The beauty of data visualization | David McCandless

David McCandless: Veri Görselleştirmenin Güzelliği

390,731 views

2010-08-23 ・ TED


New videos

The beauty of data visualization | David McCandless

David McCandless: Veri Görselleştirmenin Güzelliği

390,731 views ・ 2010-08-23

TED


Videoyu oynatmak için lütfen aşağıdaki İngilizce altyazılara çift tıklayınız.

Çeviri: Selçuk Seven Gözden geçirme: osman oguz ahsen
00:15
It feels like we're all suffering
0
15260
2000
Sanki hepimiz ızdırap içindeyiz
00:17
from information overload or data glut.
1
17260
3000
bilgi yüklenmesi ve veri yoğunluğundan.
00:20
And the good news is there might be an easy solution to that,
2
20260
2000
Ve iyi haber ise buna kolay bir çözümümüz olabilir,
00:22
and that's using our eyes more.
3
22260
2000
bu da gözlerimizi daha çok kullanmamız.
00:24
So, visualizing information, so that we can see
4
24260
2000
Öyleyse, bilgiyi görselleştirmek, gördüğümüz kadarıyla
00:26
the patterns and connections that matter
5
26260
3000
önemli motifler ve bağlantılar almak
00:29
and then designing that information so it makes more sense,
6
29260
3000
ve tasarlayarak onlara anlaşılabilirlik sağlamak,
00:32
or it tells a story,
7
32260
2000
yada bir hikaye okutmak,
00:34
or allows us to focus only on the information that's important.
8
34260
3000
yada sadece önemli olan bilgiye odaklanmamızı sağlama amacı taşır.
00:38
Failing that, visualized information can just look really cool.
9
38260
3000
Başarısız olan sonuç, görselleştirilmiş bilginin çok havalı görünebileceğidir.
00:41
So, let's see.
10
41260
2000
O zaman görelim,
00:45
This is the $Billion Dollar o-Gram,
11
45260
2000
Bu bir Milyar Dolar Gramıdır,
00:47
and this image arose
12
47260
2000
ve bu şekil çıkıyor
00:49
out of frustration I had
13
49260
2000
basına verdiğim milyar dolar miktarlarından
00:51
with the reporting of billion-dollar amounts in the press.
14
51260
2000
bunalıma girdikten sonra.
00:53
That is, they're meaningless without context:
15
53260
3000
Bu kadar, içerik olmadan anlamsızlar.
00:56
500 billion for this pipeline,
16
56260
2000
500 milyar dolar bu boru hattı için.
00:58
20 billion for this war.
17
58260
2000
20 milyar dolar bu savaş için.
01:00
It doesn't make any sense, so the only way to understand it
18
60260
2000
Hiç bir anlam ifade etmiyorlar, bu yüzden anlamanın tek yolu
01:02
is visually and relatively.
19
62260
2000
ilişkili ve görsel olarak.
01:04
So I scraped a load of reported figures
20
64260
2000
Bende bildirilen figürlerden bir sürü topladım
01:06
from various news outlets
21
66260
2000
çeşitli haber çıktılarından
01:08
and then scaled the boxes according to those amounts.
22
68260
3000
ve kutuları o boyutlara göre tekrar şekillendirdim.
01:11
And the colors here represent the motivation behind the money.
23
71260
3000
Ve renkler paranın motivasyonunu sağlamak için oradaydı.
01:14
So purple is "fighting,"
24
74260
3000
Mor kavga etmekti.
01:17
and red is "giving money away," and green is "profiteering."
25
77260
3000
kırmızı parayı karşılıksız vermek, ve yeşil ise istifçilikti.
01:20
And what you can see straight away
26
80260
2000
Ve hemen görebileceğiniz şey ise
01:22
is you start to have a different relationship to the numbers.
27
82260
2000
rakamlarla farklı bir ilişki görmeye başlıyor olmanız.
01:24
You can literally see them.
28
84260
2000
Onları tam anlamlarıyla görebiliyordunuz.
01:26
But more importantly, you start to see
29
86260
2000
Ama daha da önemlisi,
01:28
patterns and connections between numbers
30
88260
2000
başka türlü birden çok haber raporlarının içinde yayılacak olan,
01:30
that would otherwise be scattered across multiple news reports.
31
90260
3000
rakamların arasındaki motifleri ve bağlantıları görmeye başlıyorsunuz.
01:33
Let me point out some that I really like.
32
93260
3000
Gerçekten sevdiğim bir kaç taneyi gösteriyim.
01:36
This is OPEC's revenue, this green box here --
33
96260
2000
Bu OPEC'in mekanı, buradaki yeşik kutu --
01:38
780 billion a year.
34
98260
2000
yılda 780 milyar.
01:40
And this little pixel in the corner -- three billion --
35
100260
3000
Ve bu köşedeki küçük piksel -- üç milyar --
01:43
that's their climate change fund.
36
103260
3000
onların ilkim değişikliği fonu.
01:46
Americans, incredibly generous people --
37
106260
2000
Amerikalılar, inanılmaz cömert insanlar --
01:48
over 300 billion a year, donated to charity every year,
38
108260
3000
yılda 300 milyardan fazlasını her sene bağışlıyorlar,
01:51
compared with the amount of foreign aid
39
111260
2000
yabancı yardımlara kıyasla
01:53
given by the top 17 industrialized nations
40
113260
2000
17 endüstriyel ulus
01:55
at 120 billion.
41
115260
2000
120 milyarda.
01:57
Then of course,
42
117260
2000
Ve daha sonra tabiki
01:59
the Iraq War, predicted to cost just 60 billion
43
119260
2000
Irak Savaşı, sadece 60 milyara mal olması planlanmıştı
02:01
back in 2003.
44
121260
3000
2003 yılında.
02:04
And it mushroomed slightly. Afghanistan and Iraq mushroomed now
45
124260
3000
Ama yavaşça yayıldı. Afganistan bugün
02:07
to 3,000 billion.
46
127260
3000
3,000 milyar'a kadar çıktı.
02:10
So now it's great
47
130260
2000
Ama şimdi harika
02:12
because now we have this texture, and we can add numbers to it as well.
48
132260
2000
çünkü artık bu desen var ve ona rakamlarıda ekleyebiliyoruz.
02:14
So we could say, well, a new figure comes out ... let's see African debt.
