How racial bias works -- and how to disrupt it | Jennifer L. Eberhardt

169,201 views ・ 2020-06-22

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: Moe Shoji 校正: Akiko Kawagoe
00:12
Some years ago,
0
12910
1273
数年前のことです
00:14
I was on an airplane with my son who was just five years old at the time.
1
14207
4912
私は 当時ほんの5歳だった息子と 一緒に飛行機に乗っていました
00:20
My son was so excited about being on this airplane with Mommy.
2
20245
5095
息子はママと飛行機に 乗っていることに大興奮で
00:25
He's looking all around and he's checking things out
3
25364
2940
周りをくまなく見渡して 目に入るものや
00:28
and he's checking people out.
4
28328
1836
人を観察していました
00:30
And he sees this man, and he says,
5
30188
1630
すると ある男の人を見て
00:31
"Hey! That guy looks like Daddy!"
6
31842
2861
「見て! あの人パパに似てる!」と 言ったんです
00:35
And I look at the man,
7
35882
1920
その人の方に目をやると
00:37
and he didn't look anything at all like my husband,
8
37826
3730
夫には似ても似つかない人でした
00:41
nothing at all.
9
41580
1369
何も共通点がないんです
00:43
And so then I start looking around on the plane,
10
43461
2336
そこで 機内を見渡してみると
00:45
and I notice this man was the only black guy on the plane.
11
45821
5885
その人が機内で唯一の 黒人男性であることに気づきました
00:52
And I thought,
12
52874
1412
こう 思いました
00:54
"Alright.
13
54310
1194
「そうか
00:56
I'm going to have to have a little talk with my son
14
56369
2525
黒人だからって 皆が似ているわけじゃないと
00:58
about how not all black people look alike."
15
58918
2929
息子に言って聞かせなくちゃ」と
01:01
My son, he lifts his head up, and he says to me,
16
61871
4377
息子は 顔を上げて 私に言いました
01:08
"I hope he doesn't rob the plane."
17
68246
2371
「あの人が飛行機を 乗っ取らないといいね」
01:11
And I said, "What? What did you say?"
18
71359
2515
私が思わず 「え? 何て言ったの?」と聞くと
01:13
And he says, "Well, I hope that man doesn't rob the plane."
19
73898
3428
息子は「あの人が飛行機を 乗っ取らないといいなと思って」と
01:19
And I said, "Well, why would you say that?
20
79200
2752
私は「なんで そんなことを言うの?
01:22
You know Daddy wouldn't rob a plane."
21
82486
2663
パパはそんなことしないでしょう?」 と言いました
01:25
And he says, "Yeah, yeah, yeah, well, I know."
22
85173
2312
「うん そうだけどさ」と息子
01:28
And I said, "Well, why would you say that?"
23
88179
2127
「じゃあ なんで そんなことを言うの?」と私
01:32
And he looked at me with this really sad face,
24
92346
2957
すると息子はひどく悲しそうな顔をして
01:36
and he says,
25
96168
1254
言いました
01:38
"I don't know why I said that.
26
98890
2106
「なんでそんなこと 言ったんだろう
01:42
I don't know why I was thinking that."
27
102600
2358
なんでそう思ったのか わからないよ」
01:45
We are living with such severe racial stratification
28
105724
3518
私たちは深刻なまでに 人種で階層化された世界に生きているため
01:49
that even a five-year-old can tell us what's supposed to happen next,
29
109266
5060
5歳児でさえ 何が起こりうるかを口にできます
01:55
even with no evildoer,
30
115990
2107
悪事を働く者がいなくても
01:58
even with no explicit hatred.
31
118121
2579
はっきりとした憎しみがなくても これが現実です
02:02
This association between blackness and crime
32
122184
3913
黒人であることが 犯罪を連想させることは
02:06
made its way into the mind of my five-year-old.
33
126121
4334
私の5歳の息子にまで 植え付けられていたのです
02:11
It makes its way into all of our children,
34
131787
3263
この連想は あらゆる子供たちと あらゆる人々に
02:16
into all of us.
35
136201
1391
忍び寄ります
02:18
Our minds are shaped by the racial disparities
36
138793
3524
私たちの思考は
世の中で目にする 人種間の格差と
02:22
we see out in the world
37
142341
1592
02:24
and the narratives that help us to make sense of the disparities we see:
38
144752
5341
その辻褄を合わせるための 言説によって形作られます
02:31
"Those people are criminal."
39
151637
2526
「あの人たちは犯罪者だ」
02:34
"Those people are violent."
