This app makes it fun to pick up litter | Jeff Kirschner

140,736 views ・ 2017-03-22

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Elisavet Balla Επιμέλεια: Chryssa R. Takahashi
00:12
This story starts with these two --
0
12835
2993
Η ιστορία ξεκινάει με αυτά τα δύο --
00:15
my kids.
1
15852
1258
τα παιδιά μου.
00:17
We were hiking in the Oakland woods
2
17134
1682
Πεζοπορούσαμε στο δάσος του Όκλαντ
00:18
when my daughter noticed a plastic tub of cat litter in a creek.
3
18840
4134
όταν η κόρη μου παρατήρησε μια πλαστική τουαλέτα για γάτες σε ένα ρυάκι.
00:23
She looked at me and said,
4
23467
1662
Με κοίταξε και είπε,
00:25
"Daddy?
5
25153
2507
«Μπαμπά;
00:27
That doesn't go there."
6
27684
1650
Αυτό δεν έπρεπε να είναι εκεί».
00:29
When she said that, it reminded me of summer camp.
7
29358
2422
Όταν το είπε αυτό, θυμήθηκα την κατασκήνωση.
00:31
On the morning of visiting day,
8
31804
1498
Το πρωί του επισκεπτηρίου,
00:33
right before they'd let our anxious parents come barreling through the gates,
9
33326
3663
πριν αφήσουν τους νευρικούς γονείς μας να ξεχυθούν από τις πόρτες,
00:37
our camp director would say,
10
37013
1369
ο ομαδάρχης μας έλεγε,
00:38
"Quick! Everyone pick up five pieces of litter."
11
38406
2309
«Γρήγορα! Ο καθένας να μαζέψει πέντε σκουπίδια».
00:40
You get a couple hundred kids each picking up five pieces,
12
40739
3040
Εάν μερικές εκατοντάδες παιδιά μαζέψουν από πέντε σκουπίδια,
00:43
and pretty soon, you've got a much cleaner camp.
13
43803
2573
πολύ σύντομα θα έχετε μια πολύ καθαρότερη κατασκήνωση.
00:46
So I thought,
14
46400
1159
Οπότε σκέφτηκα,
00:47
why not apply that crowdsourced cleanup model to the entire planet?
15
47583
4537
γιατί να μην εφαρμοστεί αυτό το ομαδικό μοντέλο καθαριότητας σε όλο τον κόσμο;
00:52
And that was the inspiration for Litterati.
16
52144
2951
Αυτή ήταν η έμπνευση για το Litterati.
00:55
The vision is to create a litter-free world.
17
55119
3349
Το όραμα είναι να φτιάξουμε έναν κόσμο χωρίς σκουπίδια.
00:58
Let me show you how it started.
18
58492
1508
Θα σας δείξω πώς ξεκίνησε.
01:00
I took a picture of a cigarette using Instagram.
19
60024
3386
Φωτογράφησα μια γόπα τσιγάρου μέσω Instagram.
01:04
Then I took another photo ...
20
64042
1867
Μετά έβγαλα κι άλλη φωτογραφία...
01:05
and another photo ...
21
65933
1557
κι άλλη...
01:07
and another photo.
22
67514
1167
κι άλλη.
01:08
And I noticed two things:
23
68705
1286
Παρατήρησα δύο πράγματα:
01:10
one, litter became artistic and approachable;
24
70015
3472
πρώτον, τα σκουπίδια έδειχναν περίτεχνα και προσιτά
01:14
and two,
25
74064
1151
δεύτερον,
01:15
at the end of a few days, I had 50 photos on my phone
26
75239
2515
μετά από λίγες μέρες είχα 50 φωτογραφίες στο κινητό
01:17
and I had picked up each piece,
27
77778
1587
και είχα μαζέψει 50 σκουπίδια,
01:19
and I realized that I was keeping a record
28
79389
2385
και κατάλαβα πως κράταγα αρχείο
01:21
of the positive impact I was having on the planet.
29
81798
3151
της θετικής επίδρασής μου στον πλανήτη.
01:24
That's 50 less things that you might see,
30
84973
2188
Πενήντα λιγότερα πράγματα που ίσως δείτε,
01:27
or you might step on,
31
87185
1243
ίσως πατήσετε,
01:28
or some bird might eat.
32
88452
1458
ή ίσως φάει κάποιο πουλί.
