ABOUT THE SPEAKER
Jer Thorp - Data artist
Jer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them.

Why you should listen

Currently the data artist in residence at the New York Times, Jer’s software-based art has been featured all over the world. His former career as a data artist explains why his art often brings big data sets to life and is deeply influenced by science. Originally from Vancouver, he lives in New York City, where, along with his work at the New York Times, he teaches in NYU’s ITP program.

More profile about the speaker
Jer Thorp | Speaker | TED.com
TEDxVancouver

Jer Thorp: Make data more human

Filmed:
300,699 views

Jer Thorp creates beautiful data visualizations to put abstract data into a human context. At TEDxVancouver, he shares his moving projects, from graphing an entire year’s news cycle, to mapping the way people share articles across the internet. (Filmed at TEDxVancouver.)
- Data artist
Jer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them. Full bio

Double-click the English transcript below to play the video.

00:10
I want to talk to you about two
of the mostmás excitingemocionante possibleposible things.
0
1674
6250
Quiero hablarles sobre dos de
las cosas más emocionantes posibles.
00:16
You've probablyprobablemente guessedadivinado what they are --
1
7948
1949
Probablemente ya han adivinado cuáles son.
00:18
datadatos and historyhistoria.
2
9921
2319
Datos e historia.
00:21
Right?
3
13211
1171
¿Sí?
00:24
So, I'm not a historianhistoriador.
4
15871
1982
No soy historiador.
00:26
I'm not going to give you
a definitiondefinición of historyhistoria.
5
17877
2728
No voy a dar una definición de historia.
00:29
But let's think insteaden lugar
of historyhistoria withindentro a frameworkmarco de referencia.
6
20629
3113
Pero pensemos, en lugar de
historia dentro de un marco.
00:32
So, when we're makingfabricación historyhistoria,
7
23766
1611
Y, cuando hacemos historia,
00:33
or when we're creatingcreando
historicalhistórico documentsdocumentos,
8
25401
2892
o cuando creamos documentos históricos,
00:36
we're takingtomando things
that have happenedsucedió in the pastpasado,
9
28317
2428
tomamos cosas sucedidas en el pasado,
00:39
and we're stitchingpuntadas them
togetherjuntos into a storyhistoria.
10
30769
2552
que unimos en una historia.
00:41
So let me startcomienzo with a little bitpoco
of my ownpropio storyhistoria.
11
33345
2530
Así que permítanme comenzar
con un poco de mi propia historia.
00:44
Like anybodynadie my ageaños
who workstrabajos creativelycreativamente with computersordenadores,
12
35899
3678
Como cualquiera de mi edad que trabaja
creativamente con computadoras,
00:48
I was a popularpopular, sociallysocialmente
well-adjustedbien ajustada youngjoven man --
13
39601
4456
yo era un joven popular,
socialmente bien adaptado...
00:52
(LaughterRisa)
14
44081
1122
(Risas)
00:53
And sportydeportivo!
15
45227
2541
¡y deportivo!
00:56
SportyDeportivo youngjoven man.
16
47792
1733
Un joven deportista.
00:58
And like a lot of people my ageaños
in the typetipo of businessnegocio that I'm in,
17
50075
5353
Y como mucha gente de mi edad
en el tipo de negocio en el que estoy,
01:03
I was influencedinfluenciado tremendouslytremendamente by Applemanzana.
18
55452
2645
tuve mucha influencia de Apple.
01:07
But noticedarse cuenta my choiceelección of logologo here, right?
19
58635
3722
Vean mi elección de logo ¿verdad?
01:10
The Applemanzana on the left,
not the Applemanzana on the right.
20
62381
3585
La Apple a la izquierda,
no la de la derecha.
Estoy influenciado tanto
por la Apple de la derecha.
01:15
I'm influencedinfluenciado as much
by the Applemanzana on the right
21
66621
2293
01:17
as the nextsiguiente personpersona,
22
68938
2083
como la siguiente persona.
Pero la Apple de la izquierda...
quiero decir, miren el logotipo.
01:19
but the Applemanzana on the left --
I mean, look at that logologo!
23
71045
2633
01:22
It's a rainbowarco iris.
It's not even in the right orderorden!
24
73702
2397
Es un arco iris
¡Ni siquiera está en el orden correcto!
01:24
(LaughterRisa)
25
76123
1134
01:25
That's how crazyloca Applemanzana was.
26
77281
2273
Eso es lo loca que estaba Apple.
01:28
(LaughterRisa)
27
79578
1037
(Risas)
01:29
But I don't want to talk too much
about the companyempresa.
28
80639
2945
Pero no quiero hablar mucho de la empresa.
01:32
I'll startcomienzo talkinghablando about
a machinemáquina, thoughaunque.
29
83608
2177
Aunque empezaré a hablar de una máquina.
01:34
How amazingasombroso it is to think about this.
I go back and I think about this.
30
85809
4127
Qué asombroso es pensar en esto.
Vuelvo y pienso en esto.
01:38
Wednesdaymiércoles -- one Wednesdaymiércoles,
when I was about 12 yearsaños oldantiguo,
31
89960
3314
Miércoles. Un miércoles,
cuando tenía unos 12 años,
01:41
I didn't have a computercomputadora.
32
93298
2111
no tenía computadora.
01:44
On Thursdayjueves, I had a computercomputadora.
33
96034
2779
El jueves tuve una computadora.
01:48
Can you imagineimagina that changecambio?
34
99965
1999
¿Se imaginan ese cambio?
01:50
It's so drasticdrástico.
35
102417
1681
Es tan drástico.
01:52
I can't even think about anything
that could changecambio our livesvive that way.
