smoking and drinking behavior,
200
481000
2000
De modo que olhamos comportamentos de fumantes e de consumo de bebidas alcóolicas,
08:18
and voting behavior,
201
483000
2000
e comportamentos de votação,
08:20
and divorce -- which can spread --
202
485000
2000
e divórcio, que podem se espalhar,
08:22
and altruism.
203
487000
2000
e altruísmo.
08:24
And, eventually, we became interested in emotions.
204
489000
3000
E, consequentemente, nós nos interessamos pelas emoções.
08:28
Now, when we have emotions,
205
493000
2000
Bem, quando temos emoções,
08:30
we show them.
206
495000
2000
demonstramo-nas.
08:32
Why do we show our emotions?
207
497000
2000
Por que demonstramos nossas emoções?
08:34
I mean, there would be an advantage to experiencing
208
499000
2000
Quero dizer, deveria haver uma vantagem em experimentar
08:36
our emotions inside, you know, anger or happiness.
209
501000
3000
nossas emoções internamente, vocês sabem, raiva ou felicidade,
08:39
But we don't just experience them, we show them.
210
504000
2000
mas não somente as experimentamos, nós as demonstramos.
08:41
And not only do we show them, but others can read them.
211
506000
3000
E não somente as demonstramos, mas os outros podem percebê-las.
08:44
And, not only can they read them, but they copy them.
212
509000
2000
E, não somente podem percebê-las, mas também as copiam.
08:46
There's emotional contagion
213
511000
2000
Há um contágio emocional
08:48
that takes place in human populations.
214
513000
3000
que acontece nas populações humanas.
08:51
And so this function of emotions
215
516000
2000
E essa função de emoções
08:53
suggests that, in addition to any other purpose they serve,
216
518000
2000
sugere que, adicionalmente a outros propósitos que possam servir,
08:55
they're a kind of primitive form of communication.
217
520000
3000
elas são um tipo primitivo de comunicação.
08:58
And that, in fact, if we really want to understand human emotions,
218
523000
3000
E que, de fato, se quisermos realmente entender as emoções humanas,
09:01
we need to think about them in this way.
219
526000
2000
precisamos pensar nelas dessa maneira.
09:03
Now, we're accustomed to thinking about emotions in this way,
220
528000
3000
Bem, estamos acostumados a pensar nas emoções dessa maneira,
09:06
in simple, sort of, brief periods of time.
221
531000
3000
em períodos simples, curtos de tempo.
09:09
So, for example,
222
534000
2000
Assim, por exemplo,
09:11
I was giving this talk recently in New York City,
223
536000
2000
Estava dando uma palestra recentemente na cidade de Nova York,
09:13
and I said, "You know when you're on the subway
224
538000
2000
e disse, "Você sabem, como quando vocês estão no metrô,
09:15
and the other person across the subway car
225
540000
2000
e a outra pessoa do outro lado do vagão
09:17
smiles at you,
226
542000
2000
lhes sorri,
09:19
and you just instinctively smile back?"
227
544000
2000
e vocês instintivamente sorriem de volta."
09:21
And they looked at me and said, "We don't do that in New York City." (Laughter)
228
546000
3000
E eles me olharam e disseram, "Não fazemos isso em Nova York."
09:24
And I said, "Everywhere else in the world,
229
549000
2000
E eu disse, "Em todas as outras partes do mundo,
09:26
that's normal human behavior."
230
551000
2000
esse é um comportamento humano normal."
09:28
And so there's a very instinctive way
231
553000
2000
De modo que há um meio muito instintivo
09:30
in which we briefly transmit emotions to each other.
232
555000
3000
pelo qual brevemente transmitimos emoções uns aos outros.
09:33
And, in fact, emotional contagion can be broader still.
233
558000
3000
E, de fato, o contágio emocional pode ser ainda maior,
09:36
Like we could have punctuated expressions of anger,
234
561000
3000
ou seja, poderíamos ter pontuado expressões de raiva,
09:39
as in riots.
235
564000
2000
como em tumultos.
09:41
The question that we wanted to ask was:
236
566000
2000
A questão que queríamos nos indagar era:
09:43
Could emotion spread,
237
568000
2000
Pode a emoção se espalhar,
09:45
in a more sustained way than riots, across time
238
570000
3000
de maneira mais sustentável do que tumultos, através dos tempos
09:48
and involve large numbers of people,
239
573000
2000
e envolver grandes números de pessoas,
09:50
not just this pair of individuals smiling at each other in the subway car?