49
134260
3000
O zaman diyebilirizki, yeni bir figür çıkıyor ortaya... Afrika'nın borcuna bir bakalım.
02:17
How much of this diagram do you think might be taken up
50
137260
2000
Bu diagram da Afrika'nın Batıya olan
02:19
by the debt that Africa owes to the West?
51
139260
2000
borcu için ne kadar ayrılmıştır sizce?
02:21
Let's take a look.
52
141260
2000
Bir göz atalım.
02:23
So there it is:
53
143260
2000
İşte burada.
02:25
227 billion is what Africa owes.
54
145260
2000
227 milyar, Afrika'nın borcudur.
02:27
And the recent financial crisis,
55
147260
2000
Ve en son ekonomik kriz --
02:29
how much of this diagram might that figure take up?
56
149260
2000
bu diagramın ne kadarını kapsar?
02:31
What has that cost the world? Let's take a look at that.
57
151260
3000
Dünyaya nekadara mal olduğuna bir bakalım?
02:34
Dooosh -- Which I think is the appropriate sound effect
58
154260
3000
Mangıııır. Sanırım doğru ses efekti bu
02:37
for that much money:
59
157260
2000
bu kadar para için
02:39
11,900 billion.
60
159260
4000
11,900 milyar.
02:45
So, by visualizing this information,
61
165260
2000
O zaman bu bilgiyi görselleştirirsek,
02:47
we turned it into a landscape
62
167260
2000
bunu bir görünüme çevirdik
02:49
that you can explore with your eyes,
63
169260
2000
böylece gözlerinizle inceliyebilirsiniz,
02:51
a kind of map really, a sort of information map.
64
171260
2000
bir harita gibi, daha çok bir bilgi haritası.
02:53
And when you're lost in information,
65
173260
2000
Ve bilginin içinde kaybolduğunuzda,
02:55
an information map is kind of useful.
66
175260
3000
bir bilgi haritası işinize yarayacaktır.
02:58
So I want to show you another landscape now.
67
178260
2000
O zaman şimdi size başka bir görünümü göstermek istiyorum.
03:00
We need to imagine what a landscape
68
180260
2000
Dünyanın korkularının gökdeleninin
03:02
of the world's fears might look like.
69
182260
3000
neye benzeyebileceğini hayal etmeliyiz.
03:05
Let's take a look.
70
185260
2000
Hadi göz atalım.
03:07
This is Mountains Out of Molehills,
71
187260
2000
Bu köstebek tepelerinden dağlar,
03:09
a timeline of global media panic.
72
189260
2000
evrensel medya paniğinin zaman çizelgesi.
03:11
(Laughter)
73
191260
2000
(Kahkaha)
03:13
So, I'll label this for you in a second.
74
193260
2000
Bunu sizin için hemen isimlendireceğim.
03:15
But the height here, I want to point out,
75
195260
2000
Ama burada üzerinde durmak istediğim, yükseklik,
03:17
is the intensity of certain fears
76
197260
2000
bazı belli korkuların şiddeti,
03:19
as reported in the media.
77
199260
2000
medyada verildiği gibi.
03:21
Let me point them out.
78
201260
2000
Onları göstereyim.
03:23
So this, swine flu -- pink.
79
203260
4000
İşte burada, domuz gribi -- pembe.
03:27
Bird flu.
80
207260
2000
Kuş gribi,
03:29
SARS -- brownish here. Remember that one?
81
209260
3000
SARS -- kahverengimsi. Bunu unutmayın.
03:32
The millennium bug,
82
212260
3000
Milenyum virüsü --
03:35
terrible disaster.
83
215260
2000
korkunç bir felaket.
03:37
These little green peaks
84
217260
2000
Bu küçük yeşil zirveler
03:39
are asteroid collisions.
85
219260
2000
meteor çarpışmaları.
03:41
(Laughter)
86
221260
2000
(Kahkaha)
03:43
And in summer, here, killer wasps.
87
223260
2000
Ve yazın, burada, ölümcül yaban ,arıları.
03:45
(Laughter)
88
225260
8000
(Kahkaha)
03:53
So these are what our fears look like
89
233260
2000
İşte bunlar zamanla medyada bizim korkularımızın
03:55
over time in our media.
90
235260
2000
nasıl göründükleri.
03:57
But what I love -- and I'm a journalist --
91
237260
2000
Ama benim -- bir gazeteci olarak en sevdiğim --
03:59
and what I love is finding hidden patterns; I love being a data detective.
92
239260
3000
ve en sevdiğim gizli motifleri bulmak; Veri dedektifi olmayı çok seviyorum.
04:02
And there's a very interesting and odd pattern hidden in this data
93
242260
3000
Ve bu veride çok farklı ve ilginç bir motif var
04:05
that you can only see when you visualize it.
94
245260
2000
sadece görselleştirdiğiniz zaman görebileceğiniz bir tane.
04:07
Let me highlight it for you.
95
247260
2000
Onu sizin için işaretliyim.
04:09
See this line, this is a landscape for violent video games.
96
249260
3000
Bu çizgiye bakın. Bu görünüm şiddet içerikli video oyunları için.
04:12
As you can see, there's a kind of odd, regular pattern in the data,
97
252260
3000
Gördüğünüz gibi, farklı, sıradan bir motif bu verideki,
04:15
twin peaks every year.
98
255260
2000
her sene çifte zirveler.
04:17
If we look closer, we see those peaks occur
99
257260
2000
Daha yakından bakacak olursak, bu zirvelerin oluştuğunu görebiliriz.
04:19
at the same month every year.
100
259260
3000
her sene aynı ay.
04:22
Why?
101
262260
2000
Neden?
04:24
Well, November, Christmas video games come out,
102
264260
2000
Çünkü Kasımda, Yıl başında video oyunları piyasaya çıkar,
04:26
and there may well be an upsurge in the concern about their content.
103
266260
3000
ve bu oyunlarının içerikleriyle ilgili endişelerde artış görülür.
04:29
But April isn't a particularly massive month
104
269260
3000
Ama Nisan özellikle çok yoğun bir ay değildir
04:32
for video games.
105
272260
2000
video oyunları için.
04:34
Why April?
106
274260
2000
Neden Nisan?
04:36
Well, in April 1999 was the Columbine shooting,
107
276260
3000
Çünkü 1999 Nisanında Columbine çatışması yaşandı,
04:39
and since then, that fear
108
279260
2000
ve o zamandan beri, o korku
04:41
has been remembered by the media
109
281260
2000
medya tarafından hatırlandı
04:43
and echoes through the group mind gradually through the year.
