Hans Rosling: Debunking third-world myths with the best stats you've ever seen

2,179,249 views ・ 2007-01-14

TED


Dobbeltklik venligst på de engelske undertekster nedenfor for at afspille videoen.

Translator: Thorbjørn Andersen Reviewer: Louise Frilund
00:25
About 10 years ago, I took on the task to teach global development
0
25626
4355
For cirka 10 år siden, begyndte jeg på at undervise svenske studerende
i verdensomspændende udvikling. Det var efter jeg havde tilbragt
00:30
to Swedish undergraduate students.
1
30005
2146
00:32
That was after having spent about 20 years,
2
32175
2881
omkring 20 år med at studere sult i Afrika i samarbejde med afrikanske institutioner,
00:35
together with African institutions,
3
35080
1877
00:36
studying hunger in Africa.
4
36981
1598
så det var ligesom forventet af mig, at jeg vidste en smule om verdenen.
00:38
So I was sort of expected to know a little about the world.
5
38603
3998
Og på vores lægeuniversitet, Karolingska Instituttet, startede jeg
00:42
And I started, in our medical university, Karolinska Institute,
6
42625
3351
00:46
an undergraduate course called Global Health.
7
46000
3530
et kursus med navnet "Global sundhed". Men når man får
00:49
But when you get that opportunity, you get a little nervous.
8
49554
2822
den mulighed, bliver man en smule nervøs. Jeg tænkte at disse studerende
00:52
I thought, these students coming to us actually have the highest grade
9
52400
3334
der kommer til os, faktisk har de højeste karakterer man kan få
00:55
you can get in the Swedish college system,
10
55758
2023
i de svenske gymnasier - så måske ved de allerede alt
00:57
so I thought, maybe they know everything I'm going to teach them about.
11
57805
3365
det jeg vil lære dem. Så jeg lavede en forprøve da de ankom,
01:01
So I did a pretest when they came.
12
61194
1997
01:03
And one of the questions from which I learned a lot was this one:
13
63215
3493
og et af de spørgsmål jeg lærte meget fra, var:
01:06
"Which country has the highest child mortality of these five pairs?"
14
66732
4269
"Hvilket land har den højeste børnedødelighed af disse fem par?"
Og jeg satte dem sammen, så for hvert landepar havde
01:11
And I put them together so that in each pair of countries,
15
71890
3070
01:14
one has twice the child mortality of the other.
16
74984
3445
det ene land dobbelt så stor børnedødelighed som det andet. Og det betyder at
01:18
And this means that it's much bigger, the difference,
17
78453
4245
forskellen er meget større end usikkerheden på data.
01:22
than the uncertainty of the data.
18
82722
1802
01:24
I won't put you at a test here, but it's Turkey,
19
84548
2311
Jeg vil ikke afprøve jer her, men det er Tyrkiet
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
20
86883
4327
der er højest der, Polen, Rusland, Pakistan og Sydafrika.
01:31
And these were the results of the Swedish students.
21
91234
2422
Og her er de svenske studerendes resultater. Jeg sørgede for at jeg
01:33
I did it so I got the confidence interval, which is pretty narrow.
22
93680
3170
fik konfidensintervallet, som er ret snævert, og jeg blev naturligvis
01:36
And I got happy, of course -- a 1.8 right answer out of five possible.
23
96874
3985
glad: 1.8 ud af 5 mulige. Det betyder at
01:40
That means there was a place for a professor of international health
24
100883
3211
der var en plads for en professor i international sundhed -
01:44
and for my course.
25
104118
1166
(Latter) og for mit kursus.
01:45
(Laughter)
26
105308
1033
01:46
But one late night, when I was compiling the report,
27
106365
4039
Men en sen nat, hvor jeg skrev rapporten, blev jeg
01:50
I really realized my discovery.
28
110428
2566
virkelig klar over min opdagelse. Jeg har vist
01:53
I have shown that Swedish top students know, statistically,
29
113018
4925
at svenske topstuderende ved statistisk signifikant mindre
01:57
significantly less about the world than the chimpanzees.
30
117967
3009
om verdenen end chimpanser.
02:01
(Laughter)
31
121000
1976
(Latter)
02:03
Because the chimpanzee would score half right
32
123000
3459
Fordi chimpanserne ville få halvdelen rigtige hvis jeg gav dem
02:06
if I gave them two bananas with Sri Lanka and Turkey.
33
126483
2630
to bananer med Sri Lanka og Tyrkiet. De ville have ret i halvdelen af tilfældene.
02:09
They would be right half of the cases. But the students are not there.
34
129137
3422
Men det er ikke der de studerende er. Mit problem var ikke uvidenhed:
02:12
The problem for me was not ignorance; it was preconceived ideas.
35
132583
4215
det var fordomme.
02:16
I did also an unethical study
36
136822
2737
Jeg lavede også en uetisk undersøgelse af professorerne på det Karolinske Institut
02:19
of the professors of the Karolinska Institute,
37
139583
2527
(Latter)
02:22
which hands out the Nobel Prize in Medicine,
38
142134
2541
- der uddeler Nobelprisen i medicin,
02:24
and they are on par with the chimpanzee there.
39
144699
2296
og de står lige med chimpanserne der.
(Latter)
02:27
(Laughter)
40
147019
2435
02:29
This is where I realized that there was really a need to communicate,
41
149478
4183
Her indså jeg at der virkelig var et behov for at kommunikere,
02:33
because the data of what's happening in the world
42
153685
2904
fordi data for hvad der sker i verdenen
02:36
and the child health of every country
43
156613
1961
og børnedødeligheden i hvert land er meget tydelige.