01:30
So I started telling people what I was doing,
33
90589
2652
Οπότε ξεκίνησα να μοιράζομαι με άλλους τι έκανα
01:33
and they started participating.
34
93265
2356
και ξεκίνησαν να συμμετέχουν.
01:36
One day,
35
96651
1693
Μια μέρα,
01:38
this photo showed up from China.
36
98368
2528
εμφανίστηκε αυτή η φωτογραφία από την Κίνα.
01:41
And that's when I realized
37
101859
1271
Τότε συνειδητοποίησα
01:43
that Litterati was more than just pretty pictures;
38
103154
3266
ότι το Litterati δεν ήταν μόνο όμορφες φωτογραφίες,
01:46
we were becoming a community that was collecting data.
39
106444
3369
αλλά γινόταν σταδιακά μια κοινότητα που μάζευε δεδομένα.
01:50
Each photo tells a story.
40
110689
1890
Κάθε φωτογραφία λέει μια ιστορία.
01:53
It tells us who picked up what,
41
113099
2193
Μας λέει ποιος μάζεψε τι,
01:55
a geotag tells us where
42
115316
2011
η γεωγραφική ετικέτα μας λέει πού,
01:57
and a time stamp tells us when.
43
117351
2030
και η χρονική στιγμή μας λέει πότε.
01:59
So I built a Google map,
44
119826
2429
Οπότε έφτιαξα έναν χάρτη στο Google,
02:02
and started plotting the points where pieces were being picked up.
45
122279
4053
και σημείωσα τα σημεία που μαζεύονταν τα σκουπίδια.
02:06
And through that process, the community grew
46
126356
3918
Εν μέσω αυτής της διαδικασίας, η κοινότητα μεγάλωσε
02:10
and the data grew.
47
130298
1639
όπως και τα δεδομένα.
02:12
My two kids go to school right in that bullseye.
48
132626
3461
Τα παιδιά μου πηγαίνουν σχολείο ακριβώς στη μέση.
02:16
Litter:
49
136945
1211
Σκουπίδια...
02:18
it's blending into the background of our lives.
50
138180
2704
ανακατεύονται με το παρασκήνιο της ζωής μας.
02:20
But what if we brought it to the forefront?
51
140908
2099
Αν όμως τα φέρναμε στο προσκήνιο;
02:23
What if we understood exactly what was on our streets,
52
143031
2912
Αν προσέχαμε το καθετί που βρίσκεται στους δρόμους μας,
02:25
our sidewalks
53
145967
1389
στα πεζοδρόμια μας,
02:27
and our school yards?
54
147380
1538
και στις σχολικές αυλές μας;
02:28
How might we use that data to make a difference?
55
148942
3247
Πώς θα χειριζόμασταν αυτά τα δεδομένα για να φέρουμε την αλλαγή;
02:33
Well, let me show you.
56
153009
1198
Λοιπόν, θα σας δείξω.
02:34
The first is with cities.
57
154231
1385
Ξεκινάμε με τις πόλεις.
02:36
San Francisco wanted to understand what percentage of litter was cigarettes.
58
156238
4639
Στο Σαν Φρανσίσκο ήθελαν να βρουν πόσα από τα σκουπίδια είναι αποτσίγαρα.
02:40
Why?
59
160901
1162
Γιατί;
02:42
To create a tax.
60
162087
1209
Για να φτιάξουν έναν φόρο.
02:43
So they put a couple of people in the streets
61
163893
2135
Έτσι βγάζουν κάποια άτομα στους δρόμους
02:46
with pencils and clipboards,
62
166052
1361
με μολύβια και ντοσιέ,
02:47
who walked around collecting information
63
167437
2063
που περιφέρονταν μαζεύοντας πληροφορίες,
02:49
which led to a 20-cent tax on all cigarette sales.
64
169524
3111
οδηγώντας στον φόρο 20 λεπτών για όλες τις πωλήσεις τσιγάρων.
02:53
And then they got sued
65
173607
2153
Και μετά τους έκαναν μήνυση οι μεγαλύτερες βιομηχανίες καπνού
02:55
by big tobacco,
66
175784
1176
02:56
who claimed that collecting information with pencils and clipboards
67
176984
3216
που ισχυρίζονται πως η συλλογή πληροφοριών με τέτοιο τρόπο
03:00
is neither precise nor provable.
68
180224
2331
δεν είναι ούτε ακριβής ούτε επαληθεύσιμος.
03:03
The city called me and asked if our technology could help.