240
575000
3000
não somente esse par de pessoas que está sorrindo um ao outro no metrô?
09:53
Maybe there's a kind of below the surface, quiet riot
241
578000
3000
Talvez haja um tipo de tumulto calmo abaixo da superfície
09:56
that animates us all the time.
242
581000
2000
que nos movimenta a todo o tempo.
09:58
Maybe there are emotional stampedes
243
583000
2000
Talvez haja um estouro de emoções
10:00
that ripple through social networks.
244
585000
2000
que se movimenta através das redes sociais.
10:02
Maybe, in fact, emotions have a collective existence,
245
587000
3000
Talvez, de fato, as emoções têm uma existência coletiva,
10:05
not just an individual existence.
246
590000
2000
não somente uma existência individual.
10:07
And this is one of the first images we made to study this phenomenon.
247
592000
3000
E esta é uma das primeiras imagens que nós fizemos para estudar esse fenômeno.
10:10
Again, a social network,
248
595000
2000
Novamente, uma rede social,
10:12
but now we color the people yellow if they're happy
249
597000
3000
mas agora nós colorimos as pessoas de amarelo se elas estão felizes
10:15
and blue if they're sad and green in between.
250
600000
3000
e de azul, se elas estão tristes, e de verde, se estão entre uma coisa e outra.
10:18
And if you look at this image, you can right away see
251
603000
2000
E se vocês olharem para esta imagem, poderão enxergar imediatamente
10:20
clusters of happy and unhappy people,
252
605000
2000
grupos de pessoas felizes e infelizes,
10:22
again, spreading to three degrees of separation.
253
607000
2000
novamente, espalhando-se por 3 graus de separação.
10:24
And you might form the intuition
254
609000
2000
E você poderão intuir
10:26
that the unhappy people
255
611000
2000
que as pessoas infelizes
10:28
occupy a different structural location within the network.
256
613000
3000
ocupam uma localização estrutural diferente dentro da rede.
10:31
There's a middle and an edge to this network,
257
616000
2000
Assim, existe um meio e um limite para esta rede,
10:33
and the unhappy people seem to be
258
618000
2000
e as pessoas infelizes parecem estar
10:35
located at the edges.
259
620000
2000
localizadas nos limites.
10:37
So to invoke another metaphor,
260
622000
2000
Assim, para invocar outra metáfora,
10:39
if you imagine social networks as a kind of
261
624000
2000
se vocês imaginarem as redes sociais como um tipo de
10:41
vast fabric of humanity --
262
626000
2000
amplo tecido de humanidade --
10:43
I'm connected to you and you to her, on out endlessly into the distance --
263
628000
3000
Estou conectado a você e você a ela, de forma infinita e sucessiva --
10:46
this fabric is actually like
264
631000
2000
esse tecido é, na verdade, como
10:48
an old-fashioned American quilt,
265
633000
2000
uma velha colcha de retalhos americana,
10:50
and it has patches on it: happy and unhappy patches.
266
635000
3000
que tem retalhos, retalhos felizes e infelizes.
10:53
And whether you become happy or not
267
638000
2000
E ficar feliz ou não
10:55
depends in part on whether you occupy a happy patch.
268
640000
3000
depende em parte de estar em um retalho feliz.
10:58
(Laughter)
269
643000
2000
(Risos)
11:00
So, this work with emotions,
270
645000
3000
Assim, este trabalho com emoções,
11:03
which are so fundamental,
271
648000
2000
que são fundamentais,
11:05
then got us to thinking about: Maybe
272
650000
2000
levou-nos a pensar que, talvez,
11:07
the fundamental causes of human social networks
273
652000
2000
as causas fundamentais de as redes sociais
11:09
are somehow encoded in our genes.
274
654000
2000
estarem de algum modo codificadas em nossos genes.
11:11
Because human social networks, whenever they are mapped,
275
656000
3000
Porque as redes sociais humanas, sempre que são mapeadas,
11:14
always kind of look like this:
276
659000
2000
sempre se parecem a isso,
11:16
the picture of the network.
277
661000
2000
a foto da rede,
11:18
But they never look like this.
278
663000
2000
mas nunca se parecem a isso.
11:20
Why do they not look like this?
279
665000
2000
Por que não se parecem a isso?
11:22
Why don't we form human social networks
280
667000
2000
Por que não formamos redes sociais
11:24
that look like a regular lattice?
281
669000
2000
que se pareçam a treliças regulares?