02:38
is very well aware.
44
158598
1337
02:39
So we did this software, which displays it like this.
45
159959
2767
Vi lavede dette edb-program, som viser det således: Hver boble her er et land.
02:42
Every bubble here is a country.
46
162750
1958
02:44
This country over here is China.
47
164732
4989
Landet herovre er Kina. Dette er Indien.
02:49
This is India.
48
169745
1163
02:50
The size of the bubble is the population,
49
170932
2247
Boblens størrelse er befolkningstallet, og på den her akse sætter jeg fertilitetsraten.
02:53
and on this axis here, I put fertility rate.
50
173203
3556
02:56
Because my students, what they said
51
176783
2443
Fordi mine studerende, det de sagde
02:59
when they looked upon the world, and I asked them,
52
179250
2559
da de så på verden, og da jeg spurgte dem:
03:01
"What do you really think about the world?"
53
181833
2723
"Hvad synes I virkelig om verdenen?"
Nuvel, det første jeg opdagede var at lærebogen hovedsageligt var Tintin.
03:04
Well, I first discovered that the textbook was Tintin, mainly.
54
184580
3269
03:07
(Laughter)
55
187873
1045
(Latter)
03:08
And they said, "The world is still 'we' and 'them.'
56
188942
2515
Og de sagde, "Verdenen er stadig 'os' og 'dem',
03:11
And 'we' is the Western world and 'them' is the Third World."
57
191481
3453
og vi er den vestlige verden, og dem er den tredie verden."
"Og hvad mener I med vestlige verden?" spurgte jeg.
03:15
"And what do you mean with 'Western world?'" I said.
58
195381
2510
03:17
"Well, that's long life and small family.
59
197915
1977
"Jo, det er langt liv, og en lille familie, og den tredie verden er kort liv og stor familie."
03:19
And 'Third World' is short life and large family."
60
199916
2388
Så det kan jeg vise her. Jeg placerer fertilitetsraten her: antal børn pr kvinde,
03:23
So this is what I could display here.
61
203058
2385
03:25
I put fertility rate here --
62
205467
1657
03:27
number of children per woman: one, two, three, four,
63
207148
3138
en, to, tre, fire, op til omkring otte børn pr kvinde.
03:30
up to about eight children per woman.
64
210310
2031
03:32
We have very good data since 1962, 1960, about,
65
212365
3980
Vi har rigtigt gode data siden 1962 - 1960 cirka - på størrelsen af familier i alle lande.
03:36
on the size of families in all countries.
66
216369
2033
03:38
The error margin is narrow.
67
218426
1375
Fejlmarginen er snæver. Her putter jeg forventet levetid ved fødslen
03:39
Here, I put life expectancy at birth,
68
219825
2008
03:41
from 30 years in some countries, up to about 70 years.
69
221857
3467
fra 30 år i visse lande op til omkring 70 år.
03:45
And in 1962, there was really a group of countries here
70
225348
3403
Og i 1962 var der virkelig en gruppe lande her
03:48
that were industrialized countries,
71
228775
1857
der var industrialiserede lande, og de havde små familier og lange levetider.
03:50
and they had small families and long lives.
72
230656
3094
03:53
And these were the developing countries.
73
233774
2100
Og disse var udviklingslandene:
03:55
They had large families and they had relatively short lives.
74
235898
3041
De havde store familier og forholdsvist korte levetider.
03:58
Now, what has happened since 1962? We want to see the change.
75
238963
3681
Hvad er der sket siden 1962? Vi vil se ændringen.
04:02
Are the students right? It's still two types of countries?
76
242668
2937
Har de studerende ret? Er der stadig to slags lande?
04:05
Or have these developing countries got smaller families and they live here?
77
245629
3736
Eller har disse udviklingslande fået mindre familier og de bor her?
04:09
Or have they got longer lives and live up there?
78
249389
2298
Eller har de fået længere levetider og bor deroppe?
04:11
Let's see. We start the world, eh?
79
251711
1841
Lad os se. Vi stoppede verden dengang. Dette er altsammen FN statistikdata
04:13
This is all UN statistics that have been available.
80
253576
2486
der er tilgængeligt. Så kører vi. Kan I se der?
04:16
Here we go. Can you see there?
81
256086
1501
04:17
It's China there, moving against better health there, improving there.
82
257611
3287
Det er Kina her, der bevæger sig mod bedre helbred der, forbedrer der,
04:20
All the green Latin American countries are moving towards smaller families.
83
260922
3645
Alle de grønne latinamerikanske lande bevæger sig mod mindre familier
De gule herovre er de arabiske lande,
04:24
Your yellow ones here are the Arabic countries,
84
264591
2422
og de får større familier, men de - nej, længere levetid, men ikke større familier.
04:27
and they get longer life, but not larger families.
85
267037
3901
04:30
The Africans are the green here. They still remain here.
86
270962
2622
De afrikanske er de grønne hernede. De forbliver her.
04:33
This is India; Indonesia is moving on pretty fast.
87
273608
2641
Dette er Indien. Indonesien flytter sig ret hurtigt.
04:36
In the '80s here, you have Bangladesh still among the African countries.
88
276273
4106
(Latter)
Og her i 80'erne, har vi Bangladesh stadig blandt de afrikanske lande der.
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s --
89
280403
3228
Men se, Bangladesh - det er et mirakel der sker i 80'erne:
04:43
the imams start to promote family planning,
90
283655
2413
imamerne begynder at støtte familieplanlægning.
04:46
and they move up into that corner.
