Gary Flake: is Pivot a turning point for web exploration?

Gary Flake: Es Pivot un eje de cambio para la exploracion web?

60,357 views

2010-03-03 ・ TED


New videos

Gary Flake: is Pivot a turning point for web exploration?

Gary Flake: Es Pivot un eje de cambio para la exploracion web?

60,357 views ・ 2010-03-03

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: John Walker Revisor: Rafael Ortiz
00:16
If I can leave you with one big idea today,
0
16260
2000
Si puedo dejarlos este día con una sola gran idea,
00:18
it's that the whole of the data
1
18260
2000
es que el cúmulo de datos
00:20
in which we consume
2
20260
2000
que consumimos
00:22
is greater that the sum of the parts,
3
22260
2000
es mayor que la suma de las partes,
00:24
and instead of thinking about information overload,
4
24260
3000
y, en lugar de verlo como una sobrecarga de información,
00:27
what I'd like you to think about is how
5
27260
2000
Lo que quiero que piensen es en cómo
00:29
we can use information so that patterns pop
6
29260
3000
podemos utilizar esa información para resaltar patrones
00:32
and we can see trends that would otherwise be invisible.
7
32260
3000
y ver tendencias que de otro modo serian invisibles.
00:35
So what we're looking at right here is a typical mortality chart
8
35260
3000
Así que lo que estamos viendo aquí es una tabla típica de mortalidad
00:38
organized by age.
9
38260
2000
organizada por edad.
00:40
This tool that I'm using here is a little experiment.
10
40260
2000
Esta herramienta que uso es un pequeño experimento.
00:42
It's called Pivot, and with Pivot what I can do
11
42260
3000
Se llama Pivot, y con Pivot lo que puedo hacer
00:45
is I can choose to filter in one particular cause of deaths -- say, accidents.
12
45260
4000
es filtrar una causa en particular de muertes, digamos accidentes.
00:49
And, right away, I see there's a different pattern that emerges.
13
49260
3000
E inmediatamente vemos que se hace evidente un patrón diferente.
00:52
This is because, in the mid-area here,
14
52260
2000
Esto es porque, en la sección central aquí,
00:54
people are at their most active,
15
54260
2000
las personas están su etapa mas activa,
00:56
and over here they're at their most frail.
16
56260
2000
y aquí están en la mas frágil.
00:58
We can step back out again
17
58260
2000
Podemos nuevamente volver atrás
01:00
and then reorganize the data by cause of death,
18
60260
2000
y reorganizar los datos por causa de muerte,
01:02
seeing that circulatory diseases and cancer
19
62260
3000
viendo que las enfermedades circulatorias y el cáncer
01:05
are the usual suspects, but not for everyone.
20
65260
3000
son los sospechosos usuales, aunque no para todos.
01:08
If we go ahead and we filter by age --
21
68260
3000
Si filtramos por edad,
01:11
say 40 years or less --
22
71260
2000
digamos menores de 40 años,
01:13
we see that accidents are actually
23
73260
2000
vemos que los accidentes son realmente
01:15
the greatest cause that people have to be worried about.
24
75260
3000
la principal causa de la que la gente debe preocuparse.
01:18
And if you drill into that, it's especially the case for men.
25
78260
3000
Y si te adentras mas en eso, es mas común en el caso de los hombres.
01:21
So you get the idea
26
81260
2000
Así que entienden la idea
01:23
that viewing information, viewing data in this way,
27
83260
3000
de que ver la información y los datos en esta manera,
01:26
is a lot like swimming
28
86260
2000
es como nadar
01:28
in a living information info-graphic.
29
88260
3000
en una infografía viviente de información.
01:31
And if we can do this for raw data,
30
91260
2000
Y si podemos hacer esto con datos crudos,
01:33
why not do it for content as well?
31
93260
3000
¿Por qué no lo hacemos también para contenido?
01:36
