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

153,264 views ・ 2014-10-20

TED


Videoyu oynatmak için lütfen aşağıdaki İngilizce altyazılara çift tıklayınız.

Çeviri: Yunus ASIK Gözden geçirme: Sancak Gülgen
00:13
Technology has brought us so much:
0
13354
3135
Teknoloji bize çok şey getirdi:
00:16
the moon landing, the Internet,
1
16489
2019
Aya ayak basılması, İnternet,
00:18
the ability to sequence the human genome.
2
18508
2625
insan geninin sıralanabilmesi.
00:21
But it also taps into a lot of our deepest fears,
3
21133
3724
Fakat aynı zamanda en derin korkularımızın çoğunu da tetikliyor
00:24
and about 30 years ago,
4
24857
1856
ve yaklaşık 30 yıl önce
00:26
the culture critic Neil Postman wrote a book
5
26713
2553
kültür eleştirmeni Neil Postman,
00:29
called "Amusing Ourselves to Death,"
6
29266
2115
bu etkileşimi harika bir şekilde işleyen
00:31
which lays this out really brilliantly.
7
31381
2759
"Ölesiye Eğlenelim" isimli kitabı yazdı.
00:34
And here's what he said,
8
34140
1650
Kitapta, George Orwell ve
00:35
comparing the dystopian visions
9
35790
2263
Aldous Huxley'nin distopik görüşlerini
00:38
of George Orwell and Aldous Huxley.
10
38053
3573
karşılaştırırken şöyle diyordu:
00:41
He said, Orwell feared we would become
11
41626
3126
Orwell, tutsak bir topluma
00:44
a captive culture.
12
44752
2248
dönüşeceğimizden kaygılıydı.
00:47
Huxley feared we would become a trivial culture.
13
47000
3752
Huxley, anlamsız bir kültüre dönüşmemizden korkuyordu.
00:50
Orwell feared the truth would be
14
50752
2145
Orwell, gerçeğin bizden
00:52
concealed from us,
15
52897
1923
saklanacağından ve Huxley,
00:54
and Huxley feared we would be drowned
16
54820
2190
ilgisizlikler diyarında boğulacağımızdan
00:57
in a sea of irrelevance.
17
57010
2693
endişeleniyordu.
00:59
In a nutshell, it's a choice between
18
59703
2170
Kısaca, iki seçenek var:
01:01
Big Brother watching you
19
61873
2600
Ya 'Big Brother' bizi izleyecekti
01:04
and you watching Big Brother.
20
64473
2496
ya da biz 'Big Brother'ı izleyecektik.
01:06
(Laughter)
21
66969
1931
(Gülüşmeler)
01:08
But it doesn't have to be this way.
22
68900
1734
Fakat bu böyle olmak zorunda değil.
01:10
We are not passive consumers of data and technology.
23
70634
3336
Biz bilgi ve teknolojinin pasif tüketicileri değiliz.
01:13
We shape the role it plays in our lives
24
73970
2403
Bunların hayatımızdaki rollerini ve
01:16
and the way we make meaning from it,
25
76373
2130
nasıl anlam çıkaracağımızı belirliyoruz,
01:18
but to do that,
26
78503
1603
fakat bunu yapmak için en azından
01:20
we have to pay as much attention to how we think
27
80106
3513
nasıl düşündüğümüz gibi nasıl
01:23
as how we code.
28
83619
2030
kodladığımıza da dikkat etmeliyiz.
01:25
We have to ask questions, and hard questions,
29
85649
3098
Sorular sormak zorundayız, zor sorular,
01:28
to move past counting things
30
88747
1869
bu şekilde bir şeyleri saymaktan öteye
01:30
to understanding them.
31
90616
2602
onları anlamaya başlayabiliriz.
01:33
We're constantly bombarded with stories
32
93218
2446
Sürekli dünyada ne kadar veri olduğu
01:35
about how much data there is in the world,
33
95664
2476
hakkında hikâyeler dinliyoruz
01:38
but when it comes to big data
34
98140
1580
ama söz konusu büyük veri
01:39
and the challenges of interpreting it,
35
99720
2596
ve onu yorumlamaktaki zorluklar olunca,
01:42
size isn't everything.
36
102316
2088
verinin büyüklüğü çok da önemli değil.
