The Vital Data You Flush Down the Toilet | Newsha Ghaeli | TED

59,458 views ・ 2024-01-05

TED


لطفا برای پخش فیلم روی زیرنویس انگلیسی زیر دوبار کلیک کنید.

Translator: alireza masoum Reviewer: mohammad ali masoum
00:04
Has it ever occurred to you, as you walk down the street,
0
4251
3503
تا به حال هنگام راه رفتن در خیابان به ذهن شما خطور کرده است،
00:07
just how much data is flowing beneath your feet?
1
7796
3628
که چقدر داده زیر پای شما جاری است؟
00:12
A wealth of information on our health and our well-being
2
12175
2920
انبوهی از اطلاعات در مورد سلامت و تندرستی ما
00:15
is running through our city sewers,
3
15136
2294
از طریق فاضلاب شهری ما عبور می‌کند،
00:17
and we're all contributing to it every single time we use the toilet.
4
17472
3879
و همه ما هر بار که از توالت استفاده می‌کنیم در آن سهیم هستیم.
00:22
Think about it.
5
22561
1167
در مورد آن فکر کنید.
00:23
Everybody pees and poops,
6
23770
2461
همه ادرار و مدفوع می‌کنند،
00:26
and we know that urine and stool contain a rich source of information
7
26273
3878
و می‌دانیم که ادرار و مدفوع حاوی منبع غنی از اطلاعات
00:30
on our health and our well-being.
8
30151
1585
در مورد سلامت و تندرستی ما هستند.
00:32
Our doctors look at it all the time to analyze for a variety of things.
9
32195
4588
پزشکان ما همیشه به آن نگاه می‌کنند تا چیزهای مختلفی را تجزیه و تحلیل کنند.
00:37
Now, every time you flush,
10
37158
1627
اکنون، هر بار که سیفون می‌کشید،
00:38
you're sending this valuable information down into our sewers,
11
38785
3754
این اطلاعات ارزشمند را به فاضلاب ما ارسال می‌کنید،
00:42
where it's mixing with waste from hundreds of thousands of other people.
12
42539
3837
جایی که با زباله‌های صدها هزار نفر دیگر مخلوط می‌شود.
00:46
Once collected, it looks something like this.
13
46418
2961
پس از جمع آوری، چیزی شبیه به این به نظر می‌رسد.
00:49
This tiny sample
14
49379
2044
این نمونه کوچک
00:51
comes from a wastewater treatment plant
15
51423
2043
از یک تصفیه خانه فاضلاب می‌آید
00:53
that represents more than one million people.
16
53508
2711
که برای بیش از یک میلیون نفر را نشان می‌دهد.
00:56
And from it, we can detect all sorts of things about that community:
17
56219
4171
و از آن، می توانیم انواع چیزها را در مورد آن جامعه تشخیص دهیم:
01:01
the infectious disease viruses that are circulating in our bodies,
18
61141
4421
ویروس‌های بیماری‌های عفونی که در بدن ما در حال گردش هستند،
01:05
chemical markers for the drugs that are most commonly consumed.
19
65562
4171
نشانگرهای شیمیایی برای داروهایی که بیشتر مصرف می‌شوند.
01:09
And we can analyze for all the bacteria that live in our collective microbiomes.
20
69733
5130
و تمام باکتری‌هایی را که در میکروبیوم جمعی ما زندگی می‌کنند را تحلیل کنیم.
01:15
Now, if this sounds too close for comfort,
21
75488
2044
حالا، اگر این برای راحتی بسیار نزدیک به نظر می‌رسد،
01:17
just consider all the personalized data that you're parting with every day
22
77532
3754
فقط تمام داده های شخصی شده ای را که هر روز هنگام استفاده از ابزارهایی مانند
01:21
when you use gadgets like your smartphone or your smart watch.
23
81286
3628
تلفن هوشمند یا ساعت هوشمند خود از آنها جدا می‌شوید در نظر بگیرید.
01:24
What's amazing about sewage
24
84956
2086
چیزی که در مورد فاضلاب شگفت انگیز است
01:27
is that it's naturally aggregated and anonymized.
25
87042
3169
این است که به طور طبیعی انباشته و ناشناس است.
