Hans Rosling: Debunking third-world myths with the best stats you've ever seen

2,179,249 views ・ 2007-01-14

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Daniel Farkas Lektor: Krisztián Pintér
00:25
About 10 years ago, I took on the task to teach global development
0
25626
4355
Nagyjából 10 éve elvállaltam, hogy globális fejlődést tanítsak
svéd egyetemi hallgatóknak. Mindezt azután, hogy mintegy 20 évet töltöttem
00:30
to Swedish undergraduate students.
1
30005
2146
00:32
That was after having spent about 20 years,
2
32175
2881
afrikai intézményekkel együtt a kontinenst sújtó éhezés tanulmányozásával,
00:35
together with African institutions,
3
35080
1877
00:36
studying hunger in Africa.
4
36981
1598
tehát számítottak rá, hogy tudok egy keveset a világról.
00:38
So I was sort of expected to know a little about the world.
5
38603
3998
A Karolinska Intézetben - amely a mi orvosi egyetemünk - indítottam tehát
00:42
And I started, in our medical university, Karolinska Institute,
6
42625
3351
00:46
an undergraduate course called Global Health.
7
46000
3530
egy Globális Egészség elnevezésű kurzust. Amikor azonban az ember
00:49
But when you get that opportunity, you get a little nervous.
8
49554
2822
ilyen lehetőséget kap, némileg ideges lesz. Én azt gondoltam, hogy az ide
00:52
I thought, these students coming to us actually have the highest grade
9
52400
3334
jövő diákok a svéd oktatásban elérhető legmagasabb osztályzatokkal rendelkeznek,
00:55
you can get in the Swedish college system,
10
55758
2023
így lehet, hogy már tudnak mindent, amit
00:57
so I thought, maybe they know everything I'm going to teach them about.
11
57805
3365
meg akarok nekik tanítani. Ezért készítettem egy belépő tesztet.
01:01
So I did a pretest when they came.
12
61194
1997
01:03
And one of the questions from which I learned a lot was this one:
13
63215
3493
Az egyik kérdés, amelyből sokat tanultam, az alábbi volt:
01:06
"Which country has the highest child mortality of these five pairs?"
14
66732
4269
"Az alábbi országpárok közül melyikben magasabb a gyermekhalandóság?"
Úgy párosítottam az országokat, hogy az egyikben
01:11
And I put them together so that in each pair of countries,
15
71890
3070
01:14
one has twice the child mortality of the other.
16
74984
3445
a gyermekhalandóság a másik kétszerese. Tehát a
01:18
And this means that it's much bigger, the difference,
17
78453
4245
különbség jóval nagyobb, mint az adatok esetleges bizonytalansága.
01:22
than the uncertainty of the data.
18
82722
1802
01:24
I won't put you at a test here, but it's Turkey,
19
84548
2311
Nem fogom most tesztelni Önöket, de a helyes válaszok Törökország,
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
20
86883
4327
ott legfelül, Lengyelország, Oroszország, Pakisztán és Dél-Afrika.
01:31
And these were the results of the Swedish students.
21
91234
2422
És ezek a svéd diákok eredményei. Úgy csináltam, hogy
01:33
I did it so I got the confidence interval, which is pretty narrow.
22
93680
3170
megkaptam a konfidencia intervallumot, ami elég keskeny, és persze
01:36
And I got happy, of course -- a 1.8 right answer out of five possible.
23
96874
3985
örültem: 1,8 helyes válasz született az 5 lehetségesből. Ez azt jelenti, hogy
01:40
That means there was a place for a professor of international health
24
100883
3211
igenis volt hely egy nemzetközi egészségügyi professzor, illetve
01:44
and for my course.
25
104118
1166
(nevetés) a kurzusom számára.
01:45
(Laughter)
26
105308
1033
01:46
But one late night, when I was compiling the report,
27
106365
4039
Azonban egyik este, amikor épp a jelentést állítottam össze,
01:50
I really realized my discovery.
28
110428
2566
ráébredtem, hogy mit feldeztem fel valójában. Sikerült megmutatnom, hogy
01:53
I have shown that Swedish top students know, statistically,
29
113018
4925
a svéd éltanulók statisztikailag szignifikánsan kevesebbet tudnak
01:57
significantly less about the world than the chimpanzees.
30
117967
3009
a világról, mint a csimpánzok.
02:01
(Laughter)
31
121000
1976
(nevetés)
02:03
Because the chimpanzee would score half right
32
123000
3459
Ugyanis a csimpánz az esetek felében helyesen válaszolna, ha adnék neki
02:06
if I gave them two bananas with Sri Lanka and Turkey.
33
126483
2630
két banánt, az egyik Sri Lanka, a másik Törökország. Az esetek felében jó választ adnának.
02:09
They would be right half of the cases. But the students are not there.
34
129137
3422
A diákok azonban nem tartanak még itt. A probléma nem a tudatlanság, hanem
02:12
The problem for me was not ignorance; it was preconceived ideas.
35
132583
4215
az előítéletek.
02:16
I did also an unethical study
36
136822
2737
Elvégeztem a tanulmányt - nem túl etikus módon - a professzorokkal is a Karolinska Intézetben
02:19
of the professors of the Karolinska Institute,
37
139583
2527
(nevetés)
02:22
which hands out the Nobel Prize in Medicine,
38
142134
2541
- amely az orvosi Nobel-díj odaítélője -
02:24
and they are on par with the chimpanzee there.
39
144699
2296
és ők egy szinten vannak a csimpánzokkal.
(nevetés)
02:27
(Laughter)
40
147019
2435
02:29
This is where I realized that there was really a need to communicate,
41
149478
4183
Ezen a ponton jöttem rá, hogy valóban kell erről beszélni,
02:33
because the data of what's happening in the world
42
153685
2904
mert a világ történéseiről szóló adatok
02:36
and the child health of every country
43
156613
1961
és az országok gyermekegészségügye nagyon is fontos
02:38
is very well aware.
