Susan Etlinger: What do we do with all this big data?

Susan Etlinger: O que fazer com todos esses megadados?

153,066 views

2014-10-20 ・ TED


New videos

Susan Etlinger: What do we do with all this big data?

Susan Etlinger: O que fazer com todos esses megadados?

153,066 views ・ 2014-10-20

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Gustavo Rocha Revisor: Jean-Christophe Houzel
00:13
Technology has brought us so much:
0
13354
3135
A tecnologia já nos trouxe tantas coisas:
00:16
the moon landing, the Internet,
1
16489
2019
o pouso na Lua, a Internet,
00:18
the ability to sequence the human genome.
2
18508
2625
a habilidade de sequenciar o genoma humano.
00:21
But it also taps into a lot of our deepest fears,
3
21133
3724
Mas ela também toca em vários dos nossos medos mais profundos,
00:24
and about 30 years ago,
4
24857
1856
e, há cerca de 30 anos,
00:26
the culture critic Neil Postman wrote a book
5
26713
2553
o crítico cultural Neil Postman escreveu um livro
00:29
called "Amusing Ourselves to Death,"
6
29266
2115
chamado "Divertindo-nos até a Morte",
00:31
which lays this out really brilliantly.
7
31381
2759
que coloca isso de forma brilhante.
00:34
And here's what he said,
8
34140
1650
Eis o que ele disse,
00:35
comparing the dystopian visions
9
35790
2263
comparando as visões distópicas
00:38
of George Orwell and Aldous Huxley.
10
38053
3573
de George Orwell e Aldous Huxley.
00:41
He said, Orwell feared we would become
11
41626
3126
Ele disse que Orwell temia que nos tornaríamos
00:44
a captive culture.
12
44752
2248
uma cultura cativa.
00:47
Huxley feared we would become a trivial culture.
13
47000
3752
Huxley temia que nos tornaríamos uma cultura trivial.
00:50
Orwell feared the truth would be
14
50752
2145
Orwell temia que a verdade seria
00:52
concealed from us,
15
52897
1923
escondida de nós,
00:54
and Huxley feared we would be drowned
16
54820
2190
e Huxley temia que submergiríamos
00:57
in a sea of irrelevance.
17
57010
2693
num mar de irrelevância.
00:59
In a nutshell, it's a choice between
18
59703
2170
Em suma, é uma escolha
01:01
Big Brother watching you
19
61873
2600
entre ter o Big Brother vigiando-nos
01:04
and you watching Big Brother.
20
64473
2496
ou assistir ao Big Brother.
01:06
(Laughter)
21
66969
1931
(Risos)
01:08
But it doesn't have to be this way.
22
68900
1734
Mas não precisa ser assim.
01:10
We are not passive consumers of data and technology.
23
70634
3336
Não somos consumidores passivos de dados e tecnologia.
01:13
We shape the role it plays in our lives
24
73970
2403
Nós definimos seu papel em nossas vidas
01:16
and the way we make meaning from it,
25
76373
2130
e como fazemos sentido disso.
01:18
but to do that,
26
78503
1603
Mas para fazer isto,
01:20
we have to pay as much attention to how we think
27
80106
3513
precisamos prestar tanta atenção à maneira como pensamos
01:23
as how we code.
28
83619
2030
quanto à maneira como codificamos.
01:25
We have to ask questions, and hard questions,
29
85649
3098
Temos que fazer perguntas, perguntas difíceis,
01:28
to move past counting things
30
88747
1869
para ir além de apenas contar as coisas,
01:30
to understanding them.
31
90616
2602
para realmente entendê-las.
01:33
We're constantly bombarded with stories
32
93218
2446
Somos bombardeados constantemente com histórias
01:35
about how much data there is in the world,
33
95664
2476
sobre quanta informação há no mundo,
01:38
but when it comes to big data
34
98140
1580
mas quando se trata de megadados
01:39
and the challenges of interpreting it,
35
99720
2596
e os desafios para sua interpretação,
01:42
size isn't everything.