01:44
There's also the speed at which it moves,
37
104404
2903
Verilerin hareket etme hızı
01:47
and the many varieties of data types,
38
107307
1696
ve çok çeşitli veri türleri var.
01:49
and here are just a few examples:
39
109003
2498
Birkaç tane örnek vermek gerekirse:
01:51
images,
40
111501
2198
Görüntüler,
01:53
text,
41
113699
4007
yazı,
01:57
video,
42
117706
2095
video,
01:59
audio.
43
119801
1830
ses.
02:01
And what unites this disparate types of data
44
121631
3042
Tüm bu farklı verilerin ortak noktası ise,
02:04
is that they're created by people
45
124673
2221
insanlar tarafından yaratılmış
02:06
and they require context.
46
126894
2775
ve bir içeriğe sahip olmalarıdır.
02:09
Now, there's a group of data scientists
47
129669
2445
Şu anda Chicago Illinois Üniversitesi'nden,
02:12
out of the University of Illinois-Chicago,
48
132114
2305
Sağlık Medya İşbirliği adında
02:14
and they're called the Health Media Collaboratory,
49
134419
2554
veri bilimci bir grup, Hastalık Kontrol Merkezi
02:16
and they've been working with the Centers for Disease Control
50
136973
2587
ile birlikte insanların sigarayı bırakması
02:19
to better understand
51
139560
1505
hakkında nasıl konuştuğunu,
02:21
how people talk about quitting smoking,
52
141065
2848
elektronik sigaralar için söylenenleri
02:23
how they talk about electronic cigarettes,
53
143913
2680
ve bu insanların sigarayı bırakması için
02:26
and what they can do collectively
54
146593
1985
nasıl yardımcı olabileceklerini
02:28
to help them quit.
55
148578
1984
bulmak için çalışıyorlar.
02:30
The interesting thing is, if you want to understand
56
150562
2013
İşin ilginç yanı, insanların
02:32
how people talk about smoking,
57
152575
2216
sigara içme hakkında nasıl konuştuğunu
02:34
first you have to understand
58
154791
1901
anlamanız için öncelikle, "içmek"
02:36
what they mean when they say "smoking."
59
156692
2565
derken neden bahsettiklerini anlamanız gerekiyor.
02:39
And on Twitter, there are four main categories:
60
159257
3926
Twitter'da dört ana başlıkta toplamışlar:
02:43
number one, smoking cigarettes;
61
163183
2997
Öncelikle, "Sigara içmek".
02:46
number two, smoking marijuana;
62
166180
2807
İkinci olarak, "Ot içmek".
02:48
number three, smoking ribs;
63
168987
2643
Üçüncü sırada: "Dumanı tüten pirzolalar"
02:51
and number four, smoking hot women.
64
171630
3553
ve son olarak, "Hatun, bir içim su".
02:55
(Laughter)
65
175183
2993
(Gülüşmeler)
02:58
So then you have to think about, well,
66
178176
2426
Sonra da mesela şunu düşünmek gerekiyor:
03:00
how do people talk about electronic cigarettes?
67
180602
2140
Elektronik sigaralar hakkında ne konuşuyorlar?
03:02
And there are so many different ways
68
182742
2025
İnsanların bunu yapmasının birçok yolu var
03:04
that people do this, and you can see from the slide
69
184767
2599
ve görsellerden de görebileceğiniz gibi
03:07
it's a complex kind of a query.
70
187366
2610
karmaşık bir sorgu türü.
03:09
And what it reminds us is that
71
189976
3224
Bunun bize hatırlattığı şey ise,
03:13
language is created by people,
72
193200
2411
dilin insanlar tarafından yaratıldığı,
03:15
and people are messy and we're complex
73
195611
2340
insanların dağınık ve karmaşık olduğu
03:17
and we use metaphors and slang and jargon
74
197951
2767
ve metafor, jargon ve argo kullanmamız.
03:20
and we do this 24/7 in many, many languages,
75
200718
3279
Hem de bunu birçok farklı dilde 7/24 yapmamız
03:23
and then as soon as we figure it out, we change it up.
76
203997
3224
ve bir yolunu bulur bulmaz değiştirmemiz.
