TED2010
Nicholas Christakis: The hidden influence of social networks
Nicholas Christakis: Sosyal Ağların Gizli Tesiri
Filmed:
Readability: 4.3
1,674,218 views
Hepimiz, arkadaş, aile, iş arkadaşları ve benzeri kişilerden oluşan sosyal ağların bir parçasıyız. Nicholas Christakis, mutluluktan obeziteye kadar birçok farklı özelliğin nasıl insandan insana yayılabileceğinin ve ağdaki konumunuzun hayatınızı nasıl da hiç fark etmediğiniz yollardan etkileyebileceğinin izlerini sürüyor.
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
Benim için bu hikaye 15 sene önce,
00:19
when I was a hospice doctor at the University of Chicago.
1
4000
3000
Chicago Üniversitesi'nde bir darülacaze doktoruyken başladı.
00:22
And I was taking care of people who were dying and their families
2
7000
3000
Ve ben Chicago'nun güney tarafında, ölmek üzere olan insanlara
00:25
in the South Side of Chicago.
3
10000
2000
ve onların ailelerine bakıyordum.
00:27
And I was observing what happened to people and their families
4
12000
3000
Ve ölümcül hastalıkları süresince bu insanlara ve onların ailelerine
00:30
over the course of their terminal illness.
5
15000
3000
ne olduğunu gözlemliyordum.
00:33
And in my lab, I was studying the widower effect,
6
18000
2000
Laboratuvarımda, sosyal bilimlerde çok eski bir fikir olan
00:35
which is a very old idea in the social sciences,
7
20000
2000
kökleri 150 yıl öncesine kadar giden,
00:37
going back 150 years,
8
22000
2000
ve "kırık kalpten ölmek"
00:39
known as "dying of a broken heart."
9
24000
2000
olarak bilinen dul kalma etkisini çalışıyordum.
00:41
So, when I die, my wife's risk of death can double,
10
26000
3000
Buna göre, ben öldüğümde, örneğin ilk yılda,
00:44
for instance, in the first year.
11
29000
2000
karımın ölüm riski ikiye katlanır.
00:46
And I had gone to take care of one particular patient,
12
31000
3000
Ve ben özel bir hastanın, akıl hastalığından ölmek üzere
00:49
a woman who was dying of dementia.
13
34000
2000
olan bir kadının, bakımıyla ilgileniyordum.
00:51
And in this case, unlike this couple,
14
36000
2000
Ve, bu durumda, bu çiftten ziyade,
00:53
she was being cared for
15
38000
2000
ona kendi kızı
00:55
by her daughter.
16
40000
2000
bakıyordu.
00:57
And the daughter was exhausted from caring for her mother.
17
42000
3000
Ve kız annesine bakmaktan yorgun düşmüştü.
01:00
And the daughter's husband,
18
45000
2000
Ve kızın kocası da,
01:02
he also was sick
19
47000
3000
karısının tükenmişliğinden
01:05
from his wife's exhaustion.
20
50000
2000
dolayı hastalanmıştı.
01:07
And I was driving home one day,
21
52000
2000
Ve ben bir gün eve giderken,
01:09
and I get a phone call from the husband's friend,
22
54000
3000
kocasının arkadaşından bir telefon geldi bana,
01:12
calling me because he was depressed
23
57000
2000
arkadaşına olanlardan dolayı
01:14
about what was happening to his friend.
24
59000
2000
neşesinin kaçtığından söz ediyordu.
01:16
So here I get this call from this random guy
25
61000
2000
Kendisine sosyal açıdan uzakta olan
01:18
that's having an experience
26
63000
2000
kişilerden böyle etkilenen,
01:20
that's being influenced by people
27
65000
2000
böyle bir deneyim yaşayan
01:22
at some social distance.
28
67000
2000
bu kişiden bu çağrıyı aldım.
01:24
And so I suddenly realized two very simple things:
29
69000
3000
Ve bir anda çok basit iki şeyin farkına vardım.
01:27
First, the widowhood effect
30
72000
2000
Birincisi, dulluk etkisi
01:29
was not restricted to husbands and wives.
31
74000
3000
sadece karı ve koca ile sınırlı değildi.
01:32
And second, it was not restricted to pairs of people.
32
77000
3000
Ve ikincisi, sadece çiftler ile sınırlı değildi.
01:35
And I started to see the world
33
80000
2000
Ve dünyayı bambaşka bir şekilde
01:37
in a whole new way,
34
82000
2000
görmeye başladım,
01:39
like pairs of people connected to each other.
35
84000
3000
tıpkı birbirine bağlı insan çiftleri gibi.
01:42
And then I realized that these individuals
36
87000
2000
Ve anladım ki bu bireyler
01:44
would be connected into foursomes with other pairs of people nearby.
37
89000
3000
etraflarındaki diğer insanlarla dörtlü bağlar oluşturacaklar.
01:47
And then, in fact, these people
38
92000
2000
Ve aslında bu insanlar
01:49
were embedded in other sorts of relationships:
39
94000
2000
evlilik, eşlilik, arkadaşlık ve çeşitli
01:51
marriage and spousal
40
96000
2000
bağlarla diğer türlü
01:53
and friendship and other sorts of ties.
41
98000
2000
ilişkilerin bir parçasıydılar.
01:55
And that, in fact, these connections were vast
42
100000
3000
Ve aslında bu bağlantılar oldukça genişti,
01:58
and that we were all embedded in this
43
103000
2000
ve hepimiz bu geniş bağlantıların
02:00
broad set of connections with each other.
44
105000
3000
birer parçası olarak birbirimize bağlıydık.
02:03
So I started to see the world in a completely new way
45
108000
3000
Böylece dünyayı tümüyle yeni bir şekilde görmeye başladım,
02:06
and I became obsessed with this.
46
111000
2000
ve bu bende saplantıya dönüştü.
02:08
I became obsessed with how it might be
47
113000
2000
Bu sosyal ağların nasıl içine düştüğümüze
02:10
that we're embedded in these social networks,
48
115000
2000
ve bunun hayatımızı ne şekilde etkilediğine
02:12
and how they affect our lives.
49
117000
2000
saplanıp kaldım.
02:14
So, social networks are these intricate things of beauty,
50
119000
3000
Sosyal ağlar bu girift güzellik şeyidirler ve onlar o derece
02:17
and they're so elaborate and so complex
51
122000
2000
ayrıntılı ve o derece karmaşık ve o derece
02:19
and so ubiquitous, in fact,
52
124000
2000
yaygınlardır ki, gerçekte,
02:21
that one has to ask what purpose they serve.
