The beauty of data visualization | David McCandless

دیوید مک کندلس :زیباییِ به تصویر کشیدن داده ها

390,731 views

2010-08-23 ・ TED


New videos

The beauty of data visualization | David McCandless

دیوید مک کندلس :زیباییِ به تصویر کشیدن داده ها

390,731 views ・ 2010-08-23

TED


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

Translator: Mahdieh Taher Reviewer: Aryan Goharzad
00:15
It feels like we're all suffering
0
15260
2000
انگار همه ی ما رنج می بریم
00:17
from information overload or data glut.
1
17260
3000
از زیادی اطلاعات و اشباع داده ها
00:20
And the good news is there might be an easy solution to that,
2
20260
2000
و خبر خوش این است که ممکن است یک راه حل ساده برای آن وجود داشته باشد،
00:22
and that's using our eyes more.
3
22260
2000
و آن این است که از چشمهایمان بیشتر استفاده کنیم.
00:24
So, visualizing information, so that we can see
4
24260
2000
بنابراین، با تصویر کشیدن اطلاعات می توانیم ببینیم
00:26
the patterns and connections that matter
5
26260
3000
الگوها و ارتباطاتی که مهم هستند
00:29
and then designing that information so it makes more sense,
6
29260
3000
و سپس، آن اطلاعات را طراحی کنیم طوری که قابل فهم تر بشوند
00:32
or it tells a story,
7
32260
2000
یا یک داستانی را بگویند،
00:34
or allows us to focus only on the information that's important.
8
34260
3000
یا به ما اجازه دهند که متمرکز شویم بر روی اطلاعاتی که مهم هستند.
00:38
Failing that, visualized information can just look really cool.
9
38260
3000
و حتی اگر نشد، به تصویر کشیدن اطلاعات به خودیِ خود، واقعا می تواند جالب به نظر آید.
00:41
So, let's see.
10
41260
2000
پس بگذارید ببینیم.
00:45
This is the $Billion Dollar o-Gram,
11
45260
2000
این نمودارِ توضیع یک میلیارد دلار است،
00:47
and this image arose
12
47260
2000
و این تصویر به وجود آمد
00:49
out of frustration I had
13
49260
2000
به خاطر ناامیدی که داشتم
00:51
with the reporting of billion-dollar amounts in the press.
14
51260
2000
از گزارش مقدار یک میلیارد دلار در مطبوعات.
00:53
That is, they're meaningless without context:
15
53260
3000
به بیانی دیگر ، آنها بدون در نظر گرفتن موقعیتی که نمودار در آن بیان شده بی معنی هستند.
00:56
500 billion for this pipeline,
16
56260
2000
500 میلیارد برای این لوله کشی.
00:58
20 billion for this war.
17
58260
2000
20 میلیارد برای یک جنگ.
01:00
It doesn't make any sense, so the only way to understand it
18
60260
2000
هیچ معنی ندارد، پس تنها راهی که می شود آن را فهمید
01:02
is visually and relatively.
19
62260
2000
به صورت تصویری و نسبی است.
01:04
So I scraped a load of reported figures
20
64260
2000
پس یک مجموعه از شکلهای گزارش شده را جدا کردم
01:06
from various news outlets
21
66260
2000
از خبرگزاری رسانه های مختلف
01:08
and then scaled the boxes according to those amounts.
22
68260
3000
و بعد مستطیلها را بر اساس مقدارشان مقیاس کردم.
01:11
And the colors here represent the motivation behind the money.
23
71260
3000
و رنگها در اینجا، انگیزه برای پولِ خرج شده را نشان می هد.
01:14
So purple is "fighting,"
24
74260
3000
پس بنفش دعوا کردن است،
01:17
and red is "giving money away," and green is "profiteering."
25
77260
3000
و قرمز بخشیدن پول است، و سبز احتکار کردن است.
01:20
And what you can see straight away
26
80260
2000
و اولین چیزی که میبینید
01:22
is you start to have a different relationship to the numbers.
27
82260
2000
این است که شروع کنید به داشتن یک ارتباط متفاوت با اعداد.
01:24
You can literally see them.
28
84260
2000
شما عینا می توانید آنها را ببینید.
01:26
But more importantly, you start to see
29
86260
2000
ولی مهمتر اینکه شما شروع می کنید به دیدن
01:28
patterns and connections between numbers
30
88260
2000
الگوها و ارتباطات بین اعدادی
01:30
that would otherwise be scattered across multiple news reports.
31
90260
3000
که در غیر این صورت در سراسر گزارشهای خبری متعدد پراکنده هستند.
01:33
Let me point out some that I really like.
32
93260
3000
اجازه بدهید به بعضی موارد که واقعا دوست دارم اشاره کنم.
01:36
This is OPEC's revenue, this green box here --
33
96260
2000
این درآمد اپک است، این مستطیلِ سبز در اینجا
01:38
780 billion a year.
34
98260
2000
780 میلیارد در هر سال.
01:40
And this little pixel in the corner -- three billion --
35
100260
3000
و این پیکسل کوچک در این گوشه،--3 میلیارد--
01:43
that's their climate change fund.
36
103260
3000
این سرمایه تغییرات آب و هوایی آنها است.
01:46
Americans, incredibly generous people --
37
106260
2000
آمریکاییها، مردمی بسیار بخشنده --
01:48
over 300 billion a year, donated to charity every year,
38
108260
3000
بیش از 300 میلیارد در سال، اهدا شده به خیریه ها در هر سال،
01:51
compared with the amount of foreign aid
39
111260
2000
در مقایسه با میزان کمکهای خارجی
01:53
given by the top 17 industrialized nations
40
113260
2000
که توسط بالاترین 17 کشور صنعتی داده می شود
01:55
at 120 billion.
41
115260
2000
به مقدار 120 میلیارد.
01:57
Then of course,
42
117260
2000
و سپس البته،
01:59
the Iraq War, predicted to cost just 60 billion
43
119260
2000
جنگ عراق، پیش بینی شده بود که فقط 60 میلیارد هزینه داشته باشد
02:01
back in 2003.
44
121260
3000
در سال 2003
02:04
And it mushroomed slightly. Afghanistan and Iraq mushroomed now
45
124260
3000
و کمی به سرعت رشد کرد. افغانستان به سرعت رشد کرد
02:07
to 3,000 billion.
46
127260
3000
به 3000 میلیارد.
02:10
So now it's great
47
130260
2000
پس الان بسیار عالی است
02:12
because now we have this texture, and we can add numbers to it as well.
48
132260
2000
چون اکنون این شالوده را داریم، وهمچنین می توانیم اعداد را به آن اضافه کنیم.
02:14
So we could say, well, a new figure comes out ... let's see African debt.
49
134260
3000
بنابراین می توانستیم بگوییم، خوب، یک شکل جید بیرون می آید... بگذارید بدهی آفریقا را ببینیم.
