This app makes it fun to pick up litter | Jeff Kirschner

140,568 views ・ 2017-03-22

TED


下の英語字幕をダブルクリックすると動画を再生できます。

翻訳: Tomoko Kubota 校正: Riaki Poništ
00:12
This story starts with these two --
0
12835
2993
すべてはこの2人から始まりました
00:15
my kids.
1
15852
1258
私の子供たちです
00:17
We were hiking in the Oakland woods
2
17134
1682
オークランドの森へ ハイキングに出かけたときに
00:18
when my daughter noticed a plastic tub of cat litter in a creek.
3
18840
4134
娘が川に落ちている猫用の プラスチック製トイレを見つけ
00:23
She looked at me and said,
4
23467
1662
私を見て言いました
00:25
"Daddy?
5
25153
2507
「ねぇパパ?
00:27
That doesn't go there."
6
27684
1650
コレ ここにあるのは変だよね?」
00:29
When she said that, it reminded me of summer camp.
7
29358
2422
私はふと サマーキャンプでの光景が 頭に浮かびました
00:31
On the morning of visiting day,
8
31804
1498
参観日の朝
00:33
right before they'd let our anxious parents come barreling through the gates,
9
33326
3663
心配性の親たちが門から なだれ込んでくる直前に
リーダーが子供たちに
00:37
our camp director would say,
10
37013
1369
「ひとり5個ゴミを拾うんだ! 急げ!」 と号令するのです
00:38
"Quick! Everyone pick up five pieces of litter."
11
38406
2309
00:40
You get a couple hundred kids each picking up five pieces,
12
40739
3040
200人の子供が5個ずつゴミを集めたら
00:43
and pretty soon, you've got a much cleaner camp.
13
43803
2573
あっという間にきれいになります
00:46
So I thought,
14
46400
1159
そこで私は考えたんです
00:47
why not apply that crowdsourced cleanup model to the entire planet?
15
47583
4537
このクラウドソーシング型の清掃法を 世界規模で実施できないか?と
00:52
And that was the inspiration for Litterati.
16
52144
2951
そのひらめきから 生まれたのがLitteratiです
00:55
The vision is to create a litter-free world.
17
55119
3349
ビジョンはゴミのない世界の実現です
00:58
Let me show you how it started.
18
58492
1508
どうやって始まったかというと
01:00
I took a picture of a cigarette using Instagram.
19
60024
3386
まず インスタグラムで たばこの写真を撮りました
01:04
Then I took another photo ...
20
64042
1867
それから別の写真を
01:05
and another photo ...
21
65933
1557
また別の
01:07
and another photo.
22
67514
1167
さらに別の写真を撮り
01:08
And I noticed two things:
23
68705
1286
2つのことに気が付きました
01:10
one, litter became artistic and approachable;
24
70015
3472
ひとつ目 ゴミは芸術作品となり 嫌悪感が薄れたこと
01:14
and two,
25
74064
1151
そして2つ目
写真がたった数日で50枚に達したことです
01:15
at the end of a few days, I had 50 photos on my phone
26
75239
2515
01:17
and I had picked up each piece,
27
77778
1587
撮影したゴミはすべて拾いましたから
01:19
and I realized that I was keeping a record
28
79389
2385
自分が地球のためにしたことの
01:21
of the positive impact I was having on the planet.
29
81798
3151
記録にもなっていることに気が付きました
01:24
That's 50 less things that you might see,
30
84973
2188
世の中から みなさんが目にしたり
01:27
or you might step on,
31
87185
1243
踏んだり
01:28
or some bird might eat.
32
88452
1458
鳥が誤食し得るゴミが 50個減ったのです
01:30
So I started telling people what I was doing,
33
90589
2652
そこでこの活動の発信を始め
01:33
and they started participating.
34
93265
2356
参加者が増えていきました
01:36
One day,
35
96651
1693
ある日
01:38
this photo showed up from China.
36
98368
2528
この写真が中国から届きました
01:41
And that's when I realized
37
101859
1271
そのときに気付いたのです
01:43
that Litterati was more than just pretty pictures;
38
103154
3266
Litteratiは ただ素敵な写真を 寄せ集めたものではなく
01:46
we were becoming a community that was collecting data.
39
106444
3369
データ収集の集団に 変貌してきていることに
01:50
Each photo tells a story.
40
110689
1890
1枚1枚の写真の裏には物語があります
01:53
It tells us who picked up what,
41
113099
2193
だれが何を拾ったのか分かりますし
01:55
a geotag tells us where
42
115316
2011
ジオタグが場所を
01:57
and a time stamp tells us when.
43
117351
2030
タイムスタンプが時を教えてくれます
01:59
So I built a Google map,
44
119826
2429
そこで私はグーグルマップを用い
02:02
and started plotting the points where pieces were being picked up.
45
122279
4053
ゴミが拾われた場所のプロットを始めました
02:06