91
286092
1747
De bevæger sig op i det hjørne. Og i 90'erne har vi den forfærdelige HIV-epidemi
04:47
And in the '90s, we have the terrible HIV epidemic
92
287863
3298
04:51
that takes down the life expectancy of the African countries.
93
291185
3509
der trækker den forventede levetid i de afrikanske lande ned,
04:54
And the rest of them all move up into the corner,
94
294718
3648
og alle de andre bevæger sig op i hjørnet
04:58
where we have long lives and small family,
95
298390
2386
hvor vi har lang levetid og små familier, og vi har en fuldstændig ny verden.
05:00
and we have a completely new world.
96
300800
2114
05:02
(Applause)
97
302938
3214
(Klapsalve)
05:13
(Applause ends)
98
313561
1097
05:15
Let me make a comparison directly
99
315567
1813
Lad mig lave en direkte sammenligning mellem USA og Vietnam.
05:17
between the United States of America and Vietnam.
100
317404
3014
05:20
1964:
101
320442
1199
1964: USA havde små familier og lang levetid.
05:22
America had small families and long life;
102
322538
2611
05:25
Vietnam had large families and short lives.
103
325173
3349
Vietnam havde store familier og kort levetid. Og dette er hvad der sker:
05:28
And this is what happens.
104
328546
1283
05:29
The data during the war indicate that even with all the death,
105
329853
5341
Data fra krigen indikerer at på trods af alle de døde,
05:35
there was an improvement of life expectancy.
106
335218
2229
var der en levetidsforbedring. Ved slutningen af året
05:37
By the end of the year, family planning started in Vietnam,
107
337471
2784
begyndte familieplanlægningen i Vietnam og de skiftede til mindre familier.
05:40
and they went for smaller families.
108
340279
1694
05:41
And the United States up there is getting longer life,
109
341997
2569
Og USA deroppe får længere levetid, og bevarer
05:44
keeping family size.
110
344590
1188
familiens størrelse. Og i 80'erne nu,
05:45
And in the '80s now, they give up Communist planning
111
345802
3605
opgiver de kommunistisk planlægning, og skifter til markedsøkonomi,
05:49
and they go for market economy,
112
349431
1507
05:50
and it moves faster even than social life.
113
350962
2010
og det går endnu hurtigere end det sociale liv. Og i dag, har vi i
05:52
And today, we have in Vietnam
114
352996
2336
Vietnam den samme forventede levetid og den samme familiestørrelse
05:55
the same life expectancy and the same family size
115
355356
4802
her i Vietnam, 2003, som i USA, 1974, ved krigens slutning.
06:00
here in Vietnam, 2003,
116
360182
2763
06:02
as in United States, 1974, by the end of the war.
117
362969
4067
Jeg tror at vi alle - hvis vi ikke kigger i data -
06:07
I think we all, if we don't look at the data,
118
367513
3296
06:10
we underestimate the tremendous change in Asia,
119
370833
3221
undervurderer den utrolige ændring i Asien som var
06:14
which was in social change before we saw the economic change.
120
374078
4691
en social ændring, førend vi så den økonomiske ændring.
06:18
So let's move over to another way here
121
378793
2367
Lad os skifte til en anden måde her, hvor vi kan vise
06:21
in which we could display the distribution in the world
122
381184
4487
fordelingen af indtægt i verdenen. Dette er verdensfordelingen af folks indtægt.
06:25
of income.
123
385695
1280
06:26
This is the world distribution of income of people.
124
386999
3696
En dollar, 10 dollars eller 100 dollars pr dag.
06:31
One dollar, 10 dollars or 100 dollars per day.
125
391499
3846
Der er ikke noget gab mellem rig og fattig længere. Det er en myte.
06:36
There's no gap between rich and poor any longer. This is a myth.
126
396071
3412
06:39
There's a little hump here.
127
399507
2015
Der er et lille bump her. Men der er folk hele vejen.
06:42
But there are people all the way.
128
402195
1640
06:43
And if we look where the income ends up,
129
403859
4386
Og hvis vi ser på hvor indkomsten ender - indkomsten -
06:48
this is 100 percent of the world's annual income.
130
408269
4195
dette er 100 procent af verdens årlige indkomst. Og de rigeste 20 procent
06:52
And the richest 20 percent,
131
412488
2465
06:54
they take out of that about 74 percent.
132
414977
4119
tager 74 procent heraf. Og de fattigste 20 procent,
06:59
And the poorest 20 percent, they take about two percent.
133
419120
4916
tager omkring to procent. Og dette viser at begrebet
07:04
And this shows that the concept of developing countries
134
424060
2755
07:06
is extremely doubtful.
135
426839
1567
"udviklingslande" er ekstremt tvivlsomt. Vi tænker på hjælp, i form
07:08
We think about aid,
136
428430
1881
07:10
like these people here giving aid to these people here.
137
430335
3613
af de her folk der giver hjælp til de her folk. Men i midten
07:13
But in the middle, we have most of the world population,
138
433972
3120
har vi det meste af verdens befolkning, og de har nu 24 procent af indkomsten.
07:17
and they have now 24 percent of the income.
139
437116
2609
07:19
We heard it in other forms.
140
439749
1656
Vi har hørt det i andre former. Og hvem er de?
07:21
And who are these?
141
441429
2701
Hvor er de forskellige lande? Jeg kan vise jer Afrika.
07:24
Where are the different countries?
142
444154
2220
07:26
I can show you Africa.
143
446398
1546
07:27
This is Africa.
144
447968
1591
Dette er Afrika. 10 procent af verdens befolkning, de fleste er fattige.
07:30
Ten percent of the world population,
145
450078
1763
07:31
most in poverty.
146
451865
1166
Dette er OECD. De rige lande. FN's golfklub.