02:17
How much of this diagram do you think might be taken up
50
137260
2000
فکر می کنید چه اندازه از این نمودار ممکن است گرفته شود
02:19
by the debt that Africa owes to the West?
51
139260
2000
توسط بدهی که آفریقا به غرب دارد؟
02:21
Let's take a look.
52
141260
2000
بگذارید یک نگاهی بیندازیم.
02:23
So there it is:
53
143260
2000
پس آنجا، این است.
02:25
227 billion is what Africa owes.
54
145260
2000
227 میلیارد، مقداری است که آفریقا بدهی دارد.
02:27
And the recent financial crisis,
55
147260
2000
و بحران اقتصادی اخیر--
02:29
how much of this diagram might that figure take up?
56
149260
2000
چه اندازه از این نمودار ممکن است گرفته شود؟
02:31
What has that cost the world? Let's take a look at that.
57
151260
3000
چه مقدار هزینه برای جهان داشته است؟ بگذارید یک نگاهی به آن بیندازیم.
02:34
Dooosh -- Which I think is the appropriate sound effect
58
154260
3000
"اوفف" ، فکر می کنم صدای مناسبی باشد
02:37
for that much money:
59
157260
2000
برای این مقدار پول.
02:39
11,900 billion.
60
159260
4000
11900 میلیارد.
02:45
So, by visualizing this information,
61
165260
2000
بنابراین با به تصویر کشیدن این اطلاعات،
02:47
we turned it into a landscape
62
167260
2000
ما آن را به یک چشم اندازی تبدیل کردیم
02:49
that you can explore with your eyes,
63
169260
2000
که می توانید با چشمهایتان کاوش کنید،
02:51
a kind of map really, a sort of information map.
64
171260
2000
در واقع نوعی نقشه، یک نوع نقشه ی اطلاعات.
02:53
And when you're lost in information,
65
173260
2000
و هنگامی که در اطلاعات گم می شوید،
02:55
an information map is kind of useful.
66
175260
3000
این نقشه اطلاعات یک جورهایی پرکاربدر است.
02:58
So I want to show you another landscape now.
67
178260
2000
اکنون، یک چشم انداز دیگر را به شما نشان می دهم.
03:00
We need to imagine what a landscape
68
180260
2000
ما نیاز داریم که تصور کنیم چه چشم اندازی
03:02
of the world's fears might look like.
69
182260
3000
از ترسهای جهانی که ممکن است به نظر بیاید.
03:05
Let's take a look.
70
185260
2000
بگذارید یک نگاهی بیندازیم.
03:07
This is Mountains Out of Molehills,
71
187260
2000
این کوهها بیرون آمده از تپه های کوچک است،
03:09
a timeline of global media panic.
72
189260
2000
یک جدول زمانی از وحشت رسانه های جهانی است.
03:11
(Laughter)
73
191260
2000
(خنده حضار)
03:13
So, I'll label this for you in a second.
74
193260
2000
خوب، در یک ثانیه این را برای شما برچسب گذاری می کنم.
03:15
But the height here, I want to point out,
75
195260
2000
ولی ارتفاع در اینجا، من می خواهم اشاره کنم
03:17
is the intensity of certain fears
76
197260
2000
که شدت ترسهای به خصوص یی است،
03:19
as reported in the media.
77
199260
2000
که در رسانه ها گزارش می شود.
03:21
Let me point them out.
78
201260
2000
اجازه بدهید که به آنها اشاره کنم.
03:23
So this, swine flu -- pink.
79
203260
4000
خوب این، آنفولانزای خوکی-- صورتی.
03:27
Bird flu.
80
207260
2000
آنفولانزای مرغی.
03:29
SARS -- brownish here. Remember that one?
81
209260
3000
سارس -- اینجا به رنگ قهوه ای. آن را یادتان می آید.
03:32
The millennium bug,
82
212260
3000
اشکال هزاره (اشکال درسیستمهای کامپیوتری در سال 2000 (مترجم) )--
03:35
terrible disaster.
83
215260
2000
بلایای وحشتناک.
03:37
These little green peaks
84
217260
2000
این قله های کوچک سبز
03:39
are asteroid collisions.
85
219260
2000
برخورد شهابسنگها هستند.
03:41
(Laughter)
86
221260
2000
(خنده حضار)
03:43
And in summer, here, killer wasps.
87
223260
2000
و در تابستان، اینجا، زنبورهای قاتل.
03:45
(Laughter)
88
225260
8000
(خنده حضار)
03:53
So these are what our fears look like
89
233260
2000
بنابراین اینها هستند چیزهایی که ترسهای ما شبیه شان می باشند
03:55
over time in our media.
90
235260
2000
طی گذشت زمان در رسانه های ما.
03:57
But what I love -- and I'm a journalist --
91
237260
2000
ولی چیزی که من عاشقش هستم-- و من یک روزنامه نگار هستم--
03:59
and what I love is finding hidden patterns; I love being a data detective.
92
239260
3000
و چیزی که من عاشقش هستم پیداکردن الگوهای پنهان است؛ من عاشق این هستم که یک کارگاهِ داده ها باشم.
04:02
And there's a very interesting and odd pattern hidden in this data
93
242260
3000
و یک الگوی پنهان شده ی خیلی جالب و عجیب در این داه ها وجود دارد
04:05
that you can only see when you visualize it.
94
245260
2000
که فقط وقتی شما آن را به تصویر می کشید می توانید آن را ببینید.
04:07
Let me highlight it for you.
95
247260
2000
اجازه دهید این را برای شما روشن کنم.
04:09
See this line, this is a landscape for violent video games.
96
249260
3000
این خط را نگاه کنید. این یک چشم انداز برای بازی های ویدیویی خشن است.
04:12
As you can see, there's a kind of odd, regular pattern in the data,
97
252260
3000
همان طور که می بینید، یک الگوی عجیب و منظم در این داده ها وجود دارد،
04:15
twin peaks every year.
98
255260
2000
دو قله در هر سال.
04:17
If we look closer, we see those peaks occur
99
257260
2000
اگر دقیق تر نگاه کنید، می بینید که این قله ها اتفاق می افتند
04:19
at the same month every year.
100
259260
3000
در همان ماه هر سال.
04:22
Why?
101
262260
2000
چرا؟
04:24
Well, November, Christmas video games come out,
102
264260
2000
خوب، نوامبر، بازیهای ویدیویی کریسمس بیرون می آید،
04:26
and there may well be an upsurge in the concern about their content.
103
266260
3000
و ممکن است خوب، یک صعود ناگهانی در نگرانی ناشی از محتوای آنها وجود داشته باشد.
04:29
But April isn't a particularly massive month
104
269260
3000
ولی آپریل یک ماه ویژه بزرگ نیست
04:32
for video games.
105
272260
2000
برای بازیهای ویدیویی.
04:34
Why April?