36
102316
2088
tamanho não é tudo.
01:44
There's also the speed at which it moves,
37
104404
2903
Há também a velocidade com que se move,
01:47
and the many varieties of data types,
38
107307
1696
e as variedade de tipos de dados,
01:49
and here are just a few examples:
39
109003
2498
e aqui são só alguns exemplos:
01:51
images,
40
111501
2198
imagens,
01:53
text,
41
113699
4007
texto, [por favor, aguarde aqui até tornar-se útil, obrigado]
01:57
video,
42
117706
2095
vídeo,
01:59
audio.
43
119801
1830
áudio.
02:01
And what unites this disparate types of data
44
121631
3042
O que reúne esses dados de tipos tão diferentes
02:04
is that they're created by people
45
124673
2221
é o fato de serem criados por pessoas
02:06
and they require context.
46
126894
2775
e de exigirem um contexto.
02:09
Now, there's a group of data scientists
47
129669
2445
Bem, há um grupo de cientistas de dados
02:12
out of the University of Illinois-Chicago,
48
132114
2305
da Universidade de Illinois-Chicago,
02:14
and they're called the Health Media Collaboratory,
49
134419
2554
que são chamados de Colaboração da Mídia da Saúde,
02:16
and they've been working with the Centers for Disease Control
50
136973
2587
e vêm trabalhando com o Centro pelo Controle das Doenças
02:19
to better understand
51
139560
1505
para entender melhor
02:21
how people talk about quitting smoking,
52
141065
2848
o que as pessoas falam sobre parar de fumar,
02:23
how they talk about electronic cigarettes,
53
143913
2680
o que falam sobre cigarros eletrônicos,
02:26
and what they can do collectively
54
146593
1985
e o que podem fazer coletivamente
02:28
to help them quit.
55
148578
1984
para ajudá-las a parar.
02:30
The interesting thing is, if you want to understand
56
150562
2013
O interessante é que se você quiser entender
02:32
how people talk about smoking,
57
152575
2216
como que as pessoas falam sobre fumar,
02:34
first you have to understand
58
154791
1901
primeiro tem que entender
02:36
what they mean when they say "smoking."
59
156692
2565
o que elas querem dizer quando dizem "fumar".
02:39
And on Twitter, there are four main categories:
60
159257
3926
E no Twitter, há quatro categorias principais:
02:43
number one, smoking cigarettes;
61
163183
2997
número um: fumar cigarros;
02:46
number two, smoking marijuana;
62
166180
2807
número dois: fumar maconha;
02:48
number three, smoking ribs;
63
168987
2643
número três: defumar costelas;
02:51
and number four, smoking hot women.
64
171630
3553
número quatro : mulheres quentes e gostosas.
02:55
(Laughter)
65
175183
2993
(Risos)
02:58
So then you have to think about, well,
66
178176
2426
Então você precisar refletir sobre
03:00
how do people talk about electronic cigarettes?
67
180602
2140
o que as pessoas falam sobre cigarros eletrônicos?
03:02
And there are so many different ways
68
182742
2025
E há tantas maneiras diferentes
03:04
that people do this, and you can see from the slide
69
184767
2599
de falar disso - dá para ver no slide -
03:07
it's a complex kind of a query.
70
187366
2610
que é uma pesquisa bem complexa.
03:09
And what it reminds us is that
71
189976
3224
E isso nos lembra
que a língua é criada por pessoas,
03:13
language is created by people,
72
193200
2411
03:15
and people are messy and we're complex
73
195611
2340
e pessoas são confusas, e nós somos complexos
03:17
and we use metaphors and slang and jargon
74
197951
2767
usamos metáforas e gírias e jargões
03:20
and we do this 24/7 in many, many languages,
75
200718
3279
e fazemos isso 24/7 em muitas línguas,
03:23
and then as soon as we figure it out, we change it up.
