Visualizing the world's Twitter data - Jer Thorp

Transcriber: Andrea McDonough Reviewer: Bedirhan Cinar

תרגום: Sigal Tifferet עריכה: Ido Dekkers

A couple of years ago I started using Twitter,

לפני כמה שנים התחלתי להשתמש בטוויטר,

and one of the things that really charmed me about Twitter

ואחד הדברים שהקסימו אותי בטוויטר

is that people would wake up in the morning

היה שאנשים התעוררו בבוקר

and they would say, "Good morning!"

ואמרו "בוקר טוב!",

which I thought,

ואני חשבתי -

I'm a Canadian,

אני קנדי,

so I was a little bit,

אז אהבתי

I liked that politeness.

את הנימוס הזה.

And so, I'm also a giant nerd,

וגם, אני חנון אדיר,

and so I wrote a computer program

אז כתבתי תוכנת מחשב

that would record 24 hours of everybody on Twitter

שמתעדת 24 שעות של כל מי שאומר

saying, "Good morning!"

"בוקר טוב" בטוויטר.

And then I asked myself my favorite question,

ואז שאלתי את עצמי את השאלה האהובה עלי,

"What would that look like?"

"איך זה ייראה?"

Well, as it turns out, I think it would look something like this.

ובכן, מתברר שזה נראה בערך כך.

Right, so we'd see this wave of people

טוב, אז ראינו את גל האנשים הזה

saying, "Good morning!" across the world as they wake up.

שאומר "בוקר טוב!" ברחבי העולם כשהם מתעוררים.

Now the green people, these are people that wake up

עכשיו האנשים הירוקים הם אלה שמתעוררים

at around 8 o'clock in the morning,

בערך ב-8 בבוקר,

Who wakes up at 8 o'clock or says, "Good morning!" at 8?

מי קם ב-8 או אומר "בוקר טוב" ב-8?

And the orange people,

והאנשים הכתומים,

they say, "Good morning!" around 9.

שאומרים "בוקר טוב" ב-9.

And the red people, they say, "Good morning!" around 10.

והאדומים, אומרים "בוקר טוב" ב-10.

Yeah, more at 10's than, more at 10's than 8's.

כן, יותר ב-10 מאשר ב-8.

And actually if you look at this map,

ואם תביטו במפה הזו,

we can learn a little bit about how people wake up

נוכל ללמוד קצת על איך אנשים מתעוררים

in different parts of the world.

בחלקים שונים בעולם.

People on the West Coast, for example,

בחוף המערבי, למשל,

they wake up a little bit later

מתעוררים מעט מאוחר יותר

than those people on the East Coast.

מאשר בחוף המזרחי.

But that's not all that people say on Twitter, right?

אבל זה לא הדבר היחיד שאומרים בטוויטר, נכון?

We also get these really important tweets, like,

יש לנו גם את הציוצים הממש חשובים האלה, כמו

"I just landed in Orlando!! [plane sign, plane sign]"

"הרגע נחתתי באורלנדו!! [סימן מטוס, סימן מטוס]"

Or, or, "I just landed in Texas [exclamation point]!"

או "הרגע נחתתי בטקסס [סימן קריאה]!"

Or "I just landed in Honduras!"

או "הרגע נחתתי בהונדורס!"

These lists, they go on and on and on,

הרשימות האלה נמשכות עוד ועוד,

all these people, right?

כל האנשים האלה, נכון?

So, on the outside, these people are just telling us

אז מבחוץ, האנשים האלה אומרים לנו

something about how they're traveling.

משהו על איך הם מטיילים.

But we know the truth, don't we?

אבל אנחנו יודעים את האמת, נכון?

These people are show-offs!

הם סתם שחצנים!

They are showing off that they're in Cape Town and I'm not.

הם משתחצנים שהם בקייפ טאון, ואני לא.

So I thought, how can we take this vanity

אז חשבתי, איך אפשר לקחת את היהירות הזו

and turn it into utility?

ולהפוך אותה לכלי?

So using a similar approach that I did with "Good morning,"

אז בגישה דומה למה שעשיתי עם "בוקר טוב",

I mapped all those people's trips

מיפיתי את הטיולים של כל האנשים האלה

because I know where they're landing,

כי אני יודע היכן הם נוחתים,

they just told me,

הם הרגע אמרו לי,

and I know where they live

ואני יודע היכן הם גרים

because they share that information on their Twitter profile.

כי זה רשום בפרופיל טוויטר שלהם.

So what I'm able to do with 36 hours of Twitter

אז מה שאני יכול לעשות עם 36 שעות של טוויטר

is create a model of how people are traveling

זה ליצור מודל המראה איך אנשים מטיילים

around the world during that 36 hours.

סביב העולם באותן 36 שעות.

And this is kind of a prototype

וזה מעין אב-טיפוס

because I think if we listen to everybody

כי אני חושב שאם נקשיב לכולם

on Twitter and Facebook and the rest of our social media,

בטוויטר ופייסבוק ושאר המדיה החברתית,

we'd actually get a pretty clear picture

נקבל תמונה די בהירה

of how people are traveling from one place to the other,

של איך אנשים נעים ממקום אחד לשני,

which is actually turns out to be a very useful thing for scientists,

ומתברר שזה שימושי עבור מדענים,

particularly those who are studying how disease is spread.

במיוחד אלה שחוקרים הפצה של מחלות.

So, I work upstairs in the New York Times,

אז, אני עובד בקומה העליונה בניו-יורק טיימס,

and for the last two years,

ובשנתיים האחרונות,

we've been working on a project called, "Cascade,"

אנחנו עובדים על פרוייקט שנקרא "קסקייד",

which in some ways is kind of similar to this one.

