Erik Hersman: How texting helped Kenyans survive crisis

اریك هرشمن درباره‌ی گزارش بحران با کمک پیامك

15,544 views

2009-04-22 ・ TED


New videos

Erik Hersman: How texting helped Kenyans survive crisis

اریك هرشمن درباره‌ی گزارش بحران با کمک پیامك

15,544 views ・ 2009-04-22

TED


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

Translator: Adel Alaei Rad Reviewer: Saeed Salehi
00:12
So I'm here to tell you a story of success from Africa.
0
12160
4000
من اینجا هستم تا داستان یک موفقیت را از آفریقا برای شما نقل کنم.
00:16
A year and a half ago,
1
16160
3000
یک سال و نیم پیش،
00:19
four of the five people who are full time members
2
19160
2000
چهار نفر از پنج عضو تمام وقت یوشاهیدی
00:21
at Ushahidi,
3
21160
2000
چهار نفر از پنج عضو تمام وقت یوشاهیدی
00:23
which means "testimony" in Swahili,
4
23160
3000
که به زبان سواحلی به معنی "گواهی" است،
00:26
were TED Fellows.
5
26160
2000
همکار TED بودند.
00:28
A year ago in Kenya we had post-election violence.
6
28160
3000
یک سال پیش در کنیا خشونت پس از انتخابات داشتیم.
00:31
And in that time we prototyped and built,
7
31160
3000
و در آن زمان ما سه روزه یک سیستم مدل سازی کردیم و ساختیم
00:34
in about three days, a system that would allow
8
34160
2000
و در آن زمان ما سه روزه یک سیستم مدل سازی کردیم و ساختیم
00:36
anybody with a mobile phone
9
36160
2000
که به هر کس با یک تلفن همراه اجازه می دهد
00:38
to send in information and reports on what was happening around them.
10
38160
3000
درباره‌ی رخدادهای اطراف خود اطلاعات و گزارش بفرستد.
00:41
We took what we knew about Africa,
11
41160
2000
ما با دانش خود درباره‌ی آفریقا،
00:43
the default device,
12
43160
2000
و با انتخاب تلفن همراه
00:45
the mobile phone, as our common denominator,
13
45160
2000
به عنوان ابزار ورودی رایج،
00:47
and went from there.
14
47160
2000
کار خود را شروع کردیم.
00:49
We got reports like this.
15
49160
3000
ما گزارش‌هایی مثل این دریافت کردیم.
00:56
This is just a couple of them from January 17th, last year.
16
56160
3000
این تنها تعدادی از گزارش‌های ۱۷ ژانویه‌ی پارسال است.
01:02
And our system was rudimentary. It was very basic.
17
62160
3000
سیستم ما بدوی و خیلی ابتدایی بود.
01:05
It was a mash-up that used data that we collected from people,
18
65160
3000
یک برنامه‌ی تلفیقی بود که اطلاعاتی را که از مردم جمع می‌کردیم یه کار می‌برد‌
01:08
and we put it on our map.
19
68160
2000
و آن‌ها را روی نقشه می‌گذاشت.
01:10
But then we decided we needed to do something more.
20
70160
2000
ولی بعد ما به این نتیجه رسیدیم که باید کار بیشتری انجام بدهیم.
01:12
We needed to take what we had built
21
72160
2000
لازم بود از آنچه ساخته بودیم
01:14
and create a platform out of it so that it could be used elsewhere in the world.
22
74160
3000
یک پلتفرم دربیاوریم که بتوان در هرجای دنیا از آن استفاده کرد.
01:17
And so there is a team of developers
23
77160
3000
و اینگونه بود که یک تیمی تشکیل شد از برنامه‌نویسان
01:20
from all over Africa, who are part of this team now --
24
80160
3000
از سراسر آفریقا، که اکنون هم عضوی از این تیم هستند،
01:23
from Ghana, from Malawi, from Kenya.
25
83160
2000
از غنا، مالاوی، کنیا.
01:25
There is even some from the U.S.
26
85160
4000
و حتی از آمریکا هم حضور دارند.
01:29