And through that process, the community grew
46
126356
3918
そうしている間に参加者は増えつづけ
02:10
and the data grew.
47
130298
1639
データ数も膨らみました
02:12
My two kids go to school right in that bullseye.
48
132626
3461
私の子供たちの学校はこのド真ん中にあります
02:16
Litter:
49
136945
1211
ゴミは
02:18
it's blending into the background of our lives.
50
138180
2704
私たちの生活の風景に溶け込んできています
02:20
But what if we brought it to the forefront?
51
140908
2099
でももし前面に引き出したとしたら?
02:23
What if we understood exactly what was on our streets,
52
143031
2912
もし道に落ちているゴミや
02:25
our sidewalks
53
145967
1389
歩道のゴミ
02:27
and our school yards?
54
147380
1538
校庭のゴミの正体を正確に把握できたら?
02:28
How might we use that data to make a difference?
55
148942
3247
そのようなデータは どう役立てられるでしょう?
02:33
Well, let me show you.
56
153009
1198
それをお見せしましょう
02:34
The first is with cities.
57
154231
1385
まずは都市の話です
02:36
San Francisco wanted to understand what percentage of litter was cigarettes.
58
156238
4639
サンフランシスコはゴミに占める たばこの割合を調査しようとしていました
02:40
Why?
59
160901
1162
なぜかというと
02:42
To create a tax.
60
162087
1209
課税するためです
02:43
So they put a couple of people in the streets
61
163893
2135
そこで調査員が派遣され
02:46
with pencils and clipboards,
62
166052
1361
クリップボードと鉛筆を持ち
02:47
who walked around collecting information
63
167437
2063
足で情報が収集されました
02:49
which led to a 20-cent tax on all cigarette sales.
64
169524
3111
その結果 たばこの売上全体に対して 20%の税が課せられました
02:53
And then they got sued
65
173607
2153
ところが訴訟を起こされてしまったのです
02:55
by big tobacco,
66
175784
1176
たばこ業界は強力ですからね
02:56
who claimed that collecting information with pencils and clipboards
67
176984
3216
クリップボードと鉛筆で集めたデータなんて
03:00
is neither precise nor provable.
68
180224
2331
正確性も実証性も欠くという主張でした
03:03
The city called me and asked if our technology could help.
69
183274
3680
そこで私たちの技術の力を借りたいと 市から電話がありました
03:06
I'm not sure they realized
70
186978
1249
その技術が単に私の インスタグラムのアカウントだという
03:08
that our technology was my Instagram account --
71
188251
2248
認識が先方にあったかは不明ですが
03:10
(Laughter)
72
190523
1039
03:11
But I said, "Yes, we can."
73
191586
1266
(笑)
でも「いいですよ」と答えました
03:12
(Laughter)
74
192876
1016
03:13
"And we can tell you if that's a Parliament or a Pall Mall.
75
193916
3908
(笑)
「たばこがパーラメントなのか ポール・モールなのかも分かりますし
03:17
Plus, every photograph is geotagged and time-stamped,
76
197848
3425
すべての写真にはジオタグと タイムスタンプが付きますから
03:21
providing you with proof."
77
201297
1381
証拠にもなりますよ」と
03:23
Four days and 5,000 pieces later,
78
203659
3220
4日後 5,000個のゴミが拾われた後に
03:26
our data was used in court to not only defend but double the tax,
79
206903
4938
私たちのデータは反対弁論にだけでなく 税率を倍増するために使用されました
03:31
generating an annual recurring revenue of four million dollars
80
211865
4323
結果 サンフランシスコ市が 清掃事業に費やせる経常歳入が
新たに400万ドル生み出されたのです
03:36
for San Francisco to clean itself up.
81
216212
2295
03:39
Now, during that process I learned two things:
82
219821
2235
この出来事から2つのことを学びました
03:42
one, Instagram is not the right tool --
83
222080
2554
まず インスタグラムは不向きだということ
03:44
(Laughter)
84
224658
1031
(笑)
03:45
so we built an app.
85
225713
1503
ですからアプリを作成しました
03:47
And two, if you think about it,
86
227240
1633
そして もう1つは
03:48
every city in the world has a unique litter fingerprint,
87
228897
3617
世界各地の街には それぞれ独自の特徴があり
03:52
and that fingerprint provides both the source of the problem
88
232538
3836
その特徴が問題の原因と
03:56
and the path to the solution.
89
236398
1921
解決策に導いてくれるということです
03:59
If you could generate a revenue stream
90
239466
2378
ゴミに占めるたばこの割合を調べるだけで
04:01
just by understanding the percentage of cigarettes,
91
241868
2463
収入源が生み出されるなら
04:04
well, what about coffee cups
92
244355
2096
コーヒーの紙コップや
04:06
