Visualizing the world's Twitter data - Jer Thorp

Visualizzare i dati Twitter del mondo - Jer Thorp

68,499 views

2013-02-21 ・ TED-Ed


New videos

Visualizing the world's Twitter data - Jer Thorp

Visualizzare i dati Twitter del mondo - Jer Thorp

68,499 views ・ 2013-02-21

TED-Ed


Fare doppio clic sui sottotitoli in inglese per riprodurre il video.

00:00
Transcriber: Andrea McDonough Reviewer: Bedirhan Cinar
0
0
7000
Traduttore: Stefania Venturetti Revisore: Anna Cristiana Minoli
00:14
A couple of years ago I started using Twitter,
1
14668
2110
Un paio d'anni fa ho iniziato a usare Twitter.
00:16
and one of the things that really charmed me about Twitter
2
16778
3106
Una delle cose di Twitter che mi ha davvero affascinato
00:19
is that people would wake up in the morning
3
19884
2213
è che la gente si alza al mattino
00:22
and they would say, "Good morning!"
4
22097
2259
e dice: "Buongiorno!"
00:24
which I thought,
5
24356
1054
Al che ho pensato...
00:25
I'm a Canadian,
6
25410
1113
Io sono canadese, perciò ero un po'...
00:26
so I was a little bit,
7
26523
808
00:27
I liked that politeness.
8
27331
1769
Mi piaceva questa gentilezza.
00:29
And so, I'm also a giant nerd,
9
29100
2563
Sono anche un super nerd,
00:31
and so I wrote a computer program
10
31663
1417
così ho scritto un programma che nelle 24 ore raccoglieva
00:33
that would record 24 hours of everybody on Twitter
11
33080
3421
tutti i "Buongiorno!" della gente su Twitter.
00:36
saying, "Good morning!"
12
36501
1324
00:37
And then I asked myself my favorite question,
13
37825
2213
Poi mi sono fatto la mia domanda preferita:
"Che aspetto avrebbe questa cosa?"
00:40
"What would that look like?"
14
40038
1639
00:41
Well, as it turns out, I think it would look something like this.
15
41677
3305
Be', credo che avrebbe questo aspetto qui.
00:44
Right, so we'd see this wave of people
16
44982
2063
Ecco. Vediamo quest'ondata di persone
00:47
saying, "Good morning!" across the world as they wake up.
17
47045
3445
dire "Buongiorno!" da tutto il mondo mentre si sveglia.
00:50
Now the green people, these are people that wake up
18
50490
1794
Le persone in verde sono quelle che si svegliano attorno alle 8 del mattino.
00:52
at around 8 o'clock in the morning,
19
52284
2075
00:54
Who wakes up at 8 o'clock or says, "Good morning!" at 8?
20
54359
3096
Chi si sveglia alle 8 in punto o dice "Buongiorno!" alle 8?
00:57
And the orange people,
21
57455
859
Le persone in arancione dicono "Buongiorno!" attorno alle 9.
00:58
they say, "Good morning!" around 9.
22
58314
3579
01:01
And the red people, they say, "Good morning!" around 10.
23
61906
2845
E le persone in rosso dicono "Buongiorno!" attorno alle 10.
01:04
Yeah, more at 10's than, more at 10's than 8's.
24
64751
3311
Già, più 10 che 8. Più 10 che 8...
Se guardiamo questa mappa possiamo imparare un po'
01:08
And actually if you look at this map,
25
68062
1127
01:09
we can learn a little bit about how people wake up
26
69189
1933
su come la gente si sveglia in diverse parti del mondo.
01:11
in different parts of the world.
27
71122
1275
01:12
People on the West Coast, for example,
28
72397
1345
Quelli della Costa Ovest, ad esempio,
01:13
they wake up a little bit later
29
73742
1353
si svegliano un po' più tardi di noi della Costa Orientale.
01:15
than those people on the East Coast.
30
75095
2965
01:18
But that's not all that people say on Twitter, right?
31
78060
2358
Ma questo non è tutto quello che la gente dice su Twitter, no?
01:20
We also get these really important tweets, like,
32
80418
2340
Ci sono anche tutti questi tweet importantissimi, tipo:
01:22
"I just landed in Orlando!! [plane sign, plane sign]"
33
82758
4869