106
274260
2000
چرا آپریل؟
04:36
Well, in April 1999 was the Columbine shooting,
107
276260
3000
خوب، در آپریل 1999، حادثه ی تیراندازی Columbine بود،
04:39
and since then, that fear
108
279260
2000
و از آن موقع، آن ترس
04:41
has been remembered by the media
109
281260
2000
توسط رسانه ها یادآوری شده است
04:43
and echoes through the group mind gradually through the year.
110
283260
2000
و به تدریج در طول سال، توسط یک ذهنیت گروهی انعکاس داده می شود.
04:45
You have retrospectives, anniversaries,
111
285260
3000
شما مرور آثار، سالگردها را دارید،
04:48
court cases, even copy-cat shootings,
112
288260
3000
موارد دادگاهی، حتی تیراندازی های تقلیدی،
04:51
all pushing that fear into the agenda.
113
291260
3000
همه ی اینها، این ترس را در دستور کار سوق می دهند.
04:54
And there's another pattern here as well. Can you spot it?
114
294260
2000
و یک الگوی دیگر در اینجا نیز وجود دارد. می توانید آن را پیدا کنید؟
04:56
See that gap there? There's a gap,
115
296260
2000
این فاصله را در آنجا دیدید؟ این یک فاصله است،
04:58
and it affects all the other stories.
116
298260
2000
و این همه ی داستانهای دیگر را تحت تاثیر می دهد.
05:00
Why is there a gap there?
117
300260
2000
چرا این فاصله آنجا وجود دارد؟
05:02
You see where it starts? September 2001,
118
302260
3000
ببینید از کجا شروع می شود؟ سپتامبر 2001، ( اشاره به واقعه ی 11 سپتامبر - مترجم )
05:05
when we had something very real
119
305260
2000
وقتی یک چیز خیلی محسوس را داشتیم
05:07
to be scared about.
120
307260
2000
که درباره اش بترسیم.
05:09
So, I've been working as a data journalist for about a year,
121
309260
3000
من به عنوان گزارشگر داده برای حدود یک سال کار کرده ام،
05:12
and I keep hearing a phrase
122
312260
2000
و من دائم یک عبارت را می شنوم
05:14
all the time, which is this:
123
314260
3000
همیشه، که این است:
05:17
"Data is the new oil."
124
317260
2000
" داده ها یک سوختِ جدید هستند."
05:19
Data is the kind of ubiquitous resource
125
319260
3000
و داده ها یک نوعی از منابع در همه جا حاضر و فراگیرهستند
05:22
that we can shape to provide new innovations and new insights,
126
322260
3000
که می توانیم شکل بدهیم تا نوآوری های جدید و بینش های جدید را فراهم کند،
05:25
and it's all around us, and it can be mined very easily.
127
325260
3000
و همه در اطراف ما هستند، و خیلی ساده می توانند استخراج شوند.
05:28
It's not a particularly great metaphor in these times,
128
328260
3000
و این واقعا استعاره ی خیلی خوبی در این زمانه نیست،
05:31
especially if you live around the Gulf of Mexico,
129
331260
3000
به خصوص اگر شما اطراف خلیج مکزیک زندگی می کنید.
05:34
but I would, perhaps, adapt this metaphor slightly,
130
334260
2000
ولی من، شاید، اندکی این استعاره را مطابقت می دادم،
05:36
and I would say that data is the new soil.
131
336260
3000
و می گفتم که داده ها یک خاک جدید هستند.
05:40
Because for me, it feels like a fertile, creative medium.
132
340260
3000
چون برای من، این جور احساس می شود که یک بستر حاصلخیز و خلاقانه هستند.
05:43
Over the years, online,
133
343260
2000
شما می دانید، در طول سالها، آنلاین،
05:45
we've laid down
134
345260
3000
پی ریز کرده ایم
05:48
a huge amount of information and data,
135
348260
2000
یک انبوهی از داده ها و اطلاعات،
05:50
and we irrigate it with networks and connectivity,
136
350260
2000
و آن را آبیاری کرده ایم با شبکه ها و اتصال،
05:52
and it's been worked and tilled by unpaid workers and governments.
137
352260
3000
و پیشرفت کرده و با کارگران بی مزد و دولتها جان گرفته است.
05:55
And, all right, I'm kind of milking the metaphor a little bit.
138
355260
3000
و، بسیار خوب، من یک مقداری دارم استعاره را زیادی استفاده می کنم
05:58
But it's a really fertile medium,
139
358260
3000
ولی این واقعا یک بستر حاصلخیز است.
06:01
and it feels like visualizations, infographics, data visualizations,
140
361260
3000
و این احساس می شود مانند به تصویر کشیدن، گرافیک اطلاعات، به تصویر کشیدن داد ها،
06:04
they feel like flowers blooming from this medium.
141
364260
3000
آنها مانند گلهایی شکوفه می کنند از این بستر.
06:07
But if you look at it directly,
142
367260
2000
اما اگر مستقیم به آن نگاه کنید،
06:09
it's just a lot of numbers and disconnected facts.
143
369260
2000
آن فقط انبوهی از اعداد و حقایق غیرمرتبط هستند.
06:11
But if you start working with it and playing with it in a certain way,
144
371260
3000
ولی اگر شروع کنید به کارکردن با آن و بازی کردن با آن به طریقِ خاصی
06:14
interesting things can appear and different patterns can be revealed.
145
374260
3000
چیزهای جالبی می تواند پدیدار شود و الگوهای مختلفی می تواند ظاهر شوند.
06:17
Let me show you this.
146
377260
2000
اجازه دهید این را به شما نشان دهم.
06:19
Can you guess what this data set is?
147
379260
3000
می توانید حدس بزنید که این داده ها چه می گویند؟
06:22
What rises twice a year,
148
382260
2000
چیزی که سالی دو بار بالا می رود،
06:24
once in Easter
149
384260
2000
یکبار در عید پاک ( عید مسیحیان-مترجم)
06:26
and then two weeks before Christmas,
150
386260
2000
و سپس دو هفته قبل از کریسمس،
06:28
has a mini peak every Monday,
151
388260
2000
یک قله هر دوشنبه دارد
06:30
and then flattens out over the summer?
152
390260
2000
و سپس در طول تابستان نمودار مسطح می شود.
06:32
I'll take answers.
153
392260
2000
من جواب را می گیرم.
06:34
(Audience: Chocolate.) David McCandless: Chocolate.
154
394260
2000
(حضار: شکلات.) دیوید مک کندلس: شکلات.
06:36
You might want to get some chocolate in.
155
396260
3000
شما ممکن است مقداری شکلات بگیرید.
06:39
Any other guesses?
156
399260
2000
حدس دیگر؟
06:41
(Audience: Shopping.) DM: Shopping.
157
401260
2000
(حضار: خرید) دیوید مک کندلس: خرید.
06:43
Yeah, retail therapy might help.