03:27
So did these ads that the CDC put on,
77
207221
5118
Peki şimdi CDC (Hastalık Kontrol Merkezi)'nin yayınladığı,
03:32
these television ads that featured a woman
78
212339
2430
boğazında bir delik olan kadını gösteren
03:34
with a hole in her throat and that were very graphic
79
214769
2021
oldukça görsel ve rahatsız edici
03:36
and very disturbing,
80
216790
1904
bu televizyon reklamları,
03:38
did they actually have an impact
81
218694
1885
gerçekten insanların sigarayı
03:40
on whether people quit?
82
220579
2671
bırakmasına yardımcı oldu mu?
03:43
And the Health Media Collaboratory respected the limits of their data,
83
223250
3307
Sağlık Medya İşbirliği, veri limitlerini sınırlandırdı
03:46
but they were able to conclude
84
226557
2005
ama bu reklamlar hakkında şuna karar verdiler
03:48
that those advertisements — and you may have seen them —
85
228562
3312
— onları görmüş olabilirsiniz —
03:51
that they had the effect of jolting people
86
231874
2591
Bu reklamlar, insanları şok edici bir
03:54
into a thought process
87
234465
1822
düşünce sürecine sokarak etkiler
03:56
that may have an impact on future behavior.
88
236287
3667
ve bu sonraki davranışlara da etkide bulunabilir.
03:59
And what I admire and appreciate about this project,
89
239954
3891
Bu projede benim takdir ettiğim ve hayran olduğum,
04:03
aside from the fact, including the fact
90
243845
1489
insanların gerçek ihtiyaçlarına
04:05
that it's based on real human need,
91
245334
4057
dayanması gerçeğinden başka,
04:09
is that it's a fantastic example of courage
92
249391
2846
bir ilgisizlik denizinin karşısında,
04:12
in the face of a sea of irrelevance.
93
252237
4443
cesaretin harika bir örnek olmasıdır.
04:16
And so it's not just big data that causes
94
256680
3305
Bu nedenle, sadece yorumlama zorluklarına neden olan
04:19
challenges of interpretation, because let's face it,
95
259985
2601
büyük veri değildir, çünkü kabul edelim,
04:22
we human beings have a very rich history
96
262586
2594
insanlar olarak, herhangi bir veri miktarını almada,
04:25
of taking any amount of data, no matter how small,
97
265180
2693
ne kadar küçük olursa olsun ve bozulursa bozulsun,
04:27
and screwing it up.
98
267873
1617
çok zengin bir tarihe sahibiz.
04:29
So many years ago, you may remember
99
269490
3737
Uzun yıllar önce, eski başkan Ronald Reagan'ın,
04:33
that former President Ronald Reagan
100
273227
2273
gerçekler aptalca şeylerdir açıklaması
04:35
was very criticized for making a statement
101
275500
1991
yaptığı için çok eleştirildiğini
04:37
that facts are stupid things.
102
277491
3010
hatırlayabilirsin.
04:40
And it was a slip of the tongue, let's be fair.
103
280501
2794
Açık konuşalım, bu açıklama bir dil sürçmesiydi.
04:43
He actually meant to quote John Adams' defense
104
283295
2430
Gerçekte Boston Katliamı davalarında,
04:45
of British soldiers in the Boston Massacre trials
105
285725
2751
John Adams'ın İngiliz askerlerini savunmasını -
04:48
that facts are stubborn things.
106
288476
3150
"Gerçekler acıdır"'ı alıntılamaya çalıştı.
04:51
But I actually think there's
107
291626
2624
Aslında, söylediği şeyde tesadüfi bir bilgeliğin
04:54
a bit of accidental wisdom in what he said,
108
294250
3418
parçası olduğunu düşünüyorum,
04:57
because facts are stubborn things,
109
297668
2776
çünkü gerçekler acıdır,
05:00
but sometimes they're stupid, too.
110
300444
2923
ama bazen aynı zamanda aptalcadır.
05:03
I want to tell you a personal story
111
303367
1888
Bunun benim için neden çok önemli olduğu
05:05
about why this matters a lot to me.
112
305255
3548
hakkında kişisel bir öykü anlatmak istiyorum.
05:08
I need to take a breath.
113
308803
2437
Bir nefes almam gerekiyor.