40
154187
1925
「あの人たちは暴力的だ」
02:36
"Those people are to be feared."
41
156136
2965
「あの人たちは怖い人たちだ」
02:39
When my research team brought people into our lab
42
159814
3191
私の研究チームが 実験室に参加者を集めて
02:43
and exposed them to faces,
43
163029
2283
人の顔を見せる実験をすると
02:45
we found that exposure to black faces led them to see blurry images of guns
44
165336
7000
黒人の顔を見ることで よりはっきりと素早く
おぼろげな銃のイメージを 想起させることが分かりました
02:52
with greater clarity and speed.
45
172360
3256
02:55
Bias cannot only control what we see,
46
175640
3354
偏見によって 見えるものが変わるだけでなく
02:59
but where we look.
47
179018
1648
目を向けるものも変わります
03:00
We found that prompting people to think of violent crime
48
180690
3444
凶悪犯罪について 考えるよう促すことで
03:04
can lead them to direct their eyes onto a black face
49
184158
4296
白人の顔から目を離して 黒人の顔へと
03:08
and away from a white face.
50
188478
2130
目を向けうることも分かりました
03:10
Prompting police officers to think of capturing and shooting
51
190632
3842
警察官に被疑者確保や射撃や 逮捕についてイメージさせると
03:14
and arresting
52
194498
1229
03:15
leads their eyes to settle on black faces, too.
53
195751
3859
黒人の顔に目が向きがちであることも 分かりました
03:19
Bias can infect every aspect of our criminal justice system.
54
199634
5066
偏見は刑事司法制度の あらゆる側面に影響を及ぼします
03:25
In a large data set of death-eligible defendants,
55
205100
2931
死刑が求刑されている被告人の 膨大なデータを調べてみると
03:28
we found that looking more black more than doubled their chances
56
208055
4357
より肌が黒いことで 死刑を言い渡される可能性が
03:32
of receiving a death sentence --
57
212436
2057
2倍以上になると分かりました
03:35
at least when their victims were white.
58
215494
2427
少なくとも被害者が 白人の場合はそうです
03:37
This effect is significant,
59
217945
1438
この影響は非常に大きく
03:39
even though we controlled for the severity of the crime
60
219407
3301
犯罪の重大性や 被告人の魅力などを
03:42
and the defendant's attractiveness.
61
222732
2281
調整してもなお 影響を及ぼすほどでした
03:45
And no matter what we controlled for,
62
225037
2649
どんな条件を調整しても
03:47
we found that black people were punished
63
227710
3345
黒人はその身体的特徴である 黒さに応じて
03:51
in proportion to the blackness of their physical features:
64
231079
4325
刑罰を受けていたのでした
03:55
the more black,
65
235428
1881
肌が黒ければ黒いほど
03:57
the more death-worthy.
66
237333
1753
より死刑に処されやすいのです
03:59
Bias can also influence how teachers discipline students.
67
239110
4209
偏見は教師が生徒を 叱る上でも影響します
04:03
My colleagues and I have found that teachers express a desire
68
243781
4407
同僚と行った研究では 全く同じ違反を繰り返した場合でも
04:08
to discipline a black middle school student more harshly
69
248212
3566
教師は白人の中学生よりも 黒人の中学生の方を
04:11
than a white student
70
251802
1168
04:12
for the same repeated infractions.
71
252994
2576
罰しようと思うことが 分かりました
04:15
In a recent study,
72
255594
1294
最近の研究では
04:16
we're finding that teachers treat black students as a group
73
256912
4358
教師が黒人の生徒を 集団として扱う一方で
04:21
but white students as individuals.
74
261294
2431
白人の生徒を個人として 扱うことが分かりました
04:24
If, for example, one black student misbehaves
75
264126
3599
例えば 仮に ある黒人の生徒が悪さをし
04:27
and then a different black student misbehaves a few days later,
76
267749
4785
その数日後に 別の黒人の生徒が 悪さをすると
04:32
the teacher responds to that second black student
77
272558
3228
教師は2人目の黒人の生徒に対して
04:35
as if he had misbehaved twice.
78
275810
2625
まるで2度悪さをしたような 態度を取るのです
04:38
It's as though the sins of one child
79
278952
2811
1人の子供の違反が
04:41
get piled onto the other.
80
281787
2176
他の子供にも降りかかるのです
04:43
We create categories to make sense of the world,
81
283987
3294
私たちは世界を理解するために 物事を分類します
04:47
to assert some control and coherence
82
287305
4483
私たちが常にさらされている 数々の刺激をコントロールし
04:51
to the stimuli that we're constantly being bombarded with.