110
283260
2000
ve grup zihninden yayılan yankılar sene boyunca hızla artıyor.
04:45
You have retrospectives, anniversaries,
111
285260
3000
Geçmişe yönelik işleriniz, yıldönümleriniz,
04:48
court cases, even copy-cat shootings,
112
288260
3000
mahkeme günleriniz, hatta taklitçi avlarınız,
04:51
all pushing that fear into the agenda.
113
291260
3000
hepsi korkularınızı ajendaya itiyor.
04:54
And there's another pattern here as well. Can you spot it?
114
294260
2000
Ve burada başka bir motif daha var. Görebiliyormusunuz?
04:56
See that gap there? There's a gap,
115
296260
2000
Buradaki boşluğu görüyormusunuz? Burada bir boşluk var,
04:58
and it affects all the other stories.
116
298260
2000
ve diğer bütün hikayeleri etkiliyor.
05:00
Why is there a gap there?
117
300260
2000
Neden orada bir boşluk var?
05:02
You see where it starts? September 2001,
118
302260
3000
Nerede başladğını görüyormusunuz? 2001 Eylül,
05:05
when we had something very real
119
305260
2000
gerçekten gerçek olan birşey olduğunda
05:07
to be scared about.
120
307260
2000
korkmamızı gerektiren.
05:09
So, I've been working as a data journalist for about a year,
121
309260
3000
İşte, yaklaşık bir senedir veri yazarlığı yapıyorum,
05:12
and I keep hearing a phrase
122
312260
2000
ve bir cümle var ki her zaman duyuyorum
05:14
all the time, which is this:
123
314260
3000
ama her zaman, ve o da:
05:17
"Data is the new oil."
124
317260
2000
''Veri yeni petroldür.''
05:19
Data is the kind of ubiquitous resource
125
319260
3000
Veri çok sık rastlanan bir kaynak
05:22
that we can shape to provide new innovations and new insights,
126
322260
3000
yeni görüşlere ve anlayışlara şekil verebiliriz,
05:25
and it's all around us, and it can be mined very easily.
127
325260
3000
her tarafta o var, ve kolaylıkla çıkarılabilir.
05:28
It's not a particularly great metaphor in these times,
128
328260
3000
Ve şu zamanlarda özellikle çok iyi bir metafor değil,
05:31
especially if you live around the Gulf of Mexico,
129
331260
3000
özellikle Meksika'nın körfez kısmında yaşıyorsanız,
05:34
but I would, perhaps, adapt this metaphor slightly,
130
334260
2000
ama ben büyük ihtimalle bu metafor'a uyum sağlayabilirim,
05:36
and I would say that data is the new soil.
131
336260
3000
ve şunu diyebilirim ki; veri yeni topraktır.
05:40
Because for me, it feels like a fertile, creative medium.
132
340260
3000
Çünkü benim için, çok verimli bir hissi var ve yaratıcı bir araç.
05:43
Over the years, online,
133
343260
2000
Seneler boyunca, internet üzerinde,
05:45
we've laid down
134
345260
3000
zaman geçirdik ve
05:48
a huge amount of information and data,
135
348260
2000
bir sürü kocaman bilgi ve veri yığdık,
05:50
and we irrigate it with networks and connectivity,
136
350260
2000
ve bunları ağ ve bağlantılarla besliyoruz,
05:52
and it's been worked and tilled by unpaid workers and governments.
137
352260
3000
ve ödeme yapılmayan çalışanlar ve devlet tarafından işlenmiş ve çalışılmış.
05:55
And, all right, I'm kind of milking the metaphor a little bit.
138
355260
3000
Ve tamam, bu metaphor'u biraz sağıyor olabilirim.
05:58
But it's a really fertile medium,
139
358260
3000
Ama gerçekten çok verimli bir araç bu,
06:01
and it feels like visualizations, infographics, data visualizations,
140
361260
3000
ve bu görselleştirmeler, bilgi grafikleri ve görseller,
06:04
they feel like flowers blooming from this medium.
141
364260
3000
bu araçtan açan çiçekler gibi.
06:07
But if you look at it directly,
142
367260
2000
Ama direk bakarsanız,
06:09
it's just a lot of numbers and disconnected facts.
143
369260
2000
sadece bir sürü rakam ve bağlantısız olaylar.
06:11
But if you start working with it and playing with it in a certain way,
144
371260
3000
Ama onunla çalışmaya ve oynamaya başlarsanız belli bir şekilde,
06:14
interesting things can appear and different patterns can be revealed.
145
374260
3000
ilginç şeyler ortaya çıkabilir ve farklı motifler doğabilir.
06:17
Let me show you this.
146
377260
2000
Bunu size göstereyim.
06:19
Can you guess what this data set is?
147
379260
3000
Bu verinin ne dediğini tahmin edebilir misiniz?
06:22
What rises twice a year,
148
382260
2000
Her sene çifter çifter artan şey,
06:24
once in Easter
149
384260
2000
Paskalya zamanı
06:26
and then two weeks before Christmas,
150
386260
2000
ve Yıl Başından iki hafta önce,
06:28
has a mini peak every Monday,
151
388260
2000
her Pazartesi küçük bir zirve yapıyor
06:30
and then flattens out over the summer?
152
390260
2000
daha sonra yazın düzleşiyor.
06:32
I'll take answers.
153
392260
2000
Cevap bekliyorum.
06:34
(Audience: Chocolate.) David McCandless: Chocolate.
154
394260
2000
(Seyirci: Çikolata.) David McCandless: Çikolata.
06:36
You might want to get some chocolate in.
155
396260
3000
Biraz çikolata almak isteyebilirsiniz.
06:39
Any other guesses?
156
399260
2000
Başka bir tahminde bulunmak isteyen?
06:41
(Audience: Shopping.) DM: Shopping.
157
401260
2000
(Seyirci: Alışveriş.) David McCandless: Alışveriş.
06:43
Yeah, retail therapy might help.
158
403260
3000
Evet, satış terapisi işe yarayabilir.
06:46
(Audience: Sick leave.)
159
406260
2000
(Seyirci: Hastalık izni.)
06:48
DM: Sick leave. Yeah, you'll definitely want to take some time off.
160
408260
2000
DM: Hastalık evet. Gerçekten biraz istirhaat etmek isteyeceksiniz.