36
104122
3451
No puedo pensar en otra cosa que
pueda cambiar nuestra vida de esa manera.
01:56
But I'm actuallyactualmente not even going
to talk about the computercomputadora.
37
107597
2767
Pero en realidad ni siquiera
hablaré de la computadora.
01:58
I'm going to talk about a programprograma
that camevino loadedcargado on that computercomputadora.
38
110388
3230
Voy a hablar sobre un programa
cargado en esa computadora.
02:02
And it was buildconstruir by,
not the guy on the left,
39
113642
2272
Y fue construido
no por el chico de la izquierda,
02:04
but the guy on the right.
40
115938
1435
sino por el chico de la derecha.
02:05
Does anybodynadie know
who the guy on the right is?
41
117397
2144
¿Alguien sabe quién es
el chico de la derecha?
02:09
NobodyNadie ever knowssabe the answerresponder
to this questionpregunta.
42
121161
2410
Nadie sabe la respuesta a esta pregunta.
02:12
This is BillCuenta AtkinsonAtkinson.
43
123595
1686
Este es Bill Atkinson.
02:13
And BillCuenta AtkinsonAtkinson was responsibleresponsable
for tonsmontones of things
44
125305
3107
Y Bill Atkinson fue responsable
de toneladas de cosas
02:16
that you see on your computercomputadora everycada day.
45
128436
2482
que ven en su computadora todos los días.
02:19
But I want to talk about one programprograma
that BillCuenta AtkinsonAtkinson wroteescribió,
46
130942
3107
Pero quiero hablar sobre un programa
que Bill Atkinson escribió,
02:22
calledllamado HyperCardHyperCard.
47
134073
1500
llamado HyperCard.
02:25
Someone'sDe alguien cheeringaplausos over there.
48
137025
2160
Alguien está feliz por allí.
02:27
(LaughterRisa)
49
139209
1205
(Risas)
02:28
HyperCardHyperCard was a programprograma
that shippedEnviado with the MacMac,
50
140438
2602
HyperCard era un programa
que venía con la Mac,
02:31
and it was designeddiseñado
for usersusuarios of the computercomputadora
51
143064
2569
Y fue diseñado
para usuarios de la computadora,
02:34
to make programsprogramas on theirsu computersordenadores.
52
145657
3197
para desarrollar programas
en sus computadoras.
02:38
CrazyLoca ideaidea todayhoy.
53
149505
1597
Idea loca hoy.
02:39
And these programsprogramas were not the appsaplicaciones
that we think about todayhoy,
54
151126
2973
Y estos programas no eran
las aplicaciones que pensamos hoy,
02:42
with theirsu largegrande budgetspresupuestos
and theirsu biggrande distributiondistribución.
55
154123
2449
con sus grandes presupuestos
y su gran distribución.
02:45
These were smallpequeña things,
56
156596
1189
Estas eran cosas pequeñas para personas
02:46
people makingfabricación applicationsaplicaciones to keep trackpista
of theirsu locallocal basketballbaloncesto teamequipo scorespuntuaciones
57
157809
3882
que solicitan un seguimiento de resultados
de su equipo de baloncesto local
02:50
or to organizeorganizar theirsu researchinvestigación
58
161715
2825
o para organizar su investigación
02:53
or to teachenseñar people about classicalclásico musicmúsica
59
164564
3016
o para enseñar a la gente música clásica
02:56
or to calculatecalcular weirdextraño astronomicalastronómico datesfechas.
60
167604
4095
o para calcular
fechas astronómicas extrañas.
03:00
And then, of coursecurso,
there were some artart projectsproyectos.
61
171723
2381
Y luego, por supuesto,
hubo proyectos de arte.
03:02
This is my favoritefavorito one.
62
174128
1220
Este es mi favorito.
03:03
It's calledllamado "If MonksMonjes Had MacsMacs,"
63
175372
2089
Se llama "If Monks Had Macs"
03:05
and it's a nonlinearno lineal
kindtipo of exploratoryexploratorio environmentambiente.
64
177485
4534
y es un tipo de
ambiente exploratorio no lineal.
03:10
I thank the starsestrellas for HyperCardHyperCard
all of the time.
65
182043
5573
Agradezco a las estrellas
por HyperCard todo el tiempo.
Y agradezco a las estrellas
por haberme puesto en esta era.
03:16
And I thank the starsestrellas
for puttingponiendo me in this eraera
66
187640
2447
03:18
where I got to use HyperCardHyperCard.
67
190111
2300
donde tengo que usar HyperCard.
03:20
HyperCardHyperCard was the last programprograma to shipenviar
on a publicpúblico computercomputadora
68
192435
4640
HyperCard fue el último programa
que se envió en una computadora pública
03:25
that was designeddiseñado for the usersusuarios
of the computercomputadora to make programsprogramas with it.
69
197099
5129
diseñado para que los usuarios de
computadora hicieran programas con él.
03:30
If you talkedhabló to the people
who inventedinventado the computercomputadora
70
202252
2705
Si hubieras hablado con la gente que
inventó la computadora
03:33
and you told them there would be
a day, a magicalmágico day,
71
204981
2749
y les hubieras dicho que habría un día,
un día mágico,
03:36
when everybodytodos had a computercomputadora
but noneninguna of them knewsabía how to programprograma,
72
207754
5062
en que todos tendrían una computadora,
pero que ninguno sabría cómo programar,
03:41
they would think you were crazyloca.
73
212840
1811
habrían pensado que estabas loco.
03:43
So let's skipomitir forwardadelante a fewpocos yearsaños.
74
215486
1664
Así que avancemos unos años.