We're building for smartphones, so that it can be used in the developed world,
27
89160
3000
ما برای تلفن‌های هوشمند برنامه می نویسیم تا این سیستم همانند کشورهای درحال توسعه،
01:32
as well as the developing world.
28
92160
2000
در کشورهای توسعه‌یافته هم به کار رود.
01:34
We are realizing that this is true.
29
94160
2000
ما به این نتیجه رسیدیم که این درست است که
01:36
If it works in Africa then it will work anywhere.
30
96160
2000
اگر این سیستم در آفریقا کار می‌کند پس در همه‌ی نقاط دیگر جهان هم کار خواهد کرد.
01:38
And so we build for it in Africa first
31
98160
3000
پس ما ابتدا آن را در آفریقا ساختیم
01:41
and then we move to the edges.
32
101160
2000
و سپس آن را گسترش دادیم.
01:43
It's now been deployed in the Democratic Republic of the Congo.
33
103160
3000
و اکنون در جمهوری دموکراتیک کنگو راه‌اندازی شده‌است.
01:46
It's being used by NGOs all over East Africa,
34
106160
3000
در تمام شرق آفریقا توسط نهاد های غیر دولتی استفاده می‌شود.
01:49
small NGOs doing their own little projects.
35
109160
3000
نهاد های غیر دولتی کوچک پروژه‌های کوچک خود را اجرا می‌کنند.
01:52
Just this last month it was deployed by
36
112160
2000
همین ماه گذشته توسط الجزیره
01:54
Al Jazeera in Gaza.
37
114160
3000
در غزه به‌کار گرفته شد.
01:57
But that's actually not what I'm here to talk about.
38
117160
2000
ولی این آن چیزی نیست که من می‌خواهم درباره‌ی آن صحبت کنم.
01:59
I'm here to talk about the next big thing,
39
119160
2000
من می‌خواهم درباره‌ی "چیز بزرگ بعدی" صحبت کنم.
02:01
because what we're finding out is that
40
121160
2000
چون آنچه ما دریافتیم این است که
02:03
we have this capacity to report
41
123160
2000
ما این توان را داریم که
02:05
eyewitness accounts of what's going on in real time.
42
125160
4000
بلافاصله مشاهدات شاهدان عینی را از آنچه رخ می‌دهد گزارش کنیم.
02:09
We're seeing this in events like Mumbai recently,
43
129160
3000
اخیراً در وقایعی مثل بمبئی ما می‌بینیم که
02:12
where it's so much easier to report now
44
132160
2000
گزارش کردن (آن وقایع) خیلی راحتتر است
02:14
than it is to consume it.
45
134160
2000
از مصرف آنها.
02:16
There is so much information; what do you do?
46
136160
2000
حجم اطلاعات بسیار زیاد است؛ چه باید کرد؟
02:18
This is the Twitter reports for over three days
47
138160
3000
این‌ها گزارش‌های توییتری سه روز است.
02:21
just covering Mumbai.
48
141160
2000
که فقط شامل بمبئی می‌شود.
02:23
How do you decide what is important?
49
143160
2000
چگونه انتخاب می‌کنید که کدام مهم است؟
02:25
What is the veracity level of what you're looking at?
50
145160
3000
شما دنبال چه سطحی از صحت خبر هستید؟
02:28
So what we find is that there is this
51
148160
2000
آنچه ما یافتیم این بود که
02:30
great deal of wasted crisis information
52
150160
2000
چون در حال حاضر حجم اطلاعات دریافتی بسیار بیش از آن است که بتوانیم عملاً با آنها کاری بکنیم، مقدار قابل توجهی از اطلاعات هدر می‌رود.
02:32
because there is just too much information for us to
53
152160
3000
چرا که ما با حجم بسیار بزرگی از اطلاعات سر و کار داریم
02:35
actually do anything with right now.
54
155160
3000
که برایمان نا ممکن است با آن (اطلاعات) در حال حاضر بتوانیم کاری انجام دهیم.
02:38
And what we're actually really concerned with
55
158160
2000