44
158598
1337
02:39
So we did this software, which displays it like this.
45
159959
2767
Készítettünk egy szoftvert, amely mindezt az alábbi módon ábrázolja: minden buborék egy ország.
02:42
Every bubble here is a country.
46
162750
1958
02:44
This country over here is China.
47
164732
4989
Ez az ország itt Kína. Ez pedig India.
02:49
This is India.
48
169745
1163
02:50
The size of the bubble is the population,
49
170932
2247
A buborékok mérete a lakosságot mutatja, erre a tengelyre pedig a termékenységet tettem.
02:53
and on this axis here, I put fertility rate.
50
173203
3556
02:56
Because my students, what they said
51
176783
2443
Ugyanis a diákjaim azt mondták amikor
02:59
when they looked upon the world, and I asked them,
52
179250
2559
a világra néztek, és én megkérdeztem tőlük, hogy
03:01
"What do you really think about the world?"
53
181833
2723
"Mit gondoltok valójában a világról?"
Először is felfedeztem, hogy a tankönyvük főként a Tintin volt.
03:04
Well, I first discovered that the textbook was Tintin, mainly.
54
184580
3269
03:07
(Laughter)
55
187873
1045
(nevetés)
03:08
And they said, "The world is still 'we' and 'them.'
56
188942
2515
Ők azt válaszolták, hogy "a világ még mindig 'mi' és 'ők'.
03:11
And 'we' is the Western world and 'them' is the Third World."
57
191481
3453
Mi vagyunk a nyugati világ, ők pedig a harmadik világ".
"És mit értenek Önök nyugati világ alatt?" - kérdeztem.
03:15
"And what do you mean with 'Western world?'" I said.
58
195381
2510
03:17
"Well, that's long life and small family.
59
197915
1977
"Hosszú élet és kis család, míg a harmadik világ rövid élet és nagy család".
03:19
And 'Third World' is short life and large family."
60
199916
2388
Úgyhogy ezt ábrázoltam itt. Ide tettem a termékenységet, tehát az egy nőre eső gyermekek számát:
03:23
So this is what I could display here.
61
203058
2385
03:25
I put fertility rate here --
62
205467
1657
03:27
number of children per woman: one, two, three, four,
63
207148
3138
egy, kettő, három, négy, egészen nyolc gyermekig.
03:30
up to about eight children per woman.
64
210310
2031
03:32
We have very good data since 1962, 1960, about,
65
212365
3980
Nagyon jó adatokkal rendelkezünk 1962 óta - nagyjából 1960 óta - a családok nagyságáról a világ összes országából.
03:36
on the size of families in all countries.
66
216369
2033
03:38
The error margin is narrow.
67
218426
1375
A hibahatár itt szűk. Ide tettem a születéskor várható élettartamot,
03:39
Here, I put life expectancy at birth,
68
219825
2008
03:41
from 30 years in some countries, up to about 70 years.
69
221857
3467
az egyes országokban lévő 30 évtől nagyjából 70 évig.
03:45
And in 1962, there was really a group of countries here
70
225348
3403
1962-ben valóban volt egy országcsoport itt, amelyek
03:48
that were industrialized countries,
71
228775
1857
iparosodottak voltak és valóban kis családok és hosszú élet jellemezte őket.
03:50
and they had small families and long lives.
72
230656
3094
03:53
And these were the developing countries.
73
233774
2100
Ezek pedig a fejlődő országok voltak:
03:55
They had large families and they had relatively short lives.
74
235898
3041
népes családokban éltek és viszonylag rövid életűek voltak.
03:58
Now, what has happened since 1962? We want to see the change.
75
238963
3681
Mi is történt tehát 1962 óta? Szeretnénk látni a változást.
04:02
Are the students right? It's still two types of countries?
76
242668
2937
Igaza van a diákoknak? Még mindig két típusba sorolhatjuk az országokat?
04:05
Or have these developing countries got smaller families and they live here?
77
245629
3736
Vagy ezen fejlődő országokban már kisebb családok vannak és eddig élnek?
04:09
Or have they got longer lives and live up there?
78
249389
2298
Vagy hosszabb életűek és ott vannak fent?
04:11
Let's see. We start the world, eh?
79
251711
1841
Lássuk. Itt megállítottuk a világot. Ezek mind ENSZ statisztikák,
04:13
This is all UN statistics that have been available.
80
253576
2486
amelyek hozzáférhetőek. Indulhatunk. Látják ott?
04:16
Here we go. Can you see there?
81
256086
1501
04:17
It's China there, moving against better health there, improving there.
82
257611
3287
Ott van Kína, elindul a jobb egészség felé, fejlődik.
04:20
All the green Latin American countries are moving towards smaller families.
83
260922
3645
Az összes zöld latin-amerikai ország a kisebb családok felé mozdul.
A sárga buborékok itt az arab országok és
04:24
Your yellow ones here are the Arabic countries,
84
264591
2422
nekik nő a családjuk ... akarom mondani hosszabb életűek, de nem nagyobbak a családok.
04:27
and they get longer life, but not larger families.
85
267037
3901
04:30
The Africans are the green here. They still remain here.
86
270962
2622
Az afrikaiak a zöld buborékok itt lent. Még mindig itt vannak.
04:33
This is India; Indonesia is moving on pretty fast.
87
273608
2641
Itt van India. Indonézia is elég gyorsan mozog.
04:36
In the '80s here, you have Bangladesh still among the African countries.
88
276273
4106
(nevetés)
És itt a nyolcvanas években Banglades még mindig az afrikai országok között van.
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s --
89
280403
3228
Most azonban Bangladesben csoda történik a nyolcvanas években:
04:43
the imams start to promote family planning,
90
283655
2413
az imámok elkezdik a családtervezést hirdetni.