11:26
Well, the striking patterns of human social networks,
282
671000
3000
Bem, os padrões marcantes das redes sociais,
11:29
their ubiquity and their apparent purpose
283
674000
3000
suas onipresenças, e seus propósitos aparentes
11:32
beg questions about whether we evolved to have
284
677000
2000
imploram por questões sobre se evoluímos para ter
11:34
human social networks in the first place,
285
679000
2000
redes sociais em primeiro lugar,
11:36
and whether we evolved to form networks
286
681000
2000
e se evoluímos para formar redes
11:38
with a particular structure.
287
683000
2000
com uma estrutura particular.
11:40
And notice first of all -- so, to understand this, though,
288
685000
2000
E notem, primeiramente ... E assim, para entendermos isso, entretanto,
11:42
we need to dissect network structure a little bit first --
289
687000
3000
precisamos primeiramente dissecar um pouco a estrutura da rede.
11:45
and notice that every person in this network
290
690000
2000
E notem que cada pessoa nessa rede
11:47
has exactly the same structural location as every other person.
291
692000
3000
tem exatamente a mesma localização estrutural que as demais pessoas.
11:50
But that's not the case with real networks.
292
695000
3000
Mas esse não é o caso nas redes verdadeiras.
11:53
So, for example, here is a real network of college students
293
698000
2000
Assim, por exemplo, aqui está uma rede verdadeira de estudantes universitários
11:55
at an elite northeastern university.
294
700000
3000
de uma universidade de elite do nordeste.
11:58
And now I'm highlighting a few dots.
295
703000
2000
E agora estou iluminando alguns pontos.
12:00
If you look here at the dots,
296
705000
2000
e se vocês olharem para os pontos,
12:02
compare node B in the upper left
297
707000
2000
comparem o nodo B, no campo superior esquerdo,
12:04
to node D in the far right;
298
709000
2000
com o nodo D, no campo extremo direito.
12:06
B has four friends coming out from him
299
711000
2000
E B tem quatro amigos saindo dele.
12:08
and D has six friends coming out from him.
300
713000
3000
E D tem seis amigos saindo dele.
12:11
And so, those two individuals have different numbers of friends.
301
716000
3000
E assim, aqueles dois indivíduos têm números diferentes de amigos --
12:14
That's very obvious, we all know that.
302
719000
2000
isso é muito óbvio, todos sabemos disso.
12:16
But certain other aspects
303
721000
2000
Mas certos outros aspectos
12:18
of social network structure are not so obvious.
304
723000
2000
da estrutura das redes sociais não são tão óbvios.
12:20
Compare node B in the upper left to node A in the lower left.
305
725000
3000
Comparem o nodo B no campo superior esquerdo ao nodo A no inferior esquerdo.
12:23
Now, those people both have four friends,
306
728000
3000
E agora aquelas pessoas têm ambas quatro amigos,
12:26
but A's friends all know each other,
307
731000
2000
mas todos os amigos de A se conhecem,
12:28
and B's friends do not.
308
733000
2000
e os amigos de B não.
12:30
So the friend of a friend of A's
309
735000
2000
Assim, o amigo de um dos amigos de A,
12:32
is, back again, a friend of A's,
310
737000
2000
é um amigo de A,
12:34
whereas the friend of a friend of B's is not a friend of B's,
311
739000
2000
ainda que um amigo de um amigo de B não seja um amigo de B,
12:36
but is farther away in the network.
312
741000
2000
é mais distante na rede.
12:38
This is known as transitivity in networks.
313
743000
3000
Isso é conhecido como transitividade nas redes.
12:41
And, finally, compare nodes C and D:
314
746000
2000
E, finalmente, comparem os nodos C e D.
12:43
C and D both have six friends.
315
748000
3000
C e D têm ambos 6 amigos.
12:46
If you talk to them, and you said, "What is your social life like?"
316
751000
3000
Se vocês falarem com eles, e disserem, "Como é sua vida social?"
12:49
they would say, "I've got six friends.
317
754000
2000
Eles podem dizer, "Tenho seis amigos.
12:51
That's my social experience."
318
756000
2000
Essa é minha experiência social."
12:53
But now we, with a bird's eye view looking at this network,
319
758000
3000
Mas agora nós, com a visão do todo, olhando para essa rede,
12:56
can see that they occupy very different social worlds.