53
126000
3000
onların ne işe yaradığını sormak gerek.
02:24
Why are we embedded in social networks?
54
129000
2000
Neden bu sosyal ağlara gömülüyüz?
02:26
I mean, how do they form? How do they operate?
55
131000
2000
Demek istediğim, onların nasıl oluşur? Nasıl işlerler?
02:28
And how do they effect us?
56
133000
2000
Ve bizi nasıl etkilerler?
02:30
So my first topic with respect to this,
57
135000
3000
Ve, buna bağlı olarak, benim ilk konum
02:33
was not death, but obesity.
58
138000
3000
ölüm değil, obezitedir.
02:36
It had become trendy
59
141000
2000
Bir anda, obezite salgını
02:38
to speak about the "obesity epidemic."
60
143000
2000
hakkında konuşmak moda oldu.
02:40
And, along with my collaborator, James Fowler,
61
145000
3000
Ortağım James Fowler ile birlikte,
02:43
we began to wonder whether obesity really was epidemic
62
148000
3000
obezitenin gerçekten bir salgın olup olmadığını ve önceden
02:46
and could it spread from person to person
63
151000
2000
bahsettiğim dört insan gibi, insandan insana
02:48
like the four people I discussed earlier.
64
153000
3000
yayılıp yayılmadığı merak etmeye başladık.
02:51
So this is a slide of some of our initial results.
65
156000
3000
Bu ilk sonuçlarımızdan oluşan bir slayt.
02:54
It's 2,200 people in the year 2000.
66
159000
3000
2000 yılında 2200 insan var.
02:57
Every dot is a person. We make the dot size
67
162000
2000
Her nokta bir insan. Noktanın büyüklüğünü
02:59
proportional to people's body size;
68
164000
2000
insanların vücut ağırlığıyla orantılı yaptık.
03:01
so bigger dots are bigger people.
69
166000
3000
Noktalar büyükse temsil ettiği insan da büyüktür.
03:04
In addition, if your body size,
70
169000
2000
Ayrıca, eğer vücut kitle endeksiniz
03:06
if your BMI, your body mass index, is above 30 --
71
171000
2000
30'un üzerindeyse yani klinik açıdan
03:08
if you're clinically obese --
72
173000
2000
obez iseniz
03:10
we also colored the dots yellow.
73
175000
2000
o noktanın rengini sarı yaptık.
03:12
So, if you look at this image, right away you might be able to see
74
177000
2000
Eğer bu resme doğrudan bakarsanız,
03:14
that there are clusters of obese and
75
179000
2000
obez ve obez olmayan
03:16
non-obese people in the image.
76
181000
2000
insanlardan oluşan kümeler görebilirsiniz.
03:18
But the visual complexity is still very high.
77
183000
3000
Fakat görsel karmaşıklık halen çok yüksek.
03:21
It's not obvious exactly what's going on.
78
186000
3000
Tam olarak ne olup bittiği açık değil.
03:24
In addition, some questions are immediately raised:
79
189000
2000
Ayrıca, hemen akla bazı sorular geliyor.
03:26
How much clustering is there?
80
191000
2000
Ne kadar kümelenme var?
03:28
Is there more clustering than would be due to chance alone?
81
193000
3000
Normalde tesadüfen oluşabilecekten fazla kümelenme var mı?
03:31
How big are the clusters? How far do they reach?
82
196000
2000
Kümeler ne kadar büyük? Ne kadar derine iniyorlar?
03:33
And, most importantly,
83
198000
2000
Ve en önemlisi,
03:35
what causes the clusters?
84
200000
2000
kümeler neden oluşuyor?
03:37
So we did some mathematics to study the size of these clusters.
85
202000
3000
Kümelerin büyüklüğünü çalışmak amacıyla biraz matematik yaptık.
03:40
This here shows, on the Y-axis,
86
205000
2000
Burada, Y ekseninde,
03:42
the increase in the probability that a person is obese
87
207000
3000
bir kişinin çevresindekilerin obez olması durumunda
03:45
given that a social contact of theirs is obese
88
210000
2000
o kişinin de obez olma olasılığındaki artış görünüyor.
03:47
and, on the X-axis, the degrees of separation between the two people.
89
212000
3000
Ve X ekseninde, iki kişi arasındaki ayrılık derecesi görünmektedir.
03:50
On the far left, you see the purple line.
90
215000
2000
En solda, mor çizgiyi görünüyorsunuz.
03:52
It says that, if your friends are obese,
91
217000
2000
O çizgiye göre, eğer arkadaşlarınız obez ise,
03:54
your risk of obesity is 45 percent higher.
92
219000
3000
sizin obez olma riskiniz %45 daha fazladır.
03:57
And the next bar over, the [red] line,
93
222000
2000
Bir sonraki, turuncu çizgi, diyor ki,
03:59
says if your friend's friends are obese,
94
224000
2000
eğer arkadaşınızın arkadaşı obez ise,
04:01
your risk of obesity is 25 percent higher.
95
226000
2000
sizin obez olma riskiniz %25 daha fazladır.
04:03
And then the next line over says
96
228000
2000
Ve üstteki, bir sonraki çizgi diyor ki,
04:05
if your friend's friend's friend, someone you probably don't even know, is obese,
97
230000
3000
arkadaşınızın arkadaşının arkadaşı, belki de hiç tanımadığınız biri, obez ise,
04:08
your risk of obesity is 10 percent higher.
98
233000
3000
sizin obez olma riskiniz %10 daha fazladır.
04:11
And it's only when you get to your friend's friend's friend's friends
99
236000
3000
Ve ancak arkadaşınızın arkadaşının arkadaşının arkadışına uzanınca,
04:14
that there's no longer a relationship
100
239000
2000
sizin beden ölçünüz ve bu kişinin
04:16
between that person's body size and your own body size.
101
241000
3000
beden ölçüsü arasında hiçbir bağ kalmıyor.
04:20
Well, what might be causing this clustering?
102
245000
3000
Peki, bu kümelenmeye ne sebep olabilir?
04:23
There are at least three possibilities:
103
248000
2000
En az üç olasılık var.
04:25
One possibility is that, as I gain weight,
104
250000
2000
Bir olasılık şöyle, ben kilo alınca,
04:27
it causes you to gain weight.
105
252000
2000
senin de kilo almana sebep oluyor,
04:29
A kind of induction, a kind of spread from person to person.
106
254000
3000
bir tür sebep olma, bir çeşit insandan insana bulaşma.