or soda cans
93
246475
1706
空き缶や
04:08
or plastic bottles?
94
248205
1414
ペットボトルでも可能なのでは?
04:10
If you could fingerprint San Francisco, well, how about Oakland
95
250321
3201
サンフランシスコの特徴を把握できるなら オークランドだって
04:13
or Amsterdam
96
253546
1696
アムステルダムだって
04:15
or somewhere much closer to home?
97
255266
2970
自分の家のすぐ近くだって可能なはずです
04:19
And what about brands?
98
259228
1234
企業はどうでしょう?
04:20
How might they use this data
99
260486
1901
環境的および経済的利益のために
04:22
to align their environmental and economic interests?
100
262411
4212
このデータをどう利用できるでしょうか?
04:27
There's a block in downtown Oakland that's covered in blight.
101
267466
3212
オークランドの中心街に ゴミであふれている一角があります
04:31
The Litterati community got together and picked up 1,500 pieces.
102
271145
4104
そこにLitteratiのユーザーが集い. 1,500個のゴミを拾いました
04:35
And here's what we learned:
103
275632
1340
そこから明らかになったのは
04:36
most of that litter came from a very well-known taco brand.
104
276996
3210
ゴミはある有名な タコス店の物ばかりだったこと
04:41
Most of that brand's litter were their own hot sauce packets,
105
281558
3577
その大半は店の辛口ソースの小袋で
04:46
and most of those hot sauce packets hadn't even been opened.
106
286258
3626
しかもほとんどが未開封のままでした
04:51
The problem and the path to the solution --
107
291785
2715
問題と解決策ですが
04:54
well, maybe that brand only gives out hot sauce upon request
108
294524
3961
例えばソースは欲しい人だけに渡すとか
04:58
or installs bulk dispensers
109
298509
2009
店内に大容器で設置するとか
05:00
or comes up with more sustainable packaging.
110
300542
2552
よりエコな包装に変えるとか
05:03
How does a brand take an environmental hazard,
111
303118
2969
企業は環境への悪影響を
05:06
turn it into an economic engine
112
306111
2006
どのようにして経済的原動力に変え
05:08
and become an industry hero?
113
308141
1768
業界のヒーローになるかを 考えなければなりません
05:11
If you really want to create change,
114
311112
2202
でも真に変化を望むのであれば
05:13
there's no better place to start than with our kids.
115
313338
2874
子供たちから始めることが一番効果的です
05:16
A group of fifth graders picked up 1,247 pieces of litter
116
316236
3403
ある学校では5年生の子供たちが校庭で
05:19
just on their school yard.
117
319663
1848
1,247個のゴミを拾い
05:21
And they learned that the most common type of litter
118
321535
2532
一番多いゴミは
05:24
were the plastic straw wrappers from their own cafeteria.
119
324091
3234
学食にあるストローの袋 であることを突きとめました
05:27
So these kids went to their principal and asked,
120
327767
2529
そこで子供たちは校長を訪ね
05:30
"Why are we still buying straws?"
121
330320
1660
「どうしてストローが必要なの?」と問い
05:32
And they stopped.
122
332986
1755
その結果 ストローは廃止されました
05:34
And they learned that individually they could each make a difference,
123
334765
3654
子供たちは 一人一人の行いには意味があること
05:38
but together they created an impact.
124
338443
2338
協力すればもっと大きな力に なることも学びました
05:41
It doesn't matter if you're a student or a scientist,
125
341323
4012
このコミュニティは 学生であろうと科学者であろうと
05:45
whether you live in Honolulu or Hanoi,
126
345359
3135
ホノルルに住んでいようと ハノイに住んでいようと
05:48
this is a community for everyone.
127
348518
2441
関係なく だれもが参加できるものです
05:51
It started because of two little kids in the Northern California woods,
128
351794
4679
北カルフォルニアの森に連れて行った 2人の幼い子供たちがきっかけの活動が
05:56
and today it's spread across the world.
129
356497
2814
今や世界中に広まっています
05:59
And you know how we're getting there?
130
359758
1783
その道のりはどう歩んできたかって?
06:01
One piece at a time.
131
361887
1878
1つずつ 1つずつです
06:04
Thank you.
132
364328
1215
ありがとうございました
06:05
(Applause)
133
365567
3618
(拍手)
このウェブサイトについて

このサイトでは英語学習に役立つYouTube動画を紹介します。世界中の一流講師による英語レッスンを見ることができます。各ビデオのページに表示される英語字幕をダブルクリックすると、そこからビデオを再生することができます。字幕はビデオの再生と同期してスクロールします。ご意見・ご要望がございましたら、こちらのお問い合わせフォームよりご連絡ください。

https://forms.gle/WvT1wiN1qDtmnspy7