How we can find ourselves in data | Giorgia Lupi

112,053 views ・ 2017-05-04

TED


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

Vertaald door: Sofie Vandenberghe Nagekeken door: Axel Saffran
00:12
This is what my last week looked like.
0
12580
2880
Zo zag mijn voorbije week eruit.
00:16
What I did,
1
16500
1696
Wat ik deed,
00:18
who I was with,
2
18220
1816
bij wie ik was,
00:20
the main sensations I had for every waking hour ...
3
20060
3120
de belangrijkste sensaties die ik gedurende de dag had ...
00:23
If the feeling came as I thought of my dad
4
23900
2496
Gevoelens die bij me opkwamen
toen ik dacht aan mijn vader, die onlangs overleed
00:26
who recently passed away,
5
26420
1776
00:28
or if I could have just definitely avoided the worries and anxieties.
6
28220
4056
of als ik zorgen en angst had kunnen vermijden.
00:32
And if you think I'm a little obsessive,
7
32300
1936
En als je denkt dat ik een beetje obsessief ben,
00:34
you're probably right.
8
34260
1856
heb je waarschijnlijk gelijk.
00:36
But clearly, from this visualization,
9
36140
2256
Maar je kan duidelijk via deze voorstelling
00:38
you can learn much more about me than from this other one,
10
38420
3296
veel meer over mij leren dan van deze andere beelden,
00:41
which are images you're probably more familiar with
11
41740
2976
waar je waarschijnlijk meer vertrouwd mee bent
00:44
and which you possibly even have on your phone right now.
12
44740
2816
en die je misschien op dit moment zelfs op je telefoon hebt.
00:47
Bar charts for the steps you walked,
13
47580
2216
Staafdiagrammen voor de genomen stappen,
00:49
pie charts for the quality of your sleep --
14
49820
2376
taartdiagrammen voor je slaapkwaliteit --
00:52
the path of your morning runs.
15
52220
1720
de route van je ochtentraining.
00:55
In my day job, I work with data.
16
55100
2296
Voor mijn baan werk ik met data.
00:57
I run a data visualization design company,
17
57420
2496
Ik leid een bedrijf dat datavisualisatie ontwerpt
00:59
and we design and develop ways to make information accessible
18
59940
3336
en wij ontwerpen en ontwikkelen manieren om informatie toegankelijker te maken
01:03
through visual representations.
19
63300
2096
door middel van visuele voorstellingen.
01:05
What my job has taught me over the years
20
65420
3016
Wat mijn baan me door de jaren heen geleerd heeft,
01:08
is that to really understand data and their true potential,
21
68460
4216
is dat om data en hun echte potentieel werkelijk te begrijpen,
01:12
sometimes we actually have to forget about them
22
72700
3096
we ze soms moeten vergeten
en in plaats daarvan voorbij de data moeten kijken.
01:15
and see through them instead.
23
75820
1760
Want data zijn altijd enkel een middel om realiteit voor te stellen.
01:18
Because data are always just a tool we use to represent reality.
24
78260
3576
01:21
They're always used as a placeholder for something else,
25
81860
2856
Ze worden altijd gebruikt als een aanduiding voor iets anders,
01:24
but they are never the real thing.
26
84740
2176
maar zijn zelf nooit de werkelijkheid.
01:26
But let me step back for a moment
27
86940
1936
Maar laat me een stap terug zetten
01:28
to when I first understood this personally.
28
88900
2480
naar toen ik dit voor het eerst zelf begreep.
01:32
In 1994, I was 13 years old.
29
92100
3336
In 1994 was ik 13 jaar.
01:35
I was a teenager in Italy.
30
95460
1936
Ik was een tiener in Italië.
01:37
I was too young to be interested in politics,
31
97420
2616
Ik was te jong om in politiek geïnteresseerd te zijn,
01:40
but I knew that a businessman, Silvio Berlusconi,
32
100060
2496
maar ik wist dat een zakenman, Silvio Berlusconi,
01:42
was running for president for the moderate right.
33
102580
2560
de presidentskandidaat voor gematigd rechts was.
01:45
We lived in a very liberal town,
34
105940
2016
Wij woonde in een liberale stad
01:47
and my father was a politician for the Democratic Party.
35
107980
3296
en mijn vader was een politicus van de Democratische Partij.
01:51
And I remember that no one thought that Berlusconi could get elected --
36
111300
4336
En ik herinner me dat niemand dacht dat Berlusconi verkozen kon worden --
01:55
that was totally not an option.