158
403260
3000
بله، درمان خرد فروشی ممکن است کمک کند.
06:46
(Audience: Sick leave.)
159
406260
2000
(حضار: مرخصی استعلاجی.)
06:48
DM: Sick leave. Yeah, you'll definitely want to take some time off.
160
408260
2000
دیوید مک کندلس: مرخصی استعلاجی. بله، حتما می خواهید زمانی را مرخصی بگیرید.
06:50
Shall we see?
161
410260
2000
ببینیم؟
06:53
(Laughter)
162
413260
8000
(خنده حضار)
07:01
(Applause)
163
421260
3000
(تشویق)
07:04
So, the information guru Lee Byron and myself,
164
424260
3000
خوب، اطلاعات اینجا، لی بایرون و من،
07:07
we scraped 10,000 status Facebook updates
165
427260
3000
ما 10000 وضعیت به روز رسانی افراد در فیس بوک را در آوردیم
07:10
for the phrase "break-up" and "broken-up"
166
430260
2000
برای عبارات "شکستن رابطه" و " شکسته شدن"
07:12
and this is the pattern we found --
167
432260
2000
و این الگویی است که پیدا کردیم--
07:14
people clearing out for Spring Break,
168
434260
2000
مردم برای تعطیلات بهار جا خالی می کنند،
07:16
(Laughter)
169
436260
5000
(خنده حضار)
07:21
coming out of very bad weekends on a Monday,
170
441260
2000
بیرون آمدن از یک آخر هفته ی بد در روز دوشنبه،
07:23
being single over the summer,
171
443260
3000
مجرد بودن در طول تابستان.
07:26
and then the lowest day of the year, of course: Christmas Day.
172
446260
3000
و کمترین روز در سال، البته، روز کریسمس.
07:29
Who would do that?
173
449260
3000
چه کسی این را انجام می دهد؟
07:32
So there's a titanic amount of data out there now,
174
452260
2000
بنابراین، در حال حاضر، انبوه زیادی از داده ها بیرون وجود دارد،
07:34
unprecedented.
175
454260
2000
بی مانند.
07:37
But if you ask the right kind of question,
176
457260
2000
ولی اگر شما نوع درست سوالی را بپرسید،
07:39
or you work it in the right kind of way,
177
459260
2000
یا کاری را به نوع درست آن انجام دهید،
07:41
interesting things can emerge.
178
461260
3000
چیزهای جالبی می تواند ظاهر شود.
07:44
So information is beautiful. Data is beautiful.
179
464260
3000
پس اطلاعات زیبا هستند، داده ها زیبا هستند.
07:47
I wonder if I could make my life beautiful.
180
467260
3000
نمی دانم که می توانم زندگیم را زیبا کنم.
07:50
And here's my visual C.V.
181
470260
2000
و این رزومه تصویری من است. ( بخشی از رزومه - مترجم )
07:52
I'm not quite sure I've succeeded.
182
472260
2000
و مطمئن نیستم که موفق شده ام.
07:54
Pretty blocky, the colors aren't that great.
183
474260
2000
تا حدودی قالب دار. رنگها آنقدر عالی نیستند.
07:56
But I wanted to convey something to you.
184
476260
3000
ولی من می خواهم چیزی را به شما منتقل کنم.
07:59
I started as a programmer,
185
479260
2000
من به عنوان یک برنامه نویس شروع کردم،
08:01
and then I worked as a writer for many years, about 20 years,
186
481260
2000
و سپس به عنوان یک نویسنده کار کردم به مدت سالهای زیاد، حدود 20 سال،
08:03
in print, online and then in advertising,
187
483260
2000
چاپی، آن لاین و سپس در تبلیغات،
08:05
and only recently have I started designing.
188
485260
3000
و تنها به تازگی به عنوان طراح شروع کرده ام.
08:08
And I've never been to design school.
189
488260
2000
و من هیچ گاه در مدرسه طراحی نبوده ام.
08:10
I've never studied art or anything.
190
490260
3000
هیچ گاه در هنر و یا چیز مشابه ای تحصیل نکرده ام.
08:13
I just kind of learned through doing.
191
493260
2000
من فقط با انجام دادن یاد گرفتم.
08:15
And when I started designing,
192
495260
2000
و وقتی که شروع کردم طراحی را
08:17
I discovered an odd thing about myself.
193
497260
2000
چیز عجیبی درباره خودم کشف کردم.
08:19
I already knew how to design,
194
499260
2000
من قبلا می دانستم چگونه طراحی کنم،
08:21
but it wasn't like I was amazingly brilliant at it,
195
501260
3000
ولی این طور نبود که به طور شگفت انگیزی با استعداد باشم در آن
08:24
but more like I was sensitive
196
504260
2000
ولی بیشتر شبیه با این بود که حساس هستم
08:26
to the ideas of grids and space
197
506260
2000
به ایده های شبکه ها و فضا
08:28
and alignment and typography.
198
508260
2000
و هم ترازی و فن چاپ.
08:30
It's almost like being exposed
199
510260
2000
این تقریبا مثل این است که، بودن در معرض
08:32
to all this media over the years
200
512260
2000
تمام این رسانه ها در طول سالها
08:34
had instilled a kind of dormant design literacy in me.
201
514260
3000
نوع سواد طراحی خفته در من القا شده کرده.
08:37
And I don't feel like I'm unique.
202
517260
2000
و من احساس نمی کردم که من انسانِ خاصی هستم.
08:39
I feel that everyday, all of us now
203
519260
2000
من احساس می کنم که، هر روز، همه ی ما
08:41
are being blasted by information design.
204
521260
3000
در حال تخریب شدن بوسیله ی طراحی اطلاعات هستیم.
08:44
It's being poured into our eyes through the Web,
205
524260
2000
توسط اینترنت در چشمانمان ریخته می شود،
08:46
and we're all visualizers now;
206
526260
2000
و همه ی ما اکنون به تصویر کشنده هستیم؛
08:48
we're all demanding a visual aspect
207
528260
2000
همه ی ما خواستار بعد تصویری هستیم
08:50
to our information.
208
530260
3000
برای اطلاعاتمان.
08:53
There's something almost quite magical about visual information.
209
533260
3000
و یک چیز تقریبا منحصر به فرد جادویی درباره اطلاعات تصویری وجود دارد.
08:56
It's effortless, it literally pours in.
210
536260
3000
آن نیاز به زحمت ندارد، به معنای واقعی کلمه ریخته می شود داخل (مانند یک مایع - مترجم ).
08:59
And if you're navigating a dense information jungle,
211
539260
3000
و اگر شما در حال پیمایش جنگل انبوهی از اطلاعات باشید،
09:02
coming across a beautiful graphic
212
542260
2000
به یک نمودارِ زیبا بر می خوردن
09:04
or a lovely data visualization,
213
544260
2000
یا به یک داده به تصویر کشیده ی دوست داشتنی،
09:06
it's a relief, it's like coming across a clearing in the jungle.