01:30
Once flushed,
26
90879
1418
پس از سیفون کشیدن،
01:32
your waste is mixing with that of thousands and thousands of people,
27
92339
3378
زباله‌های شما با هزاران و هزاران نفر مخلوط می‌شود،
01:35
so there's actually no way to tie any information from here
28
95717
3378
بنابراین در واقع هیچ راهی برای پیوند دادن اطلاعات از اینجا
01:39
back to a specific person.
29
99095
1877
به یک شخص خاص وجود ندارد.
01:41
Put differently, it's the perfect data dump.
30
101264
3379
به عبارت دیگر، این یک تخلیه کامل اطلاعات است.
01:44
(Laughter)
31
104684
2503
(خنده حضار)
01:47
The thoughtful collection and analysis of sewage
32
107187
3003
جمع آوری و تجزیه و تحلیل متفکرانه فاضلاب
01:50
has the potential to radically improve health outcomes
33
110231
3170
پتانسیل بهبود اساسی نتایج بهداشتی
01:53
in cities around the world,
34
113401
1877
در شهرهای سراسر جهان را دارد،
01:55
and it's a growing field called "wastewater epidemiology."
35
115278
3712
و این یک زمینه رو به رشد به نام «اپیدمیولوژی فاضلاب» است.
01:59
And wastewater epidemiology is but one example
36
119324
2753
و اپیدمیولوژی فاضلاب تنها یک نمونه
02:02
of all the big data that we're generating in our cities today.
37
122118
3879
از تمام داده‌های بزرگی است که ما امروز در شهرهایمان تولید می‌کنیم.
02:07
Consider all the data that you generate with every phone call, package delivered,
38
127082
4004
تمام داده‌هایی را که با هر تماس تلفنی، بسته تحویل داده شده،
02:11
mile driven.
39
131086
1418
مایل طی شده تولید می‌کنید در نظر بگیرید.
02:12
It's data from cameras, sensors, drones,
40
132837
3170
این داده‌های دوربین‌ها، حسگرها، هواپیماهای بدون سرنشین،
02:16
air quality, water quality monitoring,
41
136007
2753
کیفیت هوا، نظارت بر کیفیت آب،
02:18
and the vast amounts of information generated by our health care
42
138802
3461
و حجم وسیعی از اطلاعات تولید شده توسط مراقبت‌های بهداشتی
02:22
and our educational systems.
43
142263
1961
و سیستم‌های آموزشی ما است.
02:24
All of this information, these digital breadcrumbs,
44
144891
3212
همه این اطلاعات، این خرده نان‌های دیجیتال،
02:28
tell us unique stories about our cities and the way that we live our lives.
45
148103
4629
داستان‌های منحصر به فردی را در مورد شهرهای ما و نحوه زندگی ما بیان می کنند.
02:33
The thoughtful collection and analysis of this information
46
153149
4296
جمع‌آوری و تجزیه و تحلیل متفکرانه این اطلاعات این قدرت را دارد
02:37
has the power to inform real-time improvements
47
157445
3337
که در زمان واقعی به بهبود
02:40
to things like social policy,
48
160824
1835
مواردی مانند سیاست‌های اجتماعی،
02:42
environmental management, health equity and more.
49
162701
2669
مدیریت زیست‌محیطی، برابری سلامت و موارد دیگر اطلاع دهد.
02:45
As an architect, I believe that we need to harness
50
165745
2962
به عنوان یک معمار، معتقدم که ما باید
02:48
the hundreds of millions of terabytes of data
51
168707
2877
از صدها میلیون ترابایت داده‌ای
02:51
that we're generating in our cities each and every day.
52
171626
3045
که هر روز در شهرهایمان تولید می‌کنیم بهره ببریم.
02:54
And this is important now more than ever,
53
174671
2377
و این در حال حاضر بیش از هر زمان دیگری مهم است،
02:57
because for the first time in human history,
54
177090
2502
زیرا برای اولین بار در تاریخ بشر،
02:59
more than half of all people live in cities.
55
179592
3379
بیش از نیمی از مردم در شهرها زندگی می کنند.
03:02
By 2050,
56
182971
1293
تا سال ۲۰۵۰،
03:04
this number will grow to nearly seven in 10 people.
57
184264
3628
این تعداد نزدیک به هفت نفر از هر ۱۰ نفر افزایش خواهد یافت.
03:07
Now just think about what that means for a second.
58
187934
2961
حالا فقط یک لحظه به معنای آن فکر کنید.