05:11
My son Isaac, when he was two,
114
311240
2754
Oğlum Isaac'e, 2 yaşındayken,
05:13
was diagnosed with autism,
115
313994
2417
otizm tanısı konuldu
05:16
and he was this happy, hilarious,
116
316411
2161
ve mutlu, neşeli, sevgi dolu,
05:18
loving, affectionate little guy,
117
318572
2035
şefkatli küçük adamdı
05:20
but the metrics on his developmental evaluations,
118
320607
2902
ama sözcük sayısı - o sırada hiç yoktu - iletişimsel mimikler
05:23
which looked at things like the number of words —
119
323509
2070
ve kısa göz teması gibi şeylerin
05:25
at that point, none —
120
325579
3657
bakıldığı gelişimsel değerlendirme ölçümleri,
05:29
communicative gestures and minimal eye contact,
121
329236
3940
onun gelişimsel düzeyinin,
05:33
put his developmental level
122
333176
2003
9 aylık bir bebeğin gelişim düzeyinde
05:35
at that of a nine-month-old baby.
123
335179
3961
olduğunu gösterdi.
05:39
And the diagnosis was factually correct,
124
339140
2960
Tanı gerçeklere dayalı olarak doğruydu
05:42
but it didn't tell the whole story.
125
342100
3209
ama tüm hikâye bu değildi.
05:45
And about a year and a half later,
126
345309
1401
Yaklaşık bir buçuk yıl sonra,
05:46
when he was almost four,
127
346710
2102
hemen hemen 4 yaşındayken,
05:48
I found him in front of the computer one day
128
348812
2363
bir gün bilgisayarın önünde,
05:51
running a Google image search on women,
129
351175
5453
kadınlar üzerine Google görsel arama yaparken buldum.
05:56
spelled "w-i-m-e-n."
130
356628
3616
"Kidın" yazılmış.
06:00
And I did what any obsessed parent would do,
131
360244
2740
Her obsesif ebeveynin yapacağı şeyi yaptım;
06:02
which is immediately started hitting the "back" button
132
362984
1901
daha önce neyin aranmış olduğunu görmek için
06:04
to see what else he'd been searching for.
133
364885
3363
hemen "geri" düğmesine tıklamaya başladım.
06:08
And they were, in order: men,
134
368248
2171
Arananlar sırasıyla; erkekler,
06:10
school, bus and computer.
135
370419
7267
okul, otobüs ve bilgisayardı.
06:17
And I was stunned,
136
377686
2070
Buz kesildim,
06:19
because we didn't know that he could spell,
137
379756
2002
çünkü O'nun okuması bir yana harfleri
06:21
much less read, and so I asked him,
138
381758
1766
söyleyebildiğini bilmiyorduk.
06:23
"Isaac, how did you do this?"
139
383524
2193
"Isaac, Bunu nasıl yaptın?" diye sordum.
06:25
And he looked at me very seriously and said,
140
385717
2678
Isaac bana çok ciddi bir şekilde baktı
06:28
"Typed in the box."
141
388395
3352
ve "Kutunun içine yazılır" dedi.
06:31
He was teaching himself to communicate,
142
391747
3734
İletişimi kendi kendine öğreniyordu.
06:35
but we were looking in the wrong place,
143
395481
3004
Ama biz yanlış yere bakıyorduk
06:38
and this is what happens when assessments
144
398485
2295
ve bu, değerlendirmelerin ve analizlerin,
06:40
and analytics overvalue one metric —
145
400780
2396
bir ölçümü — bu vakada, sözel iletişim — olduğundan
06:43
in this case, verbal communication —
146
403176
2609
fazla ve yaratıcı sorun çözme gibi diğer ölçümleri az
06:45
and undervalue others, such as creative problem-solving.
147
405785
5703
değerlendirdiğinde olan şeydir.
06:51
Communication was hard for Isaac,
148
411488
2307
İletişim, Isaac için zordu
06:53
and so he found a workaround
149
413795
1912
ve bu yüzden bilmesi gereken şeyi
06:55
to find out what he needed to know.
150
415707
2857
öğrenmek için geçici bir çözüm buldu.
06:58
And when you think about it, it makes a lot of sense,
151
418564
1890
Bunu düşündüğünüzde, çok mantıklı geliyor,
07:00
because forming a question
152
420454
2081
çünkü bir soru oluşturmak,
07:02
is a really complex process,
153
422535
2565
gerçekten karmaşık bir süreçtir.
07:05
but he could get himself a lot of the way there
154
425100
2522
Ama o, arama kutusuna bir kelime yazarak
07:07
by putting a word in a search box.
155
427622
4092
kendi kendine çoğu şeyi yapabildi.