"Sono appena atterrato a Orlando! Aeroplanino, Aeroplanino."
01:27
Or, or, "I just landed in Texas [exclamation point]!"
34
87627
3518
Oppure: "Sono appena atterrato in Texas, punto esclamativo!"
01:31
Or "I just landed in Honduras!"
35
91145
2274
O: "Sono appena atterrato alle Honduras!"
01:33
These lists, they go on and on and on,
36
93419
2140
Queste liste continuano e continuano, con la gente che fa così, vero?
01:35
all these people, right?
37
95559
1873
01:37
So, on the outside, these people are just telling us
38
97432
2737
Visto dal di fuori, queste persone stanno dicendo qualcosa
01:40
something about how they're traveling.
39
100169
2369
sul modo in cui viaggiano.
01:42
But we know the truth, don't we?
40
102538
1802
Ma noi sappiamo la verità, vero?
01:44
These people are show-offs!
41
104340
1901
Questa gente se la sta tirando!
01:46
They are showing off that they're in Cape Town and I'm not.
42
106241
4194
Mi stanno dando a intendere che loro sono a Cape Town e io no.
01:50
So I thought, how can we take this vanity
43
110435
2652
Perciò ho pensato: "Come possiamo usare questa boria
01:53
and turn it into utility?
44
113087
1796
e trasformarla in qualcosa di utile?"
01:54
So using a similar approach that I did with "Good morning,"
45
114883
3421
Usando un metodo simile a quello del "Buongiorno!"
01:58
I mapped all those people's trips
46
118304
2259
ho mappato tutti i viaggi di queste persone.
02:00
because I know where they're landing,
47
120563
2092
So dove atterreranno: me l'hanno appena detto.
02:02
they just told me,
48
122655
1070
02:03
and I know where they live
49
123725
1231
E so dove vivono perché l'hanno condiviso nel loro profilo Twitter.
02:04
because they share that information on their Twitter profile.
50
124956
4012
02:08
So what I'm able to do with 36 hours of Twitter
51
128968
3332
Quel che sono in grado di fare con 36 ore di Twitter
02:12
is create a model of how people are traveling
52
132300
2921
è creare un modello di come la gente si sposta nel mondo
02:15
around the world during that 36 hours.
53
135221
3018
in quel lasso di tempo di 36 ore.
02:18
And this is kind of a prototype
54
138239
1486
Questo è una specie di prototipo.
02:19
because I think if we listen to everybody
55
139725
2906
Penso che se ascoltassimo tutti
02:22
on Twitter and Facebook and the rest of our social media,
56
142631
2758
su Twitter e Facebook e il resto dei social media
02:25
we'd actually get a pretty clear picture
57
145389
1889
potremmo avere un quadro piuttosto preciso
02:27
of how people are traveling from one place to the other,
58
147278
3240
di come la gente si sposta da un posto all'altro.
02:30
which is actually turns out to be a very useful thing for scientists,
59
150518
3170
Il che di solito si scopre una cosa molto utile per gli scienziati,
02:33
particularly those who are studying how disease is spread.
60
153688
3738
specie per quelli che studiano come le malattie si diffondono.
02:37
So, I work upstairs in the New York Times,
61
157426
2187
Lavoro ai piani alti del New York Times.
02:39
and for the last two years,
62
159613
1109
Da due anni stiamo lavorando a un progetto intitolato "Cascade"
02:40
we've been working on a project called, "Cascade,"
63
160722
2101
02:42
which in some ways is kind of similar to this one.
64
162823
2649
che per certi versi è simile a questo qui.
02:45
But instead of modeling how people move,
65
165472
2222
Ma invece di mappare come la gente si sposta,
02:47
we're modeling how people talk.
66
167694
2168
stiamo mappando come la gente parla.
02:49
We're looking at what does a discussion look like.
67
169862
3178
Stiamo osservando che aspetto hanno le conversazioni.
02:53
Well, here's an example.
68
173040