שבמובן מסוים דומה לזה.

But instead of modeling how people move,

אבל במקום למדל איך אנשים נעים,

we're modeling how people talk.

אנחו ממדלים איך אנשים מדברים.

We're looking at what does a discussion look like.

אנחנו בוחנים איך נראית שיחה.

Well, here's an example.

הנה דוגמא.

This is a discussion around an article called,

זוהי שיחה סביב כתבה שנקראת

"The Island Where People Forget to Die".

"האי בו אנשים שוכחים למות".

It's about an island in Greece where people live

זהו אי ביוון בו אנשים חיים

a really, really, really, really, really, really long time.

המון, המון, המון זמן.

And what we're seeing here

ומה שאנחנו רואים כאן

is we're seeing a conversation that's stemming

הוא שיחה שנובעת

from that first tweet down in the bottom, left-hand corner.

מהציוץ בפינה השמאלית התחתונה.

So we get to see the scope of this conversation

אז אנחנו רואים את טווח השיחה הזו

over about 9 hours right now,

במשך 9 שעות עכשיו,

we're going to creep up to 12 hours here in a second.

אנחנו נעבור ל-12 שעות מיד.

But, we can also see what that conversation

אבל, רואים כאן גם איך השיחה

looks like in three dimensions.

נראית בתלת-מימד.

And that three-dimensional view is actually much more useful for us.

ובתלת-מימד זה הרבה יותר שימושי עבורנו.

As humans, we are really used to things

כאנשים, אנחנו רגילים לדברים

that are structured as three dimensions.

בתלת-מימד.

So, we can look at those little off-shoots of conversation,

אז אנחנו יכולים לבחון את היציאות הקטנות של השיחה,

we can find out what exactly happened.

אפשר לגלות מה בדיוק קרה.

And this is an interactive, exploratory tool

וזה כלי אינטראקטיבי וחקרני

so we can go through every step in the conversation.

אז אפשר לעבור דרך כל שלב בשיחה.

We can look at who the people were,

אפשר לראות מי היו האנשים,

what they said,

מה הם אמרו,

how old they are,

בני כמה הם,

where they live,

היכן הם גרים,

who follows them,

מי עוקב אחריהם,

and so on, and so on, and so on.

וכן הלאה וכן הלאה.

So, the Times creates about 6,500 pieces of content every month,

אז, הטיימס מייצר כ-6,500 פיסות תוכן כל חודש,

and we can model every single one

ואנחנו יכולים למדל כל אחת

of the conversations that happen around them.

מהשיחות שמתרחשות סביבם.

And they look somewhat different.

והן נראות מעט שונה.

Depending on the story

בהתאם לכתבה

and depending on how fast people are talking about it

ובהתאם למהירות התגובה של האנשים

and how far the conversation spreads,

ועד כמה השיחה התפשטה,

these structures, which I call these conversational architectures,

המבנים האלה, שאני קורא להם ארכיטקטורה של שיחה,

end up looking different.

נראים אחרת.

So, these projects that I've shown you,

אז הפרוייקטים שהראיתי לכם,

I think they all involve the same thing:

אני חושב שהם מערבים את אותו הדבר:

we can take small pieces of data

אנחנו יכולים לקחת פיסות מידע קטנות

and by putting them together,

וע"י חיבורם,

we can generate more value,

ניתן להפיק יותר ערך,

we can do more exciting things with them.

ניתן לעשות איתם דברים מלהיבים.

But so far we've only talked about Twitter, right?

אבל עד כה דיברנו רק על טוויטר, נכון?

And Twitter isn't all the data.

וטוויטר זה לא כל המידע.

We learned a moment ago

לפני רגע למדנו

that there is tons and tons,

שיש טונות

tons more data out there.

של מידע נוסף שם בחוץ.

And specifically, I want you to think about one type of data

ובאופן ספציפי, אני רוצה שתחשבו על סוג אחד של מידע

because all of you guys,

כי כולכם

everybody in this audience, we,

כל מי שבקהל, כולנו

we, me as well,

גם אני,

are data-making machines.

הם מכונות מייצרות מידע.

We are producing data all the time.

אנחנו מייצרים מידע כל הזמן.

Every single one of us, we're producing data.

כל אחד מאיתנו מייצר מידע.

Somebody else, though, is storing that data.

מישהו אחר אוגר את המידע הזה.

Usually we put our trust into companies to store that data,

בד"כ אנחנו סומכים על החברות שאוגרות את המידע,

but what I want to suggest here

אבל מה שאני מציע כאן הוא

is that rather than putting our trust

שבמקום לסמוך

in companies to store that data,

על חברות שיאחסנו את המידע הזה,

we should put the trust in ourselves

אנחנו צריכים לסמוך על עצמנו

because we actually own that data.

כי בעצם אנחנו הבעלים של המידע הזה.

Right, that is something we should remember.

זה משהו שצריך לזכור.

Everything that someone else measures about you,

כל מה שמישהו אחר מודד עליכם,

you actually own.

הוא בעצם שלכם.

So, it's my hope,

אז אני מקווה

maybe because I'm a Canadian,

אולי כי אני קנדי,

that all of us can come together

שכולנו יכולים להתאחד

with this really valuable data that we've been storing,

עם המידע היקר הזה שאנחנו מאחסנים,

and we can collectively launch that data

וביחד לכוון את המידע הזה

toward some of the world's most difficulty problems

כדי לטפל בכמה מהבעיות הקשות ביותר בעולם

because big data can solve big problems,

כי מידע גדול יכול לפתור בעיות גדולות,

but I think it can do it the best

אבל אני חושב שזה הכי יצליח

if it's all of us who are in control.

אם נעשה את זה מתוך שליטה.

Thank you.

תודה.