04:46
and they move up into that corner.
91
286092
1747
És felkúsznak abba a sarokba. A kilencvenes években jön a borzalmas AIDS járvány
04:47
And in the '90s, we have the terrible HIV epidemic
92
287863
3298
04:51
that takes down the life expectancy of the African countries.
93
291185
3509
ami lehúzza az afrikai országok várható élettartamát
04:54
And the rest of them all move up into the corner,
94
294718
3648
az összes többi pedig felkúszik abba a sarokba.
04:58
where we have long lives and small family,
95
298390
2386
ahol hosszú életünk van és kis családunk, és teljesen új világ alakul ki.
05:00
and we have a completely new world.
96
300800
2114
05:02
(Applause)
97
302938
3214
(taps)
05:13
(Applause ends)
98
313561
1097
05:15
Let me make a comparison directly
99
315567
1813
Engedjék meg, hogy közvetlenül is összehasonlítsam az Egyesült Államokat és Vietnamot.
05:17
between the United States of America and Vietnam.
100
317404
3014
05:20
1964:
101
320442
1199
1964-ben Amerikát kis családok és hosszú élet jellemezte, míg
05:22
America had small families and long life;
102
322538
2611
05:25
Vietnam had large families and short lives.
103
325173
3349
Vietnamban népes családok voltak és rövid élet. Íme, ami történt:
05:28
And this is what happens.
104
328546
1283
05:29
The data during the war indicate that even with all the death,
105
329853
5341
a háború idejében az adatok azt mutatják, hogy a rengeteg halál ellenére
05:35
there was an improvement of life expectancy.
106
335218
2229
emelkedett a várható élettartam. Az év végére
05:37
By the end of the year, family planning started in Vietnam,
107
337471
2784
elindult a családtervezés Vietnamban és szűkebb családokra törekedtek.
05:40
and they went for smaller families.
108
340279
1694
05:41
And the United States up there is getting longer life,
109
341997
2569
Az Egyesült Államok ott fent rámegy a hosszabb életre,
05:44
keeping family size.
110
344590
1188
és tartja a családok méretét. Aztán a nyolcvanas években
05:45
And in the '80s now, they give up Communist planning
111
345802
3605
Vietnam felhagy a kommunista tervezéssel és áttér a piacgazdaságra
05:49
and they go for market economy,
112
349431
1507
05:50
and it moves faster even than social life.
113
350962
2010
és a társadalmi életben még gyorsabban változik. Ma pedig
05:52
And today, we have in Vietnam
114
352996
2336
Vietnamban ugyanaz a várható élettartam és ugyanakkora a családok mérete,
05:55
the same life expectancy and the same family size
115
355356
4802
2003-ban, mint az Egyesült Államokban volt 1974-ben, a háború végén.
06:00
here in Vietnam, 2003,
116
360182
2763
06:02
as in United States, 1974, by the end of the war.
117
362969
4067
Azt gondolom, hogy ha nem figyeljük meg az adatokat, akkor
06:07
I think we all, if we don't look at the data,
118
367513
3296
06:10
we underestimate the tremendous change in Asia,
119
370833
3221
hajlamosak vagyunk alulbecsülni a hatalmas változást Ázsiában, amely
06:14
which was in social change before we saw the economic change.
120
374078
4691
a társadalomban végbement még a gazdasági változást megelőzően.
06:18
So let's move over to another way here
121
378793
2367
Nézzünk egy másik módot, amelynek révén meg tudjuk jeleníteni
06:21
in which we could display the distribution in the world
122
381184
4487
a jövedelem eloszlását a világban. Ez a világ jövedelem-eloszlása.
06:25
of income.
123
385695
1280
06:26
This is the world distribution of income of people.
124
386999
3696
Napi 1, 10 vagy 100 dollár.
06:31
One dollar, 10 dollars or 100 dollars per day.
125
391499
3846
Nincs többé szakadék a szegények és a gazdagok között. Ez egy mítosz.
06:36
There's no gap between rich and poor any longer. This is a myth.
126
396071
3412
06:39
There's a little hump here.
127
399507
2015
Egy kis púp van itt. Azonban végig vannak emberek.
06:42
But there are people all the way.
128
402195
1640
06:43
And if we look where the income ends up,
129
403859
4386
Ha megnézzük hol ér véget a bevétel --- a bevétel --
06:48
this is 100 percent of the world's annual income.
130
408269
4195
Ez a világ éves jövedelmének 100 százaléka. A leggazdagabb 20%
06:52
And the richest 20 percent,
131
412488
2465
06:54
they take out of that about 74 percent.
132
414977
4119
ebből 74 százalékot birtokol. A legszegényebb 20 százalék pedig
06:59
And the poorest 20 percent, they take about two percent.
133
419120
4916
nagyjából 2 százalékot. Mindez azt mutatja, hogy a
07:04
And this shows that the concept of developing countries
134
424060
2755
07:06
is extremely doubtful.
135
426839
1567
fejlődő országok fogalma igencsak kétséges. Mi úgy gondolunk a segélyre, hogy
07:08
We think about aid,
136
428430
1881
07:10
like these people here giving aid to these people here.
137
430335
3613
ezek az emberek itt segélyt nyújtanak ezeknek az embereknek itt. Azonban középen
07:13
But in the middle, we have most of the world population,
138
433972
3120
helyezkedik el a világ lakosságának túlnyomó része, és ők ma már 24 százalékban részesülnek a jövedelmekből.
07:17
and they have now 24 percent of the income.
139
437116
2609
07:19
We heard it in other forms.
140
439749
1656
Hallottuk ezt már más formákban. Kik tehát ők?
07:21
And who are these?
141
441429
2701
Hol vannak a különböző országok? Meg tudom mutatni Afrikát.
07:24
Where are the different countries?
142
444154
2220
07:26
I can show you Africa.
143
446398
1546
07:27
This is Africa.