214
546260
3000
این یک آسودگی است، مثل این است که به یک پاکسازی در جنگل برخورد کرده ایم.
09:09
I was curious about this, so it led me
215
549260
2000
ومن درباره این کنجکاو بودم، پس مرا سوق داد
09:11
to the work of a Danish physicist
216
551260
2000
به سمت کار یک فیزیکدان دانمارکی
09:13
called Tor Norretranders,
217
553260
2000
به نام "تور نورتراندرس"،
09:15
and he converted the bandwidth of the senses into computer terms.
218
555260
3000
و او پهنای باند حس ها را به اصطلاحات کامپیوتری تبدیل کرد.
09:19
So here we go. This is your senses,
219
559260
2000
پس شروع می کنیم. این حسهای شما هستند،
09:21
pouring into your senses every second.
220
561260
2000
ریخته می شوند در حسهای شما در هر ثانیه.
09:23
Your sense of sight is the fastest.
221
563260
3000
حس دیداری شما سریعترین حس است.
09:26
It has the same bandwidth as a computer network.
222
566260
3000
آن پهنای باند مشابهی نسبت به یک شبکه کامپیوتری دارد.
09:29
Then you have touch, which is about the speed of a USB key.
223
569260
3000
سپس حس لامسه دارید، که آن درباره سرعت یک پورتِ USB است.
09:32
And then you have hearing and smell,
224
572260
2000
و سپس حس شنوایی و بویایی دارید،
09:34
which has the throughput of a hard disk.
225
574260
2000
که توان عملیاتی hard disk را دارد.
09:36
And then you have poor old taste,
226
576260
2000
و سپس حس ضعیف و قدیمی چشایی را دارید،
09:38
which is like barely the throughput of a pocket calculator.
227
578260
3000
که به سختی شبیه توان عملیاتی یک ماشین حساب جیبی است.
09:41
And that little square in the corner, a naught .7 percent,
228
581260
3000
و مربع کوچک در گوشه، 0.7 درصد،
09:44
that's the amount we're actually aware of.
229
584260
3000
مقداری است که ما در واقع از آن آگاه هستیم.
09:47
So a lot of your vision --
230
587260
2000
بنابراین مقدار زیادی از بینایی--
09:49
the bulk of it is visual, and it's pouring in.
231
589260
2000
بخش عمده ای از آن تصاویری است، و در داخل آن ریخته می شود.
09:51
It's unconscious.
232
591260
2000
ناخودآگاه است.
09:53
The eye is exquisitely sensitive
233
593260
3000
و چشم کاملا حساس است
09:56
to patterns in variations in color, shape and pattern.
234
596260
3000
به الگوهایی که در رنگها، شکلها و الگوها متغییر هستند.
09:59
It loves them, and it calls them beautiful.
235
599260
2000
عاشق آنها است، و آنها را زیبا می نامد.
10:01
It's the language of the eye.
236
601260
2000
این زبانِ چشم است.
10:03
If you combine the language of the eye with the language of the mind,
237
603260
2000
و اگر شما زبانِ چشم را با زبان ذهن ترکیب کنید،
10:05
which is about words and numbers and concepts,
238
605260
3000
که درباره ی کلمات، اعداد و مفاهیم است،
10:08
you start speaking two languages simultaneously,
239
608260
3000
شما شروع به صحبت به دو زبان کرده اید به صورت همزمان،
10:11
each enhancing the other.
240
611260
3000
هر کدام دیگری را ارتقا می دهد.
10:14
So, you have the eye, and then you drop in the concepts.
241
614260
3000
پس، شما بینایی را را دارید، و سپس مفاهیم را مطرح می کنید.
10:17
And that whole thing -- it's two languages
242
617260
2000
و تمام قضیه، آن دو زبان است
10:19
both working at the same time.
243
619260
2000
که در دو در یک زمان کار می کنند.
10:21
So we can use this new kind of language, if you like,
244
621260
2000
پس می توانیم از این نوع جدید زبان استفاده کنیم، اگر شما دوست داشته باشید،
10:23
to alter our perspective or change our views.
245
623260
3000
تا چشم اندازمان را عوض کنیم یا دیدمان را تغییر دهیم.
10:26
Let me ask you a simple question
246
626260
2000
اجازه بدهید که یک سوال ساده از شما بپرسم
10:28
with a really simple answer:
247
628260
2000
با یک جواب بسیار ساده.
10:30
Who has the biggest military budget?
248
630260
2000
چه کسی بزرگترین بودجه ی نظامی را دارد؟
10:32
It's got to be America, right?
249
632260
2000
باید آمریکا باشد، درست است؟
10:34
Massive. 609 billion in 2008 --
250
634260
2000
کلان. 609 میلیارد در سال 2008--
10:36
607, rather.
251
636260
2000
607، ترجیحاً.
10:38
So massive, in fact, that it can contain
252
638260
2000
بسیار کلان، در حقیقت، می تواند شامل شود
10:40
all the other military budgets in the world inside itself.
253
640260
3000
همه ی بقیه ی بودجه های نظامی در جهان را.
10:43
Gobble, gobble, gobble, gobble, gobble.
254
643260
2000
صدای بوقلمون♪
10:45
Now, you can see Africa's total debt there
255
645260
2000
اکنون، می توانید همه ی بدهی آفریقا را در اینجا ببینید
10:47
and the U.K. budget deficit for reference.
256
647260
2000
و کسری بودجه انگلیس را برای ارجاع.
10:49
So that might well chime
257
649260
2000
بنابراین، آن ممکن است که تطبیق کند
10:51
with your view that America
258
651260
2000
با این دید شما که آمریکا
10:53
is a sort of warmongering military machine,
259
653260
3000
یک نوعی از جنگ افروزی، ماشین نظامی،
10:56
out to overpower the world
260
656260
2000
برای غالب شدن بر جهان است
10:58
with its huge industrial-military complex.
261
658260
3000
با آن صنایع نظامی پیچیده و عظیم.
11:01
But is it true that America has the biggest military budget?
262
661260
3000
ولی آیا این درست است که آمریکا دارای بزرگترین بودجه نظامی است؟
11:04
Because America is an incredibly rich country.
263
664260
2000
به این دلیل که بهغایت کشورِ غنی ای است.
11:06
In fact, it's so massively rich
264
666260
2000
در حقیقت، آنقدر غنی است
11:08
that it can contain the four other
265
668260
2000
که می تواند چهارتای دیگر
11:10
top industrialized nations' economies
266
670260
2000
از بالاترین ملیتهای اقتصاد صنعتی را
11:12
inside itself, it's so vastly rich.
267
672260
3000
درخود شامل شود، به صورت بسیار گسترده ای غنی است.
11:15
So its military budget is bound to be enormous.
268
675260
3000
بنابراین، بودجه نظامی آن میباید که بسیار زیاد باشد.