04:32
Another possibility, very obvious, is homophily,
107
257000
2000
Bir diğer olasılık: homofili (aynı şeyleri sevme)
04:34
or, birds of a feather flock together;
108
259000
2000
yani, it ulur birbirini bulur.
04:36
here, I form my tie to you
109
261000
2000
Burada, ben seninle aynı
04:38
because you and I share a similar body size.
110
263000
3000
beden ölçüsünde olduğum için bir bağ oluşuyor.
04:41
And the last possibility is what is known as confounding,
111
266000
2000
Ve son olasılık kafa karışıklığı olarak bilinir,
04:43
because it confounds our ability to figure out what's going on.
112
268000
3000
çünkü olup biteni anlayabilme kabiliyetimizi bozar.
04:46
And here, the idea is not that my weight gain
113
271000
2000
Burada esas fikir, benim kilo almam senin
04:48
is causing your weight gain,
114
273000
2000
kilo almana sebep oluyor değil,
04:50
nor that I preferentially form a tie with you
115
275000
2000
veyahut sırf seninle aynı beden ölçüsündeyiz
04:52
because you and I share the same body size,
116
277000
2000
diye tercihen aramızda bir bağ oluşuyor değil,
04:54
but rather that we share a common exposure
117
279000
2000
esasen biz, ikimizin de aynı zamanda
04:56
to something, like a health club
118
281000
3000
kilo vermesi için sağlık kulübü
04:59
that makes us both lose weight at the same time.
119
284000
3000
gibi ortak bir sebebe maruz kalıyoruz.
05:02
When we studied these data, we found evidence for all of these things,
120
287000
3000
Ve biz bu veriler üzerinde çalışırken bunun gibi birçok şeyler için kanıt bulduk,
05:05
including for induction.
121
290000
2000
buna sebep oluş dahil.
05:07
And we found that if your friend becomes obese,
122
292000
2000
Ve bulgularımıza göre, eğer arkadaşın obez olursa
05:09
it increases your risk of obesity by about 57 percent
123
294000
3000
aynı zaman dilimi içinde senin de obez olma riskin
05:12
in the same given time period.
124
297000
2000
%57 oranında artıyor.
05:14
There can be many mechanisms for this effect:
125
299000
3000
Bu etki için birçok mekanizma olabilir.
05:17
One possibility is that your friends say to you something like --
126
302000
2000
Bir ihtimal, arkadaşlarınız size şöyle şeyler diyordur --
05:19
you know, they adopt a behavior that spreads to you --
127
304000
3000
bilirsiniz hani, size de bulaşan bir huy edinirler,
05:22
like, they say, "Let's go have muffins and beer,"
128
307000
3000
derler ki, "Hadi çörek ve bira alalım,"
05:25
which is a terrible combination. (Laughter)
129
310000
3000
ki çok berbat bir kombinasyondur,
05:28
But you adopt that combination,
130
313000
2000
fakat siz bu kombinasyona uyarsınız,
05:30
and then you start gaining weight like them.
131
315000
3000
ve onlar gibi kilo almaya başlarsınız.
05:33
Another more subtle possibility
132
318000
2000
Bir diğer gizli olasılık,
05:35
is that they start gaining weight, and it changes your ideas
133
320000
3000
onlar kilo almaya başlayınca, sizin kabul edilebilir beden
05:38
of what an acceptable body size is.
134
323000
2000
ölçüsüne dair fikrinizin değişmesidir.
05:40
Here, what's spreading from person to person
135
325000
2000
Ve, burada, bir insandan ötekine bulaşan şey
05:42
is not a behavior, but rather a norm:
136
327000
2000
bir davranış değil bir normdur.
05:44
An idea is spreading.
137
329000
2000
Bir fikir yayılıyor.
05:46
Now, headline writers
138
331000
2000
Manşet yazarları
05:48
had a field day with our studies.
139
333000
2000
çalışmalarımızla çok güzel bir gün geçirdiler.
05:50
I think the headline in The New York Times was,
140
335000
2000
New York Times'ın manşeti sanırım şöyleydi,
05:52
"Are you packing it on?
141
337000
2000
"Kilo mu alıyorsunuz?
05:54
Blame your fat friends." (Laughter)
142
339000
3000
Şişman arkadaşlarınızı suçlayın."
05:57
What was interesting to us is that the European headline writers
143
342000
2000
Bize ilginç gelen ise Avrupalı manşet yazarlarıydı, onlar
05:59
had a different take: They said,
144
344000
2000
farklı bir tavır sergilediler, dediler ki,
06:01
"Are your friends gaining weight? Perhaps you are to blame."
145
346000
3000
"Arkadaşlarınız kilo mu alıyor? Belki de sizin yüzünüzden."
06:04
(Laughter)
146
349000
5000
(Gülüşmeler)
06:09
And we thought this was a very interesting comment on America,
147
354000
3000
Ve bunun Amerika için çok ilginç bir yorum olduğunu düşündük,
06:12
and a kind of self-serving,
148
357000
2000
bir çeşit kendi kendine hizmet eden,
06:14
"not my responsibility" kind of phenomenon.
149
359000
2000
"benim sorumluluğum değil" türü bir fenomen.
06:16
Now, I want to be very clear: We do not think our work
150
361000
2000
Bir konuda çok açık olmak istiyorum, çalışmamız
06:18
should or could justify prejudice
151
363000
2000
kesinlikle insanların şu ya da bu
06:20
against people of one or another body size at all.
152
365000
3000
beden ölçüsüne dair önyargılarını düzeltmek amaçlı değil.
06:24
Our next questions was:
153
369000
2000
Bir sonraki sorumuz:
06:26
Could we actually visualize this spread?
154
371000
3000
Bu yayılmayı gerçekten görselleştirebilir miyiz?
06:29
Was weight gain in one person actually spreading
155
374000
2000
Bir insandaki kilo alma gerçekten
06:31
to weight gain in another person?
156
376000
2000
başka bir insana yayılıyor mu?
06:33
And this was complicated because
157
378000
2000
Fakat bu oldukça karmaşıktı çünkü
06:35
we needed to take into account the fact that the network structure,
158
380000
3000
ağ yapısının, bu bağların mimarisinin, zaman geçtikçe
06:38
the architecture of the ties, was changing across time.
159
383000
3000
değiştiğini göz önünde bulundurmamız gerekiyordu.