03:10
It means our biggest crises,
59
190937
1960
این بدان معناست که بزرگترین بحران‌های ما،
03:12
from climate change to pandemics to growing inequality,
60
192939
3921
از تغییرات آب و هوایی گرفته تا بیماری‌های همه‌گیر گرفته تا نابرابری فزاینده،
03:16
are going to hit cities first and hardest.
61
196901
3003
اولین و سخت‌ترین ضربه را به شهرها خواهد زد.
03:21
But the era of big data offers an opportunity
62
201072
2961
اما عصر داده‌های بزرگ فرصتی
03:24
for new and creative solutions to tackle these problems.
63
204075
3337
برای راه حل‌های جدید و خلاقانه برای مقابله با این مشکلات ارائه می‌دهد.
03:29
So let's dive into the opportunity presented by wastewater epidemiology.
64
209038
4088
بنابراین بیایید به فرصتی که توسط اپیدمیولوژی فاضلاب ارائه شده است بپردازیم.
03:34
Some of you may have heard of it as it gained a lot of popularity
65
214335
3170
ممکن است برخی از شما در مورد آن شنیده باشید
03:37
and attention during the COVID-19 pandemic.
66
217505
2795
زیرا در طول همه گیری COVID 19 محبوبیت و توجه زیادی به دست آورد.
03:41
In 2020, research groups from around the world
67
221009
3503
در سال ۲۰۲۰، گروه‌های تحقیقاتی از سراسر جهان
03:44
began detecting SARS-CoV-2 RNA,
68
224554
2836
شروع به شناسایی RNA SARS-CoV-2،
03:47
the virus that causes COVID-19, in sewage samples.
69
227432
3086
ویروسی که باعث COVID-19 می‌شود در نمونه‌های فاضلاب کردند.
03:51
I was on one of those teams.
70
231102
1919
من در یکی از آن تیم‌ها بودم.
03:53
We and others showed that you can actually use sewage
71
233605
3545
ما و دیگران نشان دادیم که می‌توانید از فاضلاب
03:57
as an accurate representation of COVID activity in our communities.
72
237150
3503
به‌عنوان نمایش دقیقی از فعالیت COVID در جوامع ما استفاده کنید.
04:01
Let me show you what I mean.
73
241070
1502
بگذارید منظورم را به شما نشان دهم.
04:02
Here we're looking at a time series over the course of the pandemic.
74
242572
4046
در اینجا ما به یک سری زمانی در طول دوره همه گیر نگاه می‌کنیم.
04:06
So from March 2020 through just last week.
75
246951
3128
بنابراین از مارس ۲۰۲۰ تا همین هفته گذشته.
04:10
The blue line represents COVID virus concentrations in sewage samples
76
250079
4922
خط آبی نشان دهنده غلظت ویروس COVID در نمونه‌های فاضلاب
04:15
from across the United States.
77
255043
1877
از سراسر ایالات متحده است.
04:16
In yellow, we see COVID clinical case data.
78
256961
3587
در رنگ زرد، داده‌های مورد بالینی COVID را می‌بینیم.
04:21
For the first two years of the pandemic, case data was very reliable.
79
261132
3921
برای دو سال اول همه‌گیری، داده‌های موردی بسیار قابل اعتماد بود.
04:25
People were getting PCR-tested all the time.
80
265053
2836
مردم همیشه در حال انجام آزمایش PCR بودند.
04:27
During those two years,
81
267889
1209
در طی آن دو سال،
04:29
the two data sets tracked very well.
82
269140
1960
دو مجموعه داده به خوبی ردیابی شدند.
04:31
That was great.
83
271142
1168
عالی بود.
04:32
It meant that sewage was also reliable
84
272310
2169
این بدان معنا است که فاضلاب نیز قابل اعتماد است
04:34
and an accurate representation of disease burden.
85
274521
2585
و نشان دهنده دقیق بار بیماری است.
04:37
However, over the past year and a half to two years,
86
277857
2836
با این حال، در طول یک سال و نیم تا دو سال گذشته،
04:40
we've seen a divergence in those data sets.
87
280693
2920
ما شاهد یک واگرایی در این مجموعه داده‌ها بوده‌ایم.
04:43
People just aren't getting COVID-tested nearly as often.
88
283613
3212
مردم تقریباً به همان اندازه آزمایش کووید را نمی‌گیرند.
04:46
Sewage, on the other hand,
89
286825
1918
از طرف دیگر، فاضلاب،
04:48
doesn't require us to access health care services.