06:50
Shall we see?
161
410260
2000
Görelim mi?
06:53
(Laughter)
162
413260
8000
(Kahkaha)
07:01
(Applause)
163
421260
3000
(Alkış)
07:04
So, the information guru Lee Byron and myself,
164
424260
3000
O zaman buradaki bilgi , Lee Byron ve ben kendim,
07:07
we scraped 10,000 status Facebook updates
165
427260
3000
10,000 Facebook durum güncellemesi çıkardık
07:10
for the phrase "break-up" and "broken-up"
166
430260
2000
sadece ''ayrılık'' ve ''ayrılmak'' kelimelerinin içinde geçtiği
07:12
and this is the pattern we found --
167
432260
2000
ve ortaya çıkan motif bu --
07:14
people clearing out for Spring Break,
168
434260
2000
insanlar bahar temizliği yapıyor,
07:16
(Laughter)
169
436260
5000
(Kahkaha)
07:21
coming out of very bad weekends on a Monday,
170
441260
2000
çok kötü bir haftasonundan sonra Pazartesi,
07:23
being single over the summer,
171
443260
3000
yaz boyunca yalnız olmak,
07:26
and then the lowest day of the year, of course: Christmas Day.
172
446260
3000
Ve elbette yılın en düşük günü, tabi ki: Yılbaşı Günü.
07:29
Who would do that?
173
449260
3000
Bu ne yapar?
07:32
So there's a titanic amount of data out there now,
174
452260
2000
Burada bir Titanik dolusu veri var şu an,
07:34
unprecedented.
175
454260
2000
benzeri görülmemiş.
07:37
But if you ask the right kind of question,
176
457260
2000
Ama doğru soruyu sorarsanız,
07:39
or you work it in the right kind of way,
177
459260
2000
veya doğru tarafa oynarsanız,
07:41
interesting things can emerge.
178
461260
3000
ilginç şeyler meydana gelebilir.
07:44
So information is beautiful. Data is beautiful.
179
464260
3000
O zaman, bilgi güzeldir. Veri güzeldir.
07:47
I wonder if I could make my life beautiful.
180
467260
3000
Acaba kendi beğenilerimi güzel yapabilirmiyim.
07:50
And here's my visual C.V.
181
470260
2000
İşte burada özgeçmişimin görselleştirilmiş hali.
07:52
I'm not quite sure I've succeeded.
182
472260
2000
Başarılı olup olmadığımdan emin değilim.
07:54
Pretty blocky, the colors aren't that great.
183
474260
2000
Baya tıknaz bir görsel. Renklerde o kadar iyi değil.
07:56
But I wanted to convey something to you.
184
476260
3000
Ama size birşeyi göstermek istedim.
07:59
I started as a programmer,
185
479260
2000
Bir programcı olarak başladım işe,
08:01
and then I worked as a writer for many years, about 20 years,
186
481260
2000
daha sonra 20 sene kadar bir zaman yazar olarak devam ettim,
08:03
in print, online and then in advertising,
187
483260
2000
baskı, dijital ve reklam işlerinde.
08:05
and only recently have I started designing.
188
485260
3000
ve daha çok yeni tasarımcılığa başladım.
08:08
And I've never been to design school.
189
488260
2000
Ve hiç bir tasarım okuluna gitmedim.
08:10
I've never studied art or anything.
190
490260
3000
Sanat ile ilgili hiçbirşey öğrenmedim.
08:13
I just kind of learned through doing.
191
493260
2000
Kendim yapa yapa öğrendim diyebiliriz.
08:15
And when I started designing,
192
495260
2000
Ve tasarlamaya başladığımda,
08:17
I discovered an odd thing about myself.
193
497260
2000
Kendim ile ilgili ilginç bir şey farkettim.
08:19
I already knew how to design,
194
499260
2000
Tasarlamayı zaten biliyordum,
08:21
but it wasn't like I was amazingly brilliant at it,
195
501260
3000
ama bu işte çok iyi değildim,
08:24
but more like I was sensitive
196
504260
2000
daha çok hassastım
08:26
to the ideas of grids and space
197
506260
2000
kılavuz ve boşluk fikrine
08:28
and alignment and typography.
198
508260
2000
ve yerleştirme ve tipografi.
08:30
It's almost like being exposed
199
510260
2000
Ortaya çıkıvermek gibi birşey
08:32
to all this media over the years
200
512260
2000
senelerce bu medyada
08:34
had instilled a kind of dormant design literacy in me.
201
514260
3000
çok durgun bir tasarım kültürü aşıladı bana.
08:37
And I don't feel like I'm unique.
202
517260
2000
Ve kendimi eşsizmiş gibi hissetmiyorum.
08:39
I feel that everyday, all of us now
203
519260
2000
Her gün, artık hepimiz
08:41
are being blasted by information design.
204
521260
3000
bilgi tasarımına maruz kalıyoruz.
08:44
It's being poured into our eyes through the Web,
205
524260
2000
Web üzerinden gözlerimizin içine akıtılıyor
08:46
and we're all visualizers now;
206
526260
2000
ve hepimiz artık görselleştiriyoruz;
08:48
we're all demanding a visual aspect
207
528260
2000
hepimiz bilgimizi görsel
08:50
to our information.
208
530260
3000
bir bakış bekliyoruz.
08:53
There's something almost quite magical about visual information.
209
533260
3000
Ve görsel bilgi ile ilgili çok büyülü bir şey var.
08:56
It's effortless, it literally pours in.
210
536260
3000
Çaba gerektirmiyor; tam anlamıyla kendisi oluşuyor.
08:59
And if you're navigating a dense information jungle,
211
539260
3000
Ve eğer yoğun bir bilgi ormanına yön veriyorsanız,
09:02
coming across a beautiful graphic
212
542260
2000
güzel bir grafikten doğru gelen
09:04
or a lovely data visualization,
213
544260
2000
yada çok hoş bir veri görselinden,
09:06
it's a relief, it's like coming across a clearing in the jungle.
214
546260
3000
Bu bir rahatlama, bir ormandan kurtulmak gibi bir şey.
09:09
I was curious about this, so it led me
215
549260
2000
Bu konuda çok meraklıydım, o yüzden şu sonuca vardım
09:11
to the work of a Danish physicist
216
551260
2000
Danimarkalı bir fizikçiyle birlikte çalışmak
09:13
called Tor Norretranders,
217
553260
2000
Tor Norretranders adlı,
09:15
and he converted the bandwidth of the senses into computer terms.