06:41
In addition, because obesity is not a unicentric epidemic,
160
386000
3000
Bir başka sebep, obezitenin tek merkezli bir salgın olmayışıdır,
06:44
there's not a Patient Zero of the obesity epidemic --
161
389000
3000
yani obezite salgınında "ilk hasta" diye bir durum yok --
06:47
if we find that guy, there was a spread of obesity out from him --
162
392000
3000
eğer bu kişiyi bulursak, ondan yayılan bir obezite vardır.
06:50
it's a multicentric epidemic.
163
395000
2000
O çok merkezli bir salgındır.
06:52
Lots of people are doing things at the same time.
164
397000
2000
Aynı anda birçok insan bir şeyler yapıyor.
06:54
And I'm about to show you a 30 second video animation
165
399000
3000
Size, ben ve James'in 5 yılda hazırladığı 30 saniyelik
06:57
that took me and James five years of our lives to do.
166
402000
3000
bir video animasyonu göstereceğim.
07:00
So, again, every dot is a person.
167
405000
2000
Tekrar, her nokta bir insandır.
07:02
Every tie between them is a relationship.
168
407000
2000
Aralarındaki her bağ bir ilişkidir.
07:04
We're going to put this into motion now,
169
409000
2000
Ve şimdi 30 yıllık bu ağdan günlük kesitler
07:06
taking daily cuts through the network for about 30 years.
170
411000
3000
halinde animasyon olarak hareket ettireceğiz.
07:09
The dot sizes are going to grow,
171
414000
2000
Nokta büyüklükleri artıyor.
07:11
you're going to see a sea of yellow take over.
172
416000
3000
Sarı bir denizin ön plana çıktığını göreceksiniz
07:14
You're going to see people be born and die --
173
419000
2000
İnsanların doğduğunu ve öldüğünü göreceksiniz;
07:16
dots will appear and disappear --
174
421000
2000
noktalar görünecek ve kaybolacak.
07:18
ties will form and break, marriages and divorces,
175
423000
3000
Bağlar oluşacak ve kopacak. Evlilikler ve boşanmalar,
07:21
friendings and defriendings.
176
426000
2000
başlayan ve biten arkadaşlıklar,
07:23
A lot of complexity, a lot is happening
177
428000
2000
bir sürü karmaşa, sadece 30 yıllık
07:25
just in this 30-year period
178
430000
2000
bu zaman diliminde obezite salgını
07:27
that includes the obesity epidemic.
179
432000
2000
dahil pek çok şey oluyor.
07:29
And, by the end, you're going to see clusters
180
434000
2000
Ve sonunda, ağın içerisinde obez olan ve
07:31
of obese and non-obese individuals
181
436000
2000
olmayan bireylerin kümelendiğini
07:33
within the network.
182
438000
2000
göreceksiniz.
07:35
Now, when looked at this,
183
440000
3000
Şimdi, buna baktığımda
07:38
it changed the way I see things,
184
443000
3000
bu hayata bakış açımı değiştirdi,
07:41
because this thing, this network
185
446000
2000
çünkü bu şey, bu ağ,
07:43
that's changing across time,
186
448000
2000
zamanla değişiyor,
07:45
it has a memory, it moves,
187
450000
3000
bir bilinci var, hareket ediyor,
07:48
things flow within it,
188
453000
2000
içinden bir şeyler akıyor,
07:50
it has a kind of consistency --
189
455000
2000
bir çeşit tutarlılığa sahip;
07:52
people can die, but it doesn't die;
190
457000
2000
insanlar ölebilir ama o ölmez;
07:54
it still persists --
191
459000
2000
o halen sürüyor.
07:56
and it has a kind of resilience
192
461000
2000
Ve onun zamana direnmesini sağlayan
07:58
that allows it to persist across time.
193
463000
2000
bir çeşit iyileşme özelliği var.
08:00
And so, I came to see these kinds of social networks
194
465000
3000
Ve böylece, sosyal ağların yaşayan şeyler olduğuna dair
08:03
as living things,
195
468000
2000
bu işaretleri gördüm,
08:05
as living things that we could put under a kind of microscope
196
470000
3000
mikroskop altına koyup çalışacağımız, analiz edeceğimiz
08:08
to study and analyze and understand.
197
473000
3000
ve anlayabileceğimiz canlı şeyler.
08:11
And we used a variety of techniques to do this.
198
476000
2000
Ve bunu yapmak için çok farklı teknikler kullandık.
08:13
And we started exploring all kinds of other phenomena.
199
478000
3000
Bütün fenomenleri araştırmaya başladık.
08:16
We looked at smoking and drinking behavior,
200
481000
2000
Sigara ve alkol kullanma alışkanlığına baktık,
08:18
and voting behavior,
201
483000
2000
ve oy verme davranışına,
08:20
and divorce -- which can spread --
202
485000
2000
ve boşanmaya, ki o da yayılabilir,
08:22
and altruism.
203
487000
2000
ve fedakarlığa.
08:24
And, eventually, we became interested in emotions.
204
489000
3000
Ve, sonunda, duygular ilgimizi çekti.
08:28
Now, when we have emotions,
205
493000
2000
Duygulandığımız zaman,
08:30
we show them.
206
495000
2000
onu dışa yansıtırız.
08:32
Why do we show our emotions?
207
497000
2000
Neden duygularımızı yansıtırız?
08:34
I mean, there would be an advantage to experiencing
208
499000
2000
Yani, duygularımızı içimize atabilseydik, bilirsiniz hani
08:36
our emotions inside, you know, anger or happiness.
209
501000
3000
öfke ve mutluluk, bunun bir avantajı olabilirdi ama biz
08:39
But we don't just experience them, we show them.
210
504000
2000
onları yaşamakla kalmıyor aynı zamanda gösteriyoruz.
08:41
And not only do we show them, but others can read them.
211
506000
3000
Ve sadece göstermekle kalmıyoruz, diğerleri de bunları okuyabiliyor.
08:44
And, not only can they read them, but they copy them.
212
509000
2000
Ve bunları sadece okumakla kalmıyorlar, kopyalıyorlar.
08:46
There's emotional contagion
213
511000
2000
İnsanlar arasında
08:48
that takes place in human populations.
214
513000
3000
duygusal bulaşıcılık diye bir şey var.
08:51
And so this function of emotions
215
516000
2000
Duyguların bu fonksiyonu, onların
08:53
suggests that, in addition to any other purpose they serve,
216
518000
2000
hizmet ettiği amaca ilave olarak, onların birer ilkel
08:55
they're a kind of primitive form of communication.
217
520000
3000
iletişim aracı olduğu kanısını da uyandırıyor.