90
288785
3378
ما را ملزم به دسترسی به خدمات بهداشتی نمی‌کند.
04:52
We're all represented just by peeing and pooping.
91
292163
3671
همه ما فقط با ادرار کردن و مدفوع کردن نشان داده می‌شویم.
04:55
Throughout the pandemic, we and others also showed that sewage is predictive
92
295834
4295
در طول همه‌گیری، ما و دیگران نشان دادیم که فاضلاب پیش‌بینی‌کننده
05:00
and a leading indicator of new COVID clinical cases.
93
300129
4463
و شاخص اصلی موارد بالینی جدید کووید است.
05:04
This is because infectious disease viruses incubate in our bodies
94
304634
4129
این به این دلیل است که ویروس‌های بیماری‌های عفونی
05:08
before we develop symptoms or go get tested.
95
308763
3128
قبل از بروز علائم یا آزمایش در بدن ما انکوبه می‌شوند.
05:12
Meanwhile, we've been excreting the virus for days.
96
312308
3295
در ضمن ما چند روزی است که ویروس را دفع می‌کنیم.
05:16
During COVID,
97
316271
1167
در طول COVID،
05:17
it was shown that sewage was anywhere between one to three weeks
98
317438
4130
نشان داده شد که فاضلاب بین یک تا سه هفته شاخص پیشرو
05:21
leading indicator for clinical cases.
99
321568
2460
برای موارد بالینی است.
05:25
Now I'm going to show you an example
100
325280
1751
حالا می‌خواهم نمونه‌ای از یک بار را به شما نشان دهم
05:27
of one time that this led to a big community-impacting decision.
101
327073
3629
که منجر به یک تصمیم بزرگ تأثیرگذار بر جامعه شد.
05:31
Here, we're looking at data from the Boston area
102
331244
3253
در اینجا، ما به داده‌های منطقه بوستون
05:34
during the Omicron wave.
103
334539
1793
در طول موج Omicron نگاه می‌کنیم.
05:36
In December 2021, towards the end of the month,
104
336332
3128
در دسامبر ۲۰۲۱، در اواخر ماه،
05:39
COVID cases began to skyrocket across the country
105
339460
3045
موارد ابتلا به کووید در سراسر کشور شروع به افزایش سرسام آور شد
05:42
and didn't slow until the end of January.
106
342547
2794
و تا پایان ژانویه کاهش یافت.
05:45
Boston Children's Hospital, though, was ready.
107
345341
2419
با این حال، بیمارستان کودکان بوستون، آماده بود.
05:47
They had been looking at Boston area sewage
108
347802
2211
آنها به فاضلاب منطقه بوستون نگاه می‌کردند
05:50
and saw the sewage levels go up weeks earlier,
109
350054
3712
و شاهد افزایش سطح فاضلاب هفته‌ها قبل از آن بودند،
05:53
so they proactively postponed all non-emergency medical procedures.
110
353808
4671
بنابراین آنها فعالانه تمام اقدامات پزشکی غیر اورژانسی را به تعویق انداختند.
05:59
They wanted to free up resources so that they could adequately respond
111
359522
3879
آنها می‌خواستند منابع را آزاد کنند تا بتوانند به
06:03
to the incoming wave of hospitalizations.
112
363443
2419
موج بستری شدن در بیمارستان پاسخ مناسبی بدهند.
06:07
Now wastewater epidemiology has been used
113
367238
2419
اکنون اپیدمیولوژی فاضلاب برای مقابله با
06:09
to tackle other pressing health issues as well.
114
369657
2878
سایر مسائل بهداشتی ضروری نیز استفاده شده است.
06:12
Before the pandemic,
115
372994
1209
قبل از همه‌گیری،
06:14
the biggest public health crisis in the United States
116
374203
2920
بزرگترین بحران بهداشت عمومی در ایالات متحده اپیدمی
06:17
was our growing drug epidemic.
117
377123
2211
رو به رشد مواد مخدر ما بود.
06:20
Drug overdoses were growing year over year
118
380001
2753
مصرف بیش از حد مواد مخدر سال به سال در حال افزایش بود
06:22
and had become the leading cause of accidental death
119
382795
3254
و عامل اصلی مرگ‌های تصادفی
06:26
for Americans under the age of 50.
120
386049
2544
برای آمریکایی‌های زیر ۵۰ سال بود.