07:33
This is OECD -- the rich countries, the country club of the UN.
147
453055
4375
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
148
457454
5416
Og de er herovre på denne her side. Et ret stort overlap mellem Afrika og OECD.
07:42
And this is Latin America.
149
462894
1348
Og dette er Latinamerika. Det har alt på denne jord
07:44
It has everything on this earth, from the poorest to the richest
150
464266
3355
fra de fattigste til de rigeste, i Latinamerika.
07:47
in Latin America.
151
467645
1373
Og oveni det, kan vi putte Østeuropa, Østasien
07:49
And on top of that, we can put East Europe,
152
469042
3107
07:52
we can put East Asia, and we put South Asia.
153
472173
3175
og Sydasien. Og hvordan ser det ud hvis vi går tilbage i tid
07:55
And what did it look like if we go back in time,
154
475372
3130
07:58
to about 1970?
155
478526
2093
til omkring 1970? Dengang var der mere en pukkel.
08:00
Then, there was more of a hump.
156
480643
2522
Og vi kan se at de fleste der levede i den yderste fattigdom var asiater.
08:04
And most who lived in absolute poverty were Asians.
157
484242
3759
Verdens problem var fattigdommen i Asien. Og hvis
08:08
The problem in the world was the poverty in Asia.
158
488025
2947
08:10
And if I now let the world move forward,
159
490996
3118
08:14
you will see that while population increases,
160
494138
2612
kan I se at mens befolkningen øges, er der
08:16
there are hundreds of millions in Asia getting out of poverty,
161
496774
3313
hundredvis af millioner i Asien der kommer ud af fattigdommen og andre
08:20
and some others getting into poverty,
162
500111
1965
der kommer ind i fattigdom, og dette er mønsteret vi har i dag.
08:22
and this is the pattern we have today.
163
502100
1901
Og den bedste forudsigelse fra Verdensbanken er at dette vil ske,
08:24
And the best projection from the World Bank
164
504025
2071
08:26
is that this will happen,
165
506120
1914
og vi vil ikke have en delt verden. Vi vil have flest mennesker i midten.
08:28
and we will not have a divided world.
166
508058
1848
08:29
We'll have most people in the middle.
167
509930
1895
08:31
Of course it's a logarithmic scale here,
168
511849
2027
Selvfølgelig er det en logaritmisk skala her,
08:33
but our concept of economy is growth with percent.
169
513900
3397
men vores økonomiske koncept er vækst i procent. Vi ser på det
08:37
We look upon it as a possibility of percentile increase.
170
517321
5285
som en mulighed for procentvis vækst. Hvis jeg ændrer dette og jeg tager
08:42
If I change this and take GDP per capita instead of family income,
171
522630
4824
bruttonationalindkomsten pr indbygger i stedet for familieindkomst, og jeg ænder disse
08:47
and I turn these individual data
172
527478
3771
individuelle data til områdedata for bruttonationalproduktet
08:51
into regional data of gross domestic product,
173
531273
3276
08:54
and I take the regions down here,
174
534573
1888
og jeg tager områderne hernede, er boblens størrelse stadig befolkningen.
08:56
the size of the bubble is still the population.
175
536485
2239
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
176
538748
3198
Og vi har OECD der, og Afrika syd for Sahara der,
09:01
and we take off the Arab states there,
177
541970
2241
og vi tager de arabiske stater der
09:04
coming both from Africa and from Asia,
178
544235
2218
der kommer både fra Afrika og Asien og placerer den separat,
09:06
and we put them separately,
179
546477
1666
09:08
and we can expand this axis, and I can give it a new dimension here,
180
548167
5097
og vi kan udvide denne akse, og jeg kan give den en ny dimension her,
09:13
by adding the social values there, child survival.
181
553288
3349
ved at tilføje de sociale værdier der, børnedødelighed.
09:16
Now I have money on that axis,
182
556661
1728
Nu har jeg penge på den akse, og jeg har sandsynligheden for børns overlevelse der.
09:18
and I have the possibility of children to survive there.
183
558413
2743
09:21
In some countries, 99.7% of children survive to five years of age;
184
561180
4257
I nogen lande, overlever 99,7 procent af børnene til femårsalderen;
09:25
others, only 70.
185
565461
1725
i andre, kun 70. Og her ser det ud til der er et gab
09:27
And here, it seems, there is a gap between OECD,
186
567210
3268
mellem OECD, Latinamerika, Østeuropa, Østasien,
09:30
Latin America, East Europe, East Asia,
187
570502
3254
09:33
Arab states, South Asia and sub-Saharan Africa.
188
573780
3885
Arabiske stater, Sydasien og Afrika syd for Sahara.
09:37
The linearity is very strong between child survival and money.
189
577689
4908
Der er en meget stærk sammenhæng mellem børnedødelighed og penge.
09:42
But let me split sub-Saharan Africa.
190
582621
3296
Men lad mig opdele Afrika syd for Sahara. Sundhed er der og bedre helbred er deroppe.
09:45
Health is there and better health is up there.
191
585941
4924
09:50
I can go here, and I can split sub-Saharan Africa into its countries.
192
590889
4462
Jeg kan gå hertil og jeg kan opdele Afrika syd for Sahara i dets lande.
09:55
And when it bursts,
193
595375
1202
Og når det springer, er størrelsen af landets boble størrelsen af dens befolkning.
09:56
the size of each country bubble is the size of the population.
194
596601
3646
10:00
Sierra Leone down there, Mauritius is up there.
195
600271
2540
Sierra Leone dernede. Mauritius er deroppe. Mauritius var det første land
10:02
Mauritius was the first country to get away with trade barriers,
196
602835
3656
der slap for handelshindringer, og de kunne sælge deres sukker.