76
203997
3224
e assim que decidimos, já mudamos de novo.
03:27
So did these ads that the CDC put on,
77
207221
5118
Então, será que esses anúncios que a CCD divulgou,
03:32
these television ads that featured a woman
78
212339
2430
esses comercias que apresentam uma mulher
03:34
with a hole in her throat and that were very graphic
79
214769
2021
com um buraco na garganta e que eram bastante explícitos
03:36
and very disturbing,
80
216790
1904
e bastante perturbadores,
03:38
did they actually have an impact
81
218694
1885
influenciaram realmente
03:40
on whether people quit?
82
220579
2671
sobre a decisão de parar?
03:43
And the Health Media Collaboratory respected the limits of their data,
83
223250
3307
A Colaboração da Mídia da Saúde respeitou o limite de seus dados,
03:46
but they were able to conclude
84
226557
2005
mas conseguiram concluir
03:48
that those advertisements — and you may have seen them —
85
228562
3312
que esses comerciais; e talvez vocês tenham visto;
03:51
that they had the effect of jolting people
86
231874
2591
tiveram o efeito de disparar nas pessoas
03:54
into a thought process
87
234465
1822
um processo de raciocínio
03:56
that may have an impact on future behavior.
88
236287
3667
que pode ter um impacto no comportamento futuro.
03:59
And what I admire and appreciate about this project,
89
239954
3891
O que eu admiro e aprecio nesse projeto,
04:03
aside from the fact, including the fact
90
243845
1489
além do fato
04:05
that it's based on real human need,
91
245334
4057
de que é baseado numa real necessidade humana,
04:09
is that it's a fantastic example of courage
92
249391
2846
é que é um exemplo fantástico de coragem
04:12
in the face of a sea of irrelevance.
93
252237
4443
em face a um mar de irrelevância.
04:16
And so it's not just big data that causes
94
256680
3305
Então não são só megadados que causam
04:19
challenges of interpretation, because let's face it,
95
259985
2601
desafios de interpretação, porque, convenhamos,
04:22
we human beings have a very rich history
96
262586
2594
nós seres humanos temos um histórico bem rico
04:25
of taking any amount of data, no matter how small,
97
265180
2693
de pegar qualquer conjunto de dados, tão pequenos sejam eles,
04:27
and screwing it up.
98
267873
1617
e estragar tudo.
04:29
So many years ago, you may remember
99
269490
3737
Há muitos anos, vocês devem se lembrar
04:33
that former President Ronald Reagan
100
273227
2273
que o ex-presidente Ronald Reagan
04:35
was very criticized for making a statement
101
275500
1991
foi muito criticado por uma declaração
04:37
that facts are stupid things.
102
277491
3010
de que fatos são coisas estúpidas.
04:40
And it was a slip of the tongue, let's be fair.
103
280501
2794
Isso foi um deslize no discurso, sejamos justos.
04:43
He actually meant to quote John Adams' defense
104
283295
2430
Ele queria, de fato, citar a defesa de John Adams
04:45
of British soldiers in the Boston Massacre trials
105
285725
2751
pelos soldados britânicos nos julgamentos do Massacre de Boston
04:48
that facts are stubborn things.
106
288476
3150
de que fatos são coisas teimosas.
04:51
But I actually think there's
107
291626
2624
Mas, na verdade, acho que há
04:54
a bit of accidental wisdom in what he said,
108
294250
3418
um pouco de sabedoria acidental no que ele disse,
04:57
because facts are stubborn things,
109
297668
2776
porque fatos são coisas teimosas,
05:00
but sometimes they're stupid, too.
110
300444
2923
mas às vezes são estúpidos também.
05:03
I want to tell you a personal story
111
303367
1888
Quero contar-lhes uma história pessoal
05:05
about why this matters a lot to me.
112
305255
3548
sobre porque isso é tão importante para mim.
05:08
I need to take a breath.
113
308803
2437
Preciso respirar fundo.
