Erik Hersman: How texting helped Kenyans survive crisis

15,544 views ・ 2009-04-22

TED


Dubbelklik op de Engelse ondertitels hieronder om de video af te spelen.

Vertaald door: Sebastiaan Willemsen Nagekeken door: Rudolf Penninkhof
00:12
So I'm here to tell you a story of success from Africa.
0
12160
4000
Ik ben hier om je een succesverhaal uit Afrika te vertellen.
00:16
A year and a half ago,
1
16160
3000
Anderhalf jaar geleden
00:19
four of the five people who are full time members
2
19160
2000
waren vier van de vijf fulltime leden
00:21
at Ushahidi,
3
21160
2000
van Ushahidi,
00:23
which means "testimony" in Swahili,
4
23160
3000
wat 'getuigenis' betekent in het Swahili,
00:26
were TED Fellows.
5
26160
2000
TED Fellows.
00:28
A year ago in Kenya we had post-election violence.
6
28160
3000
In Kenia was er na de verkiezingen vorig jaar geweld.
00:31
And in that time we prototyped and built,
7
31160
3000
We maakten toen een prototype en bouwden
00:34
in about three days, a system that would allow
8
34160
2000
in ongeveer drie dagen een systeem waardoor
00:36
anybody with a mobile phone
9
36160
2000
iedereen met een mobiele telefoon
00:38
to send in information and reports on what was happening around them.
10
38160
3000
informatie kon inzenden en verslag kon doen.
00:41
We took what we knew about Africa,
11
41160
2000
We namen wat we wisten over Afrika,
00:43
the default device,
12
43160
2000
het standaardapparaat, het mobieltje, als gemeenschappelijke noemer, als startpunt.
00:45
the mobile phone, as our common denominator,
13
45160
2000
het standaardapparaat, het mobieltje, als gemeenschappelijke noemer, als startpunt.
00:47
and went from there.
14
47160
2000
het standaardapparaat, het mobieltje, als gemeenschappelijke noemer, als startpunt.
00:49
We got reports like this.
15
49160
3000
We kregen verslagen zoals deze.
00:56
This is just a couple of them from January 17th, last year.
16
56160
3000
Dit zijn er slechts een paar van vorig jaar 17 januari .
01:02
And our system was rudimentary. It was very basic.
17
62160
3000
Ons systeem was elementair. Het was erg basic.
01:05
It was a mash-up that used data that we collected from people,
18
65160
3000
Het was een mash-up van de gegevens
01:08
and we put it on our map.
19
68160
2000
die we op de kaart zetten.
01:10
But then we decided we needed to do something more.
20
70160
2000
Maar we besloten we dat we meer moesten doen.
01:12
We needed to take what we had built
21
72160
2000
We moesten dit gebruiken voor
01:14
and create a platform out of it so that it could be used elsewhere in the world.
22
74160
3000
een platform zodat het elders ook gebruikt zou kunnen worden.
01:17
And so there is a team of developers
23
77160
3000
Zodoende is er een team van ontwikkelaars
01:20
from all over Africa, who are part of this team now --
24
80160
3000
vanuit heel Afrika, dat nu deel van dit team is
01:23
from Ghana, from Malawi, from Kenya.
25
83160
2000
uit Ghana, uit Malawi, uit Kenia.
01:25
There is even some from the U.S.
26
85160
4000
Er zijn er zelfs een paar uit de VS
01:29
We're building for smartphones, so that it can be used in the developed world,
27
89160
3000
We ontwikkelen voor smartphones zodat het hier gebruikt kan worden
01:32
as well as the developing world.
28
92160
2000
en ook in de derde wereld.
01:34
We are realizing that this is true.
29
94160
2000
We realiseren ons dat dit waar is.
01:36
If it works in Africa then it will work anywhere.
30
96160
2000
Als het in Afrika werkt, dan werkt het overal.
01:38
And so we build for it in Africa first
31
98160
3000
We ontwikkelen eerst voor Afrika
01:41
and then we move to the edges.
32
101160
2000
en daarna gaan bewegen we ons naar de rand.
01:43
It's now been deployed in the Democratic Republic of the Congo.
33
103160
3000
Het is nu uitgerold in de Democratische Republiek Congo.
01:46
It's being used by NGOs all over East Africa,
34
106160
3000
Het wordt in heel Oost-Afrika gebruikt door ngo's.
01:49
small NGOs doing their own little projects.
35
109160
3000
Kleine ngo's doen hun eigen kleine projecten.
01:52
Just this last month it was deployed by
36
112160
2000
Afgelopen maand werd het ook uitgerold door
01:54
Al Jazeera in Gaza.
37
114160
3000
Al Jazeera in Gaza.
01:57
But that's actually not what I'm here to talk about.
38
117160
2000
Maar ik wilde het hier eigenlijk niet over hebben.
01:59
I'm here to talk about the next big thing,
39
119160
2000
Ik ben hier om te praten over de opvolger.
02:01
because what we're finding out is that
40
121160
2000
We zijn aan het ontdekken
02:03
we have this capacity to report
41
123160
2000
dat we de mogelijkheid hebben om
02:05
eyewitness accounts of what's going on in real time.
42
125160
4000
ooggetuigen in real time verslag te laten uitbrengen.
02:09
We're seeing this in events like Mumbai recently,
43
129160
3000
We zagen dit bij recente gebeurtenissen zoals in Mumbai,