So what we have right here
32
96260
2000
Así que lo que tenemos aquí,
01:38
is the cover of every single Sports Illustrated
33
98260
3000
es la portada de todas las Sports Illustrated
01:41
ever produced.
34
101260
2000
que se han producido.
01:43
It's all here; it's all on the web.
35
103260
2000
Todo esta aquí. En la web.
01:45
You can go back to your rooms and try this after my talk.
36
105260
3000
Pueden regresar a sus habitaciones e intentar esto después de mi platica.
01:48
With Pivot, you can drill into a decade.
37
108260
3000
Con Pivot pueden reducirlo a una década.
01:51
You can drill into a particular year.
38
111260
2000
O reducirlo a un año en particular.
01:53
You can jump right into a specific issue.
39
113260
3000
O puedes brincar directo a una edición en particular.
01:56
So I'm looking at this; I see the athletes
40
116260
2000
Asi que estoy viendo esto, veo atletas
01:58
that have appeared in this issue, the sports.
41
118260
2000
que han aparecido en esta edición, los deportes.
02:00
I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that,
42
120260
3000
Soy un fan de Lance Armstrong, así que le daré clic a eso,
02:03
which reveals, for me, all the issues
43
123260
2000
que me revela, todas las ediciones
02:05
in which Lance Armstrong's been a part of.
44
125260
2000
en las que está Lance Armostrong.
02:07
(Applause)
45
127260
3000
(Aplausos)
02:10
Now, if I want to just kind of take a peek at these,
46
130260
3000
Ahora si solo quieren darle un vistazo a esto,
02:13
I might think,
47
133260
2000
podríamos pensar,
02:15
"Well, what about taking a look at all of cycling?"
48
135260
2000
"¿Qué tal si vemos todo lo relacionado con el ciclismo?"
02:17
So I can step back, and expand on that.
49
137260
2000
Así que puedo volver, y expandir eso.
02:19
And I see Greg LeMond now.
50
139260
2000
Y ahora veo a Greg Lemond.
02:21
And so you get the idea that when you
51
141260
2000
Así tienes una idea de que cuando
02:23
navigate over information this way --
52
143260
2000
navegas la información de esta manera,
02:25
going narrower, broader,
53
145260
2000
acotando, expandiendo,
02:27
backing in, backing out --
54
147260
2000
adentrándote, retirándote,
02:29
you're not searching, you're not browsing.
55
149260
2000
no estás buscando, no estás navegando.
02:31
You're doing something that's actually a little bit different.
56
151260
2000
Estas haciendo algo ligeramente distinto.
02:33
It's in between, and we think it changes
57
153260
3000
Es un intermedio, y pensamos que cambia
02:36
the way information can be used.
58
156260
2000
la forma en que se aprovecha la información.
02:38
So I want to extrapolate on this idea a bit
59
158260
2000
Así que quiero extrapolar un poco esta idea
02:40
with something that's a little bit crazy.
60
160260
2000
algo que es un poco loco.
02:42
What we're done here is we've taken every single Wikipedia page
61
162260
3000
Lo que hemos hecho es que hemos tomado todas las páginas de wikipedia
02:45
and we reduced it down to a little summary.
62
165260
3000
y las hemos reducido a un pequeño resumen.
02:48
So the summary consists of just a little synopsis
63
168260
3000
El resumen consiste en una pequeña sinopsis
02:51
and an icon to indicate the topical area that it comes from.
64
171260
3000
y un ícono que indica el área de tópicos de la que proviene.
02:54
I'm only showing the top 500
65
174260
3000
Solo estoy mostrando las 500
02:57
most popular Wikipedia pages right here.
66
177260
2000
páginas mas populares de Wikipedia.
02:59
But even in this limited view,
67
179260
2000
Pero aún en esta vista limitada,
03:01
we can do a lot of things.
68
181260
2000
podemos hacer muchas cosas.
03:03
Right away, we get a sense of what are the topical domains
69
183260
2000
De inmediato, podemos tener un sentir de los topicos