11:18
So, to be fair and to alter our perspective,
269
678260
2000
پس، برای اینکه عادل باشیم و دیدگاه خود را عوض کنیم،
11:20
we have to bring in another data set,
270
680260
2000
باید مجموعه ی دیگری از داده ها را بیاوریم،
11:22
and that data set is GDP, or the country's earnings.
271
682260
2000
و آن مجموعه داده GDP یا درآمدهای کشور است.
11:24
Who has the biggest budget as a proportion of GDP?
272
684260
2000
چه کسی بیشترین سهمِ بودجه را از GDP دارد؟
11:26
Let's have a look.
273
686260
2000
اجازه دهید نگاهی بیاندازیم.
11:28
That changes the picture considerably.
274
688260
3000
آن ، دید را به طور قابل ملاحظه ای عوض می کند.
11:31
Other countries pop into view that you, perhaps, weren't considering,
275
691260
3000
دیگر کشورها به چشم می آیند که شما، شاید، ملاحظه نکردید،
11:34
and American drops into eighth.
276
694260
2000
و آمریکا به رتبه ی هشتم سقوط می کند.
11:36
Now you can also do this with soldiers.
277
696260
2000
حالا می توانید این را با سربازان انجام دهید.
11:38
Who has the most soldiers? It's got to be China.
278
698260
2000
چه کسی بیشترین سربازان را دارد؟ باید چین باشد.
11:40
Of course, 2.1 million.
279
700260
2000
البته، 2.1 میلیون.
11:42
Again, chiming with your view
280
702260
2000
دوباره، با دید شما صدا می کند
11:44
that China has a militarized regime
281
704260
2000
که چین یک رژیم نظامی است
11:46
ready to, you know, mobilize its enormous forces.
282
706260
2000
آماده، می دانید، نیروهای عضیمش را بسیج می کند.
11:48
But of course, China has an enormous population.
283
708260
3000
ولی البته، چین جمعیت عظیمی دارد.
11:51
So if we do the same,
284
711260
2000
پس اگر همان کار را انجام دهیم،
11:53
we see a radically different picture.
285
713260
2000
تصویر اساسا متفاوتی می بینیم.
11:55
China drops to 124th.
286
715260
2000
چین به رتبه ی 124 سقوط می کند.
11:57
It actually has a tiny army
287
717260
2000
در واقع یک ارتش بسیار کوچک دارد
11:59
when you take other data into consideration.
288
719260
3000
وقتی که شما داده های دیگر را نیز مورد بررسی قرار می دهید.
12:02
So, absolute figures, like the military budget,
289
722260
2000
پس، تصاویر مستقل، مانند بودجه نظامی،
12:04
in a connected world,
290
724260
2000
در یک دنیای به هم مرتبط،
12:06
don't give you the whole picture.
291
726260
2000
یک تصویر کاملی به شما نمی دهند.
12:08
They're not as true as they could be.
292
728260
2000
آنها آن طور درست نیستند که می توانند باشد.
12:10
We need relative figures that are connected to other data
293
730260
3000
ما به تصاویر مرتبطی نیاز داریم که به داده های دیگر ارتباط داشته باشند
12:13
so that we can see a fuller picture,
294
733260
2000
تا بتوانیم تصویری کاملتر را ببینیم،
12:15
and then that can lead to us changing our perspective.
295
735260
2000
و بنابراین آن می تواند ما را به سمت عوض کردن دیدگاهمان سوق دهد.
12:17
As Hans Rosling, the master,
296
737260
2000
همان طور که هنس روسلینگ، استاد،
12:19
my master, said,
297
739260
3000
استاد من، گفت،
12:22
"Let the dataset change your mindset."
298
742260
3000
"اجازه بده که مجموعه داده ها، مجموعه ذهنیت تو را عوض کند."
12:26
And if it can do that, maybe it can also change your behavior.
299
746260
3000
و اگر می تواند این کار را انجام بدهد، شاید بتواند رفتار تو را نیز عوض کند.
12:29
Take a look at this one.
300
749260
2000
یک نگاهی به این یکی بیاندازید.
12:31
I'm a bit of a health nut.
301
751260
2000
من یک مقداری دیوانه ی سلامتی هستم.
12:33
I love taking supplements and being fit,
302
753260
3000
عاشق این هستم که مکمل مصرف کنم و تندرست باشم،
12:36
but I can never understand what's going on in terms of evidence.
303
756260
3000
ولی هیچ وقت درک نکردم که شواهد بیانگر چه هستند.
12:39
There's always conflicting evidence.
304
759260
2000
همیشه تناقضی در بین شواهد وجود دارد.
12:41
Should I take vitamin C? Should I be taking wheatgrass?
305
761260
2000
آیا باید ویتامین C مصرف کنم؟ آیا باید گندم سبزه مصرف کنم؟
12:43
This is a visualization of all the evidence
306
763260
2000
این یک تجسمی از تمام شواهد است
12:45
for nutritional supplements.
307
765260
2000
برای مکملهای غذایی.
12:47
This kind of diagram is called a balloon race.
308
767260
3000
این نوع از نمودار را "مسابقه ی بادکنکها" می نامند.
12:50
So the higher up the image,
309
770260
2000
بنابراین، هرچه تصویر بالاتر باشد،
12:52
the more evidence there is for each supplement.
310
772260
3000
شواهد بیشتری برای هر یک از مکملها وجود دارد.
12:55
And the bubbles correspond to popularity as regards to Google hits.
311
775260
3000
و حبابها بیانگر محبوبیت کالا از طریقِ تعدادِ بازدیدهای گوگل.
12:58
So you can immediately apprehend
312
778260
3000
بنابراین می توانید بلافاصله درک کنید
13:01
the relationship between efficacy and popularity,
313
781260
3000
ارتباط بین محبوبیت وتاثیرگذاری،
13:04
but you can also, if you grade the evidence,
314
784260
3000
اما به علاوه، می توانید، اگر ارزش بدهید به شواهد،
13:07
do a "worth it" line.
315
787260
2000
یک جوری خط "ارزش گذاری" را انجام دهید.
13:09
So supplements above this line are worth investigating,
316
789260
3000
و پس مکملهای بالای بالای این خط ارزش در نظر گرفته شدن را دارند،
13:12
but only for the conditions listed below,
317
792260
3000
ولی فقط تجتِ شرایط زیر،
13:15
and then the supplements below the line
318
795260
3000
و مکملهای زیر این خط
13:18
are perhaps not worth investigating.
319
798260
2000
شاید ارزش در نظر گرفتن را نداشته باشند.
13:20
Now this image constitutes a huge amount of work.
320
800260
3000
حالا این تصویرمقدار زیادی کار برده است.
13:23
We scraped like 1,000 studies from PubMed,
321
803260
3000
حدود 1000 مطالعه از PubMed را در نظر گرفتیم،
13:26
the biomedical database,
322
806260
2000
پایگاه داده بیوپزشکی،
13:28
and we compiled them and graded them all.