320
761000
3000
podemos ver que eles ocupam mundos sociais muito diferentes,
12:59
And I can cultivate that intuition in you by just asking you:
321
764000
2000
E posso incitar aquela intuição em vocês simplesmente ao perguntar-lhes:
13:01
Who would you rather be
322
766000
2000
Quem vocês gostariam de ser
13:03
if a deadly germ was spreading through the network?
323
768000
2000
se um germe letal estivesse se espalhando pela rede?
13:05
Would you rather be C or D?
324
770000
3000
Vocês gostariam de ser C ou D?
13:08
You'd rather be D, on the edge of the network.
325
773000
2000
Vocês gostariam de ser D, no limite da rede.
13:10
And now who would you rather be
326
775000
2000
E agora, quem vocês gostariam de ser
13:12
if a juicy piece of gossip -- not about you --
327
777000
3000
se uma fofoca picante, não sobre vocês,
13:15
was spreading through the network? (Laughter)
328
780000
2000
estivesse se espalhando pela rede?
13:17
Now, you would rather be C.
329
782000
2000
Bem, vocês gostariam de ser C.
13:19
So different structural locations
330
784000
2000
Assim, localizações estruturais diferentes
13:21
have different implications for your life.
331
786000
2000
têm implicações diferentes nas suas vidas.
13:23
And, in fact, when we did some experiments looking at this,
332
788000
3000
E, de fato, quando fazemos alguns experimentos olhando para isso,
13:26
what we found is that 46 percent of the variation
333
791000
3000
descobrimos que 46% da variação
13:29
in how many friends you have
334
794000
2000
de quantos amigos vocês têm
13:31
is explained by your genes.
335
796000
2000
se explica pelos seus genes.
13:33
And this is not surprising. We know that some people are born shy
336
798000
3000
E isso não é surpreendente. Sabemos, algumas pessoas nascem tímidas
13:36
and some are born gregarious. That's obvious.
337
801000
3000
e algumas nascem sociáveis. Isso é óbvio.
13:39
But we also found some non-obvious things.
338
804000
2000
Mas também sabemos algumas coisas não tão óbvias.
13:41
For instance, 47 percent in the variation
339
806000
3000
Por exemplo, 47% da variação
13:44
in whether your friends know each other
340
809000
2000
de se seus amigos se conhecem uns aos outros
13:46
is attributable to your genes.
341
811000
2000
é atribuída aos seus genes.
13:48
Whether your friends know each other
342
813000
2000
Se seus amigos se conhecem uns aos outros
13:50
has not just to do with their genes, but with yours.
343
815000
3000
não tem somente a ver com os genes deles, mas também com os seus.
13:53
And we think the reason for this is that some people
344
818000
2000
E achamos que o motivo para isso é que algumas pessoas
13:55
like to introduce their friends to each other -- you know who you are --
345
820000
3000
gostam de apresentar seus amigos uns aos outros -- vocês sabem como vocês são --
13:58
and others of you keep them apart and don't introduce your friends to each other.
346
823000
3000
e outros de vocês os mantêm separados e não apresentam seus amigos uns aos outros.
14:01
And so some people knit together the networks around them,
347
826000
3000
E assim, algumas pessoas constroem redes ao redor de si mesmas,
14:04
creating a kind of dense web of ties
348
829000
2000
criando um tipo de emaranhado denso de vínculos
14:06
in which they're comfortably embedded.
349
831000
2000
nos quais se encontram confortavelmente inseridos.
14:08
And finally, we even found that
350
833000
2000
E finalmente, descobrimos ainda que
14:10
30 percent of the variation
351
835000
2000
30% da variação
14:12
in whether or not people are in the middle or on the edge of the network
352
837000
3000
se as pessoas estão ou não no meio ou na extremidade da rede
14:15
can also be attributed to their genes.
353
840000
2000
pode também ser atribuída aos seus genes.
14:17
So whether you find yourself in the middle or on the edge
354
842000
2000
Assim, se você se virem no meio ou na extremidade,
14:19
is also partially heritable.
355
844000
3000
isso também é parcialmente hereditário.
14:22
Now, what is the point of this?
356
847000
3000
Bem, qual o ponto disso?
14:25
How does this help us understand?
357
850000
2000
Como isso nos ajuda a entender?
14:27
How does this help us
358
852000
2000
Como isso nos ajuda
14:29
figure out some of the problems that are affecting us these days?
359
854000
3000
a compreender alguns dos problemas que estão nos afetando atualmente?
14:33
Well, the argument I'd like to make is that networks have value.