03:45
I'm startingcomenzando my careercarrera as an artistartista,
75
217174
2588
Estoy empezando mi carrera como artista,
03:48
and I'm buildingedificio things
with my computercomputadora, small-scaleen pequeña escala things,
76
219786
3962
y construyo cosas con mi computadora,
cosas a pequeña escala,
03:52
investigatinginvestigando things like
the growthcrecimiento systemssistemas of plantsplantas.
77
223772
3603
Investigando cosas como
sistemas de crecimiento de las plantas.
03:55
Or, in this exampleejemplo, I'm buildingedificio
a simulatedsimulado economyeconomía
78
227399
2999
O, en este ejemplo, estoy construyendo
una economía simulada
03:58
in whichcual pixelspíxeles are tradingcomercio colorcolor
with one anotherotro,
79
230422
3961
donde los píxeles se intercambian colores
04:02
tryingmolesto to investigateinvestigar how
these typestipos of systemssistemas work,
80
234407
2575
tratando de investigar
cómo funcionan estos sistemas,
04:05
and just kindtipo of havingteniendo fundivertido.
81
237006
1402
y un poco de diversión.
04:06
And then this projectproyecto led me
to startcomienzo workingtrabajando with datadatos.
82
238432
2628
Y luego este proyecto me llevó
a empezar a trabajar con datos.
04:09
So I'm buildingedificio graphicsgráficos like this,
83
241084
2989
Así que construí gráficos como este,
04:12
whichcual comparecomparar "communismcomunismo" --
84
244097
2594
que comparan "comunismo"
04:15
the frequencyfrecuencia of usageuso of the wordpalabra
"communismcomunismo" in the NewNuevo YorkYork TimesVeces --
85
246715
3395
--la frecuencia de uso de la palabra
"comunismo" en el New York Times--
04:18
to "terrorismterrorismo," at the topparte superior.
86
250134
1937
con "terrorismo" en la parte superior.
04:20
You see "terrorismterrorismo" kindtipo of appearsaparece
as "communismcomunismo" is going away.
87
252095
4625
Verán que cuando "terrorismo" aparece
"comunismo" desaparece.
04:25
And with these graphicsgráficos, I was really
interestedinteresado in the aestheticestético of the graphsgráficos.
88
256744
3816
Y con estos gráficos, estaba realmente
interesado en la estética de los gráficos.
04:29
This is IranCorrí and IraqIrak.
89
260584
1150
Esto es Irán e Irak.
Se lee como un reloj.
Se llama "gráfico de relojes".
04:30
It readslee like a clockreloj. It's calledllamado
a "timepiecereloj graphgrafico."
90
261758
3910
04:34
This is anotherotro timepiecereloj graphgrafico,
overlayingsuperposición "despairdesesperación" over "hopeesperanza."
91
265692
5711
Este otro gráfico de reloj superpone
"desesperación" sobre "esperanza".
04:39
And there's only threeTres timesveces -- actuallyactualmente,
it's "crisiscrisis" over "hopeesperanza" --
92
271427
3310
Y solo tres veces, "crisis"
superpone "esperanza",
04:43
there's only threeTres timesveces
when "crisiscrisis" eclipseseclipses "hopeesperanza."
93
274761
2609
solo hay tres veces en que
"crisis" eclipsa "esperanza".
04:45
We're in the middlemedio
of one of them right now.
94
277394
2155
Estamos en medio
de uno de ellos en este momento.
04:48
But don't think about that too much.
95
279573
1772
Pero no piensen demasiado en eso.
04:49
(LaughterRisa)
96
281369
1888
(Risas)
04:51
And finallyfinalmente, the culminationculminación of this work
with the NewNuevo YorkYork TimesVeces datadatos
97
283281
3780
Y, por último, la culminación de
este trabajo con datos del New York Times.
04:55
a fewpocos yearsaños agohace
98
287085
1202
Hace unos pocos años
04:56
was the attemptintento to combinecombinar
an entiretodo year'saños newsNoticias cycleciclo
99
288311
3176
se intentó combinar
un ciclo de noticias de un año entero
05:00
into a singlesoltero graphicgráfico.
100
291511
1313
en un solo gráfico.
05:01
So these graphicsgráficos actuallyactualmente showespectáculo us
a fullcompleto yearaño of newsNoticias, all the people,
101
292848
4227
Así que estos gráficos nos muestran
un año de noticias, a todas las personas,
05:05
and how they're connectedconectado
into a singlesoltero graphicgráfico.
102
297099
2630
y cómo se conectan en un solo gráfico.
05:08
And from there, I startedempezado to be
interestedinteresado again in more activeactivo systemssistemas.
103
299753
3938
Y a partir de ahí, empecé a interesarme
de nuevo en sistemas más activos.
05:12
Here'sAquí está a projectproyecto calledllamado "Just LandedAterrizó,"
104
303715
2264
Aquí hay un proyecto llamado "Just Landed"
05:14
where I'm looking at people
tweetingtuiteando on TwitterGorjeo.
105
306003
3151
donde veo a gente tuiteando en Twitter.
"¡Acabo de aterrizar en Hawái!" ya saben,
05:17
"Hey! I just landedaterrizado
in HawaiiHawai!" -- you know,
106
309178
2060
cómo las personas simplemente se
escabullen en su conversación de Twitter.
05:19
how people just casuallypor casualidad try to sneakfurtivo
that into theirsu TwitterGorjeo conversationconversacion.
107
311262
3702
05:23
"I'm not showingdemostración off. Really.
But I did just landtierra in HawaiiHawai."
108
314988
3117
"No fanfarroneo. De verdad.
Pero acabo de aterrizar en Hawái".