02:12
where it's so much easier to report now
44
132160
2000
waar het nu zo veel gemakkelijker is om verslag te doen
02:14
than it is to consume it.
45
134160
2000
dan om het te volgen.
02:16
There is so much information; what do you do?
46
136160
2000
Er is zoveel informatie; wat doe je daarmee?
02:18
This is the Twitter reports for over three days
47
138160
3000
Dit zijn de Twitterverslagen van drie dagen
02:21
just covering Mumbai.
48
141160
2000
die alleen betrekking hebben op Mumbai.
02:23
How do you decide what is important?
49
143160
2000
Hoe beslis je wat belangrijk is?
02:25
What is the veracity level of what you're looking at?
50
145160
3000
Wat is het niveau van betrouwbaarheid dat je wilt bereiken?
02:28
So what we find is that there is this
51
148160
2000
We zien dat er sprake is van
02:30
great deal of wasted crisis information
52
150160
2000
een grote hoeveelheid verloren crisisinformatie
02:32
because there is just too much information for us to
53
152160
3000
omdat er gewoon teveel informatie is voor ons op dit moment
02:35
actually do anything with right now.
54
155160
3000
om er ook maar iets mee te doen.
02:38
And what we're actually really concerned with
55
158160
2000
Waar we echt mee begaan zijn,
02:40
is this first three hours.
56
160160
2000
zijn de eerste drie uur.
02:42
What we are looking at is the first three hours.
57
162160
2000
Waar we naar aan het kijken zijn, zijn de eerste drie uren.
02:44
How do we deal with that information that is coming in?
58
164160
3000
Hoe gaan we om met de binnenkomende informatie?
02:47
You can't understand what is actually happening.
59
167160
2000
Je kan nog niet echt begrijpen wat er gebeurt.
02:49
On the ground and around the world
60
169160
2000
Ter plekke en over de hele wereld
02:51
people are still curious,
61
171160
2000
zijn mensen nog nieuwsgierig,
02:53
and trying to figure out what is going on. But they don't know.
62
173160
3000
en proberen te achterhalen wat er gaan is. Maar ze weten het niet.
02:56
So what we built of course, Ushahidi,
63
176160
3000
We ontwikkelden voor Ushahidi,
02:59
is crowdsourcing this information.
64
179160
2000
crowdsourcing van informatie.
03:01
You see this with Twitter, too. You get this information overload.
65
181160
3000
Je ziet dit ook bij Twitter. Je wordt overstelpt met informatie.
03:04
So you've got a lot of information. That's great.
66
184160
2000
Je hebt dus heel veel informatie. Dat is prachtig.
03:06
But now what?
67
186160
2000
Maar wat dan?
03:08
So we think that there is something interesting we can do here.
68
188160
3000
We denken dat daar een interessante mogelijkheid zit.
03:11
And we have a small team who is working on this.
69
191160
2000
We hebben een klein team dat hier aan werkt.
03:13
We think that we can actually create
70
193160
2000
We denken dat we daadwerkelijk
03:15
a crowdsourced filter.
71
195160
2000
een filter voor deze informatie kunnen creëren.
03:17
Take the crowd and apply them to the information.
72
197160
3000
Neem de menigte en laat hen los op de informatie.
03:20
And by rating it and by rating
73
200160
2000
Door de informatie te waarderen en
03:22
the different people who submit information,
74
202160
2000
ook de bronnen te waarderen,
03:24
we can get refined results
75
204160
2000
kunnen we verfijnde resultaten
03:26
and weighted results.
76
206160
2000
en gewogen resultaten bekomen.
03:28
So that we have a better understanding
77
208160
2000
Zo krijgen we een beter begrip
03:30
of the probability of something being true or not.
78
210160
2000
van de waarschijnlijkheid of iets waar is of niet.
03:32
This is the kind of innovation that is,
79
212160
3000
Dit is het type innovatie dat,
03:35
quite frankly -- it's interesting that it's coming from Africa.
80
215160
2000
eerlijk gezegd, interessant is omdat het uit Afrika komt.
03:37
It's coming from places that you wouldn't expect.
81
217160
3000
Het komt vanuit plekken waar je het niet verwacht.
03:40
From young, smart developers.
82
220160
2000
Vanuit jonge, slimme ontwikkelaars.
03:42
And it's a community around it that has decided to build this.
83
222160
3000
Het is een gemeenschap er omheen die besloten heeft dit te ontwikkelen.
03:45
So, thank you very much.
84
225160
2000
Dus, dank u wel.
03:47
And we are very happy to be part of the TED family.
85
227160
2000
We zijn blij dat we een deel zijn van de TED-familie.
03:49
(Applause)
86
229160
1000
(Applaus)
Over deze website

Deze site laat u kennismaken met YouTube-video's die nuttig zijn om Engels te leren. U ziet Engelse lessen gegeven door topdocenten uit de hele wereld. Dubbelklik op de Engelse ondertitels op elke videopagina om de video af te spelen. De ondertitels scrollen synchroon met het afspelen van de video. Heeft u opmerkingen of verzoeken, neem dan contact met ons op via dit contactformulier.

https://forms.gle/WvT1wiN1qDtmnspy7