360
858000
3000
Bem, o argumento que eu gostaria de sustentar é que as redes têm valor.
14:36
They are a kind of social capital.
361
861000
3000
Elas são um tipo de capital social.
14:39
New properties emerge
362
864000
2000
Novas propriedades emergem
14:41
because of our embeddedness in social networks,
363
866000
2000
porque estamos inseridos nas redes sociais,
14:43
and these properties inhere
364
868000
3000
e essas propriedades são inerentes,
14:46
in the structure of the networks,
365
871000
2000
na estrutura das redes,
14:48
not just in the individuals within them.
366
873000
2000
não somente nos indivíduos dentro delas.
14:50
So think about these two common objects.
367
875000
2000
Assim, pensem sobre esses dois objetos comuns.
14:52
They're both made of carbon,
368
877000
2000
São ambos feitos de carbono,
14:54
and yet one of them has carbon atoms in it
369
879000
3000
e, no entanto, um deles tem átomos de carbono em si
14:57
that are arranged in one particular way -- on the left --
370
882000
3000
que estão organizados de uma forma particular, na esquerda,
15:00
and you get graphite, which is soft and dark.
371
885000
3000
e vocês conseguem grafite, que é macio e escuro.
15:03
But if you take the same carbon atoms
372
888000
2000
Mas se vocês pegarem os mesmos átomos de carbono
15:05
and interconnect them a different way,
373
890000
2000
e os interconectarem de outra forma,
15:07
you get diamond, which is clear and hard.
374
892000
3000
obterão um diamante, que é claro e duro.
15:10
And those properties of softness and hardness and darkness and clearness
375
895000
3000
E aquelas propriedades de maciez e dureza e escuridão e clareza
15:13
do not reside in the carbon atoms;
376
898000
2000
não residem nos átomos de carbono.
15:15
they reside in the interconnections between the carbon atoms,
377
900000
3000
Residem nas interconexões entre os átomos de carbono,
15:18
or at least arise because of the
378
903000
2000
ou no mínimo surgem por conta das
15:20
interconnections between the carbon atoms.
379
905000
2000
interconexões entre os átomos de carbono.
15:22
So, similarly, the pattern of connections among people
380
907000
3000
Assim, similarmente, o padrão de conexões entre as pessoas
15:25
confers upon the groups of people
381
910000
3000
confere sobre os grupos de pessoas
15:28
different properties.
382
913000
2000
diferentes propriedades.
15:30
It is the ties between people
383
915000
2000
São os vínculos entre as pessoas
15:32
that makes the whole greater than the sum of its parts.
384
917000
3000
que fazem o todo muito maior que a soma de suas partes.
15:35
And so it is not just what's happening to these people --
385
920000
3000
E assim, não é apenas o que está acontecendo a essas pessoas,
15:38
whether they're losing weight or gaining weight, or becoming rich or becoming poor,
386
923000
3000
se estão perdendo ou ganhando peso, ou se tornando ricas ou pobres,
15:41
or becoming happy or not becoming happy -- that affects us;
387
926000
3000
ou felizes ou infelizes, que nos afeta;
15:44
it's also the actual architecture
388
929000
2000
é também a arquitetura real
15:46
of the ties around us.
389
931000
2000
dos vínculos em torno de nós.
15:48
Our experience of the world
390
933000
2000
Nossa experiência do mundo
15:50
depends on the actual structure
391
935000
2000
depende da estrutura real
15:52
of the networks in which we're residing
392
937000
2000
das redes em que residimos
15:54
and on all the kinds of things that ripple and flow
393
939000
3000
e em todos os tipos de coisas que transitam e fluem
15:57
through the network.
394
942000
2000
através da rede.
16:00
Now, the reason, I think, that this is the case
395
945000
3000
Bem, a razão, acredito, para isso
16:03
is that human beings assemble themselves
396
948000
2000
é que os seres humanos se agrupam
16:05
and form a kind of superorganism.
397
950000
3000
e formam um tipo de superorganismo.
16:09
Now, a superorganism is a collection of individuals
398
954000
3000
Bem, superorganismo é um tipo de coletivo de pessoas
16:12
which show or evince behaviors or phenomena
399
957000
3000
que mostram ou evidenciam comportamentos ou fenômenos
16:15
that are not reducible to the study of individuals
400
960000
3000
que não são redutíveis ao estudo das pessoas
16:18
and that must be understood by reference to,
401
963000
2000
e devem ser entendidos por referência a,
16:20
and by studying, the collective.