05:26
And then I'm plottingtrazado
those people'sla gente tripsexcursiones,
109
318129
2743
Y luego estoy planeando
los viajes de esas personas,
05:29
in the hopesesperanzas that maybe
we can use socialsocial networkred
110
320896
3212
con la esperanza de que tal vez
podamos usar la red social
y los datos que van dejando registrados.
05:32
and the datadatos that it leaveshojas behinddetrás
111
324132
1681
05:34
to provideproporcionar a modelmodelo of how people movemovimiento,
112
325837
2199
para proporcionar un modelo
de cómo las personas se mueven,
05:36
whichcual would be valuablevalioso
to epidemiologistsepidemiólogos, amongentre other people.
113
328060
2975
Lo que sería valioso
para epidemiólogos entre otras personas.
05:39
And, more fundivertido -- this
is a similarsimilar projectproyecto,
114
331059
2579
Y, más divertido,
este es un proyecto similar,
05:42
looking at people
sayingdiciendo "Good morningMañana" to eachcada other
115
333662
2491
mirando a la gente
diciéndose "buenos días"
05:44
all around the worldmundo.
116
336177
1183
alrededor del mundo.
05:45
WhichCual taughtenseñó me, by the way,
117
337384
1434
Lo que me enseñó, por cierto,
05:47
that it is truecierto that people in VancouverVancouver
on the WestOeste CoastCosta wakedespertar up much laterluego
118
338842
4350
que es cierto que la gente de Vancouver
en la costa oeste se despierta más tarde
05:51
and say "Good morningMañana" much laterluego
119
343216
1583
y da "buenos días" más tarde.
05:53
than the people on the EastEste CoastCosta,
120
344823
1861
que a la gente en la costa este,
05:55
who are more adventurousaventurero.
121
346708
1799
que son más aventureros.
05:57
Here'sAquí está a more usefulútil -- maybe -- projectproyecto,
122
348531
1974
Aquí hay un proyecto más útil, tal vez,
05:59
where I tooktomó all the informationinformación
from the KeplerKepler ProjectProyecto
123
350529
3351
donde tomé toda la información
del Proyecto Kepler
e intenté ponerla en alguna forma visual
que tuviera sentido para mí.
06:02
and triedintentó to put it into some visualvisual formformar
that madehecho sensesentido to me.
124
353904
3043
Y debería decir que todo lo que
les he mostrado hasta ahora...
06:05
And I should say that everything
I've shownmostrado you up to now --
125
356971
2884
estas son todas las cosas
que acabo de hacer para divertirme.
06:08
these are all things
that I just did for fundivertido.
126
359879
2152
06:10
It maymayo seemparecer weirdextraño,
but this comesproviene back from HyperCardHyperCard.
127
362055
2735
Puede parecer extraño,
pero esto viene de HyperCard.
06:13
I'm buildingedificio toolsherramientas for myselfmí mismo.
128
364814
1830
Estoy construyendo herramientas para mí.
06:15
I maymayo sharecompartir them with a fewpocos other people,
129
366668
1983
Puedo compartirlas
con algunas otras personas,
06:17
but they're for fundivertido, they're for me.
130
368675
2107
Pero son por diversión, son para mí.
06:21
So, all these toolsherramientas I showespectáculo you
kindtipo of occupyocupar this weirdextraño spaceespacio
131
373341
3970
Y todas estas herramientas que
les muestro ocupan este extraño espacio
06:25
somewherealgun lado betweenEntre scienceciencia, artart and designdiseño.
132
377335
2544
en algún lugar
entre la ciencia, el arte y el diseño.
06:28
That's where my practicepráctica liesmentiras.
133
379903
1805
Ahí es donde reside mi práctica.
06:30
And still todayhoy,
from my experienceexperiencia with HyperCardHyperCard,
134
381732
3156
Y aún hoy,
desde mi experiencia con HyperCard,
06:33
what I'm doing is buildingedificio visualvisual toolsherramientas
to help me understandentender systemssistemas.
135
384912
4230
construyo herramientas visuales
que me ayuden a entender los sistemas.
06:38
So todayhoy, I work at the NewNuevo YorkYork TimesVeces.
136
390083
2221
Así que hoy, trabajo en el New York Times.
06:40
I'm the datadatos artistartista in residenceresidencia
at the NewNuevo YorkYork TimesVeces.
137
392328
2873
Soy el artista de datos
en residencia en el New York Times.
06:43
And I've had an opportunityoportunidad at the TimesVeces
138
395225
1933
Y he tenido una oportunidad en el Times
06:45
to work on a varietyvariedad
of really interestinginteresante projectsproyectos,
139
397182
2464
de trabajar en muchos proyectos
realmente interesantes,
06:48
two of whichcual I'm going
to sharecompartir with you todayhoy.
140
399670
2222
dos de los cuales compartiré hoy.
06:50
The first one, I've been workingtrabajando on
in conjunctionconjunción with Markmarca HansenHansen.
141
401916
3202
En el primero, he trabajado
con Mark Hansen.
06:53
Markmarca HansenHansen is a professorprofesor of statisticsestadística
at UCLAUCLA. He's alsoademás a mediamedios de comunicación artistartista.
142
405142
5142
Mark Hansen es profesor de estadística
en la UCLA. También es artista de medios.
06:58
And Markmarca camevino to the TimesVeces
with a very interestinginteresante questionpregunta
143
410308
2786
Y Mark llegó al Times
con una pregunta muy interesante
07:01
to what maymayo seemparecer like an obviousobvio problemproblema:
144
413118
2660
que puede parecer un problema obvio:
07:04
When people sharecompartir contentcontenido on the internetInternet,
145
415802
3151
cuando la gente comparte
contenido en internet,
07:07
how does that contentcontenido get
from personpersona A to personpersona B?