69
183274
3680
Η πόλη με κάλεσε και με ρώτησε αν η τεχνολογία μας μπορεί να βοηθήσει.
03:06
I'm not sure they realized
70
186978
1249
Δεν νομίζω να κατάλαβαν
03:08
that our technology was my Instagram account --
71
188251
2248
πως η τεχνολογία μας ήταν το Instagram μου --
03:10
(Laughter)
72
190523
1039
(Γέλια)
03:11
But I said, "Yes, we can."
73
191586
1266
αλλά είπα «Ναι, μπορούμε».
03:12
(Laughter)
74
192876
1016
03:13
"And we can tell you if that's a Parliament or a Pall Mall.
75
193916
3908
(Γέλια)
«Και μπορούμε να σας πούμε και τη μάρκα του τσιγάρου.
03:17
Plus, every photograph is geotagged and time-stamped,
76
197848
3425
Συν ότι οι φωτογραφίες έχουν τοποθεσία και ώρα,
03:21
providing you with proof."
77
201297
1381
παρέχοντας έτσι αποδείξεις».
03:23
Four days and 5,000 pieces later,
78
203659
3220
Τέσσερις μέρες και 5.000 αναρτήσεις μετά,
03:26
our data was used in court to not only defend but double the tax,
79
206903
4938
τα δεδομένα μας όχι απλά στήριζαν αλλά διπλασίαζαν τον φόρο στο δικαστήριο
03:31
generating an annual recurring revenue of four million dollars
80
211865
4323
παράγοντας ένα ετήσιο τακτικό εισόδημα 4.000.000 δολαρίων,
03:36
for San Francisco to clean itself up.
81
216212
2295
ώστε να καθαριστεί το Σαν Φρανσίσκο.
03:39
Now, during that process I learned two things:
82
219821
2235
Μέσω αυτής της διαδικασίας έμαθα δύο πράματα:
03:42
one, Instagram is not the right tool --
83
222080
2554
πρώτον, το Instagram δεν είναι το σωστό εργαλείο --
03:44
(Laughter)
84
224658
1031
(Γέλια)
03:45
so we built an app.
85
225713
1503
οπότε φτιάξαμε μια εφαρμογή.
03:47
And two, if you think about it,
86
227240
1633
Και δεύτερον, αν το καλοσκεφτείτε,
03:48
every city in the world has a unique litter fingerprint,
87
228897
3617
κάθε πόλη του κόσμου έχει ένα μοναδικό αποτύπωμα σκουπιδιών
03:52
and that fingerprint provides both the source of the problem
88
232538
3836
και αυτό το αποτύπωμα δεν είναι μόνο η πηγή του προβλήματος
03:56
and the path to the solution.
89
236398
1921
αλλά και οδηγός προς επίλυσή του.
03:59
If you could generate a revenue stream
90
239466
2378
Αν μπορούσατε να παράξετε μια ροή εσόδων
04:01
just by understanding the percentage of cigarettes,
91
241868
2463
μόνο από το να κατανοήσετε το ποσοστό των τσιγάρων,
04:04
well, what about coffee cups
92
244355
2096
τότε τι θα λέγατε για τα ποτήρια καφέ
04:06
or soda cans
93
246475
1706
ή τα κουτάκια αναψυκτικών
04:08
or plastic bottles?
94
248205
1414
ή τα πλαστικά μπουκάλια;
04:10
If you could fingerprint San Francisco, well, how about Oakland
95
250321
3201
Αν θα μπορούσατε να αποτυπώσετε το Σαν Φρανσίσκο, τι λέτε για το Όκλαντ
04:13
or Amsterdam
96
253546
1696
ή το Άμστερνταμ
04:15
or somewhere much closer to home?
97
255266
2970
ή κάπου πιο κοντά σε σας;
04:19
And what about brands?
98
259228
1234
Τι λέτε για τις εταιρίες;
04:20
How might they use this data
99
260486
1901
Πώς μπορούν να αξιοποιήσουν τα δεδομένα
04:22
to align their environmental and economic interests?
100
262411
4212
για να εξισορροπήσουν την οικολογία με την οικονομία;
04:27
There's a block in downtown Oakland that's covered in blight.
101
267466
3212
Ένα τετράγωνο του κέντρου του Όκλαντ είναι γεμάτο σκουπίδια.
04:31
The Litterati community got together and picked up 1,500 pieces.