218
555260
3000
ve duyuların bant genişliğini bilgisayar terimlerine çevirdi.
09:19
So here we go. This is your senses,
219
559260
2000
O zaman hadi bakalım. Bu sizin hisleriniz,
09:21
pouring into your senses every second.
220
561260
2000
her saniye duyularınıza akıtılıyor.
09:23
Your sense of sight is the fastest.
221
563260
3000
Görme duyunuz en hızlısı.
09:26
It has the same bandwidth as a computer network.
222
566260
3000
bir bilgisayar ağıyla eşit kapasiteye sahip.
09:29
Then you have touch, which is about the speed of a USB key.
223
569260
3000
Daha sonra dokunma duygunuz var, bir USB anahtarıyla eşit hızda.
09:32
And then you have hearing and smell,
224
572260
2000
Daha sonra ise duyma ve koklama duyularınız,
09:34
which has the throughput of a hard disk.
225
574260
2000
bir sabit diskin işlem hacmiyle aynı.
09:36
And then you have poor old taste,
226
576260
2000
Ve o kötü ve eski tat var,
09:38
which is like barely the throughput of a pocket calculator.
227
578260
3000
bir cep hesap makinesiyle aynı işlem hacmi neredeyse.
09:41
And that little square in the corner, a naught .7 percent,
228
581260
3000
Ve köşedeki o küçük kare ise, 0.7 oranda,
09:44
that's the amount we're actually aware of.
229
584260
3000
aslında farkında olduğumuz miktar.
09:47
So a lot of your vision --
230
587260
2000
O zaman gördüğünüzün büyük bir kısmı --
09:49
the bulk of it is visual, and it's pouring in.
231
589260
2000
önemli derece büyük bir kısmı görsel, ve içeri akıyor.
09:51
It's unconscious.
232
591260
2000
Bilinçsiz bir şekilde.
09:53
The eye is exquisitely sensitive
233
593260
3000
Ve göz zarif ve hassas
09:56
to patterns in variations in color, shape and pattern.
234
596260
3000
çeşitli motifler, çeşitli renk, şekillerde.
09:59
It loves them, and it calls them beautiful.
235
599260
2000
Onları çok seviyor ve güzel olduklarını söylüyor.
10:01
It's the language of the eye.
236
601260
2000
Gözün dili.
10:03
If you combine the language of the eye with the language of the mind,
237
603260
2000
Ve eğer gözün dilini, zihin diliyle birleştirirseniz,
10:05
which is about words and numbers and concepts,
238
605260
3000
rakamlar ve konseptler ile ilgili olan,
10:08
you start speaking two languages simultaneously,
239
608260
3000
simultane olarak iki dili konuşmaya başlarsınız,
10:11
each enhancing the other.
240
611260
3000
birbirlerini geliştirirler.
10:14
So, you have the eye, and then you drop in the concepts.
241
614260
3000
O zaman göz var, daha sonrada konseptler giriyor.
10:17
And that whole thing -- it's two languages
242
617260
2000
Ve tamamı bu şeyin -- iki dil
10:19
both working at the same time.
243
619260
2000
aynı anda çalışıyor.
10:21
So we can use this new kind of language, if you like,
244
621260
2000
Eğer isterseniz bu yeni dili kullanabiliriz,
10:23
to alter our perspective or change our views.
245
623260
3000
görüş biçimlerimizi değiştirmek yada bakış açılarımızı değiştirmek için.
10:26
Let me ask you a simple question
246
626260
2000
Size basit bir soru sorayım
10:28
with a really simple answer:
247
628260
2000
çok basit de bir cevabı var.
10:30
Who has the biggest military budget?
248
630260
2000
En yüksek
10:32
It's got to be America, right?
249
632260
2000
Amerika olmalı, değilmi?
10:34
Massive. 609 billion in 2008 --
250
634260
2000
Muazzam. 2008 de 609 milyar --
10:36
607, rather.
251
636260
2000
607, aslında.
10:38
So massive, in fact, that it can contain
252
638260
2000
Çok muazzam, hatta aslında
10:40
all the other military budgets in the world inside itself.
253
640260
3000
kendi içinde dünyadaki geri kalan bütün orduların bütçelerini kapsayabilir.
10:43
Gobble, gobble, gobble, gobble, gobble.
254
643260
2000
Gulu gulu, gulu gulu, gulu gulu.
10:45
Now, you can see Africa's total debt there
255
645260
2000
Şimdi, burada Afrikanın toplam borcunu görebilirsiniz
10:47
and the U.K. budget deficit for reference.
256
647260
2000
ve İngiltere, bütçede hesap açığı mesela.
10:49
So that might well chime
257
649260
2000
Böylece Amerikaya görüşünüzle
10:51
with your view that America
258
651260
2000
uyum sağlayabilir,
10:53
is a sort of warmongering military machine,
259
653260
3000
savaş kışkırtıcısı, ordu makineleri,
10:56
out to overpower the world
260
656260
2000
dışarda bütün dünyanın hakkından gelmek için
10:58
with its huge industrial-military complex.
261
658260
3000
kocaman, endüstriyel-ordu kompleksiyle.
11:01
But is it true that America has the biggest military budget?
262
661260
3000
Ama Amerikanın en yüksek ordu bütçesine sahip olduğu doğrumu?
11:04
Because America is an incredibly rich country.
263
664260
2000
Çünkü olağanüstü zengin bir ülke.
11:06
In fact, it's so massively rich
264
666260
2000
Hatta, öyle muazzam derecede zenginki
11:08
that it can contain the four other
265
668260
2000
kendisinden sonraki en iyi endüstriyelleşmiş
11:10
top industrialized nations' economies
266
670260
2000
dört ülkenin ekonomisini daha içinde barındırabilir
11:12
inside itself, it's so vastly rich.
267
672260
3000
uçsuz bucaksız bir zenginlik bu.
11:15
So its military budget is bound to be enormous.
268
675260
3000
Haliyle ordu bütçeside kocaman olmak zorunda.
11:18
So, to be fair and to alter our perspective,
269
678260
2000
Öyleyse adil olmak ve görüşümüzü genişletmek adına,
11:20
we have to bring in another data set,
270
680260
2000
başka bir veri setine bakmamız lazım,
11:22
and that data set is GDP, or the country's earnings.