03:05
that are most popular on Wikipedia.
70
185260
2000
más populares en Wikipedia.
03:07
I'm going to go ahead and select government.
71
187260
2000
Voy a aventurarme a seleccionar gobierno.
03:09
Now, having selected government,
72
189260
3000
Ahora, habiendo seleccionado gobierno,
03:12
I can now see that the Wikipedia categories
73
192260
2000
puedo ver que las categorías de Wikipedia
03:14
that most frequently correspond to that
74
194260
2000
que más frecuentemente corresponden a eso
03:16
are Time magazine People of the Year.
75
196260
3000
son la revista Time Personas del Año.
03:19
So this is really important because this is an insight
76
199260
3000
Esto es verdaderamente importante porque esto revela
03:22
that was not contained within any one Wikipedia page.
77
202260
3000
algo que no estaba contenido en ninguna página de Wikipedia.
03:25
It's only possible to see that insight
78
205260
2000
Solo es posible dar esa mirada
03:27
when you step back and look at all of them.
79
207260
3000
cuando das un paso atrás y lo ves todo.
03:30
Looking at one of these particular summaries,
80
210260
2000
Viendo uno de estos resúmenes en particular,
03:32
I can then drill into the concept of
81
212260
3000
Puedo entonces indagar en el concepto de
03:35
Time magazine Person of the Year,
82
215260
2000
la revista Time Personas del Año,
03:37
bringing up all of them.
83
217260
2000
y verlas todas.
03:39
So looking at these people,
84
219260
2000
Así que viendo a estas personas,
03:41
I can see that the majority come from government;
85
221260
3000
puedo ver que la mayoría de ellas viene del gobierno.
03:45
some have come from natural sciences;
86
225260
3000
Algunos vienen de ciencias naturales.
03:49
some, fewer still, have come from business --
87
229260
3000
Unos cuantos, vienen del mundo de los negocios.
03:53
there's my boss --
88
233260
2000
Ahí esta mi jefe.
03:55
and one has come from music.
89
235260
5000
Y uno de ellos viene de la música.
04:00
And interestingly enough,
90
240260
2000
Y de mayor interés,
04:02
Bono is also a TED Prize winner.
91
242260
3000
Bono también es un ganador del premio TED.
04:05
So we can go, jump, and take a look at all the TED Prize winners.
92
245260
3000
Así que podemos saltar y dar un vistazo a todos los ganadores del premio TED.
04:08
So you see, we're navigating the web for the first time
93
248260
3000
Como ven, estamos navegando la Web por primera vez
04:11
as if it's actually a web, not from page-to-page,
94
251260
3000
como si realmente fuera una red, no de página en página,
04:14
but at a higher level of abstraction.
95
254260
2000
sino a un nivel mayor de abstracción.
04:16
And so I want to show you one other thing
96
256260
2000
Quiero mostrarles una cosa más
04:18
that may catch you a little bit by surprise.
97
258260
3000
que pueda quizá sorprenderles un poco.
04:21
I'm just showing the New York Times website here.
98
261260
3000
Solo estoy mostrando aquí el sito del New York Times.
04:24
So Pivot, this application --
99
264260
2000
Y Pivot, esta herramienta --
04:26
I don't want to call it a browser; it's really not a browser,
100
266260
2000
No quiero llamarla un navegador; realmente no es un navegador,
04:28
but you can view web pages with it --
101
268260
3000
pero puedes ver paginas Web con ella --
04:31
and we bring that zoomable technology
102
271260
2000
y traemos la tecnología de acercamiento
04:33
to every single web page like this.
103
273260
3000
a cada página web como esta.
04:36
So I can step back,
104
276260
3000
Puedo regresar,
04:39
pop right back into a specific section.
105
279260
2000
dar un brinco atrás a una sección especifica.
04:41
Now the reason why this is important is because,
106
281260
2000
Ahora, la razón por lo que es importante es porque,