144
447968
1591
Íme Afrika. A világ lakosságának 10 százaléka, legtöbbjük szegénységben él.
07:30
Ten percent of the world population,
145
450078
1763
07:31
most in poverty.
146
451865
1166
Ez az OECD. A gazdag vidék. Az ENSZ golfklubja.
07:33
This is OECD -- the rich countries, the country club of the UN.
147
453055
4375
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
148
457454
5416
Ők pedig itt vannak ezen az oldalon. Egész komoly átfedés van Afrika és az OECD között.
07:42
And this is Latin America.
149
462894
1348
Ez pedig Latin-Amerika. Itt a világon minden megtalálható
07:44
It has everything on this earth, from the poorest to the richest
150
464266
3355
a legszegényebbtől a leggazdagabbig, itt Latin-Amerikában.
07:47
in Latin America.
151
467645
1373
Erre pedig rátehetjük Kelet-Európát, Kelet-Ázsiát
07:49
And on top of that, we can put East Europe,
152
469042
3107
07:52
we can put East Asia, and we put South Asia.
153
472173
3175
és Dél-Ázsiát. Hogy néz ki mindez ha visszamegyünk az időben,
07:55
And what did it look like if we go back in time,
154
475372
3130
07:58
to about 1970?
155
478526
2093
nagyjából 1970-be? Akkor nagyobb volt a púp.
08:00
Then, there was more of a hump.
156
480643
2522
Az abszolút szegénységben élők nagy része pedig Ázsiában élt.
08:04
And most who lived in absolute poverty were Asians.
157
484242
3759
A világ problémája az ázsiai szegénység volt. Ha most előreviszem a világot,
08:08
The problem in the world was the poverty in Asia.
158
488025
2947
08:10
And if I now let the world move forward,
159
490996
3118
08:14
you will see that while population increases,
160
494138
2612
látni fogják, hogy mialatt a lakosság növekszik,
08:16
there are hundreds of millions in Asia getting out of poverty,
161
496774
3313
több száz millió ázsiai emelkedik ki a szegénységből, míg néhányan mások
08:20
and some others getting into poverty,
162
500111
1965
pedig belesüllyednek a szegénységbe. Ez pedig a mai kép.
08:22
and this is the pattern we have today.
163
502100
1901
A Világbank legjobb előrejlezése szerint pedig ez fog történni,
08:24
And the best projection from the World Bank
164
504025
2071
08:26
is that this will happen,
165
506120
1914
és nem lesz megosztott világunk. Az emberek többsége középen lesz.
08:28
and we will not have a divided world.
166
508058
1848
08:29
We'll have most people in the middle.
167
509930
1895
08:31
Of course it's a logarithmic scale here,
168
511849
2027
Persze ez egy logaritmikus skála, de
08:33
but our concept of economy is growth with percent.
169
513900
3397
a gazdaságot a százalékos növekedésként tekintjük. Úgy tekintünk rá,
08:37
We look upon it as a possibility of percentile increase.
170
517321
5285
mint a százalékos növekedés lehetőségére. Ha ezt megváltoztatom, és
08:42
If I change this and take GDP per capita instead of family income,
171
522630
4824
a GDP/fő-t nézem a családi bevétel helyett, és ezeket
08:47
and I turn these individual data
172
527478
3771
az egyedi adatokat regionális GDP adatokká változtatom,
08:51
into regional data of gross domestic product,
173
531273
3276
08:54
and I take the regions down here,
174
534573
1888
és lehozom ide a régiókat, a buborék mérete még mindig a népességet mutatja,
08:56
the size of the bubble is still the population.
175
536485
2239
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
176
538748
3198
és ott az OECD, amott meg a szubszaharai Afrika
09:01
and we take off the Arab states there,
177
541970
2241
és az arab államokat innen levesszük,
09:04
coming both from Africa and from Asia,
178
544235
2218
akik részben afrikaiak részben ázsiaiak, és külön vesszük őket,
09:06
and we put them separately,
179
546477
1666
09:08
and we can expand this axis, and I can give it a new dimension here,
180
548167
5097
és kinyújthatjuk ezt a tengelyt, és adhatok neki egy másik dimenziót,
09:13
by adding the social values there, child survival.
181
553288
3349
azzal hogy a társadalmi értékeket teszem rá, a gyermekhalandóságot
09:16
Now I have money on that axis,
182
556661
1728
Most pénz van azon a tengelyen, és a gyermekek lehetősége a túlélésre ezen.
09:18
and I have the possibility of children to survive there.
183
558413
2743
09:21
In some countries, 99.7% of children survive to five years of age;
184
561180
4257
Egyes országokban a gyerekek 99,7%-a megéli az ötéves kort,
09:25
others, only 70.
185
565461
1725
másokban csak 70. És itt, úgy tűnik, van egy szakadék
09:27
And here, it seems, there is a gap between OECD,
186
567210
3268
az OECD, Latin-Amerika, Kelet-Európa, Kelet-Ázsia
09:30
Latin America, East Europe, East Asia,
187
570502
3254
09:33
Arab states, South Asia and sub-Saharan Africa.
188
573780
3885
Arab világ, Dél-Ázsia, szubszaharai Afrika
09:37
The linearity is very strong between child survival and money.
189
577689
4908
Az egyenes arányosság nagyon erős a gyermekhalandóság és a pénz között.
09:42
But let me split sub-Saharan Africa.
190
582621
3296
De hadd bontsam ketté Afrikát. Ott az egészség, ott fent a jobb egészség.
09:45
Health is there and better health is up there.
191
585941
4924
09:50
I can go here, and I can split sub-Saharan Africa into its countries.
192
590889
4462
Itt országaira bonthatom a szubszaharai Afrikát.
09:55
And when it bursts,
193
595375
1202
és ahogy szétpukkan, az országbuborék mérete a népességet mutatja.