271
682260
2000
ve bu veri seti GDP, yada diğer ülkelerin kazançları.
11:24
Who has the biggest budget as a proportion of GDP?
272
684260
2000
GDP oranına göre en yüksek bütçe kimde?
11:26
Let's have a look.
273
686260
2000
Bir göz atalım.
11:28
That changes the picture considerably.
274
688260
3000
Bu tabloyu oldukça değişebilir.
11:31
Other countries pop into view that you, perhaps, weren't considering,
275
691260
3000
İşin içine diğer ülkeler gelince, heralde tahmin etmediğiniz bir görüntü oluşuyor,
11:34
and American drops into eighth.
276
694260
2000
ve Amerika sekizinciliğe düşüyor.
11:36
Now you can also do this with soldiers.
277
696260
2000
Ve şimdi bunu askerlerle de yapabilirsiniz.
11:38
Who has the most soldiers? It's got to be China.
278
698260
2000
En fazla asker kimde var? Çin olmalı.
11:40
Of course, 2.1 million.
279
700260
2000
Tabiki, 2.1 milyon.
11:42
Again, chiming with your view
280
702260
2000
Tekrar, sizin aklınızdakiyle uyum halinde bir sonuç
11:44
that China has a militarized regime
281
704260
2000
çünkü Çin de askerleştirilmiş bir rejim var,
11:46
ready to, you know, mobilize its enormous forces.
282
706260
2000
hazır, bilirsiniz, büyük kuvvetleri harekete geçirmeye.
11:48
But of course, China has an enormous population.
283
708260
3000
Ama tabiki, Çin büyük bir nüfusa sahip.
11:51
So if we do the same,
284
711260
2000
O zaman aynısını yaparsak,
11:53
we see a radically different picture.
285
713260
2000
temelinde farklı bir durum olduğunu görürüz.
11:55
China drops to 124th.
286
715260
2000
Çin 124. sıraya düşer.
11:57
It actually has a tiny army
287
717260
2000
Aslında minicik bir ordusu var
11:59
when you take other data into consideration.
288
719260
3000
diğer verileride göz önünde bulundurduğunuzda.
12:02
So, absolute figures, like the military budget,
289
722260
2000
Öyleyse, askeri bütçeler gibi kesin figürler,
12:04
in a connected world,
290
724260
2000
birleşik bir dünyada,
12:06
don't give you the whole picture.
291
726260
2000
size doğru bir izlenim vermeyebilir.
12:08
They're not as true as they could be.
292
728260
2000
Olabilecekleri gibi doğru değiller.
12:10
We need relative figures that are connected to other data
293
730260
3000
Başka verilere bağlı başka benzeri verilere ihtiyacımz var
12:13
so that we can see a fuller picture,
294
733260
2000
böylece daha büyük olan asıl resmi görebiliriz,
12:15
and then that can lead to us changing our perspective.
295
735260
2000
ve daha sonra buda bizim görüşümüzü değiştirebilir.
12:17
As Hans Rosling, the master,
296
737260
2000
Benim hocamın, Hans Rosling'in
12:19
my master, said,
297
739260
3000
dediği gibi,
12:22
"Let the dataset change your mindset."
298
742260
3000
''Verilerin, aklınızdakileri değiştirmesine izin verin.''
12:26
And if it can do that, maybe it can also change your behavior.
299
746260
3000
Ve eğer bunu yapabilirse, belki davranışlarınız da değişebilir.
12:29
Take a look at this one.
300
749260
2000
Buna bir bakın.
12:31
I'm a bit of a health nut.
301
751260
2000
Ben sağlık konusunda biraz deliyim.
12:33
I love taking supplements and being fit,
302
753260
3000
Takviye ilaçlar alıp formda kalmayı severim,
12:36
but I can never understand what's going on in terms of evidence.
303
756260
3000
ama neler olduğunu kanıt yönünden hiç bir zaman anlayamam.
12:39
There's always conflicting evidence.
304
759260
2000
Elimizdeki kanıtlar her zaman çakışır.
12:41
Should I take vitamin C? Should I be taking wheatgrass?
305
761260
2000
Vitamin C mi almalıyım? yoksa Buğday Çimi mi?
12:43
This is a visualization of all the evidence
306
763260
2000
Bu bütün kanıtların görselleştirilmiş bir hali
12:45
for nutritional supplements.
307
765260
2000
besinsel takviyeler için.
12:47
This kind of diagram is called a balloon race.
308
767260
3000
Bu tür grafiklere balon yarışı adı verilir.
12:50
So the higher up the image,
309
770260
2000
Resimde ne kadar yukarı çıkarsanız,
12:52
the more evidence there is for each supplement.
310
772260
3000
her takviye madde için daha çok kanıt bulunur.
12:55
And the bubbles correspond to popularity as regards to Google hits.
311
775260
3000
Ve baloncuklar rağbete Google'ın hitine göre tepki veriyor.
12:58
So you can immediately apprehend
312
778260
3000
Böylece kolaylıkla kavrayabilirsiniz
13:01
the relationship between efficacy and popularity,
313
781260
3000
tesir ile popülerlik arasındaki ilişki,
13:04
but you can also, if you grade the evidence,
314
784260
3000
ama ayrıca, kanıt'a not verirseniz,
13:07
do a "worth it" line.
315
787260
2000
''zahmete değer'' gibi bir çizgi belirleyin.
13:09
So supplements above this line are worth investigating,
316
789260
3000
Ve bu çizginin üzerindeki takviyeler araştırmaya değerdir,
13:12
but only for the conditions listed below,
317
792260
3000
ama sadece aşağıda sıralanmış durumlar için.
13:15
and then the supplements below the line
318
795260
3000
Çizginin altındaki takviyeler ise
13:18
are perhaps not worth investigating.
319
798260
2000
heralde, araştırmaya değer olmayanlar olacak.
13:20
Now this image constitutes a huge amount of work.
320
800260
3000
Şimdi bu resim büyük iş çıkarmıştı bize.
13:23
We scraped like 1,000 studies from PubMed,
321
803260
3000
PubMed den 1,000 'e yakın çalışma topladık,
13:26
the biomedical database,
322
806260
2000
biomedikal veritabanından,
13:28
and we compiled them and graded them all.
323
808260
3000
ve hepsini toplayıp notlar verdik.