07:11
And so this little moment
156
431714
2936
Bundan dolayı bu küçük an,
07:14
had a really profound impact on me
157
434650
2836
benim ve ailemizin üzerinde derin
07:17
and our family
158
437486
1309
bir etki bıraktı.
07:18
because it helped us change our frame of reference
159
438795
3141
Onunla ilgili olan şeye ilişkin referans sistemimizin değişmesine
07:21
for what was going on with him,
160
441936
2208
ve biraz daha az endişelenmemize ve
07:24
and worry a little bit less and appreciate
161
444144
2976
becerikliliğini daha fazla takdir etmemize
07:27
his resourcefulness more.
162
447120
2182
yardım etti.
07:29
Facts are stupid things.
163
449302
2861
Gerçekler aptalca şeylerdir.
07:32
And they're vulnerable to misuse,
164
452163
2397
Yanlış kullanıma açıktır, inatçıdırlar
07:34
willful or otherwise.
165
454560
1653
ya da başka türlü.
07:36
I have a friend, Emily Willingham, who's a scientist,
166
456213
3026
Emily Willinghan adında, bilim insanı olan bir arkadaşım var.
07:39
and she wrote a piece for Forbes not long ago
167
459239
2801
Kısa bir süre önce Forbes için
07:42
entitled "The 10 Weirdest Things
168
462040
1980
"Otizmle İlgili En Tuhaf 10 Gerçek"
07:44
Ever Linked to Autism."
169
464020
1810
başlıklı bir makale yazdı.
07:45
It's quite a list.
170
465830
3005
Bütünüyle bir listeydi.
07:48
The Internet, blamed for everything, right?
171
468835
3532
İnternet her şey için suçlanır, doğru mu?
07:52
And of course mothers, because.
172
472367
3757
Elbette anneler de.
07:56
And actually, wait, there's more,
173
476124
1587
Aslında daha fazlası var.
07:57
there's a whole bunch in the "mother" category here.
174
477711
3430
"Anne" kategorisinde bir sürü var.
08:01
And you can see it's a pretty rich and interesting list.
175
481141
4815
Listenin oldukça dolu ve ilginç olduğunu burada görebilirsiniz.
08:05
I'm a big fan of
176
485956
2193
Ben şahsen otoyolların yakınında hamile
08:08
being pregnant near freeways, personally.
177
488149
3704
kalmanın büyük bir hayranıyım.
08:11
The final one is interesting,
178
491853
1539
En sonuncusu ilginç,
08:13
because the term "refrigerator mother"
179
493392
3003
çünkü "buzdolabı anne" terimi,
08:16
was actually the original hypothesis
180
496395
2605
gerçekte otizmin nedeni için
08:19
for the cause of autism,
181
499000
1431
orijinal hipotezdi ve
08:20
and that meant somebody who was cold and unloving.
182
500431
2735
soğuk ve sevgi göstermeyen birisi anlamına gelmekteydi.
08:23
And at this point, you might be thinking,
183
503166
1562
Bu noktada, "Tamam Susan,
08:24
"Okay, Susan, we get it,
184
504728
1657
veri alabilir, bilgi alabilirsin,
08:26
you can take data, you can make it mean anything."
185
506385
1782
bir şeyleri anlamlandırabilirsin" diye düşünüyor olabilirsiniz.
08:28
And this is true, it's absolutely true,
186
508167
4703
Bu doğru, kesinlikle doğru
08:32
but the challenge is that
187
512870
5610
ancak zorluk, bunun dışında
08:38
we have this opportunity
188
518480
2448
kendimize anlam çıkarmayı
08:40
to try to make meaning out of it ourselves,
189
520928
2284
denemek için fırsatımız olmasıdır.
08:43
because frankly, data doesn't create meaning. We do.
190
523212
5352
Açıkçası veri anlam oluşturmaz. Biz yaparız.
08:48
So as businesspeople, as consumers,
191
528564
3256
Dolayısıyla iş adamları, tüketiciler,
08:51
as patients, as citizens,
192
531820
2539
hastalar, vatandaşlar olarak
08:54
we have a responsibility, I think,
193
534359
2396
sorumluluğa sahibiz.
08:56
to spend more time
194
536755
2194
Kritik düşünme becerilerimize odaklanmaya
08:58
focusing on our critical thinking skills.