09:56
the size of each country bubble is the size of the population.
194
596601
3646
10:00
Sierra Leone down there, Mauritius is up there.
195
600271
2540
Itt lent Sierra Leone, ott fent Mauritius. Mauritius volt az első ország,
10:02
Mauritius was the first country to get away with trade barriers,
196
602835
3656
ami lebontotta a kereskedelmi korlátokat, és el tudta adni a cukrát.
10:06
and they could sell their sugar, they could sell their textiles,
197
606515
3525
A textiljüket ugyanolyan feltételekkel adhatták el, mint Európa vagy Észak-Amerika
10:10
on equal terms as the people in Europe and North America.
198
610064
3714
10:13
There's a huge difference [within] Africa.
199
613802
2132
Hatalmas különbségek vannak Afrikában. Gána itt van középen
10:15
And Ghana is here in the middle.
200
615958
1868
10:17
In Sierra Leone, humanitarian aid.
201
617850
2592
Sierra Leone pedig segélyeken él.
10:20
Here in Uganda, development aid.
202
620466
3310
Itt Ugandában fejlesztési segély, emitt eljött az idő befektetni,
10:23
Here, time to invest; there, you can go for a holiday.
203
623800
3295
oda érdemes nyaralni menni. Hatalmas eltérések vannak
10:27
There's tremendous variation within Africa,
204
627119
2742
Afrikán belül, amit nagyon ritkán látunk meg - inkább összemossuk.
10:29
which we very often make that it's equal everything.
205
629885
3091
10:33
I can split South Asia here. India's the big bubble in the middle.
206
633000
4239
Szétpukkaszthatom Dél-Ázsiát is. India a középső nagy buborék.
10:37
But there's a huge difference between Afghanistan and Sri Lanka.
207
637263
4440
De hatalmas a különbség Afganisztán és Sri Lanka között
10:41
I can split Arab states. How are they?
208
641727
2135
Felbonthatom az Arab államokat. Milyenek? Ugyanaz az éghajlat, ugyanaz a kultúra,
10:43
Same climate, same culture, same religion -- huge difference.
209
643886
4132
ugyanaz a vallás. Hatalmas eltérések, még szomszédok között is.
10:48
Even between neighbors --
210
648042
1222
10:49
Yemen, civil war;
211
649288
1245
Jemen, polgárháború. Egyesült Arab Emirátusok, egyenlően és jól felhasznált pénz.
10:50
United Arab Emirates, money, which was quite equally and well-used.
212
650557
4166
10:54
Not as the myth is.
213
654747
1782
Nem úgy, ahogy gondoljuk. És ez érvényes az ottani vendégmunkások gyerekeire is.
10:56
And that includes all the children of the foreign workers
214
656553
4109
11:00
who are in the country.
215
660686
1574
Az adatok gyakran jobbak, mint gondolnánk. sokan mondják, hogy rosszak az adatok.
11:02
Data is often better than you think. Many people say data is bad.
216
662284
3692
11:06
There is an uncertainty margin, but we can see the difference here:
217
666000
3143
Van némi bizonytalansági határ, de itt láthatjátok a különbséget:
Kambodzsa, Szingapúr. A küllönbségek sokkal nagyobbak,
11:09
Cambodia, Singapore.
218
669167
1362
11:10
The differences are much bigger than the weakness of the data.
219
670553
2971
mint az adatok gyengesége. Kelet-Európa:
11:13
East Europe: Soviet economy for a long time,
220
673548
4647
Sokáig szovjet gazdaság, de 10 év elteltével
11:18
but they come out after 10 years very, very differently.
221
678219
3212
nagyon máshol tartanak. És itt van Latin-Amerika.
11:21
And there is Latin America.
222
681455
2733
Ma már nem kell Kubába menni, hogy egészséges latin-amerikai országot találjunk.
11:24
Today, we don't have to go to Cuba
223
684212
1646
11:25
to find a healthy country in Latin America.
224
685882
2028
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
225
687934
4634
Chilében néhány év múlva alacsonyabb lesz a gyermekhalandóság, mint Kubában.
11:32
Here, we have high-income countries in the OECD.
226
692592
3055
És itt vannak az OECD magas jövedelmű országai
11:35
And we get the whole pattern here of the world,
227
695671
3792
És itt van a világ teljes mintázata,
11:39
which is more or less like this.
228
699487
2151
ami többé-kevésbé ilyen. És ha megnézzük,
11:41
And if we look at it, how the world looks,
229
701662
3940
hogy milyen -- a világ, 1960-ban. És elkezd mozogni. 1960.
11:46
in 1960, it starts to move.
230
706658
3318
11:50
This is Mao Zedong. He brought health to China.
231
710000
2632
Ez itt Mao Ce Tung, egészséget hozott Kínának. Aztán meghalt.
11:52
And then he died.
232
712656
1166
11:53
And then Deng Xiaoping came and brought money to China,
233
713846
2612
Majd jött Teng Hsziao Ping, és pénzt hozott Kínának és visszahozta őket a fősodorba.
11:56
and brought them into the mainstream again.
234
716482
2054
11:58
And we have seen how countries move in different directions like this,
235
718560
4158
És láthatjuk, hogy az országok ugyanígy mindenféle irányban mozognak
12:02
so it's sort of difficult to get an example country
236
722742
5905
és hát elég nehéz kiválasztani
egy példaországot, ami mutatná a világra jellemző trendet.
12:08
which shows the pattern of the world.
237
728671
2145
12:10
But I would like to bring you back to about here, at 1960.
238
730840
6854
Most visszavinnálek titeket ide 1960-ba.
Össze akarom hasonlítani Dél-Koreát, ezt itt, Brazíliával,
12:18
I would like to compare South Korea, which is this one,
239
738083
6991
12:25
with Brazil, which is this one.
240
745098
3358
ami pedig ez. Most eltűnt a címkém. És összehasonlítanám Ugandát,
12:29
The label went away for me here.