08:58
And that, in fact, if we really want to understand human emotions,
218
523000
3000
Ve, aslında, eğer insan duygularını gerçekten anlamak istiyorsak,
09:01
we need to think about them in this way.
219
526000
2000
onları bu şekilde ele almalıyız.
09:03
Now, we're accustomed to thinking about emotions in this way,
220
528000
3000
Biz duyguların basit, kısa zaman aralıklarında olup bittiği
09:06
in simple, sort of, brief periods of time.
221
531000
3000
yönündeki düşüncelere alışmışız.
09:09
So, for example,
222
534000
2000
Örneğin,
09:11
I was giving this talk recently in New York City,
223
536000
2000
New York'ta bir konuşma yapıyordum,
09:13
and I said, "You know when you're on the subway
224
538000
2000
ve dedim ki, "Bilirsiniz hani, metroda giderken
09:15
and the other person across the subway car
225
540000
2000
karşınızda oturan kişi size
09:17
smiles at you,
226
542000
2000
gülümserse
09:19
and you just instinctively smile back?"
227
544000
2000
siz de içgüdüsel olarak ona gülümsersiniz."
09:21
And they looked at me and said, "We don't do that in New York City." (Laughter)
228
546000
3000
Ve bana bakıp dediler ki, "New York'ta öyle şeyler yapmıyoruz."
09:24
And I said, "Everywhere else in the world,
229
549000
2000
Ve, dedim ki "Dünyanın her yerinde,
09:26
that's normal human behavior."
230
551000
2000
bu normal bir insan davranışıdır."
09:28
And so there's a very instinctive way
231
553000
2000
Ve işte kısaca duyguları birbirimize
09:30
in which we briefly transmit emotions to each other.
232
555000
3000
aktardığımız son derece içgüdüsel bir yol var.
09:33
And, in fact, emotional contagion can be broader still.
233
558000
3000
Ve, aslında, duygusal bulaşıcılık daha geniş çapta olabilir,
09:36
Like we could have punctuated expressions of anger,
234
561000
3000
isyan olaylarında görülen aşırı öfke ifadeleri
09:39
as in riots.
235
564000
2000
gibi.
09:41
The question that we wanted to ask was:
236
566000
2000
Sormak istediğimiz soru:
09:43
Could emotion spread,
237
568000
2000
Duygular, metroda
09:45
in a more sustained way than riots, across time
238
570000
3000
birbirine gülümseyen iki insanın ötesinde
09:48
and involve large numbers of people,
239
573000
2000
birçok insanı kapsayacak şekilde ve
09:50
not just this pair of individuals smiling at each other in the subway car?
240
575000
3000
isyan olaylarından daha uzun bir zaman dilimine yayılabilir mi?
09:53
Maybe there's a kind of below the surface, quiet riot
241
578000
3000
Belki yüzeyin altında hepimizi hareket geçiren
09:56
that animates us all the time.
242
581000
2000
sessiz bir isyan vardır.
09:58
Maybe there are emotional stampedes
243
583000
2000
Belki sosyal ağlarda dalga dalga yayılan
10:00
that ripple through social networks.
244
585000
2000
duygusal ayaklanmalar vardır.
10:02
Maybe, in fact, emotions have a collective existence,
245
587000
3000
Aslında, belki, duygular bireysel var olmanın ötesinde,
10:05
not just an individual existence.
246
590000
2000
kollektif olarak vardırlar.
10:07
And this is one of the first images we made to study this phenomenon.
247
592000
3000
Ve bu resim bu fenomeni incelemek için yaptığımız ilk resimlerden biri.
10:10
Again, a social network,
248
595000
2000
Yine bir sosyal ağ,
10:12
but now we color the people yellow if they're happy
249
597000
3000
fakat bu sefer insanlar mutluysa sarıya, üzgünse
10:15
and blue if they're sad and green in between.
250
600000
3000
maviye ve iki duygu arasında iseler yeşile boyadık.
10:18
And if you look at this image, you can right away see
251
603000
2000
Ve bu resime baktığınız zaman, hemen mutlu ve mutsuz
10:20
clusters of happy and unhappy people,
252
605000
2000
insan kümelerini fark edeceksiniz,
10:22
again, spreading to three degrees of separation.
253
607000
2000
yine, üç ayrılık derecesine kadar yayılıyor.
10:24
And you might form the intuition
254
609000
2000
Ve mutsuz insanların
10:26
that the unhappy people
255
611000
2000
ağda farklı yapısal noktaları
10:28
occupy a different structural location within the network.
256
613000
3000
işgal ettiğine dair bir sezgiye kapılabilirsiniz.
10:31
There's a middle and an edge to this network,
257
616000
2000
Bu ağın orta ve uç kısımları vardır,
10:33
and the unhappy people seem to be
258
618000
2000
ve mutsuz insanların uç noktalarda
10:35
located at the edges.
259
620000
2000
yer aldığını görüyoruz.
10:37
So to invoke another metaphor,
260
622000
2000
Başka bir mecazda bulunacak olursak,
10:39
if you imagine social networks as a kind of
261
624000
2000
sosyal ağları insanlığın geniş bir kumaşı
10:41
vast fabric of humanity --
262
626000
2000
olarak hayal edersek --
10:43
I'm connected to you and you to her, on out endlessly into the distance --
263
628000
3000
Ben sana bağlıyım ve sen ona, sonsuza kadar uzar gider --
10:46
this fabric is actually like
264
631000
2000
bu kumaş aslında eski moda
10:48
an old-fashioned American quilt,
265
633000
2000
Amerikan yorganlarına benzer,
10:50
and it has patches on it: happy and unhappy patches.
266
635000
3000
ve üzerinde yamalar vardır, mutlu ve mutsuz yamalar.
10:53
And whether you become happy or not
267
638000
2000
Ve senin mutlu olup olmaman
10:55
depends in part on whether you occupy a happy patch.
268
640000
3000
mutlu bir yamayı işgal edip etmediğine bağlıdır.
10:58
(Laughter)
269
643000
2000
(Gülüşmeler)
11:00
So, this work with emotions,
270
645000
3000
Duygular üzerine bu çalışma,
11:03
which are so fundamental,
271
648000
2000
ki son derece esastırlar,
11:05
then got us to thinking about: Maybe
272
650000
2000
bizi insanlığın sosyal ağlarının
11:07
the fundamental causes of human social networks
273
652000
2000
temel sebeplerinin bir şekilde genlerimizde
11:09
are somehow encoded in our genes.