13:31
And it was incredibly frustrating for me
324
811260
2000
Benim için oldukça yorucu bir işti
13:33
because I had a book of 250 visualizations to do for my book,
325
813260
3000
250 görselleştirmeden oluşan bir kitap yapmam gerekiyordu,
13:36
and I spent a month doing this,
326
816260
2000
bir ayımı buna ayırdım,
13:38
and I only filled two pages.
327
818260
2000
ve sadece iki sayfayı doldurabildim.
13:40
But what it points to
328
820260
2000
Ama işaret gösterdiği
13:42
is that visualizing information like this
329
822260
2000
bunun gibi bilgileri görselleştirmek
13:44
is a form of knowledge compression.
330
824260
2000
bilgiyi özetlemenin bir şeklidir.
13:46
It's a way of squeezing an enormous amount
331
826260
2000
İnanılmaz büyük çapta bilgi ve bilinmişleri
13:48
of information and understanding
332
828260
2000
küçük bir boşluğa
13:50
into a small space.
333
830260
2000
sıkmak gibi bir yoldur.
13:52
And once you've curated that data, and once you've cleaned that data,
334
832260
2000
O verinin icabına baktığınız zaman, ve temizlediğinizde,
13:54
and once it's there,
335
834260
2000
ve bir kere orada oldumu
13:56
you can do cool stuff like this.
336
836260
2000
bunun gibi havalı şeyler yapabilirsiniz.
13:58
So I converted this into an interactive app,
337
838260
2000
Bende bunu interaktif bir uygulamaya çevirdim,
14:00
so I can now generate this application online --
338
840260
2000
şimdi bu uygulamayı çevirim içi yapabilirim --
14:02
this is the visualization online --
339
842260
2000
bu çevirim içi görselleştirme --
14:04
and I can say, "Yeah, brilliant."
340
844260
2000
ve diyebilirimki, ''Evet, mükemmel.''
14:06
So it spawns itself.
341
846260
2000
Şimdi kendisini oluşturur.
14:08
And then I can say, "Well, just show me the stuff
342
848260
2000
Sonrada şunu söyleyebilirim, ''Evet, sadece malı gösterin bana
14:10
that affects heart health."
343
850260
2000
kalp sağlığını etkileyen.''
14:12
So let's filter that out.
344
852260
2000
O zaman hadi bunu filitreyelim.
14:14
So heart is filtered out, so I can see if I'm curious about that.
345
854260
3000
Kalp filitre edildi, eğer bu konuda meraklıysam.
14:17
I think, "No, no. I don't want to take any synthetics,
346
857260
2000
Düşünüyorum, ''Hayır, hayır. Sentetik birşey kullanmak istemem.
14:19
I just want to see plants and --
347
859260
3000
sadece bitkileri --
14:22
just show me herbs and plants. I've got all the natural ingredients."
348
862260
3000
sadece bitkileri ve otları göster bana. Bütün doğal içeriğe sahibim.''
14:25
Now this app is spawning itself
349
865260
2000
Şimdi bu uygulama kendini veriden
14:27
from the data.
350
867260
2000
üretiyor.
14:29
The data is all stored in a Google Doc,
351
869260
2000
Bütün veri bir Google Dökümanı içinde saklı,
14:31
and it's literally generating itself from that data.
352
871260
3000
ve gerçek anlamıyla kendisini bu veriden üretiyor.
14:34
So the data is now alive; this is a living image,
353
874260
2000
Veri artık canlı; bu canlı bir görüntü,
14:36
and I can update it in a second.
354
876260
2000
ve bir saniyede güncelleyebilirim.
14:38
New evidence comes out. I just change a row on a spreadsheet.
355
878260
2000
Yeni kanıtlar ortaya çıkıyor -- Hesap çizelgesi üzerindeki tek bir sırayı değiştiriyorum.
14:40
Doosh! Again, the image recreates itself.
356
880260
4000
Mangıır! Yine, görüntü kendini tekrar yaratıyor.
14:44
So it's cool.
357
884260
2000
Bu havalı bir şey.
14:46
It's kind of living.
358
886260
3000
Yaşamak gibi bir şey.
14:49
But it can go beyond data,
359
889260
2000
Ama verinin ötesine geçebiliyor gibi,
14:51
and it can go beyond numbers.
360
891260
2000
ve rakamlarında ötesine geçebiliyor.
14:53
I like to apply information visualization
361
893260
2000
Ve ben bilgiyi görselleştirmeyi
14:55
to ideas and concepts.
362
895260
3000
fikir ve konseptlere uygulamayı seviyorum.
14:58
This is a visualization
363
898260
2000
Bu bir görselleştirme
15:00
of the political spectrum,
364
900260
2000
politik görüntünün,
15:02
an attempt for me to try
365
902260
2000
benim nasıl çalıştığına dair
15:04
and understand how it works
366
904260
2000
fikir edinme çabam sırasında
15:06
and how the ideas percolate down
367
906260
2000
ve fikirin nasıl hükümetten, halka ve kültüre
15:08
from government into society and culture,
368
908260
2000
doğru süzüldüğünü,
15:10
into families, into individuals, into their beliefs
369
910260
3000
ailelere, bireylere ve onların inançlarına
15:13
and back around again in a cycle.
370
913260
3000
ve kısır bir döngü şeklinde dönmesini.
15:16
What I love about this image
371
916260
2000
Bu resim ile ilgili sevdiğim şey
15:18
is it's made up of concepts,
372
918260
2000
konseptlerden meydana gelmiş olmasıdır,
15:20
it explores our worldviews
373
920260
2000
dünya görüşlerimizi inceliyor
15:22
and it helps us -- it helps me anyway --
374
922260
2000
ve bize -- yada en azından bana --
15:24
to see what others think,
375
924260
2000
başkalarının nasıl düşündüklerini görme imkanı sağlıyor,
15:26
to see where they're coming from.
376
926260
2000
onların nerelerden geldiklerini görme imkanı.
15:28
And it feels just incredibly cool to do that.
377
928260
3000
Ve bunu yapmak inanılmaz havalı geliyor.