1853
Be', eccone un esempio.
02:54
This is a discussion around an article called,
69
174893
2815
Questa è una discussione su un articolo intitolato:
02:57
"The Island Where People Forget to Die".
70
177708
2009
"L'isola dove la gente dimentica di morire".
02:59
It's about an island in Greece where people live
71
179717
1642
È su un'isola in Grecia dove la gente vive per tanto, molto, moltissimo tempo.
03:01
a really, really, really, really, really, really long time.
72
181359
3070
03:04
And what we're seeing here
73
184429
1063
Ciò che vediamo qui è l'origine di una conversazione che ha inizio
03:05
is we're seeing a conversation that's stemming
74
185492
1922
03:07
from that first tweet down in the bottom, left-hand corner.
75
187414
3038
da quel primo tweet lì in basso, nell'angolo inferiore sinistro.
03:10
So we get to see the scope of this conversation
76
190452
2513
Possiamo vedere la portata della conversazione.
03:12
over about 9 hours right now,
77
192965
2168
Adesso siamo a oltre 9 ore.
03:15
we're going to creep up to 12 hours here in a second.
78
195133
2350
In un attimo passiamo a 12 ore.
03:17
But, we can also see what that conversation
79
197483
2319
Ma possiamo anche vedere che aspetto ha la conversazione in tre dimensioni.
03:19
looks like in three dimensions.
80
199802
1802
03:21
And that three-dimensional view is actually much more useful for us.
81
201604
3304
Questa visione in tre dimensioni in realtà ci è molto più utile.
03:24
As humans, we are really used to things
82
204908
1289
In quanto umani, siamo abituati a cose strutturate in tre dimensioni.
03:26
that are structured as three dimensions.
83
206197
1902
03:28
So, we can look at those little off-shoots of conversation,
84
208099
2679
Possiamo guardare questi germogli di conversazione
03:30
we can find out what exactly happened.
85
210778
2562
per scoprire cos'è accaduto di preciso.
03:33
And this is an interactive, exploratory tool
86
213340
1903
Questo è uno strumento interattivo che ci permette di esplorare
03:35
so we can go through every step in the conversation.
87
215243
2534
ogni fase della conversazione.
03:37
We can look at who the people were,
88
217777
1366
Vediamo dove le persone erano,
03:39
what they said,
89
219143
1060
cos'hanno detto,
03:40
how old they are,
90
220203
1109
che età hanno,
03:41
where they live,
91
221312
1167
dove vivono,
03:42
who follows them,
92
222479
992
chi le segue,
03:43
and so on, and so on, and so on.
93
223471
2479
e così via.
03:45
So, the Times creates about 6,500 pieces of content every month,
94
225950
4882
Dunque: il Times crea circa 6500 articoli ogni mese.
03:50
and we can model every single one
95
230832
1658
E possiamo creare modelli di tutte le conversazioni a cui danno il via.
03:52
of the conversations that happen around them.
96
232490
1732
03:54
And they look somewhat different.
97
234222
1448
Sono tutti diversi.
03:55
Depending on the story
98
235670
1167
A seconda della storia,
03:56
and depending on how fast people are talking about it
99
236837
2727
a seconda della velocità con cui la gente ne parla,
03:59
and how far the conversation spreads,
100
239564
1835
e di quanto la conversazione dilaga
04:01
these structures, which I call these conversational architectures,
101
241399
4218
queste strutture, che io chiamo architetture conversazionali,
04:05
end up looking different.
102
245617
2455
finiscono per avere aspetti diversi.
04:08
So, these projects that I've shown you,
103
248072
2102
Questi progetti che vi ho mostrato credo abbiano tutti una cosa in comune:
04:10
I think they all involve the same thing:
104
250174
2364
04:12
we can take small pieces of data
105
252538
2075
possiamo prendere piccole porzioni di dati