05:11
My son Isaac, when he was two,
114
311240
2754
Meu filho Isaac, quando tinha dois anos,
05:13
was diagnosed with autism,
115
313994
2417
foi diagnosticado com autismo.
05:16
and he was this happy, hilarious,
116
316411
2161
Era um garotinho feliz,
05:18
loving, affectionate little guy,
117
318572
2035
hilário, carinhoso, afetuoso,
05:20
but the metrics on his developmental evaluations,
118
320607
2902
mas os números em suas avaliações de desenvolvimento,
05:23
which looked at things like the number of words —
119
323509
2070
que analisavam coisas como o número de palavras;
05:25
at that point, none —
120
325579
3657
até aquele momento: nenhuma;
05:29
communicative gestures and minimal eye contact,
121
329236
3940
gestos comunicativos e contato visual mínimo,
05:33
put his developmental level
122
333176
2003
colocavam seu nível de desenvolvimento
05:35
at that of a nine-month-old baby.
123
335179
3961
a par com o de um bebê de nove meses.
05:39
And the diagnosis was factually correct,
124
339140
2960
O diagnóstico estava correto, de fato,
05:42
but it didn't tell the whole story.
125
342100
3209
mas não mostrava a história completa.
05:45
And about a year and a half later,
126
345309
1401
E cerca de um ano e meio depois,
05:46
when he was almost four,
127
346710
2102
quando ele tinha quase quatro anos,
05:48
I found him in front of the computer one day
128
348812
2363
Encontrei-o em frente ao computador, um belo dia,
05:51
running a Google image search on women,
129
351175
5453
buscando no Google imagens de mulheres,
05:56
spelled "w-i-m-e-n."
130
356628
3616
escrito "m-o-l-h-e-r-e-s".
06:00
And I did what any obsessed parent would do,
131
360244
2740
Eu fiz o que qualquer pai obcecado faria,
06:02
which is immediately started hitting the "back" button
132
362984
1901
imediatamente comecei a clicar no botão "voltar"
06:04
to see what else he'd been searching for.
133
364885
3363
para ver o que mais ele tinha buscando.
06:08
And they were, in order: men,
134
368248
2171
E era, na ordem: homens,
06:10
school, bus and computer.
135
370419
7267
escola, ônibus e computador.
06:17
And I was stunned,
136
377686
2070
E eu fiquei pasma,
06:19
because we didn't know that he could spell,
137
379756
2002
porque não sabíamos que ele sabia soletrar,
06:21
much less read, and so I asked him,
138
381758
1766
muito menos ler, e então eu perguntei,
06:23
"Isaac, how did you do this?"
139
383524
2193
"Isaac, como você fez isso?"
06:25
And he looked at me very seriously and said,
140
385717
2678
Ele me olhou muito sério e disse:
06:28
"Typed in the box."
141
388395
3352
"Digitei no quadradinho".
06:31
He was teaching himself to communicate,
142
391747
3734
Ele estava se ensinando a comunicar-se,
06:35
but we were looking in the wrong place,
143
395481
3004
mas estávamos olhando no lugar errado,
06:38
and this is what happens when assessments
144
398485
2295
e é isso o que acontece quando as avaliações
06:40
and analytics overvalue one metric —
145
400780
2396
e as análises superestimam um indicador;
06:43
in this case, verbal communication —
146
403176
2609
nesse caso, a comunicação verbal;
06:45
and undervalue others, such as creative problem-solving.
147
405785
5703
e subestimam outros, como resolução criativa de problemas.
06:51
Communication was hard for Isaac,
148
411488
2307
A comunicação era difícil para Isaac,
06:53
and so he found a workaround
149
413795
1912
então ele encontrou uma alternativa
06:55
to find out what he needed to know.
150
415707
2857
para descobrir o que ele precisava saber.