10:06
and they could sell their sugar, they could sell their textiles,
197
606515
3525
De kune sælge deres tekstiler på lige vilkår med befolkningen i Europa og Nordamerika.
10:10
on equal terms as the people in Europe and North America.
198
610064
3714
10:13
There's a huge difference [within] Africa.
199
613802
2132
Der er en stor forskel i Afrika. Og Ghana er her i midten.
10:15
And Ghana is here in the middle.
200
615958
1868
10:17
In Sierra Leone, humanitarian aid.
201
617850
2592
I Sierra Leone, humanitær hjælp.
10:20
Here in Uganda, development aid.
202
620466
3310
Her i Uganda, udviklingshjælp. Her, investeringstid, der,
10:23
Here, time to invest; there, you can go for a holiday.
203
623800
3295
kan man tage på ferie. Det er en kæmpe variation
10:27
There's tremendous variation within Africa,
204
627119
2742
i Afrika som vi sjældent tager højde for - at det er ens over det hele.
10:29
which we very often make that it's equal everything.
205
629885
3091
10:33
I can split South Asia here. India's the big bubble in the middle.
206
633000
4239
Jeg kan opdele Sydasien her. Indien er den store boble i midten.
10:37
But there's a huge difference between Afghanistan and Sri Lanka.
207
637263
4440
Men der er en stor forskel mellem Afghanistan og Sri Lanka.
10:41
I can split Arab states. How are they?
208
641727
2135
Jeg kan opdele de arabiske stater. Hvordan er de? Samme klima, samme kultur,
10:43
Same climate, same culture, same religion -- huge difference.
209
643886
4132
samme religion. Stor forskel. Selv mellem naboer.
10:48
Even between neighbors --
210
648042
1222
10:49
Yemen, civil war;
211
649288
1245
Yemen, borgerkrig. Forenede Arabiske Emirater, penge som var ligeligt og godt brugt.
10:50
United Arab Emirates, money, which was quite equally and well-used.
212
650557
4166
10:54
Not as the myth is.
213
654747
1782
Ikke som myten er. Og det indbefatter alle børnene af fremmedarbejderne der er i landet.
10:56
And that includes all the children of the foreign workers
214
656553
4109
11:00
who are in the country.
215
660686
1574
Data er ofte bedre end I tror. Mange siger data er dårlige.
11:02
Data is often better than you think. Many people say data is bad.
216
662284
3692
11:06
There is an uncertainty margin, but we can see the difference here:
217
666000
3143
Der er en usikkerhedsmargin, men vi kan se forskellen her:
Cambodia, Singapore. Forskellene er meget større,
11:09
Cambodia, Singapore.
218
669167
1362
11:10
The differences are much bigger than the weakness of the data.
219
670553
2971
end svaghederne i data. Østeuropa:
11:13
East Europe: Soviet economy for a long time,
220
673548
4647
Sovjettisk økonomi i lang tid, men efter 10 år har de klaret sig
11:18
but they come out after 10 years very, very differently.
221
678219
3212
meget, meget anderledes. Og der er Latinamerika.
11:21
And there is Latin America.
222
681455
2733
I dag behøver vi ikke tage til Cuba, for at finde et sundt land i Latinamerika.
11:24
Today, we don't have to go to Cuba
223
684212
1646
11:25
to find a healthy country in Latin America.
224
685882
2028
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
225
687934
4634
Chile vil have en lavere børnedødelighed end Cuba om ganske få år.
11:32
Here, we have high-income countries in the OECD.
226
692592
3055
Og her har vi højindtægtslande i OECD.
11:35
And we get the whole pattern here of the world,
227
695671
3792
Og vi ser hele mønsteret for verden,
11:39
which is more or less like this.
228
699487
2151
som er mere eller mindre som det her. Og hvis vi ser på det,
11:41
And if we look at it, how the world looks,
229
701662
3940
hvordan det ser ud - verden, i 1960, begynder det at bevæge sig. 1960.
11:46
in 1960, it starts to move.
230
706658
3318
11:50
This is Mao Zedong. He brought health to China.
231
710000
2632
Dette er Mao Zedong. Han bragte sundhed til Kina. Og så døde han.
11:52
And then he died.
232
712656
1166
11:53
And then Deng Xiaoping came and brought money to China,
233
713846
2612
Og så kom Deng Xiaoping og bragte penge til Kina, og bragte dem tilbage i hovedstrømmen igen.
11:56
and brought them into the mainstream again.
234
716482
2054
11:58
And we have seen how countries move in different directions like this,
235
718560
4158
Og vi har set hvordan lande bevæger sig i forskellige retninger som dette,
12:02
so it's sort of difficult to get an example country
236
722742
5905
så det er lidt svært at få
et land som eksempel der viser mønsteret for verden.
12:08
which shows the pattern of the world.
237
728671
2145
12:10
But I would like to bring you back to about here, at 1960.
238
730840
6854
Jeg vil gerne bringe jer tilbage til omkring her i 1960.
Jeg vil gerne sammenligne Sydkorea, som er den her, med Brasillien,
12:18
I would like to compare South Korea, which is this one,
239
738083
6991
12:25
with Brazil, which is this one.
240
745098
3358
der er den her. Mærkaten forsvandt for mig her. Og jeg vil gerne sammenligne Uganda,
12:29
The label went away for me here.
241
749154
1782
12:30
And I would like to compare Uganda, which is there.
242
750960
2925
som er der. Og jeg kan føre det fremad, således.
12:34
I can run it forward, like this.