37
115660
1760
dat was helemaal geen optie.
01:58
But it happened.
38
118380
1216
Maar het is wel gebeurd.
01:59
And I remember the feeling very vividly.
39
119620
2536
En ik herinner me zeer levendig het gevoel.
02:02
It was a complete surprise,
40
122180
1856
Het was een complete verrassing want mijn vader had me verzekerd
02:04
as my dad promised that in my town he knew nobody who voted for him.
41
124060
5040
dat hij niemand in mijn stad kende die voor hem gestemd had.
02:10
This was the first time
42
130540
1496
Dit was de eerste keer
02:12
when the data I had gave me a completely distorted image of reality.
43
132060
4560
dat mijn eigen data me een compleet vertekend beeld van de realiteit gaven.
02:17
My data sample was actually pretty limited and skewed,
44
137100
3296
Mijn steekproefgegevens waren eigenlijk behoorlijk beperkt en vertekend
02:20
so probably it was because of that, I thought, I lived in a bubble,
45
140420
3736
en dus was het waarschijnlijk daardoor, dacht ik, dat ik in een zeepbel leefde,
02:24
and I didn't have enough chances to see outside of it.
46
144180
2600
en dat ik niet genoeg kansen had om er buiten te zien.
02:27
Now, fast-forward to November 8, 2016
47
147900
3776
Nu, laten we doorspoelen naar 8 november 2016
02:31
in the United States.
48
151700
1200
in de Verenigde Staten.
02:33
The internet polls,
49
153780
1296
De internetpeilingen,
02:35
statistical models,
50
155100
1376
statistische modellen,
02:36
all the pundits agreeing on a possible outcome for the presidential election.
51
156500
4816
alle experten waren het eens over de mogelijke uitkomst
van de presidentsverkiezingen.
02:41
It looked like we had enough information this time,
52
161340
2616
Het leek erop dat we deze keer genoeg informatie hadden
02:43
and many more chances to see outside the closed circle we lived in --
53
163980
4096
en veel meer kansen om buiten onze gesloten kring te kijken --
maar dat deden we duidelijk niet.
02:48
but we clearly didn't.
54
168100
1320
02:49
The feeling felt very familiar.
55
169860
2096
Het gevoel was erg bekend.
02:51
I had been there before.
56
171980
1480
Ik had dit al eens meegemaakt.
02:54
I think it's fair to say the data failed us this time --
57
174180
2856
Ik denk dat we kunnen zeggen dat de data tekortschoten deze keer --
02:57
and pretty spectacularly.
58
177060
1856
en behoorlijk spectaculair.
02:58
We believed in data,
59
178940
1696
We geloofden in data,
03:00
but what happened,
60
180660
1416
maar wat gebeurde er?
03:02
even with the most respected newspaper,
61
182100
2696
Zelfs in de meest gerespecteerde krant
03:04
is that the obsession to reduce everything to two simple percentage numbers
62
184820
4696
zag je de obsessie om alles te reduceren tot twee simpele percentages,
03:09
to make a powerful headline
63
189540
1976
voor een krachtige krantenkop.
03:11
made us focus on these two digits
64
191540
2056
Onze blikken vernauwden zich tot deze twee cijfers.
03:13
and them alone.
65
193620
1200
03:15
In an effort to simplify the message
66
195380
2056
In een poging om de boodschap te vereenvoudigen
03:17
and draw a beautiful, inevitable red and blue map,
67
197460
3416
en een mooie, onvermijdelijke rood en blauwe kaart te tekenen,
03:20
we lost the point completely.
68
200900
1880
zijn we het doel uit het oog verloren.
03:23
We somehow forgot that there were stories --
69
203260
2136
We vergaten ergens dat er verhalen waren --
03:25
stories of human beings behind these numbers.
70
205420
2360
verhalen van mensen achter deze getallen.
03:29
In a different context,
71
209060
1576
In een andere context,
03:30
but to a very similar point,
72
210660
1656
maar gelijkaardig,
03:32
a peculiar challenge was presented to my team by this woman.
73
212340
3896
kreeg ons team een merkwaardige uitdaging gepresenteerd door deze vrouw.
03:36
She came to us with a lot of data,
74
216260
2376
Ze kwam met heel veel data naar ons,
03:38
but ultimately she wanted to tell one of the most humane stories possible.