06:28
In 2018, a small town in North Carolina had seen overdoses go up,
121
388927
5171
در سال ۲۰۱۸، شهر کوچکی در کارولینای شمالی شاهد افزایش مصرف بیش از حد بود،
06:34
and they wanted better information,
122
394098
1961
و آنها می‌خواستند اطلاعات بهتر،
06:36
better data to know what to do about it,
123
396059
2085
داده‌های بهتری داشته باشند تا بدانند در مورد آن چه باید بکنند،
06:38
what was driving this trend and how to respond.
124
398186
2878
چه چیزی باعث این روند شده است و چگونه واکنش نشان دهند.
06:41
So we turned to the sewers, and together with the mayor's office,
125
401064
4087
بنابراین ما به فاضلاب مراجعه کردیم، و باهم با دفتر شهردار،
06:45
we began to analyze sewage samples from several sites across the city
126
405193
4838
شروع به تجزیه و تحلیل نمونه‌های فاضلاب از چندین مکان در سراسر شهر کردیم
06:50
and were able to show that prescription opioids
127
410073
3879
و توانستیم نشان دهیم که مخدرهای تجویزی
06:53
were the drug most commonly consumed, not injectable opioids.
128
413952
3795
رایج‌ترین داروی مصرفی هستند، نه مواد افیونی تزریقی.
06:58
Equipped with this data,
129
418748
1919
با مجهز شدن به این داده‌ها،
07:00
the city diverted resources from needle exchange sites
130
420667
3420
شهر منابع را از سایت‌های تعویض سوزن منحرف کرد
07:04
and put that money into medication takeback programs instead.
131
424128
3629
و به جای آن پول را در برنامه‌های بازپس گیری دارو قرار داد.
07:08
They advertised and held dozens of town halls
132
428174
2503
آنها تبلیغات کردند و ده‌ها تالار شهر را برگزار کردند
07:10
where they talked about the adverse effects of prescription painkillers.
133
430718
4004
و در مورد اثرات نامطلوب مسکن‌های تجویزی صحبت کردند.
07:15
That year,
134
435264
1460
در آن سال،
07:16
the city saw a 40 percent reduction in overdoses,
135
436766
4630
شهر شاهد کاهش ۴۰ درصدی در مصرف بیش از حد بود،
07:21
and for the first time,
136
441437
1293
و برای اولین بار،
07:22
they had engaged their community in a dialogue around drugs,
137
442730
3462
آنها جامعه خود را درگیر گفت و گو پیرامون مواد مخدر،
07:26
addiction and overdose.
138
446234
2002
اعتیاد و اوردوز کردند.
07:28
Now imagine if every city around the world had access to this sort of information.
139
448736
5714
حال تصور کنید که آیا هر شهر در سراسر جهان به این نوع اطلاعات دسترسی داشته باشد.
07:34
Before the pandemic,
140
454951
1168
قبل از همه‌گیری،
07:36
wastewater epidemiology was a tiny field
141
456160
2920
اپیدمیولوژی فاضلاب حوزه کوچکی بود
07:39
with no more than a dozen experts worldwide.
142
459122
3211
که بیش از دوازده متخصص در سراسر جهان نداشت.
07:42
Today, 72 countries
143
462333
3420
امروزه، ۷۲ کشور
07:45
have used wastewater monitoring to understand COVID-19.
144
465753
4255
از نظارت بر فاضلاب برای درک COVID-19 استفاده کرده‌اند.
07:50
And it's time that we leverage these investments
145
470675
2419
و زمان آن فرا رسیده است که از این سرمایه گذاری‌ها
07:53
to monitor for all sorts of other things as well.
146
473094
2502
برای نظارت بر انواع چیزهای دیگر نیز استفاده کنیم.
07:56
Imagine knowing when influenza and RSV are going to peak every year
147
476305
4505
تصور کنید بدانید چه زمانی آنفولانزا و RSV قرار است هر سال به اوج خود برسد
08:00
so that our hospitals can prepare.
148
480810
2044
تا بیمارستان‌های ما بتوانند آماده شوند.
08:03
Imagine mapping nutrition in our cities
149
483229
2669
نقشه تغذیه را در شهرهای ما تصور کنید
08:05
so that we can identify food deserts
150
485940
2169
تا بتوانیم بیابان‌های غذایی را شناسایی کنیم
08:08
and understand social determinants of health.