83
291812
4090
それらに一貫性を見出すためです
04:55
Categorization and the bias that it seeds
84
295926
3968
分類する能力と それがもたらす偏見のおかげで
04:59
allow our brains to make judgments more quickly and efficiently,
85
299918
5022
脳は より速く効率よく 判断を下すことができますし
05:04
and we do this by instinctively relying on patterns
86
304964
3402
私たちの脳は予測可能に思える パターンに本能的に従って
05:08
that seem predictable.
87
308390
1669
判断をします
05:10
Yet, just as the categories we create allow us to make quick decisions,
88
310083
5943
しかし 分類することによって 素早い判断ができると同時に
05:16
they also reinforce bias.
89
316050
2502
分類は偏見を助長します
05:18
So the very things that help us to see the world
90
318576
3392
ですから 世界を見せてくれる 能力そのものによって
05:23
also can blind us to it.
91
323104
1980
目をくらまされることもあるのです
05:25
They render our choices effortless,
92
325509
2778
分類は選択を容易にし
05:28
friction-free.
93
328311
1369
引っかかりを取り除きます
05:30
Yet they exact a heavy toll.
94
330956
2445
それでいて 重大な負の側面も 伴うのです
05:34
So what can we do?
95
334158
1411
では 何ができるでしょうか?
05:36
We are all vulnerable to bias,
96
336507
2491
私たちは偏見に囚われがちですが
05:39
but we don't act on bias all the time.
97
339022
2680
常に偏見に基づいて 行動するわけではありません
05:41
There are certain conditions that can bring bias alive
98
341726
3644
偏見のスイッチを入れる 特定の条件もあれば
05:45
and other conditions that can muffle it.
99
345394
2533
それを打ち消す条件もあるのです
05:47
Let me give you an example.
100
347951
1847
例を挙げてみましょう
05:50
Many people are familiar with the tech company Nextdoor.
101
350663
4560
多くの人が Nextdoorという テック企業を知っているでしょう
05:56
So, their whole purpose is to create stronger, healthier, safer neighborhoods.
102
356073
6453
この企業の目標は 地域を より強固で健全かつ安全にすることです
06:03
And so they offer this online space
103
363468
2921
そこで この企業は オンラインスペースを提供し
06:06
where neighbors can gather and share information.
104
366413
3149
近所の人たちが情報を集めて 共有できるようにしています
06:09
Yet, Nextdoor soon found that they had a problem
105
369586
4126
でも Nextdoorは やがて 人種プロファイリングに
06:13
with racial profiling.
106
373736
1668
欠陥があることに気づきました
06:16
In the typical case,
107
376012
1967
典型的なケースでは
06:18
people would look outside their window
108
378003
2396
人々が窓の外を見て
06:20
and see a black man in their otherwise white neighborhood
109
380423
4049
白人ばかりが住む地域に 黒人がいることを見つけると
06:24
and make the snap judgment that he was up to no good,
110
384496
4715
犯罪行為をしている証拠などなくても
06:29
even when there was no evidence of criminal wrongdoing.
111
389235
3351
その人は悪さをするに違いないと すぐに決めつけるのです
06:32
In many ways, how we behave online
112
392610
2934
様々な意味で オンラインでの行動は
06:35
is a reflection of how we behave in the world.
113
395568
3114
現実世界での行動を 反映しています
06:39
But what we don't want to do is create an easy-to-use system
114
399117
3945
しかし 偏見を助長し 人種間の格差を深めるような
06:43
that can amplify bias and deepen racial disparities,
115
403086
4163
簡単に使えるシステムを作るなど あってはならないことです
06:48
rather than dismantling them.
116
408129
2266
偏見や格差は むしろ取り除くべきです
06:50
So the cofounder of Nextdoor reached out to me and to others
117
410863
3429
そこで Nextdoorの共同創設者が どうすればよいか
06:54
to try to figure out what to do.
118
414316
2131
私を含め何人かに 相談しにきました
06:56
And they realized that to curb racial profiling on the platform,
119
416471
3946
そこで気づいたのは プラットフォームの 人種プロファイリングを抑制するには
07:00
they were going to have to add friction;
120
420441
1922
摩擦点を加えて
07:02
that is, they were going to have to slow people down.