323
808260
3000
و همه را جمع آوری و درجه بندی کردیم.
13:31
And it was incredibly frustrating for me
324
811260
2000
و به طور باور نکردنی برای من خسته کننده بود
13:33
because I had a book of 250 visualizations to do for my book,
325
813260
3000
برای اینکه یک کتاب از 250 تصویری داشتم که برای انجام دادن کتابم بود.
13:36
and I spent a month doing this,
326
816260
2000
و من یک ماه برای انجام دادن این کار وقت صرف کردم،
13:38
and I only filled two pages.
327
818260
2000
و فقط دو صفحه پر کردم.
13:40
But what it points to
328
820260
2000
ولی این بیانگر این است که
13:42
is that visualizing information like this
329
822260
2000
به تصویر کشیدن اطلاعات مانند این
13:44
is a form of knowledge compression.
330
824260
2000
یک فرم از فشرده سازی دانش است.
13:46
It's a way of squeezing an enormous amount
331
826260
2000
این روشی برای فشرده کردن مقدار انبوهی
13:48
of information and understanding
332
828260
2000
از اطلاعات و مفاهیم
13:50
into a small space.
333
830260
2000
در یک فضای محدود است.
13:52
And once you've curated that data, and once you've cleaned that data,
334
832260
2000
و هنگامی که آن داده ها را فشرده می کنید، و هنگامی که آن داده ها را پاکسازی می کنید،
13:54
and once it's there,
335
834260
2000
و هنگامی که این کار را می کنید ،
13:56
you can do cool stuff like this.
336
836260
2000
می توانید کارهای جالبی مانند این انجام دهید.
13:58
So I converted this into an interactive app,
337
838260
2000
بنابراین من این را به یک برنامه کاربردی تعاملی تبدیل کردم،
14:00
so I can now generate this application online --
338
840260
2000
بنابراین من می توانم این برنامه کاربردی آن لاین را تولید کنم--
14:02
this is the visualization online --
339
842260
2000
این یک تصویر سازی آن لاین است--
14:04
and I can say, "Yeah, brilliant."
340
844260
2000
و می توانم بگویم، "بله، عالیست."
14:06
So it spawns itself.
341
846260
2000
پس خودش را تولید می کند.
14:08
And then I can say, "Well, just show me the stuff
342
848260
2000
و سپس می توانم بگویم، " خوب، فقط به من چیزها را نشان بده
14:10
that affects heart health."
343
850260
2000
که سلامتی قلب را تحت تاثیر قرار می دهد."
14:12
So let's filter that out.
344
852260
2000
پس بگذارید آن را فیلتر کنیم.
14:14
So heart is filtered out, so I can see if I'm curious about that.
345
854260
3000
خوب، قلب فیلتر شده است، بنابراین اگر درباره آن کنجکاو باشم.
14:17
I think, "No, no. I don't want to take any synthetics,
346
857260
2000
من فکر می کنم، "نه، نه. نمی خواهم از خوراکیهای مصنوعی استفاده کنم.
14:19
I just want to see plants and --
347
859260
3000
فقط می خواهم گیاهان را ببینم و--
14:22
just show me herbs and plants. I've got all the natural ingredients."
348
862260
3000
فقط به من سبزیجات و گیاهان را نشان بده. همه ی محتویات طبیعی را در اختیار دارم."
14:25
Now this app is spawning itself
349
865260
2000
حالا این برنامه کاربردی خودش تولید می کند
14:27
from the data.
350
867260
2000
از داده ها.
14:29
The data is all stored in a Google Doc,
351
869260
2000
همه ی داده ها در Google doc ذخیره شده است،
14:31
and it's literally generating itself from that data.
352
871260
3000
و به معنای واقعی کلمه خودش در حال تولید کردن از آن داده ها است.
14:34
So the data is now alive; this is a living image,
353
874260
2000
بنابراین داده ها اکنون زنده هستند؛ این یک تصویر زنده است،
14:36
and I can update it in a second.
354
876260
2000
و می توانم در یک ثانیه آن را به روز کنم.
14:38
New evidence comes out. I just change a row on a spreadsheet.
355
878260
2000
مدارک جدید بیرون می آید--من فقط یک سطر را در صفحه گسترده عوض می کنم.
14:40
Doosh! Again, the image recreates itself.
356
880260
4000
اوف! دوباره، تصویر خودش را می سازد.
14:44
So it's cool.
357
884260
2000
جالب است.
14:46
It's kind of living.
358
886260
3000
یک جورهایی زنده است.
14:49
But it can go beyond data,
359
889260
2000
ولی می تواند فراتر از داده ها برود،
14:51
and it can go beyond numbers.
360
891260
2000
و می تواند فراتر از اعداد برود.
14:53
I like to apply information visualization
361
893260
2000
و من دوست دارم که به تصویر کشیدن اطلاعات را به کار ببرم
14:55
to ideas and concepts.
362
895260
3000
برای ایده ها و مفاهیم.
14:58
This is a visualization
363
898260
2000
این یک تصویرسازی
15:00
of the political spectrum,
364
900260
2000
از طیف سیاسی است،
15:02
an attempt for me to try
365
902260
2000
برای من که تلاش کنم
15:04
and understand how it works
366
904260
2000
وبفهمم که چگونه کار می کند
15:06
and how the ideas percolate down
367
906260
2000
و چگونه ایده ها نفوذ می کنند
15:08
from government into society and culture,
368
908260
2000
از دولت به سمت جامعه و فرهنگ،
15:10
into families, into individuals, into their beliefs
369
910260
3000
به سمت خانواده ها، به سمت افراد، به سمت باورهایشان
15:13
and back around again in a cycle.
370
913260
3000
و دوباره در یک چرخه بر می گردند.
15:16
What I love about this image
371
916260
2000
چیزی که من راجع به این تصویر دوست دارم
15:18
is it's made up of concepts,
372
918260
2000
این است که از مفاهیم ساخته شده است،
15:20
it explores our worldviews
373
920260
2000
دید جهانی ما را کاوش می کند
15:22
and it helps us -- it helps me anyway --
374
922260
2000
و به ما کمک می کند-- در هر حال به من کمک می کند--
15:24
to see what others think,
375
924260
2000
چیزهایی که دیگران فکر می کنند را ببینم،
15:26
to see where they're coming from.
376
926260
2000
ببینم آنها از کجا می آیند،
15:28
And it feels just incredibly cool to do that.
377
928260
3000
واحساس می شود که به طور باور نکردنی فقط جالب است که آن را انجام دهید.