274
654000
2000
saklı olabileceği düşüncesine götürdü.
11:11
Because human social networks, whenever they are mapped,
275
656000
3000
Çünkü insanların sosyal ağları, nerede haritalandığı fark etmez,
11:14
always kind of look like this:
276
659000
2000
daima bu şekilde görünür,
11:16
the picture of the network.
277
661000
2000
ağın bu resmi gibi,
11:18
But they never look like this.
278
663000
2000
ama asla böyle görünmezler.
11:20
Why do they not look like this?
279
665000
2000
Neden böyle görünmezler?
11:22
Why don't we form human social networks
280
667000
2000
Neden insanların sosyal ağları böyle
11:24
that look like a regular lattice?
281
669000
2000
düzenli bir örgüye benzemez?
11:26
Well, the striking patterns of human social networks,
282
671000
3000
İnsan sosyal ağlarının en dikkat çekici özelliği,
11:29
their ubiquity and their apparent purpose
283
674000
3000
yaygın olmaları ve görünür amaçları
11:32
beg questions about whether we evolved to have
284
677000
2000
bizim en başından beri sosyal ağların içinde olma
11:34
human social networks in the first place,
285
679000
2000
ve belli bir yapıdaki ağları oluşturma yönünde
11:36
and whether we evolved to form networks
286
681000
2000
evrimleşip evrimleşmediğimizi
11:38
with a particular structure.
287
683000
2000
sormaya itiyor.
11:40
And notice first of all -- so, to understand this, though,
288
685000
2000
Ve dikkatinizi çekerim... Bunu anlamak için önce
11:42
we need to dissect network structure a little bit first --
289
687000
3000
ağ yapısını biraz incelememiz gerekmektedir.
11:45
and notice that every person in this network
290
690000
2000
Bu ağdaki her bireyin ağdaki diğer tüm
11:47
has exactly the same structural location as every other person.
291
692000
3000
bireylerle aynı yapıdaki bir konumda olduğuna dikkatinizi çekerim.
11:50
But that's not the case with real networks.
292
695000
3000
Fakat gerçek ağlarda durum böyle değildir.
11:53
So, for example, here is a real network of college students
293
698000
2000
Örneğin, burada, elit bir kuzeydoğu üniversitesinin
11:55
at an elite northeastern university.
294
700000
3000
öğrencilerinden oluşan gerçek bir ağ var.
11:58
And now I'm highlighting a few dots.
295
703000
2000
Ve şimdi birkaç noktayı işaretliyorum.
12:00
If you look here at the dots,
296
705000
2000
Noktalara bakacak olursanız,
12:02
compare node B in the upper left
297
707000
2000
sol üstteki B noktası ile
12:04
to node D in the far right;
298
709000
2000
en sağdaki D noktasını karşılaştırın.
12:06
B has four friends coming out from him
299
711000
2000
B'nin dört tane arkadaşı var.
12:08
and D has six friends coming out from him.
300
713000
3000
D'nin altı tane arkadaşı var.
12:11
And so, those two individuals have different numbers of friends.
301
716000
3000
Yani bu iki bireyin farklı sayıda arkadaşları var --
12:14
That's very obvious, we all know that.
302
719000
2000
bu çok açık, hepimiz bunu biliyoruz.
12:16
But certain other aspects
303
721000
2000
Fakat sosyal ağların
12:18
of social network structure are not so obvious.
304
723000
2000
bazı yönleri bu kadar açık değildir.
12:20
Compare node B in the upper left to node A in the lower left.
305
725000
3000
Sol üstteki B ile sol alttaki A noktasını karşılaştırın.
12:23
Now, those people both have four friends,
306
728000
3000
Her ikisinin dört tane arkadaşı var,
12:26
but A's friends all know each other,
307
731000
2000
fakat A'nın arkadaşlarının hepsi birbirini tanıyor,
12:28
and B's friends do not.
308
733000
2000
ve B'ninkiler tanımıyor.
12:30
So the friend of a friend of A's
309
735000
2000
Yani A'nın arkadaşının arkadaşı,
12:32
is, back again, a friend of A's,
310
737000
2000
yine A'nın başka bir arkadaşıdır,
12:34
whereas the friend of a friend of B's is not a friend of B's,
311
739000
2000
fakat B'nin arkadaşının arkadaşı, B'nin arkadaşı değil,
12:36
but is farther away in the network.
312
741000
2000
ağda çok daha uzak bir noktada.
12:38
This is known as transitivity in networks.
313
743000
3000
Bu durum ağlarda geçişkenlik olarak bilinir.
12:41
And, finally, compare nodes C and D:
314
746000
2000
Ve, son olarak, C ve D'yi karşılaştırın.
12:43
C and D both have six friends.
315
748000
3000
C ve D'nin altışar arkadaşı var.
12:46
If you talk to them, and you said, "What is your social life like?"
316
751000
3000
Onlarla konuşsanız ve sorsanız, "Sosyal hayatın nasıl?"
12:49
they would say, "I've got six friends.
317
754000
2000
diyeceklerdir ki, "Benim altı arkadaşım var.
12:51
That's my social experience."
318
756000
2000
benim sosyal deneyimim budur."
12:53
But now we, with a bird's eye view looking at this network,
319
758000
3000
Fakat biz, bu ağa kuşbakışı baktığımızda,
12:56
can see that they occupy very different social worlds.
320
761000
3000
onların çok farklı sosyal dünyalarda yer aldığını görürüz,
12:59
And I can cultivate that intuition in you by just asking you:
321
764000
2000
Ve bu sezgiyi sadece sorarak ortaya çıkarabilirim:
13:01
Who would you rather be
322
766000
2000
Ölümcül bir virüs
13:03
if a deadly germ was spreading through the network?
323
768000
2000
ağ üzerinde yayılıyor iken, kim olmak isterdiniz?
13:05
Would you rather be C or D?
324
770000
3000
C mi yoksa D mi olmak isterdiniz?
13:08
You'd rather be D, on the edge of the network.
325
773000
2000
D olmak isterdiniz, ağın uç noktasında.
13:10
And now who would you rather be
326
775000
2000
Fakat, sizin hakkınızda olmayan
13:12
if a juicy piece of gossip -- not about you --
327
777000
3000
çok ilginç bir dedikodu ağda yayılırken,
13:15
was spreading through the network? (Laughter)
328
780000
2000
kim olmak isterdiniz?
13:17
Now, you would rather be C.
329
782000
2000
Bu sefer C olmak isterdiniz.