121
422387
2658
人々の拙速な行動を抑える必要が あるということでした
07:05
So Nextdoor had a choice to make,
122
425069
2195
Nextdoorは選択を迫られ
07:07
and against every impulse,
123
427288
2478
行動を誘発するものすべてに対して
07:09
they decided to add friction.
124
429790
2116
摩擦点を加えることにしました
07:12
And they did this by adding a simple checklist.
125
432397
3440
どうしたかというと 簡単なチェックリストを追加したのです
07:15
There were three items on it.
126
435861
1670
チェックするのは3点です
07:18
First, they asked users to pause
127
438111
2941
1つ目に ユーザーに一呼吸置いて
07:21
and think, "What was this person doing that made him suspicious?"
128
441076
5117
「この人のどの行動を怪しいと 思ったか」を考えてもらいました
07:26
The category "black man" is not grounds for suspicion.
129
446876
4533
「黒人」という分類は 怪しさの理由にはなりません
07:31
Second, they asked users to describe the person's physical features,
130
451433
5139
2つ目は ユーザーに 人種とジェンダーだけではなく
07:36
not simply their race and gender.
131
456596
2435
身体的特徴を記してもらいました
07:39
Third, they realized that a lot of people
132
459642
3383
3つ目に 多くの人々が 人種プロファイリングとは何であり
07:43
didn't seem to know what racial profiling was,
133
463049
2928
自分たちがそれをしていることも 知らないのだということに
07:46
nor that they were engaging in it.
134
466001
1959
気づきました
07:48
So Nextdoor provided them with a definition
135
468462
3194
そこで Nextdoorは 定義を明らかにして
07:51
and told them that it was strictly prohibited.
136
471680
2902
「これを厳しく禁止する」と 伝えたのです
07:55
Most of you have seen those signs in airports
137
475071
2612
空港や地下鉄の駅にある掲示に
07:57
and in metro stations, "If you see something, say something."
138
477707
3702
「何か目にしたら 声を上げること」 というのがありますね
08:01
Nextdoor tried modifying this.
139
481928
2814
Nextdoorは これをもじりました
08:05
"If you see something suspicious,
140
485584
2572
「何か怪しいものを目にしたら
08:08
say something specific."
141
488180
2073
具体的に言葉にすること」
08:11
And using this strategy, by simply slowing people down,
142
491491
4446
単に人々の拙速な行動を 抑制するというやり方を使って
08:15
Nextdoor was able to curb racial profiling by 75 percent.
143
495961
5691
Nextdoorは人種プロファイリングを 75%も減らすことができたのです
08:22
Now, people often will say to me,
144
502496
2090
私が人によく言われるのは
08:24
"You can't add friction in every situation, in every context,
145
504610
4713
「すべての状況と文脈に 摩擦点を取り入れるのは無理だ
08:29
and especially for people who make split-second decisions all the time."
146
509347
4646
常に瞬時に判断を求められる人たちにとっては 特に無理があるはずだ」と
08:34
But it turns out we can add friction
147
514730
2563
ですが 考えているよりも ずっと多くの状況に
08:37
to more situations than we think.
148
517317
2276
摩擦点を導入することができるのです
08:40
Working with the Oakland Police Department
149
520031
2074
カリフォルニアの オークランド警察と協力して
08:42
in California,
150
522129
1417
08:43
I and a number of my colleagues were able to help the department
151
523570
3856
私は同僚たちと共に 重大な罪を何も犯していない人に対する
08:47
to reduce the number of stops they made
152
527450
2671
職務質問の数を減らせるよう 手を貸すことができました
08:50
of people who were not committing any serious crimes.
153
530145
3600
08:53
And we did this by pushing officers
154
533769
2365
私たちは警察官に
08:56
to ask themselves a question before each and every stop they made:
155
536158
4443
誰かを職務質問のために呼び止める前に こう自問するように求めました
09:01
"Is this stop intelligence-led,
156
541451
3015
「この人を呼び止めるのは 理性からの判断かどうか」
09:04
yes or no?"
157
544490
1451
09:07
In other words,
158
547353
1396
これは言い換えると
09:09
do I have prior information to tie this particular person
159
549621
4484
この人物を特定の犯罪と 結びつけるだけの
09:14
to a specific crime?
160
554129
1601
事前情報があるかどうかです
09:16
By adding that question
161
556587
1458
この質問を
09:18
to the form officers complete during a stop,
162
558069
3079
警察官が職務質問中に 記入する書類に差し挟むことで
09:21
they slow down, they pause,
163
561172
1809
焦らず 立ち止まって
09:23
they think, "Why am I considering pulling this person over?"