75
218660
4416
maar eigenlijk wou ze een zo menselijk mogelijk verhaal vertellen.
03:43
She's Samantha Cristoforetti.
76
223100
1696
Het is Samantha Cristoforetti,
03:44
She has been the first Italian woman astronaut,
77
224820
2576
de eerste Italiaanse vrouwelijke astronaut.
03:47
and she contacted us before being launched
78
227420
2496
Ze contacteerde ons voor aanvang
03:49
on a six-month-long expedition to the International Space Station.
79
229940
3896
van een zes maanden lange expeditie naar het internationale ruimtestation.
03:53
She told us, "I'm going to space,
80
233860
2216
Ze vertelde ons: "Ik ga naar de ruimte
03:56
and I want to do something meaningful with the data of my mission
81
236100
3096
en ik wil iets betekenisvols doen met de data van mijn missie,
03:59
to reach out to people."
82
239220
1240
om mensen erbij te betrekken."
04:01
A mission to the International Space Station
83
241420
2536
Een missie naar het internationaal ruimtestation
04:03
comes with terabytes of data
84
243980
2096
levert terabytes aan gegevens op
04:06
about anything you can possibly imagine --
85
246100
2376
over alles wat je maar kunt bedenken --
04:08
the orbits around Earth,
86
248500
1496
de banen rond de Aarde,
04:10
the speed and position of the ISS
87
250020
2096
de snelheid en positie van het ISS
04:12
and all of the other thousands of live streams from its sensors.
88
252140
3680
en alle andere duizenden livestreams van zijn sensoren.
04:16
We had all of the hard data we could think of --
89
256660
2896
We hadden alle harde data die we ons konden voorstellen --
04:19
just like the pundits before the election --
90
259580
2416
net als de experten voor de verkiezingen --
04:22
but what is the point of all these numbers?
91
262020
2976
maar wat is de bedoeling van al deze getallen?
Mensen zijn niet geïnteresseerd in de data om de data zelf
04:25
People are not interested in data for the sake of it,
92
265020
2736
04:27
because numbers are never the point.
93
267780
1855
want getallen zijn nooit het uiteindelijke doel.
04:29
They're always the means to an end.
94
269659
1961
Ze zijn altijd een hulpmiddel.
04:32
The story we needed to tell
95
272659
1777
Het verhaal dat we wilden vertelen,
04:34
is that there is a human being in a teeny box
96
274460
2496
was dat er een mens in een kleine doos
04:36
flying in space above your head,
97
276980
2256
rondvliegt in de ruimte boven je hoofd
04:39
and that you can actually see her with your naked eye on a clear night.
98
279260
4096
en dat je haar op een heldere nacht met het blote oog kan zien.
04:43
So we decided to use data to create a connection
99
283380
3096
Dus besloten we de data te gebruiken om een verbinding te maken
04:46
between Samantha and all of the people looking at her from below.
100
286500
4056
tussen Samantha en alle mensen die van beneden naar haar opkijken.
04:50
We designed and developed what we called "Friends in Space,"
101
290580
3176
We ontwierpen en ontwikkelden 'Vrienden in de Ruimte',
04:53
a web application that simply lets you say "hello" to Samantha
102
293780
4656
een webapplicatie die je eenvoudigweg 'hallo' laat zeggen aan Samantha
04:58
from where you are,
103
298460
1256
vanwaar je bent
04:59
and "hello" to all the people who are online at the same time
104
299740
3536
en 'hallo' aan alle mensen die op datzelfde moment online zijn
05:03
from all over the world.
105
303300
1520
over de hele wereld.
05:05
And all of these "hellos" left visible marks on the map
106
305460
3456
En al deze 'hallo's' lieten een zichtbaar spoor achter op een kaart
05:08
as Samantha was flying by
107
308940
2016
terwijl Samantha voorbij vloog
05:10
and as she was actually waving back every day at us
108
310980
3376
en ze elke dag terugzwaaide naar ons
05:14
using Twitter from the ISS.
109
314380
1680
via Twitter vanuit het ISS.
05:16
This made people see the mission's data from a very different perspective.
110
316700
4976
Dit liet mensen de missiedata op een andere manier zien.
05:21
It all suddenly became much more about our human nature and our curiosity,
111
321700
4696
Het ging ineens veel meer over de menselijke natuur en onze nieuwsgierigheid
05:26
rather than technology.
112
326420
1656
dan over technologie.