146
418977
3615
¿cómo llega ese contenido de
la persona A a la persona B?
07:11
Or maybe, personpersona A to personpersona B
to personpersona C to personpersona D?
147
423358
4724
O tal vez, ¿persona A a persona B
a persona C a persona D?
Sabemos que las personas
comparten contenidos en internet,
07:16
We know that people sharecompartir contentcontenido
in the internetInternet,
148
428106
2354
Pero no sabemos
lo que sucede en esa brecha
07:18
but what we don't know
is what happenssucede in that gapbrecha
149
430484
2358
07:21
betweenEntre one personpersona to the other.
150
432866
1791
entre una persona a otra.
Así que decidimos construir
la herramienta para explorar eso.
07:23
So we decideddecidido to buildconstruir
the toolherramienta to exploreexplorar that,
151
434681
2356
07:25
and this toolherramienta is calledllamado CascadeCascada.
152
437061
1823
Y esta herramienta se llama Cascade.
07:27
If we look at these systemssistemas
153
439471
2595
Si nos fijamos en estos sistemas
07:30
that startcomienzo with one eventevento
that leadsconduce to other eventseventos,
154
442090
4430
que comienzan con un evento
que lleva a otros eventos,
07:35
we call that structureestructura a cascadecascada.
155
446544
2238
a esa estructura la llamamos cascada.
Y estas cascadas realmente
ocurren a través del tiempo.
07:37
And these cascadescascadas
actuallyactualmente happenocurrir over time.
156
448806
2409
07:39
So we can modelmodelo these things over time.
157
451239
2020
Así que podemos modelar
estas cosas en el tiempo.
07:41
Now, the NewNuevo YorkYork TimesVeces has
a lot of people who sharecompartir our contentcontenido,
158
453283
4031
El New York Times tiene mucha gente
que comparte nuestro contenido,
07:45
so the cascadescascadas do not look like that one,
they look more like this.
159
457338
3491
así que las cascadas no se parecen
a esa, se parecen más a esto.
07:49
Here'sAquí está a typicaltípico cascadecascada.
160
460853
1540
Aquí hay una cascada típica.
07:50
At the bottomfondo left, the very first eventevento.
161
462417
2714
En la parte inferior izquierda,
el primer evento.
07:54
And then as people are sharingcompartiendo
the contentcontenido from one personpersona to anotherotro,
162
466237
4272
Y, a medida que las personas comparten
el contenido de una persona a otra,
07:59
we go up in the Y axiseje,
degreesgrados of separationseparación,
163
470533
3794
subimos en el eje Y, grados de separación,
08:02
and over on the X axiseje, for time.
164
474351
2768
Y más sobre el eje X, por el tiempo.
08:05
So we're ablepoder to look at that conversationconversacion
in a couplePareja of differentdiferente viewspuntos de vista:
165
477143
3501
Así que podemos ver esa conversación
en un par de vistas diferentes:
08:09
this one, whichcual showsmuestra us
the threadstrapos of conversationconversacion,
166
480668
2615
esta, que nos muestra
los hilos de conversación,
08:11
and this one, whichcual combinescombina
that stackedapilado viewver
167
483307
3194
y esta, que combina esa vista apilada.
08:15
with a viewver that letsdeja us see the threadstrapos.
168
486525
2932
Con una vista que
nos permite ver los hilos.
08:18
Now, the TimesVeces publishespublica
about 7,000 piecespiezas of contentcontenido
169
489924
3345
El Times publica
unas 7000 piezas de contenido.
08:21
everycada monthmes.
170
493293
1210
cada mes.
08:23
So it was importantimportante for us,
when we were buildingedificio this toolherramienta,
171
494527
2842
Así que fue importante para nosotros,
al construir esta herramienta,
08:25
to make it an exploratoryexploratorio one,
172
497393
1633
hacerla exploratoria,
08:27
so that people could digcavar throughmediante
this vastvasto terrainterreno of datadatos.
173
499050
4207
para que la gente pudiera escudriñar
en este vasto terreno de datos.
08:31
I think of it as a vehiclevehículo
that we're givingdando people
174
503281
2436
Pienso en ello como un vehículo
que ofrecemos a la gente
08:34
to traverseatravesar this really biggrande
terrainterreno of datadatos.
175
505741
3473
para atravesar este gran terreno de datos.
08:37
So here'saquí está what it really looksmiradas like,
176
509238
1718
Así que es así como realmente es.
08:39
and here'saquí está the cascadecascada
playingjugando in realreal time.
177
510980
2740
Y aquí está la cascada en tiempo real.
08:42
I have to say, this was
a tremendoustremendo momentmomento.
178
513744
2079
Debo decir que este fue
un momento tremendo.
08:44
We had been workingtrabajando with cannedEnlatado
datadatos, fakefalso datadatos, for so long,
179
515847
4017
Habíamos trabajado con datos enlatados,
datos falsos, durante tanto tiempo,
08:48
that when we saw this
for the first momentmomento,
180
519888
2805
que cuando vimos esto por primera vez,
08:51
it was like an archaeologistarqueólogo who had
just dustedespolvoreado off these dinosaurdinosaurio boneshuesos.
181
522717
4878
era como un arqueólogo que acababa
de desempolvar unos huesos de dinosaurio.
08:56
We discovereddescubierto this thing,
and we were seeingviendo it for the first time,
182
527619
3878
Descubrimos esto y
lo vimos por primera vez,
09:00
these sharingcompartiendo structuresestructuras
that underlieestar debajo de the internetInternet.