04:43
by virtue of just viewing web pages in this way,
107
283260
3000
por el hecho simple de ver páginas Web de esta manera,
04:46
I can look at my entire browsing history
108
286260
2000
puedo ver mi historial de navegación completo
04:48
in the exact same way.
109
288260
2000
exactamenrte en la misma manera.
04:50
So I can drill into what I've done
110
290260
2000
Y puedo adentrarme en lo que he hecho
04:52
over specific time frames.
111
292260
2000
en periodos de tiempo específicos.
04:54
Here, in fact, is the state
112
294260
2000
Aquí, de hecho, aparece el estado
04:56
of all the demo that I just gave.
113
296260
2000
de toda la demostración que acabo de dar.
04:58
And I can sort of replay some stuff that I was looking at earlier today.
114
298260
3000
Y puedo hacer una reproducción de algunas de las cosas que veía esta mañana.
05:01
And, if I want to step back and look at everything,
115
301260
3000
Y, si quiero regresar y ver todo,
05:04
I can slice and dice my history,
116
304260
2000
puedo rebanar y recortar mi historial
05:06
perhaps by my search history --
117
306260
2000
quizá por el historial de búsquedas.
05:08
here, I was doing some nepotistic searching,
118
308260
2000
Aquí, estaba haciendo un poco de búsqueda nepotista,
05:10
looking for Bing, over here for Live Labs Pivot.
119
310260
3000
buscando por Bing, por aquí los Live Labs Pivot.
05:13
And from these, I can drill into the web page
120
313260
2000
Y desde aquí puedo adentrarme a la página web
05:15
and just launch them again.
121
315260
2000
y volverlos a ejecutar.
05:17
It's one metaphor repurposed multiple times,
122
317260
3000
Es una metáfora que tiene un nuevo propósito cada vez,
05:20
and in each case it makes the whole greater
123
320260
2000
y en cada caso hace que la suma sea más grande
05:22
than the sum of the parts with the data.
124
322260
2000
que la suma de sus partes con los datos.
05:24
So right now, in this world,
125
324260
3000
Así que ahora, en este mundo,
05:27
we think about data as being this curse.
126
327260
3000
pensamos en los datos como una maldición.
05:30
We talk about the curse of information overload.
127
330260
3000
Hablamos acerca de la maldición de la sobrecarga de información.
05:33
We talk about drowning in data.
128
333260
3000
Hablamos acerca de ahogarnos en datos.
05:36
What if we can actually turn that upside down
129
336260
2000
¿Qué tal si le damos la vuelta a esto
05:38
and turn the web upside down,
130
338260
2000
y ponemos de cabeza la web,
05:40
so that instead of navigating from one thing to the next,
131
340260
3000
para que en lugar de ir de una cosa a la siguiente,
05:43
we get used to the habit of being able to go from many things to many things,
132
343260
3000
nos acostumbremos al hábito de poder ir de muchas cosas a muchas cosas,
05:46
and then being able to see the patterns
133
346260
2000
y luego poder ver los patrones
05:48
that were otherwise hidden?
134
348260
2000
que de otra manera estarían ocultos?
05:50
If we can do that, then instead of being trapped in data,
135
350260
5000
Si podemos hacer eso, entonces en vez de estar atrapados en datos,
05:55
we might actually extract information.
136
355260
3000
podremos realmente extraer información.
05:58
And, instead of dealing just with information,
137
358260
2000
Y si, en lugar de solo tratar con la información,
06:00
we can tease out knowledge.
138
360260
2000
podamos extraerle conocimiento,
06:02
And if we get the knowledge, then maybe even there's wisdom to be found.
139
362260
3000
y si tenemos el conocimiento, entonces quizá podamos encontrar sabiduría.
06:05
So with that, I thank you.
140
365260
2000
Así que con eso, les doy las gracias.
06:07
(Applause)
141
367260
8000
(Aplausos)
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7