102
271145
4104
Η Litterati κοινότητα συγκεντρώθηκε και μάζεψε πάνω από 1.500 σκουπίδια.
04:35
And here's what we learned:
103
275632
1340
Ορίστε τι μάθαμε:
04:36
most of that litter came from a very well-known taco brand.
104
276996
3210
τα πιο πολλά σκουπίδια προέρχονται από μια πασίγνωστη εταιρία τάκος.
04:41
Most of that brand's litter were their own hot sauce packets,
105
281558
3577
Τα περισσότερα απ' αυτά, ήταν φακελάκια της καυτής σάλτσας τους,
04:46
and most of those hot sauce packets hadn't even been opened.
106
286258
3626
και τα περισσότερα απ' αυτά τα φακελάκια δεν ήταν καν ανοιγμένα.
04:51
The problem and the path to the solution --
107
291785
2715
Το πρόβλημα και το μονοπάτι προς επίλυση
04:54
well, maybe that brand only gives out hot sauce upon request
108
294524
3961
ίσως αυτή η εταιρία πρέπει να δίνει τη σάλτσα αν ζητηθεί απ' τον πελάτη
04:58
or installs bulk dispensers
109
298509
2009
ή να τοποθετήσει χύμα διανομείς
05:00
or comes up with more sustainable packaging.
110
300542
2552
ή να χρησιμοποιεί πιο βιώσιμη συσκευασία.
05:03
How does a brand take an environmental hazard,
111
303118
2969
Πώς μπορεί μια εταιρία να πάρει ένα περιβαλλοντικό κίνδυνο,
05:06
turn it into an economic engine
112
306111
2006
να τον αλλάξει σε οικονομικό κινητήρα
05:08
and become an industry hero?
113
308141
1768
και να γίνει ήρωας στη Βιομηχανία;
05:11
If you really want to create change,
114
311112
2202
Αν πραγματικά θέλετε να φέρετε την αλλαγή,
05:13
there's no better place to start than with our kids.
115
313338
2874
ο καλύτερος τρόπος είναι να ξεκινήσετε απ' τα παιδιά.
05:16
A group of fifth graders picked up 1,247 pieces of litter
116
316236
3403
Μια ομάδα παιδιών Ε' δημοτικού μάζεψαν 1.247 σκουπίδια,
05:19
just on their school yard.
117
319663
1848
μόνο απ' την αυλή του σχολείου τους.
05:21
And they learned that the most common type of litter
118
321535
2532
Έτσι κατάλαβαν πως τα περισσότερα σκουπίδια
05:24
were the plastic straw wrappers from their own cafeteria.
119
324091
3234
ήταν πλαστικά περιτυλίγματα από καλαμάκια του κυλικείου.
05:27
So these kids went to their principal and asked,
120
327767
2529
Έτσι τα παιδιά πήγαν στον διευθυντή και τον ρώτησαν,
05:30
"Why are we still buying straws?"
121
330320
1660
«Γιατί αγοράζουμε ακόμα καλαμάκια;»
05:32
And they stopped.
122
332986
1755
Και σταμάτησαν.
05:34
And they learned that individually they could each make a difference,
123
334765
3654
Και έμαθαν πως ξεχωριστά ο καθένας μπορεί να διαφοροποιηθεί,
05:38
but together they created an impact.
124
338443
2338
αλλά μαζί μπορούν να έχουν αντίκτυπο.
05:41
It doesn't matter if you're a student or a scientist,
125
341323
4012
Δεν έχει νόημα αν είστε μαθητής ή επιστήμονας,
05:45
whether you live in Honolulu or Hanoi,
126
345359
3135
αν ζείτε στη Χονολουλού ή στο Ανόι,
05:48
this is a community for everyone.
127
348518
2441
αυτή είναι μια κοινότητα για όλους.
05:51
It started because of two little kids in the Northern California woods,
128
351794
4679
Ξεκίνησε λόγω δύο μικρών παιδιών σε ένα δάσος της Νότιας Καλιφόρνια,
05:56
and today it's spread across the world.
129
356497
2814
και σήμερα έχει εξαπλωθεί παντού.
05:59
And you know how we're getting there?
130
359758
1783
Και ξέρετε πώς συνέβη αυτό;
06:01
One piece at a time.
131
361887
1878
Κομμάτι-κομμάτι.
06:04
Thank you.
132
364328
1215
Σας ευχαριστώ.
06:05
(Applause)
133
365567
3618
(Χειροκρότημα)
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7