183
531521
3712
Estas estructuras de intercambio
que subyacen en internet.
Y tal vez la analogía
del dinosaurio es buena,
09:04
And maybe the dinosaurdinosaurio
analogyanalogía is a good one,
184
536475
2105
porque en realidad hacemos
algunas conjeturas probabilísticas
09:07
because we're actuallyactualmente makingfabricación
some probabilisticprobabilístico guessesconjeturas
185
538604
3047
acerca de cómo estas cosas se vinculan.
09:10
about how these things linkenlazar.
186
541675
1359
09:11
We're looking at some of these
piecespiezas and makingfabricación some guessesconjeturas,
187
543058
2926
Vemos algunas de estas piezas
y hacemos conjeturas,
09:14
but we try to make sure that those
are as statisticallyestadísticamente rigorousriguroso as possibleposible.
188
546008
3937
pero intentamos asegurarnos de que sean
lo más estadísticamente rigurosas posible.
09:19
Now tweetstweets, in this casecaso,
they becomevolverse partspartes of storiescuentos.
189
550720
4662
Los tuits en este caso
se convierten en parte de las historias.
09:23
They becomevolverse partspartes of narrativesnarrativas.
190
555406
1925
Se convierten en partes de la narrativa.
09:25
So we are buildingedificio historieshistorias here,
191
557355
2420
Así que aquí
estamos construyendo historias.
09:28
but they're very short-termtérmino corto historieshistorias.
192
559799
2175
Pero son historias de muy corto plazo.
09:30
And sometimesa veces these very largegrande cascadescascadas
are the mostmás interestinginteresante onesunos,
193
561998
3838
Y a veces estas cascadas
muy grandes son las más interesantes,
09:34
but sometimesa veces the smallpequeña onesunos
are alsoademás interestinginteresante.
194
565860
3135
Pero a veces las pequeñas también lo son.
09:37
This is one of my favoritesfavoritos.
We call this the "RabbiRabino CascadeCascada."
195
569019
3525
Esta es una de mis favoritas.
La llamamos la "Cascada de Rabí".
09:41
It's a conversationconversacion amongstentre rabbisrabinos
about this articleartículo in the NewNuevo YorkYork TimesVeces,
196
572568
5089
Es una conversación entre los rabinos
de este artículo en el New York Times,
09:46
about the facthecho that religiousreligioso workerstrabajadores
don't get a lot of time off.
197
577681
3772
sobre el hecho de que los trabajadores
religiosos no tienen mucho tiempo libre.
09:49
I guessadivinar Saturdayssábados and SundaysDomingos are badmalo daysdías
for them to take off.
198
581477
4035
Supongo que los sábados y los domingos
son días malos para que despeguen.
09:54
So, in this cascadecascada, there's a groupgrupo
of rabbisrabinos havingteniendo a conversationconversacion
199
585536
3692
En esta cascada, hay un grupo
de rabinos conversando
sobre una historia del New York Times.
09:57
about a NewNuevo YorkYork TimesVeces storyhistoria.
200
589252
1402
09:59
One of them has the bestmejor
TwitterGorjeo namenombre ever --
201
590678
2124
Uno de ellos tiene
el mejor nombre de Twitter:
10:01
he's calledllamado "The VelveteenPana RabbiRabino."
202
592826
1855
Se llama "El rabino de terciopelo".
10:03
(LaughterRisa)
203
594705
2323
(Risas)
10:05
But we would have never foundencontró this
if it weren'tno fueron for this exploratoryexploratorio toolherramienta.
204
597052
4507
Pero nunca lo habríamos visto
sin esta herramienta exploratoria.
10:10
This would just be sittingsentado somewherealgun lado,
205
601583
1802
Esto estaría en algún lugar,
10:11
and we would have never
been ablepoder to see that.
206
603409
2186
y nunca lo habríamos podido ver.
10:14
But this exerciseejercicio of takingtomando
singlesoltero piecespiezas of informationinformación
207
605619
4141
Pero este ejercicio de
tomar piezas únicas de información.
10:18
and buildingedificio narrativenarrativa structuresestructuras,
buildingedificio historieshistorias out of them,
208
609784
4221
y construir estructuras narrativas,
construir a partir de ellas,
10:22
I find tremendouslytremendamente interestinginteresante.
209
614029
1925
me parece tremendamente interesante.
10:24
You know, I movedmovido to NewNuevo YorkYork
about two yearsaños agohace.
210
616319
2344
Me mudé a Nueva York hace unos dos años.
10:27
And in NewNuevo YorkYork, everybodytodos has a storyhistoria
211
618687
2720
Y en Nueva York
todo el mundo tiene una historia.
10:29
that surroundsrodea this
tremendouslytremendamente impactfulimpactante eventevento
212
621431
2960
que rodea este evento
tremendamente impactante
10:32
that happenedsucedió on Septemberseptiembre 11 of 2001.
213
624415
2299
sucedido el 11 de septiembre de 2001.
10:35
And my ownpropio storyhistoria with Septemberseptiembre 11
has really becomevolverse a more intricateintrincado one,
214
627373
6367
Y mi propia historia con el 11/09
se ha vuelto realmente más intrincada,
10:42
because I spentgastado a great dealacuerdo of time
215
633764
2064
porque pasé mucho tiempo
10:44
workingtrabajando on a piecepieza
of the 9/11 MemorialMemorial in ManhattanManhattan.
216
635852
4149
trabajando en una pieza
del 11/09 Memorial en Manhattan.