241
749154
1782
12:30
And I would like to compare Uganda, which is there.
242
750960
2925
ami ott van. Előre fel tudom gyorsítani, így.
12:34
I can run it forward, like this.
243
754699
3183
Láthatjátok, hogy Dél-Korea nagyon-nagyon gyorsan fejlődik,
12:39
And you can see how South Korea is making a very, very fast advancement,
244
759748
6996
12:46
whereas Brazil is much slower.
245
766768
2585
míg Brazília sokkal lassabb.
12:49
And if we move back again, here, and we put trails on them, like this,
246
769377
6144
ha pedig visszamegyünk, így, és nyomokat teszünk rájuk, így,
12:55
you can see again
247
775545
2403
megint láthatjátok, hogy a fejlődés sebessége
12:57
that the speed of development is very, very different,
248
777972
3332
nagyon-nagyon eltérő, és az országok többé-kevésbé ugyanolyan
13:01
and the countries are moving more or less at the same rate
249
781328
5760
ütemben mozognak, mint a pénz és az egészség, de úgy tűnik,
13:07
as money and health,
250
787112
1427
13:08
but it seems you can move much faster
251
788563
1929
gyorsabban mozoghatsz, ha előbb egészséges vagy, mint ha előbb gazdag.
13:10
if you are healthy first than if you are wealthy first.
252
790516
2918
13:14
And to show that, you can put on the way of United Arab Emirates.
253
794000
4158
És hogy ezt szemléltessem, megmutathatom az Emirátusokat.
13:18
They came from here, a mineral country.
254
798182
2674
Innen érkeztek, ásványban gazdag ország. Megvolt az olajuk,
13:20
They cached all the oil; they got all the money;
255
800880
2467
meglett a pénzük, de egészséget nem vehetsz a szupermarketben.
13:23
but health cannot be bought at the supermarket.
256
803371
2436
Az egészségbe be kell fektetni. A gyerekeket be kell iskolázni.
13:26
You have to invest in health. You have to get kids into schooling.
257
806516
3147
13:29
You have to train health staff. You have to educate the population.
258
809687
3190
Egészségügyi dolgozókat kell képezni. A népességet kell oktatni.
13:32
And Sheikh Zayed did that in a fairly good way.
259
812901
2356
És Szajed sejk ezt elég jól csinálta.
13:35
In spite of falling oil prices, he brought this country up here.
260
815281
3963
És a zuhanó olajárak ellenére felhozta országát egészen ide.
13:39
So we've got a much more mainstream appearance of the world,
261
819268
3708
Tehát egy egyre inkább integrálódó világ képét látjuk,
13:43
where all countries tend to use their money
262
823000
2527
ahol minden ország hajlamos a pénzét jobban
13:45
better than they used it in the past.
263
825551
2295
használni, mint régen. De ez, többé-kevésbé akkor igaz,
13:49
Now, this is, more or less, if you look at the average data of the countries --
264
829269
6978
ha az országok átlagos adatait tekintjük. Akkor ilyenek.
13:56
they are like this.
265
836271
1194
13:57
That's dangerous, to use average data,
266
837489
3409
De ez veszélyes dolog, az átlagadatok használata, mert olyan nagyok
14:00
because there is such a lot of difference within countries.
267
840922
3845
a különbségek az országon belül. Ha megyek, és megnézem ezt, láthatjuk,
14:04
So if I go and look here,
268
844791
2494
14:07
we can see that Uganda today is where South Korea was in 1960.
269
847309
6545
hogy Uganda ott tart, ahol Dél-Korea tartott 1960-ban. Ha Ugandát megosztom,
14:13
If I split Uganda, there's quite a difference within Uganda.
270
853878
3788
elég nagy a különbség Ugandán belül. Ezek Uganda kvintilisei.
14:17
These are the quintiles of Uganda.
271
857690
1988
14:19
The richest 20 percent of Ugandans are there.
272
859702
2180
Ott van Uganda leggazdagabb 20 százaléka
14:21
The poorest are down there.
273
861906
1471
A legszegényebbek itt lent. Ha kibontom Dél-Afrikát, akkor ilyen lesz.
14:23
If I split South Africa, it's like this.
274
863401
2831
14:26
And if I go down and look at Niger,
275
866256
3009
Ha végül lemegyek, és Nigert nézem, ahol szörnyű éhínség volt,
14:29
where there was such a terrible famine [recently],
276
869289
3493
az ilyen lesz. Niger legszegényebb 20%-a itt kívül,
14:32
it's like this.
277
872806
1151
14:33
The 20 percent poorest of Niger is out here,
278
873981
2757
14:36
and the 20 percent richest of South Africa is there,
279
876762
2769
és Dél-Afrika leggazdagabb 20 százaléka amott
14:39
and yet we tend to discuss what solutions there should be in Africa.
280
879555
4421
És mégis arról beszélünk, hogy milyen megoldásokra van szükség Afrikában.
14:44
Everything in this world exists in Africa.
281
884000
2567
Afrikában megtalálni minden végletet. És nem
14:46
And you can't discuss universal access to HIV [treatment]
282
886591
3275
tervezheted a HIV [gyógyszerhez] való általános hozzáférést a felső kvintilisnek ott
14:49
for that quintile up here
283
889890
1919
14:51
with the same strategy as down here.
284
891833
2625
ugyanazzal a stratégiával, mint itt lent. A világ jobbá tétele
14:54
The improvement of the world must be highly contextualized,
285
894482
3706
csak kontextualizálva lehetséges, és nem helytálló
14:58
and it's not relevant to have it on a regional level.
286
898212
3653
regionális szinten végezni. Ennél sokkal részletesebbnek kell lennünk.
15:01
We must be much more detailed.
287
901889
1530
Azt találtuk, hogy a diákok nagyon izgalmasnak tartják az ezzel való munkát.