164
563005
4220
「どうしてこの人を呼び止めようと しているのか」と自問することになります
09:28
In 2017, before we added that intelligence-led question to the form,
165
568721
5561
2017年に 理性に訴えるこの質問を 書類に追加する以前は
09:35
officers made about 32,000 stops across the city.
166
575655
3946
職務質問の件数は街全体で 32,000件ほどでした
09:39
In that next year, with the addition of this question,
167
579625
4115
翌年に 質問が追加されると
09:43
that fell to 19,000 stops.
168
583764
2444
これが 19,000件に減りました
09:46
African-American stops alone fell by 43 percent.
169
586232
4961
アフリカ系アメリカ人に対するものだけで 実に 43%も減ったのです
09:51
And stopping fewer black people did not make the city any more dangerous.
170
591905
4438
黒人への職務質問が減ったことで 街の治安は悪化しませんでした
09:56
In fact, the crime rate continued to fall,
171
596367
2734
それどころか 犯罪件数は減少を続け
09:59
and the city became safer for everybody.
172
599125
3337
すべての人にとって 街がより安全になったのです
10:02
So one solution can come from reducing the number of unnecessary stops.
173
602486
5355
不要な職務質問の件数を減らすことは 解決法のひとつです
10:08
Another can come from improving the quality of the stops
174
608285
4270
もうひとつの解決法は 実際に行う職務質問の
10:12
officers do make.
175
612579
1305
質を上げることです
10:14
And technology can help us here.
176
614512
2596
これにはテクノロジーが 役立ちます
10:17
We all know about George Floyd's death,
177
617132
2415
ジョージ・フロイドの死について 皆が知っているのは
10:20
because those who tried to come to his aid held cell phone cameras
178
620499
4772
彼を助けようと集まった人々が 携帯電話のカメラを手にして
10:25
to record that horrific, fatal encounter with the police.
179
625295
5431
恐ろしく また命取りとなった 警察とのやり取りを録画していたからです
10:30
But we have all sorts of technology that we're not putting to good use.
180
630750
5031
とはいえ 有効に活用できていない テクノロジーが多くあります
10:35
Police departments across the country
181
635805
2503
現在 アメリカ全土の警察は
10:38
are now required to wear body-worn cameras
182
638332
3553
ボディカメラの装着を 義務づけられているため
10:41
so we have recordings of not only the most extreme and horrific encounters
183
641909
5930
恐ろしく 限度を超えたような やり取りだけでなく
10:47
but of everyday interactions.
184
647863
2754
日常的なやり取りも録画されています
10:50
With an interdisciplinary team at Stanford,
185
650641
2777
スタンフォード大学の 学際研究チームと協力して
10:53
we've begun to use machine learning techniques
186
653442
2687
機械学習技術を利用することで
10:56
to analyze large numbers of encounters.
187
656153
3367
やり取りを収めた大量のデータを 分析し始めています
10:59
This is to better understand what happens in routine traffic stops.
188
659544
4611
日常業務としての車両停止の様子を よりよく理解するためです
11:04
What we found was that
189
664179
2155
ここで分かったのは
11:06
even when police officers are behaving professionally,
190
666358
3662
警察官が職務に徹した態度を 取っている場合であっても
11:10
they speak to black drivers less respectfully than white drivers.
191
670860
4462
黒人ドライバーに対する言葉遣いが
白人に対するよりも ぞんざいだということです
11:16
In fact, from the words officers use alone,
192
676052
4075
実際 警察官が使っている 言葉だけを頼りに
11:20
we could predict whether they were talking to a black driver or a white driver.
193
680151
5162
相手のドライバーが黒人か白人かを 予測することまでできたのです
11:25
The problem is that the vast majority of the footage from these cameras
194
685337
5762
問題は これらのカメラに 収められた映像の大半が
11:31
is not used by police departments
195
691123
2087
警察当局が 路上で何が起きているかを理解したり
11:33
to understand what's going on on the street
196
693234
2276
11:35
or to train officers.
197
695534
2243
警察官の訓練に 利用されたりしていないことです
11:38
And that's a shame.
198
698554
1458
これは大変遺憾です
11:40
How does a routine stop turn into a deadly encounter?
199
700796
4789
日常業務の車両停止は どのようにして 死を招くことになるのでしょう
11:45
How did this happen in George Floyd's case?
200
705609
2670
ジョージ・フロイドの事件は どのように起こったのでしょうか?
11:49
How did it happen in others?