06:58
And when you think about it, it makes a lot of sense,
151
418564
1890
E, pensando bem, faz muito sentido,
07:00
because forming a question
152
420454
2081
porque formar uma pergunta,
07:02
is a really complex process,
153
422535
2565
é um processo muito complexo,
07:05
but he could get himself a lot of the way there
154
425100
2522
mas ele conseguiu andar boa parte do caminho
07:07
by putting a word in a search box.
155
427622
4092
digitando uma palavra numa caixa de pesquisa.
07:11
And so this little moment
156
431714
2936
Então, esse breve momento
07:14
had a really profound impact on me
157
434650
2836
teve um impacto muito profundo em mim
07:17
and our family
158
437486
1309
e em nossa família
07:18
because it helped us change our frame of reference
159
438795
3141
porque nos ajudou a mudar nosso ponto de referência
07:21
for what was going on with him,
160
441936
2208
a respeito do que estava acontecendo com ele,
07:24
and worry a little bit less and appreciate
161
444144
2976
e preocupar-nos um pouco menos
e apreciar mais sua desenvoltura.
07:27
his resourcefulness more.
162
447120
2182
07:29
Facts are stupid things.
163
449302
2861
Fatos são coisas estúpidas.
07:32
And they're vulnerable to misuse,
164
452163
2397
E são vulneráveis ao uso incorreto,
07:34
willful or otherwise.
165
454560
1653
obstinado ou outro.
07:36
I have a friend, Emily Willingham, who's a scientist,
166
456213
3026
Eu tenho uma amiga, Emily Willingham, que é cientista,
07:39
and she wrote a piece for Forbes not long ago
167
459239
2801
que escreveu um texto para a Forbes há pouco tempo
07:42
entitled "The 10 Weirdest Things
168
462040
1980
com o título "As 10 coisas mais estranhas
07:44
Ever Linked to Autism."
169
464020
1810
já vinculadas com autismo".
07:45
It's quite a list.
170
465830
3005
É uma lista e tanto.
07:48
The Internet, blamed for everything, right?
171
468835
3532
A Internet, culpada por tudo, certo?
07:52
And of course mothers, because.
172
472367
3757
E claro, as mães, porque sim.
07:56
And actually, wait, there's more,
173
476124
1587
Na verdade, esperem, tem mais,
07:57
there's a whole bunch in the "mother" category here.
174
477711
3430
há um monte de coisas aqui na categoria "mãe".
08:01
And you can see it's a pretty rich and interesting list.
175
481141
4815
E dá para ver que é uma lista bem rica e interessante.
08:05
I'm a big fan of
176
485956
2193
Eu gosto bastante
08:08
being pregnant near freeways, personally.
177
488149
3704
de ficar grávida próximo a estradas, pessoalmente.
08:11
The final one is interesting,
178
491853
1539
O último é interessante,
08:13
because the term "refrigerator mother"
179
493392
3003
porque o termo "mãe geladeira"
08:16
was actually the original hypothesis
180
496395
2605
era, na verdade, a hipótese original
08:19
for the cause of autism,
181
499000
1431
para a causa do autismo,
08:20
and that meant somebody who was cold and unloving.
182
500431
2735
e denominava alguém que era fria e desamorosa.
E a esta altura, vocês devem estar pensando:
08:23
And at this point, you might be thinking,
183
503166
1562
08:24
"Okay, Susan, we get it,
184
504728
1657
"Certo, Susan, nós entendemos,
08:26
you can take data, you can make it mean anything."
185
506385
1782
é possível pegar dados e dá-los qualquer significado".
08:28
And this is true, it's absolutely true,
186
508167
4703
E é verdade, verdade absoluta.
08:32
but the challenge is that
187
512870
5610
Mas, o desafio é que
08:38
we have this opportunity
188
518480
2448
nós temos a oportunidade
08:40
to try to make meaning out of it ourselves,
189
520928
2284
de tentar fazer sentido disso nós mesmos,
08:43
because frankly, data doesn't create meaning. We do.
190
523212
5352
porque, francamente, dados não criam significado. Nós criamos.