243
754699
3183
Og I kan se hvordan Sydkorea laver meget, meget hurtigt fremskridt,
12:39
And you can see how South Korea is making a very, very fast advancement,
244
759748
6996
12:46
whereas Brazil is much slower.
245
766768
2585
hvor Brasillien er meget langsommere.
12:49
And if we move back again, here, and we put trails on them, like this,
246
769377
6144
Og hvis vi bevæger os tilbage igen, her, og vi putter sporing på dem, således.
12:55
you can see again
247
775545
2403
kan I se igen at udviklingshastigheden
12:57
that the speed of development is very, very different,
248
777972
3332
er meget, meget forskellig og at landene bevæger sig mere eller mindre
13:01
and the countries are moving more or less at the same rate
249
781328
5760
i den samme hastighed som penge og sundhed, men det ser ud til man kan bevæge sig
13:07
as money and health,
250
787112
1427
13:08
but it seems you can move much faster
251
788563
1929
meget hurtigere hvis man er sund først end hvis man er rig først.
13:10
if you are healthy first than if you are wealthy first.
252
790516
2918
13:14
And to show that, you can put on the way of United Arab Emirates.
253
794000
4158
Og for at vise det, kan vi tilføje de Forenede Arabiske Emirater.
13:18
They came from here, a mineral country.
254
798182
2674
De kom herfra, et mineralland. De havde al olien,
13:20
They cached all the oil; they got all the money;
255
800880
2467
de fik alle pengene, men sundhed kan ikke købes i et supermarkede.
13:23
but health cannot be bought at the supermarket.
256
803371
2436
Man skal investere i sundhed. Man skal have børnene ind i skolesystemet.
13:26
You have to invest in health. You have to get kids into schooling.
257
806516
3147
13:29
You have to train health staff. You have to educate the population.
258
809687
3190
Man skal oplære sundhedspersonale. Man skal uddanne befolkningen.
13:32
And Sheikh Zayed did that in a fairly good way.
259
812901
2356
Og Sheik Sayed gjorde det på en ret god måde.
13:35
In spite of falling oil prices, he brought this country up here.
260
815281
3963
Og på trods af faldende oliepriser, bragte han det land herop.
13:39
So we've got a much more mainstream appearance of the world,
261
819268
3708
Så vi har en meget mere strømlinjet udgave af verden,
13:43
where all countries tend to use their money
262
823000
2527
hvor alle lande hælder til at bruge deres penge
13:45
better than they used it in the past.
263
825551
2295
bedre end de gjorde tidligere. Nuvel, det er, mere eller mindre,
13:49
Now, this is, more or less, if you look at the average data of the countries --
264
829269
6978
hvis man ser på gennemsnitsdata for landene. De ser sådan ud.
13:56
they are like this.
265
836271
1194
13:57
That's dangerous, to use average data,
266
837489
3409
Men det er farligt at bruge gennemsnitsdata fordi der er megen forskel
14:00
because there is such a lot of difference within countries.
267
840922
3845
i lande. Så hvis jeg kigger her, kan vi se at
14:04
So if I go and look here,
268
844791
2494
14:07
we can see that Uganda today is where South Korea was in 1960.
269
847309
6545
Uganda i dag er hvor Sydkorea var i 1960. Hvis jeg opdeler Uganda
14:13
If I split Uganda, there's quite a difference within Uganda.
270
853878
3788
er der en ret stor forskel internt i Uganda. Dette er femdelingen af Uganda
14:17
These are the quintiles of Uganda.
271
857690
1988
14:19
The richest 20 percent of Ugandans are there.
272
859702
2180
De rigeste 20 procent af folk i Uganda er der.
14:21
The poorest are down there.
273
861906
1471
De fattigste er dernede. Hvis jeg opdeler Sydafrika, er det sådan.
14:23
If I split South Africa, it's like this.
274
863401
2831
14:26
And if I go down and look at Niger,
275
866256
3009
Hvis jeg går ned og ser på Republikken Niger, hvor der har været en forfærdelig hungersnød
14:29
where there was such a terrible famine [recently],
276
869289
3493
på det sidste, ser det sådan ud. De fattigste 20 procent i Niger er herude.
14:32
it's like this.
277
872806
1151
14:33
The 20 percent poorest of Niger is out here,
278
873981
2757
14:36
and the 20 percent richest of South Africa is there,
279
876762
2769
og de rigeste 20 procent i Sydafrika er der,
14:39
and yet we tend to discuss what solutions there should be in Africa.
280
879555
4421
og alligevel hælder vi mod at diskutere hvilke løsninger der skal være i Afrika.
14:44
Everything in this world exists in Africa.
281
884000
2567
Alt i denne verden findes i Afrika. Og man kan ikke
14:46
And you can't discuss universal access to HIV [treatment]
282
886591
3275
diskutere HIV-medicin til alle for den femtedel heroppe
14:49
for that quintile up here
283
889890
1919
14:51
with the same strategy as down here.
284
891833
2625
med samme strategi som hernede. Forbedringen af verden må
14:54
The improvement of the world must be highly contextualized,
285
894482
3706
gøres i den enkelte sammenhæng, og det er ikke relevant at have det
14:58
and it's not relevant to have it on a regional level.
286
898212
3653
på regionsniveau. Vi må være meget mere detaljerede.
15:01
We must be much more detailed.
287
901889
1530
Vi har fundet at studererende bliver meget begejstrede når de kan bruge det her.
15:04
We find that students get very excited when they can use this.
288
904070
3326
15:07
And even more, policy makers and the corporate sectors
289
907420
3618
Og endnu flere politiske beslutningstagere og forretningsfolk vil gerne se
15:11
would like to see how the world is changing.