10:49
The centralcentral ideaidea about the 9/11 MemorialMemorial
217
640530
2564
La idea central del Memorial del 11/09
10:51
is that the namesnombres in the memorialmemorial
are not laidpuesto out in alphabeticalalfabético orderorden
218
643118
4459
es que los nombres en el memorial
no están dispuestos en orden alfabético
10:56
or chronologicalcronológico orderorden,
219
647601
1685
u orden cronológico,
10:57
but insteaden lugar, they're laidpuesto out in a way
220
649310
1824
sino de una manera
10:59
in whichcual the relationshipsrelaciones
betweenEntre the people who were killeddelicado
221
651158
3424
en el que las relaciones
entre las personas que fueron asesinadas
11:03
are embodiedencarnado in the memorialmemorial.
222
654606
1960
estén encarnadas en el memorial.
11:05
BrothersHermanos are placedmetido nextsiguiente to brothershermanos,
223
657153
2538
Hermanos se colocan al lado de hermanos,
11:08
coworkerscompañeros de trabajo are placedmetido togetherjuntos.
224
659715
2185
los compañeros de trabajo juntos.
11:10
So this memorialmemorial actuallyactualmente considersconsidera
all of these myriadmiríada connectionsconexiones
225
661924
4665
Así que este memorial realmente considera
todas estas innumerables conexiones
11:15
that were partparte of these people'sla gente livesvive.
226
666613
2421
que eran parte
de la vida de estas personas.
11:18
I workedtrabajó with a companyempresa
calledllamado LocalLocal ProjectsProyectos
227
670310
3433
Trabajé con una empresa
llamada Proyectos locales
para desarrollar un algoritmo y
una herramienta de software
11:22
to work on an algorithmalgoritmo
and a softwaresoftware toolherramienta
228
673767
2674
11:24
to help the architectsarquitectos buildconstruir
the layoutdiseño for the memorialmemorial:
229
676465
3004
con el fin de ayudar a los arquitectos
a construir el diseño del memorial:
11:28
almostcasi 3,000 namesnombres
230
680331
1722
casi 3000 nombres
11:30
and almostcasi 1,500 of these
adjacencyproximidad requestspeticiones,
231
682077
3627
y casi 1500 de estas relaciones,
11:34
these requestspeticiones for connectionconexión --
232
685728
1610
eran solicitudes de conexión.
11:35
so a very densedenso storyhistoria,
a very densedenso narrativenarrativa,
233
687362
3386
Se trata pues de una historia muy densa,
una narrativa muy densa,
11:39
that becomesse convierte an embodiedencarnado partparte
of this memorialmemorial.
234
690772
2816
que se convierte en
una parte encarnada de este memorial.
11:42
WorkingTrabajando with JakeJake BartonBarton,
we produceProduce the softwaresoftware toolherramienta,
235
694195
3331
Trabajando con Jake Barton,
producimos la herramienta de software,
11:46
whichcual allowspermite the architectsarquitectos to,
first of all, generategenerar a layoutdiseño
236
697550
4119
que permite a los arquitectos,
ante todo, generar un diseño
11:50
that satisfiedsatisfecho all of those
adjacencyproximidad requestspeticiones,
237
701693
3129
que satisfizo
todas esas peticiones de relación
11:53
but then secondsegundo, make little adjustmentsajustes
where they needednecesario to
238
704846
3033
y que luego hace
pequeños ajustes necesarios
11:56
to tell the storiescuentos
that they wanted to tell.
239
707903
2348
para contar
las historias que querían contar.
11:59
So this memorialmemorial, I think,
has an incrediblyincreíblemente timelyoportuno conceptconcepto
240
711219
4135
Así que este memorial, creo,
tiene un concepto increíblemente oportuno
12:03
in our eraera of socialsocial networksredes,
241
715378
2990
en nuestra era de redes sociales,
12:06
because these networksredes -- these real-lifevida real
networksredes that make up people'sla gente livesvive --
242
718392
3975
porque estas redes de la vida real
que conforman la vida de las personas,
12:10
are actuallyactualmente embodiedencarnado
insidedentro of the memorialmemorial.
243
722391
2432
en realidad, están encarnadas
dentro del memorial.
12:13
And one of the mostmás tremendouslytremendamente
movingemocionante experiencesexperiencias
244
725286
3471
Y una de las experiencias
más tremendamente conmovedoras
12:17
is to go to the memorialmemorial
245
728781
1661
es ir al memorial
12:18
and see how these people
are placedmetido nextsiguiente to eachcada other,
246
730466
4200
y ver cómo estas personas
se colocan una junto a la otra,
12:23
so that this memorialmemorial
is representingrepresentando theirsu ownpropio livesvive.
247
734690
2862
De modo que este memorial
representa sus propias vidas.
12:27
How does this affectafectar our livesvive?
248
738859
1687
¿Cómo afecta esto nuestras vidas?
12:29
Well, I don't know if you rememberrecuerda,
249
741133
1676
Bueno, no sé si se acuerdan,
12:31
but in the springprimavera,
there was a controversycontroversia,
250
742833
2713
pero en primavera hubo una controversia,
12:34
because it was discovereddescubierto
that on the iPhoneiPhone
251
745570
2198
porque se descubrió que en el iPhone.
12:36
and, actuallyactualmente, on your computercomputadora,
252
747792
1606
y, en realidad, en su computadora,
12:37
we were storingalmacenamiento a tremendoustremendo amountcantidad
of the locationubicación datadatos.
253
749422
3315
se almacenaba
gran cantidad de datos de ubicación.
12:41
So Applemanzana respondedrespondido, sayingdiciendo,
this was not locationubicación datadatos about you,
254
753173
3861
Así que Apple respondió que esto no era
información de ubicación sobre la gente,
12:45
it was locationubicación datadatos
about wirelessinalámbrico networksredes
255
757058
2805
sino datos de ubicación
sobre redes inalámbricas
ubicadas en la zona
donde se encontraba la persona.