15:04
We find that students get very excited when they can use this.
288
904070
3326
15:07
And even more, policy makers and the corporate sectors
289
907420
3618
És még több politikacsináló és üzletág szeretné látni, hogy
15:11
would like to see how the world is changing.
290
911062
3661
hogyan változik a világ. De miért nem történik ez meg?
15:14
Now, why doesn't this take place?
291
914747
1875
15:16
Why are we not using the data we have?
292
916646
2303
Miért nem használjuk a rendelkezésre álló adatokat? Van adat az ENSZ-nél
15:18
We have data in the United Nations, in the national statistical agencies
293
918973
3810
a nemzeti statisztikai hivataloknál,
15:22
and in universities and other nongovernmental organizations.
294
922807
3169
az egyetemeken és más nem-kormányzati szervezeteknél.
15:26
Because the data is hidden down in the databases.
295
926000
2737
Azért, mert az adatok az adatbázisok mélyére vannak temetve.
15:28
And the public is there, and the internet is there,
296
928761
2530
És ott a nyilvánosság, ott az internet, de még mindig nem használjuk hatékonyan.
15:31
but we have still not used it effectively.
297
931315
2160
15:33
All that information we saw changing in the world
298
933499
2675
Mindaz az információ, amiről láttuk, hogy megváltoztatta a világot,
15:36
does not include publicly funded statistics.
299
936198
2941
nem tartalmazza a közfinanszírozott statisztikákat. Van néhány ilyen weboldal,
15:39
There are some web pages like this, you know,
300
939163
2371
tudjátok, táplálják őket egy kicsit az adatbázisokból,
15:41
but they take some nourishment down from the databases,
301
941558
4703
15:46
but people put prices on them, stupid passwords and boring statistics.
302
946285
4972
de aztán árcédulát aggatnak rájuk, buta jelszóvel védik és unalmas statisztikákat csinálnak belőlük.
15:51
(Laughter)
303
951281
1108
(nevetés) (taps)
15:52
And this won't work.
304
952413
1422
15:53
(Applause)
305
953859
2556
És ez így nem működik. Mire van tehát szükség? Megvannak az adatbázisaink.
15:56
So what is needed? We have the databases.
306
956439
2422
15:58
It's not a new database that you need.
307
958885
1867
Nem új adatokra van szükségünk. Csodálatos design-eszközeink vannak,
16:00
We have wonderful design tools and more and more are added up here.
308
960776
3805
és egyre többet teszünk hozzá. Úgyhogy elindítottunk egy
16:04
So we started a nonprofit venture linking data to design,
309
964605
6130
nonprofit vállalkozást, amit elneveztünk -- az adatot a design-hoz kötve --
16:10
we called "Gapminder,"
310
970759
1156
elneveztük Gapminder-nek, a londoni metró alapján, ahol figyelmeztetnek,
16:11
from the London Underground, where they warn you, "Mind the gap."
311
971939
3097
hogy "figyelj a résre". Azt gondoltuk, a Gapminder illő név lesz.
16:15
So we thought Gapminder was appropriate.
312
975060
1959
És elkezdtünk szoftvert írni, ami ilyenformán összeköti az adatokat.
16:17
And we started to write software which could link the data like this.
313
977043
4181
És nem volt nehéz. Beletelt néhány munkaévbe, és csináltunk animációkat.
16:21
And it wasn't that difficult.
314
981248
1547
16:22
It took some person years, and we have produced animations.
315
982819
3723
16:26
You can take a data set and put it there.
316
986566
2233
Vehetsz egy adatkészletet, és ide rakhatod.
16:28
We are liberating UN data, some few UN organization.
317
988823
4476
ENSZ adatokat szabadítunk fel, pár ENSZ szervezetét.
16:33
Some countries accept that their databases can go out on the world.
318
993323
4278
Néhány ország elfogadja, hogy az adatbázisai kikerülhetnek a világba,
16:37
But what we really need is, of course, a search function,
319
997625
3245
de amire igazán szükségük lenne, persze, egy kereső funkció.
16:40
a search function where we can copy the data up to a searchable format
320
1000894
4502
Egy kereső funkció, amivel az adatokat kereshető formában másolhatjuk fel,
16:45
and get it out in the world.
321
1005420
1518
és a világ rendelkezésére bocsáthatjuk. És mit hallunk, ha körbekérdezünk?
16:46
And what do we hear when we go around?
322
1006962
2165
Felkutattam a fő statisztikai szervezeteket. Mindenki azt mondja:
16:49
I've done anthropology on the main statistical units.
323
1009151
3118
16:52
Everyone says, "It's impossible. This can't be done.
324
1012293
3009
"Lehetetlen. Ezt nem lehet megcsinálni. Az információnk annyira
16:55
Our information is so peculiar in detail,
325
1015326
2510
16:57
so that cannot be searched as others can be searched.
326
1017860
3104
részletekbe menő, hogy nem lehet úgy keresni, ahogy más dolgokat.
17:00
We cannot give the data free to the students,
327
1020988
2355
Nem adhatjuk oda az adatokat ingyen a diákoknak, a világ vállalkozóinak."
17:03
free to the entrepreneurs of the world."
328
1023367
2126
Dehát ez az, amit látni szeretnénk, nem igaz?
17:06
But this is what we would like to see, isn't it?
329
1026256
2346
A közfinanszírozott adatok itt vannak lent.
17:09
The publicly funded data is down here.
330
1029175
2424
17:11
And we would like flowers to grow out on the net.
331
1031623
3035
És szeretnénk, ha virágok nőnének belőlük a neten.
17:14
One of the crucial points is to make them searchable,
332
1034682
3270
És az egyik legfontosabb dolog, hogy kereshetővé tegyük őket, hogy az emberek
17:17
and then people can use the different design tools to animate it there.
333
1037976
4287
különböző design eszközökkel animálhassák ott őket.