05:28
So data powered the experience,
113
328100
2336
Dus data zaten achter de ervaring,
05:30
but stories of human beings were the drive.
114
330460
2400
maar menselijke verhalen waren de motor.
05:34
The very positive response of its thousands of users
115
334660
3336
De erg positieve reacties van de duizenden gebruikers
leerden me een belangrijke les --
05:38
taught me a very important lesson --
116
338020
1936
05:39
that working with data means designing ways
117
339980
2856
werken met data betekent manieren te ontwerpen
05:42
to transform the abstract and the uncountable
118
342860
2736
om het abstracte en ontelbare om te vormen
05:45
into something that can be seen, felt and directly reconnected
119
345620
4016
in iets dat je kan zien, voelen en direct kan terugkoppelen
05:49
to our lives and to our behaviors,
120
349660
2296
naar ons leven en ons gedrag.
05:51
something that is hard to achieve
121
351980
1856
Iets dat moeilijk te bereiken is
05:53
if we let the obsession for the numbers and the technology around them
122
353860
3896
als we onze obsessie met getallen en de omringende technologie
05:57
lead us in the process.
123
357780
1280
ons laten leiden in het proces.
06:00
But we can do even more to connect data to the stories they represent.
124
360420
4896
Maar we kunnen nog meer doen om de data te verbinden
met de verhalen die ze vertegenwoordigen.
06:05
We can remove technology completely.
125
365340
2656
We kunnen de technologie volledig weglaten.
Een paar jaar geleden ontmoette ik Stefanie Posavec,
06:08
A few years ago, I met this other woman,
126
368020
2256
06:10
Stefanie Posavec --
127
370300
1376
06:11
a London-based designer who shares with me the passion and obsession about data.
128
371700
5816
een Londense ontwerpster die mijn passie en obsessie met data deelt.
06:17
We didn't know each other,
129
377540
1336
We kenden elkaar niet,
06:18
but we decided to run a very radical experiment,
130
378900
3256
maar we besloten een erg radicaal experiment uit te voeren.
We gingen communiceren met behulp van alleen data
06:22
starting a communication using only data,
131
382180
2536
06:24
no other language,
132
384740
1336
en geen enkele andere taal
06:26
and we opted for using no technology whatsoever to share our data.
133
386100
4616
en we kozen ervoor geen enkele technologie te gebruiken om onze data te delen.
06:30
In fact, our only means of communication
134
390740
2896
Onze enige vorm van communicatie
06:33
would be through the old-fashioned post office.
135
393660
2856
zou via de ouderwetse post gaan.
06:36
For "Dear Data," every week for one year,
136
396540
2456
Voor 'Liefste Data' gebruikten we, gedurende één jaar, wekelijks
06:39
we used our personal data to get to know each other --
137
399020
3456
onze persoonlijke data om elkaar te leren kennen --
06:42
personal data around weekly shared mundane topics,
138
402500
3656
persoonlijke data over wekelijks gedeelde, alledaagse onderwerpen
06:46
from our feelings
139
406180
1216
gaande van onze gevoelens
06:47
to the interactions with our partners,
140
407420
1856
tot de interacties met onze partners,
06:49
from the compliments we received to the sounds of our surroundings.
141
409300
3160
van de complimenten die we kregen tot de omgevingsgeluiden.
06:53
Personal information that we would then manually hand draw
142
413300
3536
Persoonlijke informatie die we dan met de hand zouden tekenen
06:56
on a postcard-size sheet of paper
143
416860
2496
op een blad papier ter grootte van een postkaart
06:59
that we would every week send from London to New York,
144
419380
2936
die we dan elke week van Londen naar New York zouden sturen, waar ik woon
07:02
where I live,
145
422340
1256
07:03
and from New York to London, where she lives.
146
423620
2200
en van New York naar Londen, waar zij woont.
07:06
The front of the postcard is the data drawing,
147
426300
3696
De voorkant van de postkaart is een datatekening
07:10
and the back of the card
148
430020
1296
en de achterkant
07:11
contains the address of the other person, of course,
149
431340
2429
bevat uiteraard het adres van de andere persoon
07:13
and the legend for how to interpret our drawing.
150
433793
2640
en de legenda om de tekening te begrijpen.
07:17
The very first week into the project,
151
437460
2016
De allereerste week van het project
07:19
we actually chose a pretty cold and impersonal topic.
152
439500
3056
kozen we een behoorlijk koud en onpersoonlijk onderwerp.
07:22
How many times do we check the time in a week?