195
538949
2870
daha fazla zaman harcamalıyız diye düşünüyorum.
09:01
Why?
196
541819
1078
Neden?
09:02
Because at this point in our history, as we've heard
197
542897
3178
Çünkü tarihimizde bu noktada,
09:06
many times over,
198
546075
1706
defalarca duyduğumuz gibi,
09:07
we can process exabytes of data
199
547781
1981
yıldırım hızıyla eksabayt verileri
09:09
at lightning speed,
200
549762
2153
işleyebiliriz
09:11
and we have the potential to make bad decisions
201
551915
3515
ve çok daha hızlı ve etkili bir biçimde kötü kararlar alma
09:15
far more quickly, efficiently,
202
555430
1834
potansiyeline sahibiz.
09:17
and with far greater impact than we did in the past.
203
557264
5028
Geçmişte yaptığımızdan çok daha büyük bir etkiyle.
09:22
Great, right?
204
562292
1388
Müthiş, değil mi?
09:23
And so what we need to do instead
205
563680
3030
Dolayısıyla bunun yerine yapmamız gereken şey,
09:26
is spend a little bit more time
206
566710
2330
etik, felsefe, sözbilim, toplumlar ve sosyoloji
09:29
on things like the humanities
207
569040
2746
ve sosyal bilimler gibi şeyler üzerine
09:31
and sociology, and the social sciences,
208
571786
3464
daha fazla vakit harcamak,
09:35
rhetoric, philosophy, ethics,
209
575250
2308
09:37
because they give us context that is so important
210
577558
2856
çünkü onlar bize büyük veriler için
09:40
for big data, and because
211
580414
2576
çok önemli içerik sağlar ve
09:42
they help us become better critical thinkers.
212
582990
2418
iyi eleştirel düşünürler olmamıza yardım ederler.
09:45
Because after all, if I can spot
213
585408
4207
Sonuçta, bir tartışmada bir sorun
09:49
a problem in an argument, it doesn't much matter
214
589615
2486
fark edebilirsem, bunun sayılarla ya da kelimelerle
09:52
whether it's expressed in words or in numbers.
215
592101
2759
ifade edilip edilmediği çok önemli değil.
09:54
And this means
216
594860
2719
Bu,
09:57
teaching ourselves to find those confirmation biases
217
597579
4421
onay ön yargılarını ve yanlış ilişkileri kendi kendimize
10:02
and false correlations
218
602000
1822
bulmayı öğrenme ve 30 metreden çıplak
10:03
and being able to spot a naked emotional appeal
219
603822
2138
bir duygusal çağrıyı fark etme
10:05
from 30 yards,
220
605960
1662
anlamına gelir,
10:07
because something that happens after something
221
607622
2522
çünkü bir şeylerden sonra gerçekleşen şeyler,
10:10
doesn't mean it happened because of it, necessarily,
222
610144
3082
ondan dolayı oldu anlamına gelmez, zorunlu olarak
10:13
and if you'll let me geek out on you for a second,
223
613226
2119
ve bir saniye ukalalık etmeme izin verirseniz,
10:15
the Romans called this "post hoc ergo propter hoc,"
224
615345
4297
Romalılar buna, "önceki olayı bir sonrakinin
10:19
after which therefore because of which.
225
619642
3296
nedeni gösterme yanlışı" derler.
10:22
And it means questioning disciplines like demographics.
226
622938
3757
Bu, demografi gibi disiplinleri sorgulama anlamına gelir.
10:26
Why? Because they're based on assumptions
227
626695
2520
Neden? Çünkü aslında yapmayı düşündüğümüz ve olduğumuz
10:29
about who we all are based on our gender
228
629215
2306
şeylerin verilerinin aksine, cinsiyetimiz,
10:31
and our age and where we live
229
631521
1462
yaşımız ve nerede yaşadığımız
10:32
as opposed to data on what we actually think and do.
230
632983
3478
hakkında varsayımlara dayanırlar.
10:36
And since we have this data,
231
636461
1663
Bu verilere sahip olduğumuz için
10:38
we need to treat it with appropriate privacy controls
232
638124
3139
gizlilik ayarlarına ve tüketici tercihlerine
10:41
and consumer opt-in,
233
641263
3576
yeterince önem vermeliyiz
10:44
and beyond that, we need to be clear
234
644839
2993
ve bundan öteye,
10:47
about our hypotheses,
235
647832
2103
sonuçtaki hipotezimiz,
10:49
the methodologies that we use,
236
649935
2596
kullandığımız yöntemler
10:52
and our confidence in the result.