08:48
So as businesspeople, as consumers,
191
528564
3256
Então como pessoas de negócios, como consumidores,
08:51
as patients, as citizens,
192
531820
2539
como pacientes, como cidadãos,
08:54
we have a responsibility, I think,
193
534359
2396
temos uma responsabilidade, acredito eu,
08:56
to spend more time
194
536755
2194
de passar mais tempo
08:58
focusing on our critical thinking skills.
195
538949
2870
focando nossas habilidades de pensamento crítico.
09:01
Why?
196
541819
1078
Por quê?
09:02
Because at this point in our history, as we've heard
197
542897
3178
Porque, a esta altura da nossa história, como temos ouvido
09:06
many times over,
198
546075
1706
repetidamente,
09:07
we can process exabytes of data
199
547781
1981
conseguimos processar exabytes de dados
09:09
at lightning speed,
200
549762
2153
à velocidade da luz,
09:11
and we have the potential to make bad decisions
201
551915
3515
e temos o potencial de tomar más decisões
09:15
far more quickly, efficiently,
202
555430
1834
muito mais rápido e eficientemente,
09:17
and with far greater impact than we did in the past.
203
557264
5028
e com um impacto muito maior do que tínhamos no passado.
09:22
Great, right?
204
562292
1388
Ótimo, não é?
09:23
And so what we need to do instead
205
563680
3030
E o que precisamos fazer, em vez disso
09:26
is spend a little bit more time
206
566710
2330
é passar um pouco mais de tempo
09:29
on things like the humanities
207
569040
2746
em coisas como ciências humanas
09:31
and sociology, and the social sciences,
208
571786
3464
e sociologia, e ciências sociais,
09:35
rhetoric, philosophy, ethics,
209
575250
2308
retórica, filosofia, ética,
09:37
because they give us context that is so important
210
577558
2856
porque elas nos dão um contexto que é tão importante
09:40
for big data, and because
211
580414
2576
para os megadados,
09:42
they help us become better critical thinkers.
212
582990
2418
e porque nos ajudam a nos tornarmos pensadores críticos.
09:45
Because after all, if I can spot
213
585408
4207
Porque afinal de contas, se eu conseguir identificar
09:49
a problem in an argument, it doesn't much matter
214
589615
2486
um problema em um argumento, não importa tanto
09:52
whether it's expressed in words or in numbers.
215
592101
2759
se está expressado em palavras ou em números.
09:54
And this means
216
594860
2719
E isso significa
09:57
teaching ourselves to find those confirmation biases
217
597579
4421
ensinar-nos a encontrar o viés de confirmação
10:02
and false correlations
218
602000
1822
e falsas correlações
10:03
and being able to spot a naked emotional appeal
219
603822
2138
e ser capaz de identificar um apelo puramente emocional de longe,
10:05
from 30 yards,
220
605960
1662
10:07
because something that happens after something
221
607622
2522
porque uma coisa que acontece depois da outra
10:10
doesn't mean it happened because of it, necessarily,
222
610144
3082
não significa que aconteceu por causa da outra, necessariamente,
10:13
and if you'll let me geek out on you for a second,
223
613226
2119
e se me deixarem ser geek por em segundo,
10:15
the Romans called this "post hoc ergo propter hoc,"
224
615345
4297
os romanos chamavam isso de "post hoc ergo propter hoc",
10:19
after which therefore because of which.
225
619642
3296
"depois disso, logo causado por isso".
10:22
And it means questioning disciplines like demographics.
226
622938
3757
E significa questionar disciplinas como demografia.
10:26
Why? Because they're based on assumptions
227
626695
2520
Por quê? Porque são baseadas em suposições
10:29
about who we all are based on our gender
228
629215
2306
sobre quem somos com base em nosso sexo
10:31
and our age and where we live
229
631521
1462
e nossa idade e onde vivemos
10:32
as opposed to data on what we actually think and do.