És elég jó híreim vannak számotokra. Az a jó hír, hogy az ENSZ Statisztikai
17:22
And I have pretty good news for you.
334
1042287
2294
17:24
I have good news that the [current],
335
1044605
2194
17:26
new head of UN statistics doesn't say it's impossible.
336
1046823
3486
részlegének jelenlegi, új vezetője nem tartja mindezt lehetetlennek.
17:30
He only says, "We can't do it."
337
1050333
1856
Csak azt mondja: "Mi nem tudjuk megcsinálni"
17:32
(Laughter)
338
1052772
3532
(nevetés)
17:36
And that's a quite clever guy, huh?
339
1056328
1883
És ő elég okos fickó, nem igaz?
17:38
(Laughter)
340
1058235
1849
(nevetés)
17:40
So we can see a lot happening in data in the coming years.
341
1060108
4365
Szóval elég sok minden fog történni adatügyben a következő években.
17:44
We will be able to look at income distributions in completely new ways.
342
1064497
4376
A jövedelemeloszlásokat teljesen új módokon fogjuk tudni megnézni.
17:48
This is the income distribution of China, 1970.
343
1068897
5079
Ez Kína jövedelem-eloszlása 1970-ben.
17:54
This is the income distribution of the United States, 1970.
344
1074000
4796
Ez pedig az Egyesült Államok jövedelem-eloszlása, szintén 1970-ben.
17:58
Almost no overlap.
345
1078820
1851
Szinte nincs átfedés. Szinte nincs átfedés. És mi történt azóta?
18:00
Almost no overlap.
346
1080695
1411
18:02
And what has happened?
347
1082130
1716
18:03
What has happened is this:
348
1083870
1481
Az alábbi történt: Kína mövekszik, már nem olyan egyenlő és
18:05
that China is growing, it's not so equal any longer,
349
1085375
2972
18:08
and it's appearing here, overlooking the United States,
350
1088371
3971
megjelenik itt, az Egyesült Államok árnyékában,
18:12
almost like a ghost, isn't it?
351
1092366
2292
majdnem olyan, mint egy kisértet, ugye?
18:14
(Laughter)
352
1094682
1294
(nevetés)
18:16
It's pretty scary.
353
1096000
1587
Elég ijesztő. Én azonban azt gondolom, hogy nagyon fontos ezen információk birtokában lenni.
18:17
(Laughter)
354
1097611
2261
18:22
But I think it's very important to have all this information.
355
1102762
3910
18:26
We need really to see it.
356
1106696
2730
Ezt tényleg látnunk kell. És ahelyett, hogy ezt néznénk
18:29
And instead of looking at this,
357
1109450
2883
18:32
I would like to end up by showing the internet users per 1,000.
358
1112357
5383
azzal fejezném be, hogy megmutatom az internethasználók számát 1000 emberre vetítve.
18:37
In this software, we access about 500 variables
359
1117764
2924
Ebben a programban minden ország kb. 500 változóját érhetjük el egyszerűen.
18:40
from all the countries quite easily.
360
1120712
2267
Kis időbe telik, hogy átváltsak erre,
18:43
It takes some time to change for this,
361
1123003
3134
18:46
but on the axes, you can quite easily get any variable you would like to have.
362
1126161
5818
de a tengelyeken nagyon könnyen bármilyen kívánt változót beállíthatunk.
És a cél az, hogy az adatbázisokat ingyen felraknánk
18:52
And the thing would be to get up the databases free,
363
1132003
4383
18:56
to get them searchable, and with a second click,
364
1136410
2809
és kereshetővé tennénk, és egy második kattintásra
18:59
to get them into the graphic formats, where you can instantly understand them.
365
1139243
5056
grafikus formába öntenénk, hogy azonnal megérthetővé váljanak.
19:04
Now, statisticians don't like it, because they say
366
1144323
3426
Hát, a statisztikusok nem szeretik, mert szerintük ez
19:07
that this will not show the reality;
367
1147773
6917
nem a valóságot mutatja; statisztikai, analitikai módszerekkel kell dolgoznunk.
19:14
we have to have statistical, analytical methods.
368
1154714
2288
Ez azonban csupán elmélet gyártás.
19:17
But this is hypothesis-generating.
369
1157026
1950
19:19
I end now with the world.
370
1159000
1905
Most akkor a világgal fejezném be. Ott jön az internet.
19:22
There, the internet is coming.
371
1162021
1485
19:23
The number of internet users are going up like this.
372
1163530
2483
Az internet-használók száma így emelkedik. Itt van az egy főre jutó GDP.
19:26
This is the GDP per capita.
373
1166037
2111
Ez pedig egy újonnan bejövő technológia, de lenyűgöző módon igen
19:28
And it's a new technology coming in, but then amazingly,
374
1168172
3500
19:31
how well it fits to the economy of the countries.
375
1171696
4027
jól passzol az országok gazdaságához. Ezért is lesz majd a
19:35
That's why the $100 computer will be so important.
376
1175747
2992
100 dolláros számítógép olyan fontos. Ez azonban egy kellemes tendencia.
19:38
But it's a nice tendency.
377
1178763
1405
19:40
It's as if the world is flattening off, isn't it?
378
1180192
2771
Olyan, mintha a világ kiegyenlítődne, ugye? Ezek az országok
19:42
These countries are lifting more than the economy,
379
1182987
2538
jobban emelkednek, mint a gazdaság és érdekes lesz ezt
19:45
and it will be very interesting to follow this over the year,
380
1185549
2956
követni az évek során, ahogyan reményeim szerint Önök is tehetik majd
19:48
as I would like you to be able to do with all the publicly funded data.
381
1188529
3650
az összes közfinanszírozott adattal. Nagyon köszönöm.
19:52
Thank you very much.
382
1192203
1182
19:53
(Applause)
383
1193409
3000
(taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7