13:19
So different structural locations
330
784000
2000
Yani ağdaki farklı yapısal konumlar
13:21
have different implications for your life.
331
786000
2000
hayatınız üzerinde farklı etkilere sahiptir.
13:23
And, in fact, when we did some experiments looking at this,
332
788000
3000
Ve, aslında, buna bakarak bazı deneyler yaptığımızda,
13:26
what we found is that 46 percent of the variation
333
791000
3000
şunu bulduk, kaç tane arkadaşınızın olduğu
13:29
in how many friends you have
334
794000
2000
%46 varyasyonla
13:31
is explained by your genes.
335
796000
2000
genlerinizle açıklanabilir.
13:33
And this is not surprising. We know that some people are born shy
336
798000
3000
Ve bu şaşırtıcı değil. Biliyoruz ki bazı insanlar doğuştan utangaçtır
13:36
and some are born gregarious. That's obvious.
337
801000
3000
ve bazıları sokulgan doğar. Bu çok açık.
13:39
But we also found some non-obvious things.
338
804000
2000
Fakat biz çok açık olmayan şeyler de bulduk.
13:41
For instance, 47 percent in the variation
339
806000
3000
Örneğin, arkadaşlarınızın birbirini
13:44
in whether your friends know each other
340
809000
2000
tanıyıp tanımadığına dair %47lik varyasyon
13:46
is attributable to your genes.
341
811000
2000
genlerinize bağlıdır.
13:48
Whether your friends know each other
342
813000
2000
Arkadaşlarınızın birbirini tanıyıp tanımadığı
13:50
has not just to do with their genes, but with yours.
343
815000
3000
sadece onların değil sizin genlerinize de bağlıdır.
13:53
And we think the reason for this is that some people
344
818000
2000
Ve bunun sebebi olarak bazı insanların
13:55
like to introduce their friends to each other -- you know who you are --
345
820000
3000
arkadaşlarını birbiriyle tanıştırmaktan hoşlandığı -- siz kim olduğunuzu biliyorsunuz --
13:58
and others of you keep them apart and don't introduce your friends to each other.
346
823000
3000
ve diğerlerinin onları ayrı tuttuğu ve birbiriyle tanıştırmadığını düşünüyoruz.
14:01
And so some people knit together the networks around them,
347
826000
3000
Bazı insanlar, kendilerini içinde rahat hissettikleri,
14:04
creating a kind of dense web of ties
348
829000
2000
bağlarla sıkı bir şekilde örülmüş
14:06
in which they're comfortably embedded.
349
831000
2000
ağlar örerler etraflarında.
14:08
And finally, we even found that
350
833000
2000
ve son olarak, şunu bile bulduk
14:10
30 percent of the variation
351
835000
2000
%30 varyasyonla,
14:12
in whether or not people are in the middle or on the edge of the network
352
837000
3000
insanların ağın ortasında veya uçlarında olup olmadıkları da
14:15
can also be attributed to their genes.
353
840000
2000
onların genlerine bağlanabilir.
14:17
So whether you find yourself in the middle or on the edge
354
842000
2000
Yani kendinizi ağın ortasında veya ucunda bulmanız da
14:19
is also partially heritable.
355
844000
3000
bir ölçüde kalıtsaldır.
14:22
Now, what is the point of this?
356
847000
3000
Peki, ne anlama geliyor bu?
14:25
How does this help us understand?
357
850000
2000
Anlamamıza nasıl yardımcı olur?
14:27
How does this help us
358
852000
2000
Bugünlerde bizi etkileyen
14:29
figure out some of the problems that are affecting us these days?
359
854000
3000
sorunları anlamada bu bize nasıl yardımcı olur?
14:33
Well, the argument I'd like to make is that networks have value.
360
858000
3000
Belirtmek istediğim görüş, ağların değerli olduğudur.
14:36
They are a kind of social capital.
361
861000
3000
Onlar bir tür sosyal sermayedir.
14:39
New properties emerge
362
864000
2000
Ağın içinde olmaktan
14:41
because of our embeddedness in social networks,
363
866000
2000
dolayı ortaya çıkan yeni özellikler var,
14:43
and these properties inhere
364
868000
3000
ve bu özellikler sadece
14:46
in the structure of the networks,
365
871000
2000
ağın içindeki insarlarda değil,
14:48
not just in the individuals within them.
366
873000
2000
ağların yapısının özünde de vardır.
14:50
So think about these two common objects.
367
875000
2000
Şu iki genel objeyi düşünün.
14:52
They're both made of carbon,
368
877000
2000
Her ikisi de karbondan yapılmış,
14:54
and yet one of them has carbon atoms in it
369
879000
3000
fakat birindeki karbon atomları
14:57
that are arranged in one particular way -- on the left --
370
882000
3000
belirli bir şekilde dizilmiş, sol tarafta
15:00
and you get graphite, which is soft and dark.
371
885000
3000
yumuşak ve mat olan grafit var.
15:03
But if you take the same carbon atoms
372
888000
2000
Fakat aynı karbon atomlarını alıp
15:05
and interconnect them a different way,
373
890000
2000
farklı bir şekilde birbirine bağlarsanız,
15:07
you get diamond, which is clear and hard.
374
892000
3000
sert ve saydam olan elmas elde edersiniz.
15:10
And those properties of softness and hardness and darkness and clearness
375
895000
3000
Ve bu yumuşaklık ve sertlik ile koyuluk ve saydamlık özellikleri
15:13
do not reside in the carbon atoms;
376
898000
2000
karbon atomlarında değildir.
15:15
they reside in the interconnections between the carbon atoms,
377
900000
3000
Onlar karbon atomları arasındaki bağlardan kaynaklanırlar,
15:18
or at least arise because of the
378
903000
2000
veya en azından karbon atomları
15:20
interconnections between the carbon atoms.
379
905000
2000
o şekilde dizildiği için ortaya çıkarlar.
15:22
So, similarly, the pattern of connections among people
380
907000
3000
O yüzden, benzer şekilde, insanlar arasındaki bağların yapısı
15:25
confers upon the groups of people
381
910000
3000
insan topluluklarına farklı özellikler
15:28
different properties.
382
913000
2000
sunarlar.
15:30
It is the ties between people
383
915000
2000
Bütünü parçalarının toplamından
15:32
that makes the whole greater than the sum of its parts.
384
917000
3000
daha fazla yapan insanlar arasındaki bağlardır.