153
442580
3200
Hoeveel keer keken we op de klok in een week?
07:26
So here is the front of my card,
154
446540
1936
Dit is de voorkant van mijn kaart
07:28
and you can see that every little symbol
155
448500
1976
en je kan zien dat elk symbool
07:30
represents all of the times that I checked the time,
156
450500
3416
een moment voorsteld dat ik op de klok keek,
07:33
positioned for days and different hours chronologically --
157
453940
3376
chronologisch georganiseerd per dag en uur --
07:37
nothing really complicated here.
158
457340
2040
niet bijzonder ingewikkeld.
07:40
But then you see in the legend
159
460020
1576
Maar in de legenda zie je
07:41
how I added anecdotal details about these moments.
160
461620
3456
dat ik anekdotische details toevoegde over deze momenten.
07:45
In fact, the different types of symbols indicate why I was checking the time --
161
465100
4576
De verschillende symbolen geven aan waarom ik op de klok keek --
07:49
what was I doing?
162
469700
1216
en wat deed ik?
07:50
Was I bored? Was I hungry?
163
470940
1696
Verveelde ik me? Had ik honger?
07:52
Was I late?
164
472660
1216
Was ik te laat?
07:53
Did I check it on purpose or just casually glance at the clock?
165
473900
3216
Keek ik bewust of juist nonchalant?
07:57
And this is the key part --
166
477140
2256
En dit is belangrijk --
07:59
representing the details of my days and my personality
167
479420
3696
ik stelde de gegevens over mijn dagen en persoonlijkheid voor
08:03
through my data collection.
168
483140
1936
door middel van datacollectie.
08:05
Using data as a lens or a filter to discover and reveal, for example,
169
485100
4696
Ik gebruikte data als lens of filter om zo dingen te ontdekken,
08:09
my never-ending anxiety for being late,
170
489820
2176
mijn eindeloze angst voor te laat zijn bijvoorbeeld,
08:12
even though I'm absolutely always on time.
171
492020
2200
hoewel ik altijd op tijd ben.
08:16
Stefanie and I spent one year collecting our data manually
172
496020
4096
Stefanie en ik verzamelden handmatig onze gegevens voor meer dan een jaar
08:20
to force us to focus on the nuances that computers cannot gather --
173
500140
4496
om ons zo te dwingen op de nuances te letten die computers niet oppikken --
08:24
or at least not yet --
174
504660
1536
nog niet, tenminste.
08:26
using data also to explore our minds and the words we use,
175
506220
3496
Via data verkenden we onze gedachtegang en de woorden die we gebruiken
08:29
and not only our activities.
176
509740
1936
en niet alleen onze activiteiten.
08:31
Like at week number three,
177
511700
1416
Zoals in de derde week,
08:33
where we tracked the "thank yous" we said and were received,
178
513140
3816
waar we onze 'dank je wels' volgden die we zeiden en ontvingen
08:36
and when I realized that I thank mostly people that I don't know.
179
516980
4656
en waarbij ik me realiseerde dat ik vooral onbekenden dank.
08:41
Apparently I'm a compulsive thanker to waitresses and waiters,
180
521660
4336
Blijkbaar dank ik compulsief obers en serveersters,
08:46
but I definitely don't thank enough the people who are close to me.
181
526020
3160
maar dank ik de mensen die dicht bij me staan niet genoeg.
08:50
Over one year,
182
530820
1256
Gedurende één jaar
08:52
the process of actively noticing and counting these types of actions
183
532100
4496
werd het actief opmerken en tellen van dit soort activiteiten een ritueel.
08:56
became a ritual.
184
536620
1296
08:57
It actually changed ourselves.
185
537940
2056
Het veranderde ons.
09:00
We became much more in tune with ourselves,
186
540020
2696
We geraakten veel beter op onszelf afgesteld,
09:02
much more aware of our behaviors and our surroundings.
187
542740
3120
veel meer bewust van ons gedrag en onze omgeving.
09:06
Over one year, Stefanie and I connected at a very deep level
188
546500
2976
Gedurende één jaar schiepen Stephanie en ik een diepe band
09:09
through our shared data diary,
189
549500
2016
middels ons gedeelde datadagboek,
09:11
but we could do this only because we put ourselves in these numbers,
190
551540
4296
maar we konden dit enkel doen omdat we onszelf in deze getallen legden
09:15
adding the contexts of our very personal stories to them.