237
652531
2804
ve güvenilirliğimiz anlaşılır olmalı.
10:55
As my high school algebra teacher used to say,
238
655335
2474
Lise'de matematik hocamın dediği gibi,
10:57
show your math,
239
657809
1531
hesaplamanı göster,
10:59
because if I don't know what steps you took,
240
659340
3441
çünkü yöntemini göstermezsen,
11:02
I don't know what steps you didn't take,
241
662781
1991
hangi adımları atmadığını bilemem
11:04
and if I don't know what questions you asked,
242
664772
2438
ve ne tür soruları sorduğunu bilmezsem,
11:07
I don't know what questions you didn't ask.
243
667210
3197
hangi soruları sormadığını bilemem.
11:10
And it means asking ourselves, really,
244
670407
1523
Kendimize şunu sormalıyız,
11:11
the hardest question of all:
245
671930
1479
gerçekten en zor soru aslında:
11:13
Did the data really show us this,
246
673409
3500
Veri bunları bize gerçekten gösterdi mi,
11:16
or does the result make us feel
247
676909
2311
yoksa sonuçlar bizi rahatlığa ve
11:19
more successful and more comfortable?
248
679220
3878
başarılı olduğumuza dair hisse mi kaptırdı?
11:23
So the Health Media Collaboratory,
249
683098
2584
Bu yüzden Sağlık Medya İşbirliği,
11:25
at the end of their project, they were able
250
685682
1699
projelerinin bitiminde,
11:27
to find that 87 percent of tweets
251
687381
3408
oldukça görsel ve rahatsız edici
11:30
about those very graphic and disturbing
252
690789
2144
sigara karşıtı reklamlar açığa çıkardığı korku
11:32
anti-smoking ads expressed fear,
253
692933
4038
hakkında %87 oranında tvit aldılar
11:36
but did they conclude
254
696971
1856
ama insanlar sigarayı bıraktı
11:38
that they actually made people stop smoking?
255
698827
3161
sonucunu vardılar mı?
11:41
No. It's science, not magic.
256
701988
2542
Hayır. Bu, bilim, büyü değil.
11:44
So if we are to unlock
257
704530
3190
Veri gücünün
11:47
the power of data,
258
707720
2862
kilidini açmak istiyorsak,
11:50
we don't have to go blindly into
259
710582
3448
totaliter bir rejimin Orwell görüşüne,
11:54
Orwell's vision of a totalitarian future,
260
714030
3436
değersiz bir geleceğin bir Huxley görüşüne
11:57
or Huxley's vision of a trivial one,
261
717466
3117
ya da her ikisinin korkunç karışımlarına
12:00
or some horrible cocktail of both.
262
720583
3020
körü körüne gitmek zorunda değiliz.
12:03
What we have to do
263
723603
2379
Yapmamız gereken şey,
12:05
is treat critical thinking with respect
264
725982
2718
saygıyla ve Sağlık Medya İşbirliği gibi
12:08
and be inspired by examples
265
728700
2029
örneklerden ilham alarak
12:10
like the Health Media Collaboratory,
266
730729
2610
eleştirel düşünce değerlendirmesi yapmaktır.
12:13
and as they say in the superhero movies,
267
733339
2328
Süper kahraman filmlerinde söyledikleri gibi,
12:15
let's use our powers for good.
268
735667
1822
iyilik için gücümüzü kullanalım.
12:17
Thank you.
269
737489
2351
Teşekkürler.
12:19
(Applause)
270
739840
2334
(Alkışlar)
Bu web sitesi hakkında

Bu site size İngilizce öğrenmek için yararlı olan YouTube videolarını tanıtacaktır. Dünyanın dört bir yanından birinci sınıf öğretmenler tarafından verilen İngilizce derslerini göreceksiniz. Videoyu oradan oynatmak için her video sayfasında görüntülenen İngilizce altyazılara çift tıklayın. Altyazılar video oynatımı ile senkronize olarak kayar. Herhangi bir yorumunuz veya isteğiniz varsa, lütfen bu iletişim formunu kullanarak bizimle iletişime geçin.

https://forms.gle/WvT1wiN1qDtmnspy7