402
965000
2000
e pelo estudo da coletividade,
16:22
Like, for example, a hive of bees
403
967000
3000
como, por exemplo, uma colmeia de abelhas
16:25
that's finding a new nesting site,
404
970000
3000
que está buscando um novo lugar para nidificação,
16:28
or a flock of birds that's evading a predator,
405
973000
2000
ou uma revoada de pássaros que está fugindo de um predador,
16:30
or a flock of birds that's able to pool its wisdom
406
975000
3000
ou uma revoada de pássaros que é capaz de juntar sua sabedoria
16:33
and navigate and find a tiny speck
407
978000
2000
e navegar para encontrar um pequeno ponto
16:35
of an island in the middle of the Pacific,
408
980000
2000
de uma ilha no meio do pacífico,
16:37
or a pack of wolves that's able
409
982000
2000
ou uma matilha de lobos que é capaz
16:39
to bring down larger prey.
410
984000
3000
de derrubar uma grande presa.
16:42
Superorganisms have properties
411
987000
2000
Os superorganismos têm propriedades
16:44
that cannot be understood just by studying the individuals.
412
989000
3000
que não podem ser entendidas apenas pelo estudo das pessoas.
16:47
I think understanding social networks
413
992000
2000
Acho que entender as redes sociais
16:49
and how they form and operate
414
994000
2000
e como se formam e operam,
16:51
can help us understand not just health and emotions
415
996000
3000
pode nos ajudar a compreender, não somente a saúde e as emoções,
16:54
but all kinds of other phenomena --
416
999000
2000
mas todos os outros tipos de fenômenos
16:56
like crime, and warfare,
417
1001000
2000
como crimes e guerras
16:58
and economic phenomena like bank runs
418
1003000
2000
e fenômenos econômicos como corridas aos bancos
17:00
and market crashes
419
1005000
2000
e quebras dos mercados
17:02
and the adoption of innovation
420
1007000
2000
e a adoção de inovações
17:04
and the spread of product adoption.
421
1009000
2000
e a difusão da adoção de produtos.
17:06
Now, look at this.
422
1011000
2000
Bem, olhem para isso.
17:09
I think we form social networks
423
1014000
2000
Acho que formamos redes sociais
17:11
because the benefits of a connected life
424
1016000
2000
pois os benefícios de uma vida conectada
17:13
outweigh the costs.
425
1018000
3000
são maiores que os custos.
17:16
If I was always violent towards you
426
1021000
2000
Se eu fosse sempre violento com você
17:18
or gave you misinformation
427
1023000
2000
ou lhe desse informações erradas,
17:20
or made you sad or infected you with deadly germs,
428
1025000
3000
ou o entristecesse, ou lhe infectasse com germes letais,
17:23
you would cut the ties to me,
429
1028000
2000
você cortaria seus vínculos comigo,
17:25
and the network would disintegrate.
430
1030000
2000
e a rede se desintegraria.
17:27
So the spread of good and valuable things
431
1032000
3000
Assim, a difusão de coisas boas e valiosas
17:30
is required to sustain and nourish social networks.
432
1035000
3000
é exigida para sustentar e alimentar as redes sociais.
17:34
Similarly, social networks are required
433
1039000
2000
Similarmente, as redes sociais são exigidas
17:36
for the spread of good and valuable things,
434
1041000
3000
para a difusão de coisas boas e valiosas
17:39
like love and kindness
435
1044000
2000
como amor e ternura
17:41
and happiness and altruism
436
1046000
2000
e felicidade e altruísmo
17:43
and ideas.
437
1048000
2000
e ideias.
17:45
I think, in fact, that if we realized
438
1050000
2000
Acho, de fato, que se percebêssemos
17:47
how valuable social networks are,
439
1052000
2000
quão valiosas as redes sociais são,
17:49
we'd spend a lot more time nourishing them and sustaining them,
440
1054000
3000
passaríamos mais tempo alimentando-as e sustentando-as
17:52
because I think social networks
441
1057000
2000
pois acredito que as redes sociais
17:54
are fundamentally related to goodness.
442
1059000
3000
estão fundamentalmente relacionadas ao bem,
17:57
And what I think the world needs now
443
1062000
2000
e o que acho que o mundo precisa agora
17:59
is more connections.
444
1064000
2000
é de mais conexões.
18:01
Thank you.
445
1066000
2000
Obrigado.
18:03
(Applause)
446
1068000
3000
(Aplausos)
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