15:31
What was most exciting for me
378
931260
3000
Ve benim için en heyecanlı kısmı
15:34
designing this
379
934260
2000
bunu tasarlamaktı,
15:36
was that, when I was designing this image,
380
936260
2000
bu resmi tasarladığım zamandan bahsediyorum,
15:38
I desperately wanted this side, the left side,
381
938260
3000
Çaresizce bu tarafı istiyordum, sol taraf,
15:41
to be better than the right side --
382
941260
2000
sağ taraftan iyi olması için --
15:43
being a journalist, a Left-leaning person --
383
943260
3000
bir gazeteci olmak, sol'a yatkın bir insan olmak --
15:46
but I couldn't, because I would have created
384
946260
2000
ama yapamazdım, çünkü
15:48
a lopsided, biased diagram.
385
948260
3000
orantısız ve tek taraflı bir diagram oluşturmuş olurdum.
15:51
So, in order to really create a full image,
386
951260
3000
Böylece, tam bir görüntü elde edebilmek için,
15:54
I had to honor the perspectives on the right-hand side
387
954260
3000
Sağ tarafın görüşlerinide onore etmem gerekiyordu
15:57
and at the same time, uncomfortably recognize
388
957260
3000
o anda rahatsız edici bir şeyin farkına vardım
16:00
how many of those qualities were actually in me,
389
960260
3000
bu özelliklerden kaçının bende olduğuna dair,
16:03
which was very, very annoying and uncomfortable.
390
963260
2000
gerçekten çok ama çok rahatsız ediciydi.
16:05
(Laughter)
391
965260
4000
(Kahkaha)
16:09
But not too uncomfortable,
392
969260
2000
Ama o kadar da rahatsız edici değildi,
16:11
because there's something unthreatening
393
971260
3000
çünkü tehditkar olmayan bir yanı vardı
16:14
about seeing a political perspective,
394
974260
2000
politik görüşün bir kişiyi zorla dinlemek
16:16
versus being told or forced to listen to one.
395
976260
3000
zorunda bırakılmak ile karşılaştırılınca.
16:19
You're capable of holding conflicting viewpoints
396
979260
3000
Bu aslında -- siz çakışan görüş noktalarını elinizde tutma olanağına sahipsiniz
16:22
joyously when you can see them.
397
982260
2000
neşeli bir şekilde, onları görebildiğiniz zaman.
16:24
It's even fun to engage with them
398
984260
2000
Onlarla ilişki içinde olmak bile zevkli
16:26
because it's visual.
399
986260
2000
çünkü bu görsel.
16:28
So that's what's exciting to me,
400
988260
2000
İşte benim için ilginç olan da bu,
16:30
seeing how data can change my perspective
401
990260
2000
verilerin benim görüşlerimi nasıl değiştirebildiğini görmek
16:32
and change my mind midstream --
402
992260
2000
ve zihnimin en ana noktasını --
16:34
beautiful, lovely data.
403
994260
3000
güzel, sevimli veri.
16:38
So, just to wrap up,
404
998260
2000
Hadi toparlayalım,
16:40
I wanted to say
405
1000260
2000
Söylemek istiyorumki
16:42
that it feels to me that design is about solving problems
406
1002260
2000
tasarım yapmak problem çözmek gibi birşey
16:44
and providing elegant solutions,
407
1004260
3000
ve zarif yöntemler bulmak.
16:47
and information design is about
408
1007260
2000
Ve bilgi tasarımı
16:49
solving information problems.
409
1009260
2000
bilgi soruları çözmek ile ilgili.
16:51
It feels like we have a lot of information problems
410
1011260
2000
Ve görünüşe bakılırsa çok fazla bilgi sorusuna sahibiz
16:53
in our society at the moment,
411
1013260
2000
bugün bulunduğumuz toplum içinde,
16:55
from the overload and the saturation
412
1015260
2000
aşırı yüklenme ve doygunluktan
16:57
to the breakdown of trust and reliability
413
1017260
2000
güven kırılmalarına ve itimata
16:59
and runaway skepticism and lack of transparency,
414
1019260
2000
kontrolden çıkmış şüphecilikten, ihtiyacımız olan şeffaflığa,
17:01
or even just interestingness.
415
1021260
2000
veya hatta sadece ilginç olmaya.
17:03
I mean, I find information just too interesting.
416
1023260
2000
Demek istediğin, bilgiyi fazlasıyla ilginç buluyorum.
17:05
It has a magnetic quality that draws me in.
417
1025260
3000
Beni kendine çeken manyetik bir özelliği var.
17:09
So, visualizing information
418
1029260
2000
Bilgiyi görselleştirmekte
17:11
can give us a very quick solution to those kinds of problems.
419
1031260
3000
bu tür problemlerde bize kısa sonuçlar verebilir.
17:14
Even when the information is terrible,
420
1034260
2000
Ve bilgi korkunç bir haldeyken bile,
17:16
the visual can be quite beautiful.
421
1036260
3000
görsel oldukça güzel olabilir.
17:19
Often we can get clarity
422
1039260
3000
Ve çoğunlukla netlik sağlanabilir
17:22
or the answer to a simple question very quickly,
423
1042260
2000
veya basit bir soruya bir cevap çok hızlı gelebilir,
17:24
like this one,
424
1044260
2000
burda olduğu gibi,
17:26
the recent Icelandic volcano.
425
1046260
3000
yakın zamanda izlandada ki yanardağ.
17:29
Which was emitting the most CO2?
426
1049260
2000
Çok sayıda CO2 yayan?
17:31
Was it the planes or the volcano,
427
1051260
2000
Uçaklarmıydı yoksa yanardağ mı?
17:33
the grounded planes or the volcano?
428
1053260
2000
havalanamayan uçaklar yada yanardağ?
17:35
So we can have a look.
429
1055260
2000
Bir göz atabiliriz.
17:37
We look at the data and we see:
430
1057260
2000
Veriye bakar ve öğreniriz,
17:39
Yep, the volcano emitted 150,000 tons;
431
1059260
2000
evet, yanardağ 150.000 ton yaymış;
17:41
the grounded planes would have emitted
432
1061260
2000
eğer uçaklar havalanabilmiş olsalardı
17:43
345,000 if they were in the sky.
433
1063260
3000
345.000 yayacaklardı.
17:46
So essentially, we had our first carbon-neutral volcano.
434
1066260
3000
Dolayısıyla, ilk sıfır-karbon yanardağımıza sahip olduk.
17:49
(Laughter)
435
1069260
2000
(Kahkaha)
17:51
(Applause)
436
1071260
9000
(Alkış)
18:00
And that is beautiful. Thank you.
437
1080260
3000
Ve bu çok güzel. Teşekkürler.
18:03
(Applause)
438
1083260
8000
(Alkış)
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