15:31
What was most exciting for me
378
931260
3000
و چیزی که برای من از همه جالب تر بود
15:34
designing this
379
934260
2000
در طراحیِ این
15:36
was that, when I was designing this image,
380
936260
2000
این بود که، وقتی در حال طراحی این تصویر بودم،
15:38
I desperately wanted this side, the left side,
381
938260
3000
به شدت این سمت را می خواستم، سمت چپ را،
15:41
to be better than the right side --
382
941260
2000
که بهتر از سمت راست شود--
15:43
being a journalist, a Left-leaning person --
383
943260
3000
به عنوان یک روزنامه نگار --یک فرد متمایل به سمت چپ--
15:46
but I couldn't, because I would have created
384
946260
2000
ولی نمی توانستم، به خاطر اینکه می ساختم
15:48
a lopsided, biased diagram.
385
948260
3000
یک نمودار ناعادلانه و متمایل به یک طرف،
15:51
So, in order to really create a full image,
386
951260
3000
پس،واقعا برای ساختن یک تصویر کامل،
15:54
I had to honor the perspectives on the right-hand side
387
954260
3000
مجبور بودم که به دیدگاه های متمایل به راست احترام بگذارم
15:57
and at the same time, uncomfortably recognize
388
957260
3000
و همزمان، به صورت ناراحت کننده ای تشخیص دادم
16:00
how many of those qualities were actually in me,
389
960260
3000
چه قدر از آن مقدارها در واقع در من وجود داشت،
16:03
which was very, very annoying and uncomfortable.
390
963260
2000
که خیلی، خیلی ناراحت کننده و رنج آور بود.
16:05
(Laughter)
391
965260
4000
(خنده حضار)
16:09
But not too uncomfortable,
392
969260
2000
ولی نه بیش از اندازه ناراحت کننده،
16:11
because there's something unthreatening
393
971260
3000
به این دلیل که چیز تهیده کننده ای وجود نداشت
16:14
about seeing a political perspective,
394
974260
2000
درباره "دیدن" یک دیدگاه سیاسی،
16:16
versus being told or forced to listen to one.
395
976260
3000
در مقایسه با شنیدن آن از طریق شخص دیگر یا به زور شنیدن آن.
16:19
You're capable of holding conflicting viewpoints
396
979260
3000
در واقع -- شما توانا هستید که نقطه نظرات متضاد را نگه دارید
16:22
joyously when you can see them.
397
982260
2000
شادمانه، وقتی که می توانید آنها را ببینید.
16:24
It's even fun to engage with them
398
984260
2000
حتی برای شما سرگرمی است که با آنها مشغول شوید.
16:26
because it's visual.
399
986260
2000
به خاطر اینکه آنها تصویری هستند.
16:28
So that's what's exciting to me,
400
988260
2000
این دلیلِ هیجان آور بودنِ موضوع برای من است،
16:30
seeing how data can change my perspective
401
990260
2000
دیدن اینکه چگونه داده ها می توانند دیدگاهم را عوض کنند
16:32
and change my mind midstream --
402
992260
2000
و جریان ذهنی ام را عوض کنند--
16:34
beautiful, lovely data.
403
994260
3000
داده های زیبا و دوست داشتنی.
16:38
So, just to wrap up,
404
998260
2000
خوب، در جمع بندی،
16:40
I wanted to say
405
1000260
2000
من خواستم بگویم
16:42
that it feels to me that design is about solving problems
406
1002260
2000
که من احساس می کنم که طراحی یعنی حل کردن مشکلات
16:44
and providing elegant solutions,
407
1004260
3000
و فراهم کردن راه حلهای ظریف
16:47
and information design is about
408
1007260
2000
و طراحی اطلاعات یعنی
16:49
solving information problems.
409
1009260
2000
حل کردن مشکلات اطلاعات.
16:51
It feels like we have a lot of information problems
410
1011260
2000
و این طور احساس می شود که ما مشکلات اطلاعات زیادی داریم
16:53
in our society at the moment,
411
1013260
2000
در جامعه مان در این لحظه،
16:55
from the overload and the saturation
412
1015260
2000
از اشباع شدگی و زیادی
16:57
to the breakdown of trust and reliability
413
1017260
2000
تا از بین رفتنِ اعتماد و اطمینان
16:59
and runaway skepticism and lack of transparency,
414
1019260
2000
و تردید و عدم شفافیت،
17:01
or even just interestingness.
415
1021260
2000
یا حتی فقط جذاب نبودن.
17:03
I mean, I find information just too interesting.
416
1023260
2000
منظورم این است،من اطلاعات را خیلی جالب می یابم.
17:05
It has a magnetic quality that draws me in.
417
1025260
3000
یک خاصیت آهن ربایی دارد که من را به سوی خودش می کشد.
17:09
So, visualizing information
418
1029260
2000
بنابراین، به تصویر کشیدن اطلاعات
17:11
can give us a very quick solution to those kinds of problems.
419
1031260
3000
می تواند به ما یک راه حل سریع به آن دسته از مشکلات بدهد.
17:14
Even when the information is terrible,
420
1034260
2000
و حتی وقتی که اطلاعات افتضاح هستند،
17:16
the visual can be quite beautiful.
421
1036260
3000
تصویر می تواند بسیار زیبا باشد.
17:19
Often we can get clarity
422
1039260
3000
و اغلب می توانیم به نظم و ترتیب برسیم
17:22
or the answer to a simple question very quickly,
423
1042260
2000
یا جواب بدهیم یک سوال ساده را،
17:24
like this one,
424
1044260
2000
مانند این یکی،
17:26
the recent Icelandic volcano.
425
1046260
3000
آتشفشان اخیر ایسلند.
17:29
Which was emitting the most CO2?
426
1049260
2000
کدام یک بیشترین CO2 را منتشر کرد؟
17:31
Was it the planes or the volcano,
427
1051260
2000
آیا آن هواپیماها بود یا آتشفشان بود،
17:33
the grounded planes or the volcano?
428
1053260
2000
هواپیماهای غیر فعال یا آتشفشان؟
17:35
So we can have a look.
429
1055260
2000
پس می توانیم نگاهی بیاندازیم.
17:37
We look at the data and we see:
430
1057260
2000
به داده ها نگاهی می اندازیم و می بینیم،
17:39
Yep, the volcano emitted 150,000 tons;
431
1059260
2000
بله، آتشفشان 15000 تن (گاز) انتشار داد؛
17:41
the grounded planes would have emitted
432
1061260
2000
و هواپیماهای غیر فعال انتشار خواهد داد
17:43
345,000 if they were in the sky.
433
1063260
3000
345000، اگر آنها در آسمان باشند.
17:46
So essentially, we had our first carbon-neutral volcano.
434
1066260
3000
پس اساسا، اولین کربن-خنثی آتشفشان را داشتیم.
17:49
(Laughter)
435
1069260
2000
(خنده حضار)
17:51
(Applause)
436
1071260
9000
(تشویق)
18:00
And that is beautiful. Thank you.
437
1080260
3000
و این زیبا است. متشکرم.
18:03
(Applause)
438
1083260
8000
(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