15:35
And so it is not just what's happening to these people --
385
920000
3000
Ve sadece bu insanlara olanlarla sınırlı değildir,
15:38
whether they're losing weight or gaining weight, or becoming rich or becoming poor,
386
923000
3000
kilo almaları, kilo vermeleri veya zengin olmaları, fakir olmaları veya
15:41
or becoming happy or not becoming happy -- that affects us;
387
926000
3000
mutlu olmaları, mutsuz olmaları, bizi de etkiler;
15:44
it's also the actual architecture
388
929000
2000
o aynı zamanda etrafımızdaki
15:46
of the ties around us.
389
931000
2000
ağın gerçek mimarisidir.
15:48
Our experience of the world
390
933000
2000
Dünyaya dair deneyimlerimiz
15:50
depends on the actual structure
391
935000
2000
içinde bulunduğumuz ağın
15:52
of the networks in which we're residing
392
937000
2000
gerçek yapısına
15:54
and on all the kinds of things that ripple and flow
393
939000
3000
ve o ağda yayılan ve akan her türlü şeye
15:57
through the network.
394
942000
2000
bağlıdır.
16:00
Now, the reason, I think, that this is the case
395
945000
3000
Şimdi, bence, bu durumun oluşma sebebi
16:03
is that human beings assemble themselves
396
948000
2000
insanların bir araya gelerek bir tür
16:05
and form a kind of superorganism.
397
950000
3000
süper organizma oluşturmasıdır.
16:09
Now, a superorganism is a collection of individuals
398
954000
3000
Süper organizmalar, tek tek bireylerin incelenmesine
16:12
which show or evince behaviors or phenomena
399
957000
3000
indirgenemeyen davranışlar veya fenomenler
16:15
that are not reducible to the study of individuals
400
960000
3000
sergileyen bireyler topluluğudur,
16:18
and that must be understood by reference to,
401
963000
2000
ve topluluk referans alınarak,
16:20
and by studying, the collective.
402
965000
2000
ve kollektif yapı incelenerek anlaşılmalıdırlar,
16:22
Like, for example, a hive of bees
403
967000
3000
örneğin yeni bir yuva bulan
16:25
that's finding a new nesting site,
404
970000
3000
bir arı kovanı gibi veya
16:28
or a flock of birds that's evading a predator,
405
973000
2000
bir yırtıcıdan kaçan kuş sürüsü gibi,
16:30
or a flock of birds that's able to pool its wisdom
406
975000
3000
veya Pasifik'in ortasında minicik bir ada bulmak için
16:33
and navigate and find a tiny speck
407
978000
2000
bilinçlerini ortak bir havuzda toplayan
16:35
of an island in the middle of the Pacific,
408
980000
2000
kuş sürüleri gibi,
16:37
or a pack of wolves that's able
409
982000
2000
veya kendilerinden büyük bir avı
16:39
to bring down larger prey.
410
984000
3000
yere seren kurt sürüsü gibi.
16:42
Superorganisms have properties
411
987000
2000
Süper organizmalar sadece
16:44
that cannot be understood just by studying the individuals.
412
989000
3000
bireyleri çalışarak anlaşılamayacak özelliklere sahiptirler.
16:47
I think understanding social networks
413
992000
2000
Bence, sosyal ağları ve onların
16:49
and how they form and operate
414
994000
2000
nasıl oluştuğunu ve işlediğini anlamak
16:51
can help us understand not just health and emotions
415
996000
3000
sadece sağlık ve duyguları değil şunları da anlamamıza yardımcı olur
16:54
but all kinds of other phenomena --
416
999000
2000
cinayet ve savaş gibi diğer fenomenleri
16:56
like crime, and warfare,
417
1001000
2000
ve bankaya güvenmedikleri için
16:58
and economic phenomena like bank runs
418
1003000
2000
halkın tüm parasını çekmesi gibi ekonomik fenomenleri
17:00
and market crashes
419
1005000
2000
ve borsa düşüşleri
17:02
and the adoption of innovation
420
1007000
2000
ve icatların benimsenmesi
17:04
and the spread of product adoption.
421
1009000
2000
ve ürün adaptasyonunun yayılması gibi.
17:06
Now, look at this.
422
1011000
2000
Şimdi, buna bakın.
17:09
I think we form social networks
423
1014000
2000
Bence sosyal ağları
17:11
because the benefits of a connected life
424
1016000
2000
oluşturmamızın nedeni, getirilerinin
17:13
outweigh the costs.
425
1018000
3000
götürülerinden fazla olmasıdır.
17:16
If I was always violent towards you
426
1021000
2000
Eğer size daima zulmedersem
17:18
or gave you misinformation
427
1023000
2000
veya yalan söylersem
17:20
or made you sad or infected you with deadly germs,
428
1025000
3000
veya sizi üzersem veya size ölümcül virüs bulaştırırsam,
17:23
you would cut the ties to me,
429
1028000
2000
benimle bağları koparırsınız,
17:25
and the network would disintegrate.
430
1030000
2000
ve ağ kopacaktır.
17:27
So the spread of good and valuable things
431
1032000
3000
Bu yüzden iyi ve değerli şeylerin yayılması
17:30
is required to sustain and nourish social networks.
432
1035000
3000
sosyal ağların devamı ve beslenmesi için gereklidir.
17:34
Similarly, social networks are required
433
1039000
2000
Benzer şekilde, sosyal ağlar
17:36
for the spread of good and valuable things,
434
1041000
3000
iyilik, sevgi mutluluk, fedakarlık ve düşünce gibi
17:39
like love and kindness
435
1044000
2000
güzel ve değerli şeylerin
17:41
and happiness and altruism
436
1046000
2000
yayılması için
17:43
and ideas.
437
1048000
2000
gereklidir.
17:45
I think, in fact, that if we realized
438
1050000
2000
Bence, aslında, eğer biz sosyal ağların
17:47
how valuable social networks are,
439
1052000
2000
ne kadar değerli olduğunu anlayabilseydik
17:49
we'd spend a lot more time nourishing them and sustaining them,
440
1054000
3000
onların beslenmesi ve devamlılığı için daha çok çaba harcardık
17:52
because I think social networks
441
1057000
2000
çünkü bence sosyal ağlar
17:54
are fundamentally related to goodness.
442
1059000
3000
esasında iyiliğe bağlıdırlar
17:57
And what I think the world needs now
443
1062000
2000
ve bence şu anda dünyanın ihtiyacı olan
17:59
is more connections.
444
1064000
2000
daha çok bağdır.
18:01
Thank you.
445
1066000
2000
Teşekkürler.
18:03
(Applause)
446
1068000
3000
(Alkışlar)
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