201
709588
2082
他の場合には どうだったのでしょうか?
11:51
When my eldest son was 16 years old,
202
711694
3396
私の一番上の息子は 16歳のときに
11:55
he discovered that when white people look at him,
203
715114
3139
白人は自分を目にすると 恐怖を感じるのだと気づきました
11:58
they feel fear.
204
718277
1561
12:01
Elevators are the worst, he said.
205
721123
2661
エレベーターは 最悪の状況なのだそうです
12:04
When those doors close,
206
724313
2331
ドアが閉まると
12:06
people are trapped in this tiny space
207
726668
3083
人々はエレベーターの狭い空間に
12:09
with someone they have been taught to associate with danger.
208
729775
4467
危険と結びつけるように 教えられてきた相手と閉じ込められます
12:14
My son senses their discomfort,
209
734744
3220
息子は 相手が 居心地の悪そうなのを察知して
12:17
and he smiles to put them at ease,
210
737988
3157
にっこり微笑みかけて 怖くないからと安心させます
12:21
to calm their fears.
211
741169
1769
12:23
When he speaks,
212
743351
1945
息子が話しかけると
12:25
their bodies relax.
213
745320
1683
相手の身体のこわばりがほどけて
12:27
They breathe easier.
214
747442
1903
落ち着いて呼吸できるようになります
12:29
They take pleasure in his cadence,
215
749369
2531
彼らは 息子の話しぶりや言葉遣い 言葉の選び方を好ましく感じます
12:31
his diction, his word choice.
216
751924
2317
12:34
He sounds like one of them.
217
754986
1843
自分と同じような人間だと 分かるのです
12:36
I used to think that my son was a natural extrovert like his father.
218
756853
4730
私はずっと 息子は父親に似て 根っから外向的なんだと思っていました
12:41
But I realized at that moment, in that conversation,
219
761607
3550
でも このことを息子と 話すうちに気づいたのです
12:46
that his smile was not a sign that he wanted to connect
220
766143
5078
息子の笑顔は 通りすがりの他人に 親しげに振る舞うためではなかったのだと
12:51
with would-be strangers.
221
771245
1964
12:53
It was a talisman he used to protect himself,
222
773920
3652
息子の笑顔は 我が身を守るための お守りだったのです
12:57
a survival skill he had honed over thousands of elevator rides.
223
777596
6219
何千回もエレベーターに乗った経験から 自ら編み出したサバイバル法でした
13:04
He was learning to accommodate the tension that his skin color generated
224
784387
5171
自分の肌の色のせいで生じ 命までも危険にさらしかねない軋轢を
13:11
and that put his own life at risk.
225
791026
2667
手なずける方法を 身につけつつあったのです
13:14
We know that the brain is wired for bias,
226
794619
3783
脳は偏見を持つように できているものです
13:18
and one way to interrupt that bias is to pause and to reflect
227
798426
4465
その偏見を断ち切る方法のひとつは どうしてそう思ったのかを
13:22
on the evidence of our assumptions.
228
802915
2305
立ち止まって振り返ることです
13:25
So we need to ask ourselves:
229
805244
1755
自分の胸に問わねばなりません
13:27
What assumptions do we bring when we step onto an elevator?
230
807023
4665
エレベーターに乗り込むときに どんな思い込みをしているのか と
13:33
Or an airplane?
231
813776
1311
飛行機はどうでしょう?
13:35
How do we make ourselves aware of our own unconscious bias?
232
815532
4599
自分の抱いている無意識の偏見を 意識するには どうすればよいでしょう?
13:40
Who do those assumptions keep safe?
233
820155
2351
そういった思い込みに 守られるのは誰なのでしょう?
13:44
Who do they put at risk?
234
824615
1932
そして誰が危険に さらされるのでしょうか?
13:47
Until we ask these questions
235
827649
2354
こうした問いを投げかけて
13:50
and insist that our schools and our courts and our police departments
236
830978
4624
学校や法廷や警察当局をはじめ あらゆる機関が
13:55
and every institution do the same,
237
835626
2542
この問いを考えるように 要求するまでは
13:59
we will continue to allow bias
238
839835
3829
私たちは 偏見に視界を 曇らされたままとなるでしょう
14:03
to blind us.
239
843688
1278
14:05
And if we do,
240
845348
1409
そうなってしまったなら
14:08
none of us are truly safe.
241
848066
3208
私たちの誰一人として 真の意味での安全は得られないのです
14:14
Thank you.
242
854103
1308
ありがとうございました
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