290
911062
3661
hvordan verden ændrer sig. Nuvel, hvorfor sker dette ikke?
15:14
Now, why doesn't this take place?
291
914747
1875
15:16
Why are we not using the data we have?
292
916646
2303
Hvorfor bruger vi ikke de data vi har? Vi har data i FN,
15:18
We have data in the United Nations, in the national statistical agencies
293
918973
3810
i de enkelte landes statistiske afdelinger,
15:22
and in universities and other nongovernmental organizations.
294
922807
3169
og på universiteter og andre organisationer udenfor regeringsregi.
15:26
Because the data is hidden down in the databases.
295
926000
2737
Fordi data er gemt dybt i databaserne.
15:28
And the public is there, and the internet is there,
296
928761
2530
Og offentligheden er der, Internettet er der, men vi har stadig ikke brugt det effektivt.
15:31
but we have still not used it effectively.
297
931315
2160
15:33
All that information we saw changing in the world
298
933499
2675
Al den information vi så forandre sig i verden
15:36
does not include publicly funded statistics.
299
936198
2941
indbefatter ikke offentligt finansieret statistik. Der er nogen websider
15:39
There are some web pages like this, you know,
300
939163
2371
som denne, men de får nogen næring fra databaserne
15:41
but they take some nourishment down from the databases,
301
941558
4703
15:46
but people put prices on them, stupid passwords and boring statistics.
302
946285
4972
men folk sætter prisskilte på dem, dumme adgangskoder og kedelige statistikker.
15:51
(Laughter)
303
951281
1108
(Latter)(Klapsalve)
15:52
And this won't work.
304
952413
1422
15:53
(Applause)
305
953859
2556
Og det vil ikke fungere. Så hvad er der brug for? Vi har databaserne.
15:56
So what is needed? We have the databases.
306
956439
2422
15:58
It's not a new database that you need.
307
958885
1867
Det er ikke en ny database der er brug fro. Vi har fantastiske designværktøjer,
16:00
We have wonderful design tools and more and more are added up here.
308
960776
3805
og der bliver tilføjet mere og mere heroppe. Så vi begyndte
16:04
So we started a nonprofit venture linking data to design,
309
964605
6130
en almennyttig organisation som vi kaldte - sammenkædning af data med design -
16:10
we called "Gapminder,"
310
970759
1156
vi kaldte det "Gapminder", fra undergrundsbanen i London hvor de advarer en
16:11
from the London Underground, where they warn you, "Mind the gap."
311
971939
3097
"pas på gabet mellem tog og perron". Så vi tænkte at Gapminder var passende
16:15
So we thought Gapminder was appropriate.
312
975060
1959
Og vi begyndte at skrive programmer som kunne sammenkæde data således.
16:17
And we started to write software which could link the data like this.
313
977043
4181
Og det var ikke så svært igen. Det tog nogen mandeår, og vi har lavet bevægende fremstillinger.
16:21
And it wasn't that difficult.
314
981248
1547
16:22
It took some person years, and we have produced animations.
315
982819
3723
16:26
You can take a data set and put it there.
316
986566
2233
Man kan tage et datasæt og placere det der.
16:28
We are liberating UN data, some few UN organization.
317
988823
4476
Vi frigør FN-data, nogen få FN-organisationer.
16:33
Some countries accept that their databases can go out on the world.
318
993323
4278
Nogen lande accepterer at deres databaser kan komme ud i verden,
16:37
But what we really need is, of course, a search function,
319
997625
3245
men hvad vi virkelig har brug for er, naturligvis, en søgefunktion.
16:40
a search function where we can copy the data up to a searchable format
320
1000894
4502
En søgefunktion hvor vi kan kopiere data op i et søgbart format
16:45
and get it out in the world.
321
1005420
1518
og få det ud i verden. Og hvad hører vi når vi kommer rundt?
16:46
And what do we hear when we go around?
322
1006962
2165
Jeg har lavet antropologi på de statistiske hovedenheder. Alle siger,
16:49
I've done anthropology on the main statistical units.
323
1009151
3118
16:52
Everyone says, "It's impossible. This can't be done.
324
1012293
3009
"Det er umuligt. Det kan ikke gøres. Vores information er så særegen
16:55
Our information is so peculiar in detail,
325
1015326
2510
16:57
so that cannot be searched as others can be searched.
326
1017860
3104
i detaljen, at den ikke kan søges i som andres kan blive søgt i.
17:00
We cannot give the data free to the students,
327
1020988
2355
Vi kan ikke give data frit til de studerende, frit til verdens entreprenører."
17:03
free to the entrepreneurs of the world."
328
1023367
2126
Men dette er hvad vi gerne vil se, er det ikke?
17:06
But this is what we would like to see, isn't it?
329
1026256
2346
De offentligt financierede data er hernede.
17:09
The publicly funded data is down here.
330
1029175
2424
17:11
And we would like flowers to grow out on the net.
331
1031623
3035
Og vil vil gerne se blomster vokse frem på Nettet.
17:14
One of the crucial points is to make them searchable,
332
1034682
3270
Og et af de afgørende punkter er at gøre dem søgbare, og så kan folk bruge
17:17
and then people can use the different design tools to animate it there.
333
1037976
4287
de forskellige designværkøjer til at animere det der.
Og jeg har en ret god nyhed til jer. Jeg har den gode nyhed at lederen
17:22
And I have pretty good news for you.
334
1042287
2294
17:24
I have good news that the [current],
335
1044605
2194
17:26
new head of UN statistics doesn't say it's impossible.
336
1046823
3486
af FN's statistikafdeling, siger ikke det er umuligt.