04:14
and by putting them together,
106
254613
1565
e mettendole assieme
04:16
we can generate more value,
107
256178
2236
possiamo generare più valore:
04:18
we can do more exciting things with them.
108
258414
2103
possiamo fare cose più appassionanti.
04:20
But so far we've only talked about Twitter, right?
109
260517
2204
Finora abbiamo parlato solo di Twitter.
04:22
And Twitter isn't all the data.
110
262721
1965
Ma Twitter non è la totalità dei dati.
04:24
We learned a moment ago
111
264686
1202
Abbiamo appena scoperto
04:25
that there is tons and tons,
112
265888
1248
che ci sono tonnellate di altri dati, là fuori.
04:27
tons more data out there.
113
267136
2224
04:29
And specifically, I want you to think about one type of data
114
269360
3089
Nello specifico, voglio che pensiate a un tipo di dati.
04:32
because all of you guys,
115
272449
1942
Perché tutti voi
04:34
everybody in this audience, we,
116
274391
1597
tutti qui tra il pubblico, noi,
04:35
we, me as well,
117
275988
1640
e anche io,
04:37
are data-making machines.
118
277629
2545
siamo macchine che producono dati.
04:40
We are producing data all the time.
119
280174
2534
Produciamo dati in continuazione.
04:42
Every single one of us, we're producing data.
120
282708
2205
Ognuno di noi produce dati.
04:44
Somebody else, though, is storing that data.
121
284913
2307
Qualcun altro, però, immagazzina quei dati.
04:47
Usually we put our trust into companies to store that data,
122
287220
5538
Di solito ci affidiamo alle aziende per immagazzinare quei dati.
04:52
but what I want to suggest here
123
292758
2532
Ma quel che voglio suggerire
04:55
is that rather than putting our trust
124
295290
1774
è che invece di affidarci alle aziende per immagazzinare quei dati,
04:57
in companies to store that data,
125
297064
1735
04:58
we should put the trust in ourselves
126
298799
1688
dovremmo affidarci a noi stessi
05:00
because we actually own that data.
127
300487
1919
perché quei dati ci appartengono.
05:02
Right, that is something we should remember.
128
302406
1867
Ecco una cosa che dovremmo ricordarci.
05:04
Everything that someone else measures about you,
129
304273
2927
Tutto ciò che qualcun altro misura di voi
05:07
you actually own.
130
307200
2111
in realtà appartiene a voi.
05:09
So, it's my hope,
131
309311
1167
Io spero,
05:10
maybe because I'm a Canadian,
132
310478
2190
forse perché sono canadese,
05:12
that all of us can come together
133
312668
1731
che possiamo mettere assieme tutti i dati importanti che abbiamo immagazzinato
05:14
with this really valuable data that we've been storing,
134
314399
3786
05:18
and we can collectively launch that data
135
318185
2878
e usarli insieme per risolvere alcuni dei problemi più difficili al mondo.
05:21
toward some of the world's most difficulty problems
136
321063
2841
05:23
because big data can solve big problems,
137
323904
3115
I Big Data possono risolvere grandi problemi
05:27
but I think it can do it the best
138
327019
1635
ma io credo che possano farlo al meglio se siamo noi ad averne il controllo.
05:28
if it's all of us who are in control.
139
328654
2870
05:31
Thank you.
140
331524
1502
Grazie.
(Applausi)
A proposito di questo sito web

Questo sito vi presenterà i video di YouTube utili per l'apprendimento dell'inglese. Vedrete lezioni di inglese tenute da insegnanti di alto livello provenienti da tutto il mondo. Fate doppio clic sui sottotitoli in inglese visualizzati su ogni pagina video per riprodurre il video da lì. I sottotitoli scorrono in sincronia con la riproduzione del video. Se avete commenti o richieste, contattateci tramite questo modulo di contatto.

https://forms.gle/WvT1wiN1qDtmnspy7