230
632983
3478
ao invés de dados sobre o que realmente pensamos e fazemos.
10:36
And since we have this data,
231
636461
1663
E já que temos esses dados,
10:38
we need to treat it with appropriate privacy controls
232
638124
3139
Precisamos lidar com eles com o controle de privacidade apropriado
10:41
and consumer opt-in,
233
641263
3576
e o consentimento dos consumidores,
10:44
and beyond that, we need to be clear
234
644839
2993
e além disso, precisamos ser claros
10:47
about our hypotheses,
235
647832
2103
sobre nossas hipóteses,
10:49
the methodologies that we use,
236
649935
2596
as metodologias que usamos,
10:52
and our confidence in the result.
237
652531
2804
e nossa confiança no resultado.
10:55
As my high school algebra teacher used to say,
238
655335
2474
Como dizia meu professor de álgebra no colégio,
10:57
show your math,
239
657809
1531
mostre-me a matemática,
10:59
because if I don't know what steps you took,
240
659340
3441
porque se eu não souber os passos que você deu,
11:02
I don't know what steps you didn't take,
241
662781
1991
não saberei os passos que não deu,
11:04
and if I don't know what questions you asked,
242
664772
2438
e se eu não souber as perguntas que você fez,
11:07
I don't know what questions you didn't ask.
243
667210
3197
não saberei as perguntas que não fez.
11:10
And it means asking ourselves, really,
244
670407
1523
E significa fazer-nos a pergunta mais difícil de todas:
11:11
the hardest question of all:
245
671930
1479
11:13
Did the data really show us this,
246
673409
3500
Será que os dados realmente mostram isso,
11:16
or does the result make us feel
247
676909
2311
ou será que o resultado faz-nos sentir
11:19
more successful and more comfortable?
248
679220
3878
mais bem sucedidos e mais confortáveis?
11:23
So the Health Media Collaboratory,
249
683098
2584
A Colaboração da Mídia da Saúde,
11:25
at the end of their project, they were able
250
685682
1699
ao final de seu projeto, conseguiu
11:27
to find that 87 percent of tweets
251
687381
3408
descobrir que 87% dos tuítes
11:30
about those very graphic and disturbing
252
690789
2144
sobre aqueles comerciais contra o fumo
11:32
anti-smoking ads expressed fear,
253
692933
4038
bastante explícitos e perturbadores expressavam medo,
11:36
but did they conclude
254
696971
1856
Mas será que chegaram à conclusão
11:38
that they actually made people stop smoking?
255
698827
3161
que eles realmente faziam as pessoas pararem de fumar?
11:41
No. It's science, not magic.
256
701988
2542
Não. É ciência, não é mágica.
11:44
So if we are to unlock
257
704530
3190
Então se formos liberar
11:47
the power of data,
258
707720
2862
o poder dos dados,
11:50
we don't have to go blindly into
259
710582
3448
não precisamos assumir cegamente
11:54
Orwell's vision of a totalitarian future,
260
714030
3436
a visão de Orwell de um futuro totalitário,
11:57
or Huxley's vision of a trivial one,
261
717466
3117
ou a visão de Huxley de um futuro trivial,
12:00
or some horrible cocktail of both.
262
720583
3020
ou uma mistura horrível das duas.
12:03
What we have to do
263
723603
2379
O que temos que fazer
12:05
is treat critical thinking with respect
264
725982
2718
é tratar o pensamento crítico com respeito
12:08
and be inspired by examples
265
728700
2029
e ser inspirados por exemplos
12:10
like the Health Media Collaboratory,
266
730729
2610
como a Colaboração da Mídia da Saúde,
12:13
and as they say in the superhero movies,
267
733339
2328
e como dizem nos filmes de super-heróis,
12:15
let's use our powers for good.
268
735667
1822
vamos usar o nosso poder para o bem.
12:17
Thank you.
269
737489
2351
Obrigada.
12:19
(Applause)
270
739840
2334
(Aplausos)
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7