سه ساعت نخست پس از حادثه
02:40
is this first three hours.
56
160160
2000
بیشترین اهمیت را برای ما دارد.
02:42
What we are looking at is the first three hours.
57
162160
2000
چیزی که ما به دنبالش هستیم در آن سه ساعت نخست است.
02:44
How do we deal with that information that is coming in?
58
164160
3000
چگونه با این اطلاعات ورودی برخورد کنیم؟
02:47
You can't understand what is actually happening.
59
167160
2000
نمی‌توان فهمید واقعاً چه اتفاقی دارد می‌افتد.
02:49
On the ground and around the world
60
169160
2000
در نقطه ی حادثه و همه جای دنیا
02:51
people are still curious,
61
171160
2000
مردم هنوز کنجکاوند،
02:53
and trying to figure out what is going on. But they don't know.
62
173160
3000
و تلاش می‌کنند بفهمند چه اتفاقی دارد می‌افتد. ولی نمی‌دانند.
02:56
So what we built of course, Ushahidi,
63
176160
3000
پس یوشاهیدی، که ما ساختیم،
02:59
is crowdsourcing this information.
64
179160
2000
این اطلاعات را جمع‌سپاری می‌کند‌
03:01
You see this with Twitter, too. You get this information overload.
65
181160
3000
همین را در توییتر هم می‌شود دید، اطلاعات بیش از ظرفیت دریافت می‌شوند.
03:04
So you've got a lot of information. That's great.
66
184160
2000
پس اطلاعات بسیاری خواهیم داشت. این عالیست.
03:06
But now what?
67
186160
2000
ولی حالا چه؟
03:08
So we think that there is something interesting we can do here.
68
188160
3000
پس ما فکر کردیم که در اینجا می‌شود کار جالبی انجام داد.
03:11
And we have a small team who is working on this.
69
191160
2000
و ما یک گروه کوچک داریم که روی آن کار می‌کنند.
03:13
We think that we can actually create
70
193160
2000
ما فکر می‌کنیم که می‌توانیم
03:15
a crowdsourced filter.
71
195160
2000
یک فیلتر جمع‌سپاری درست کنیم.
03:17
Take the crowd and apply them to the information.
72
197160
3000
جمعیت را بگیریم و روی اطلاعات اعمال کنیم.
03:20
And by rating it and by rating
73
200160
2000
و با رتبه‌یندی آن و با رتبه‌بندی
03:22
the different people who submit information,
74
202160
2000
مردم مختلفی که آن اطلاعات را وارد کرده‌اند،
03:24
we can get refined results
75
204160
2000
ما نتیجه‌ای پالایش‌شده
03:26
and weighted results.
76
206160
2000
و وزن‌کشی‌شده (آزموده) به‌دست خواهیم آورد.
03:28
So that we have a better understanding
77
208160
2000
درنتیجه فهم بهتری از
03:30
of the probability of something being true or not.
78
210160
2000
درنتیجه فهم بهتری از احتمال درست یا غلط بودن آن خواهیم داشت.
03:32
This is the kind of innovation that is,
79
212160
3000
این یک نوع نوآوری است
03:35
quite frankly -- it's interesting that it's coming from Africa.
80
215160
2000
و رک بگم، جالبه که از آفریقا می‌آید.
03:37
It's coming from places that you wouldn't expect.
81
217160
3000
از جایی می‌آید که ما انتظارش را نداریم.
03:40
From young, smart developers.
82
220160
2000
از برنامه‌نویسان جوان و باهوش.
03:42
And it's a community around it that has decided to build this.
83
222160
3000
و جامعه‌ی پیرامون آن است که تصمیم به ساخت آن گرفته است.
03:45
So, thank you very much.
84
225160
2000
متشکرم.
03:47
And we are very happy to be part of the TED family.
85
227160
2000
و ما خوشحالیم که بخشی از خانواده‌ی TED هستیم.
03:49
(Applause)
86
229160
1000
(تشویق حضار)
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