17:30
He only says, "We can't do it."
337
1050333
1856
Han siger bare "Vi kan ikke gøre det."
17:32
(Laughter)
338
1052772
3532
(Latter)
17:36
And that's a quite clever guy, huh?
339
1056328
1883
Og det er en ret klog fyr, ikke?
17:38
(Laughter)
340
1058235
1849
(Latter)
17:40
So we can see a lot happening in data in the coming years.
341
1060108
4365
Så vi kan se der sker en masse med data i de kommende år.
17:44
We will be able to look at income distributions in completely new ways.
342
1064497
4376
Vi vil være i stand til at se på indkomstfordelinger på helt nye måder.
17:48
This is the income distribution of China, 1970.
343
1068897
5079
Dette er indkomstfordelingen i Kina, 1970.
17:54
This is the income distribution of the United States, 1970.
344
1074000
4796
indkomstfordelingen for USA, 1970.
17:58
Almost no overlap.
345
1078820
1851
Næsten intet overlap. Næsten intet overlap. Og hvad er der sket?
18:00
Almost no overlap.
346
1080695
1411
18:02
And what has happened?
347
1082130
1716
18:03
What has happened is this:
348
1083870
1481
Hvad der er sket er følgende: at Kina vokser, det er ikke så lige længere,
18:05
that China is growing, it's not so equal any longer,
349
1085375
2972
18:08
and it's appearing here, overlooking the United States,
350
1088371
3971
og det dukker op her, med udsigt til USA.
18:12
almost like a ghost, isn't it?
351
1092366
2292
Næsten som et spøgelse, er det ikke, hva'?
18:14
(Laughter)
352
1094682
1294
(Latter)
18:16
It's pretty scary.
353
1096000
1587
Det er ret skræmmende. Men jeg mener det er vigtigt at have al denne information.
18:17
(Laughter)
354
1097611
2261
18:22
But I think it's very important to have all this information.
355
1102762
3910
18:26
We need really to see it.
356
1106696
2730
Vi er virkelig nødt til at kunne se det. Og i stedet for at se på dette,
18:29
And instead of looking at this,
357
1109450
2883
18:32
I would like to end up by showing the internet users per 1,000.
358
1112357
5383
vil jeg gerne slutte med at vise antallet af internetbrugere pr 1000.
18:37
In this software, we access about 500 variables
359
1117764
2924
I dette program, har vi let adgang til omkring 500 variable fra alle landene.
18:40
from all the countries quite easily.
360
1120712
2267
Det tager nogen tid at ændre
18:43
It takes some time to change for this,
361
1123003
3134
18:46
but on the axes, you can quite easily get any variable you would like to have.
362
1126161
5818
men på akserne kan man ret nemt få en vilkårlig variabel man gerne vil have.
Og det vigtige vil være at få frigivet databaserne,
18:52
And the thing would be to get up the databases free,
363
1132003
4383
18:56
to get them searchable, and with a second click,
364
1136410
2809
få dem gjort søgbare, og med et klik mere, få dem
18:59
to get them into the graphic formats, where you can instantly understand them.
365
1139243
5056
på grafisk form, hvor man umiddelbart kan forstå dem.
19:04
Now, statisticians don't like it, because they say
366
1144323
3426
Nuvel, statistikere kan ikke lide det, fordi de siger at dette
19:07
that this will not show the reality;
367
1147773
6917
ikke vil vise virkeligheden - vi er nødt til at have statistiske, analytiske metoder.
19:14
we have to have statistical, analytical methods.
368
1154714
2288
Men denne måde genererer hypoteser.
19:17
But this is hypothesis-generating.
369
1157026
1950
19:19
I end now with the world.
370
1159000
1905
Jeg afslutter nu med verden. Der er det Internettet der kommer.
19:22
There, the internet is coming.
371
1162021
1485
19:23
The number of internet users are going up like this.
372
1163530
2483
Antallet af internetbrugere vokser således. Dette er bruttonationalindkomsten pr indbygger.
19:26
This is the GDP per capita.
373
1166037
2111
Og det er en ny teknologi der kommer ind, men på utroligste vis passer det
19:28
And it's a new technology coming in, but then amazingly,
374
1168172
3500
19:31
how well it fits to the economy of the countries.
375
1171696
4027
godt med landenes økonomi. Det er grunden til at 100 dollar
19:35
That's why the $100 computer will be so important.
376
1175747
2992
computeren vil være så vigtig. Men det er en god tendens.
19:38
But it's a nice tendency.
377
1178763
1405
19:40
It's as if the world is flattening off, isn't it?
378
1180192
2771
Det er ligesom at verden flader ud, ikke? Disse lande
19:42
These countries are lifting more than the economy,
379
1182987
2538
rejser sig mere end økonomen og vil være særdeles interessant
19:45
and it will be very interesting to follow this over the year,
380
1185549
2956
at følge dette over året, som jeg gerne vil have at I skal kunne
19:48
as I would like you to be able to do with all the publicly funded data.
381
1188529
3650
med alle de offentligt finansierede data. Mange tak.
19:52
Thank you very much.
382
1192203
1182
19:53
(Applause)
383
1193409
3000
(Klapsalve)
Om denne hjemmeside

På dette websted kan du se YouTube-videoer, der er nyttige til at lære engelsk. Du vil se engelskundervisning, der er udført af førsteklasses lærere fra hele verden. Dobbeltklik på de engelske undertekster, der vises på hver videoside, for at afspille videoen derfra. Underteksterne ruller i takt med videoafspilningen. Hvis du har kommentarer eller ønsker, bedes du kontakte os ved hjælp af denne kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7