151
488109
2419
و عوامل اجتماعی تعیین کننده سلامت را درک کنیم.
08:11
Imagine identifying superbugs and antibiotic resistant genes
152
491154
4713
تصور کنید که ابر خلاها و ژن های مقاوم به آنتی بیوتیک
08:15
as they emerge in our communities.
153
495908
2002
در زمان ظهور در جوامع ما شناسایی شوند.
08:19
Imagine preventing the next pandemic before it happens.
154
499120
3503
تصور کنید از همه‌گیری بعدی قبل از وقوع جلوگیری کنید.
08:23
In the way that cholera prompted London to build modern-day sewer systems,
155
503499
5005
از آنجایی که بیماری وبا لندن را وادار به ساخت سیستم‌های فاضلاب مدرن کرد،
08:28
and poor health in the tenements of New York City
156
508546
2503
و سلامت ضعیف در آپارتمان‌های شهر نیویورک
08:31
were one of the catalysts behind the building of Central Park,
157
511049
4045
یکی از کاتالیزورهای ساختمان پارک مرکزی بود،
08:35
this is how our cities can learn from COVID-19.
158
515136
3170
اینگونه است که شهرهای ما می‌توانند از COVID-19 بیاموزند.
08:38
And this is precisely how we can foster a new, intelligent kind of urbanization.
159
518806
5589
و این دقیقاً چگونگی است که می‌توانیم نوع جدیدی، از شهرنشینی هوشمند را بپرورانیم.
08:45
For years now, scientists, policymakers,
160
525354
3212
اکنون سال‌ها است که دانشمندان، سیاست‌گذاران،
08:48
architects and urban planners
161
528566
2169
معماران و برنامه‌ریزان شهری
08:50
have been harnessing the power of technology and big data
162
530735
3420
از قدرت فناوری و کلان داده‌ها
08:54
to future-proof our cities.
163
534197
2085
برای محافظت از شهرهای ما در آینده استفاده می‌کنند.
08:57
Over the last decade,
164
537200
1543
در دهه گذشته،
08:58
chief technology officers have been appointed in cities
165
538743
3170
افسران ارشد فناوری در شهرهای
09:01
around the world.
166
541954
1502
سراسر جهان منصوب شده‌اند.
09:04
Roles once reserved for the boardrooms
167
544415
2127
نقش‌هایی که زمانی برای اتاق‌های هیئت مدیره
09:06
and hallways of Silicon Valley
168
546584
1460
و سیلیکون ولی در نظر گرفته شده بود
09:08
are now finally open in city hall.
169
548044
2794
اکنون در تالار شهر باز می‌شوند.
09:12
So next time you swipe your credit card,
170
552006
3128
بنابراین دفعه بعد که کارت اعتباری خود را تند کشیدید،
09:15
take a ride in a taxi or tap your MetroCard,
171
555176
3462
سوار تاکسی شوید یا روی کارت مترو خود ضربه بزنید،
09:18
just consider how you're contributing
172
558679
1961
فقط در نظر داشته باشید که چگونه به
09:20
to your city's ever-growing digital infrastructure.
173
560681
2878
زیرساخت دیجیتال در حال رشد شهر خود کمک می‌کنید.
09:24
And next time you use the toilet,
174
564685
2795
و دفعه بعد که از توالت استفاده می‌کنید،
09:27
just remember, you're doing your civic duty.
175
567480
3128
فقط به یاد داشته باشید که در حال انجام وظیفه مدنی خود هستید.
09:30
(Laughter)
176
570650
1543
(خنده حضار)
09:32
Thank you.
177
572235
1167
سپاسگزارم.
09:33
(Applause)
178
573402
3921
(تشویق)
درباره این وب سایت

این سایت ویدیوهای یوتیوب را به شما معرفی می کند که برای یادگیری زبان انگلیسی مفید هستند. دروس انگلیسی را خواهید دید که توسط معلمان درجه یک از سراسر جهان تدریس می شود. روی زیرنویس انگلیسی نمایش داده شده در هر صفحه ویدیو دوبار کلیک کنید تا ویدیو از آنجا پخش شود. زیرنویس‌ها با پخش ویدیو همگام می‌شوند. اگر نظر یا درخواستی دارید، لطفا با استفاده از این فرم تماس با ما تماس بگیرید.

https://forms.gle/WvT1wiN1qDtmnspy7