191
555860
3976
en de context van onze heel persoonlijke verhalen toevoegden.
09:19
It was the only way to make them truly meaningful
192
559860
2456
Alleen zo konden we die werkelijk betekenisvol maken
09:22
and representative of ourselves.
193
562340
2200
en tot een afspiegeling van onszelf.
09:26
I am not asking you to start drawing your personal data,
194
566300
3096
Ik vraag je niet om je eigen persoonlijke data te gaan tekenen
09:29
or to find a pen pal across the ocean.
195
569420
2856
of een overzeese penvriend te zoeken.
09:32
But I'm asking you to consider data --
196
572300
2576
Maar ik vraag je om data te beschouwen --
09:34
all kind of data --
197
574900
1456
alle soorten data --
09:36
as the beginning of the conversation
198
576380
1776
als het begin van een gesprek
09:38
and not the end.
199
578180
1200
en niet het einde.
09:39
Because data alone will never give us a solution.
200
579900
3176
Want data alleen zal ons nooit een oplossing bieden.
09:43
And this is why data failed us so badly --
201
583100
2696
Daarom heeft data ons zo in de steek gelaten.
09:45
because we failed to include the right amount of context
202
585820
3376
We lieten na de juiste hoeveelheid context toe te voegen
om de werkelijkheid voor te stellen --
09:49
to represent reality --
203
589220
1456
09:50
a nuanced, complicated and intricate reality.
204
590700
3200
een genuanceerde, gecompliceerde en gedetailleerde werkelijkheid.
09:54
We kept looking at these two numbers,
205
594780
2456
We bleven naar deze twee getallen kijken,
09:57
obsessing with them
206
597260
1496
erdoor geobsedeerd
09:58
and pretending that our world could be reduced
207
598780
2496
en we deden alsof onze wereld teruggebracht kon worden
10:01
to a couple digits and a horse race,
208
601300
2336
tot een paar cijfers en een paardenkoers
10:03
while the real stories,
209
603660
1256
terwijl de echte verhalen, die er echt toe deden,
10:04
the ones that really mattered,
210
604940
1456
10:06
were somewhere else.
211
606420
1416
ergens anders zaten.
10:07
What we missed looking at these stories only through models and algorithms
212
607860
4416
Wat we over het hoofd zagen
toen we via modellen en algoritmes naar deze verhalen keken,
10:12
is what I call "data humanism."
213
612300
2520
is wat ik 'data-humanisme' noem.
10:15
In the Renaissance humanism,
214
615380
2016
Tijdens de Renaissance plaatsten Europese intellectuelen
10:17
European intellectuals
215
617420
1616
10:19
placed the human nature instead of God at the center of their view of the world.
216
619060
4920
de menselijke natuur in plaats van God in het centrum van het wereldbeeld.
10:24
I believe something similar needs to happen
217
624620
2216
Ik geloof dat iets vergelijkbaars moet gebeuren
10:26
with the universe of data.
218
626860
1776
in de datawereld.
10:28
Now data are apparently treated like a God --
219
628660
2976
Nu dat data blijkbaar als een god wordt behandeld --
10:31
keeper of infallible truth for our present and our future.
220
631660
3280
hoeder van de onfeilbare waarheid van het heden en de toekomst.
10:35
The experiences that I shared with you today
221
635660
2896
De ervaringen die ik vandaag met jullie deelde,
10:38
taught me that to make data faithfully representative of our human nature
222
638580
5016
leerden me dat om van data
een goede afspiegeling te maken van onze menselijke natuur
10:43
and to make sure they will not mislead us anymore,
223
643620
3416
en te zorgen dat ze ons niet meer zullen misleiden,
we manieren moeten vinden
10:47
we need to start designing ways to include empathy, imperfection
224
647060
3696
om empathie, imperfectie en menselijke kwaliteiten te stoppen
10:50
and human qualities
225
650780
1576
10:52
in how we collect, process, analyze and display them.
226
652380
3720
in hoe we die data verzamelen, verwerken, analyseren en weergeven.
Ik zie wel een toekomst
10:57
I do see a place where, ultimately,
227
657100
2976
waarin we uiteindelijk data niet alleen gebruiken
11:00
instead of using data only to become more efficient,
228
660100
3336
om efficiënter te worden,
11:03
we will all use data to become more humane.
229
663460
2800
maar ook om humaner te worden.
11:06
Thank you.
230
666700
1216
Dank je.
11:07
(Applause)
231
667940
4441
(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