12:48
that were in the areazona where you are.
256
759887
2287
Así que no se trata de las personas,
12:50
So it's not about you,
257
762198
1428
12:52
but it's about where you are.
258
763650
1584
sino de donde se esté.
12:53
(LaughterRisa)
259
765258
1648
(Risas)
12:55
This is very valuablevalioso datadatos.
260
766930
2808
Esta es una información muy valiosa.
12:58
It's like goldoro to researchersinvestigadores,
this human-mobilitymovilidad humana datadatos.
261
769762
4625
Es como oro para los investigadores,
estos datos de movilidad humana.
13:02
So we thought, "Man!
How manymuchos people have iPhonesiPhones?"
262
774411
3664
Así que pensamos, "¡Hombre!
¿Cuántas personas tienen iPhones?".
13:06
How manymuchos of you have iPhonesiPhones?
263
778099
1448
¿Cuántos de Uds. tienen iPhones?
13:09
So in this roomhabitación, we have this tremendoustremendo
databasebase de datos of locationubicación datadatos
264
780608
5478
Así que en esta sala, tenemos esta gran
base de datos de datos de ubicación
13:14
that researchersinvestigadores
would really, really like.
265
786110
3775
que a los investigadores
realmente les gustaría tener.
Así que construimos
este sistema llamado Open Paths,
13:18
So we builtconstruido this systemsistema calledllamado OpenAbierto PathsCaminos,
266
789909
2031
13:20
whichcual letsdeja people uploadsubir theirsu iPhoneiPhone datadatos
267
791964
2656
que permite a las personas
subir sus datos de iPhone
13:23
and brokercorredor relationshipsrelaciones
with researchersinvestigadores to sharecompartir that datadatos,
268
794644
3796
y relaciones de intermediarios con
investigadores para compartir esos datos,
13:26
to donatedonar that datadatos to people
that can actuallyactualmente put it to use.
269
798464
3387
para donar esos datos a personas
que realmente puedan usarlos.
13:30
OpenAbierto PathsCaminos was a great
successéxito as a prototypeprototipo.
270
802256
2350
Open Paths fue
un gran éxito como prototipo.
13:33
We receivedrecibido thousandsmiles of datadatos setsconjuntos,
271
804630
3433
Recibimos miles de datos
13:36
and we builtconstruido this interfaceinterfaz
272
808087
1349
y construimos esta interfaz
13:37
whichcual allowspermite people to actuallyactualmente
see theirsu livesvive unfoldingdespliegue
273
809460
3318
que permite a las personas ver
realmente desplegar sus vidas
13:41
from these traceshuellas
that are left behinddetrás on your devicesdispositivos.
274
812802
3156
por esas huellas que se quedan
en sus dispositivos.
13:45
Now, what we didn't expectesperar
was how movingemocionante this experienceexperiencia would be.
275
816593
5267
Lo que no esperábamos era
cuán conmovedora sería esta experiencia.
13:50
When I uploadedcargado my datadatos,
I thought, "BigGrande dealacuerdo.
276
821884
2227
Cuando subí mis datos, pensé, "Bien.
13:52
I know where I livevivir. I know where I work.
What am I going to see here?"
277
824135
3416
Yo sé donde vivo. Sé dónde trabajo.
¿Qué voy a ver aquí?".
13:56
Well, it turnsvueltas out, what I saw
was that momentmomento I got off the planeavión
278
827575
3501
Resulta que lo que vi fue
el momento en que bajé del avión
13:59
to startcomienzo my newnuevo life in NewNuevo YorkYork;
279
831100
1623
para comenzar
mi nueva vida en Nueva York;
el restaurante donde comí
comida tailandesa esa primera noche,
14:02
the restaurantrestaurante where I had Thaitailandés foodcomida
that first night,
280
833588
2606
14:04
thinkingpensando about this newnuevo experienceexperiencia
of beingsiendo in NewNuevo YorkYork;
281
836218
2953
pensando en esta nueva experiencia
de estar en Nueva York;
14:07
the day that I metreunió my girlfriendNovia.
282
839195
1623
El día que conocí a mi novia.
14:11
This is LaGuardiaLaguardia airportaeropuerto.
283
842587
2275
Este es el aeropuerto de La Guardia.
14:13
(LaughterRisa)
284
844886
1487
(Risas)
14:14
This is this Thaitailandés restaurantrestaurante
on AmsterdamÁmsterdam AvenueAvenida.
285
846397
3641
Este es este restaurante tailandés
en la avenida Ámsterdam.
14:19
This is the momentmomento I metreunió my girlfriendNovia.
286
850559
2050
Este es el momento
en que conocí a mi novia.
14:22
See how that changescambios the first time
I told you about those storiescuentos
287
854146
3451
Miren cómo cambia eso la primera vez
que conté sobre esas historias.
14:26
and the secondsegundo time I told
you about those storiescuentos?
288
857621
2468
¿Y la segunda vez
que conté esas historias?
14:28
Because what we do
in the toolherramienta, inadvertentlypor inadvertencia,
289
860113
3207
Porque lo que hacemos
en la herramienta, sin darse cuenta,
14:31
is we put these piecespiezas of datadatos
into a humanhumano contextcontexto.
290
863344
3115
es poner estos datos
en un contexto humano.
14:35
And by placingcolocación datadatos into a humanhumano contextcontexto,
291
866935
2498
Y al colocar los datos
en un contexto humano,
14:37
it gainsganancias meaningsentido.
292
869457
1474
gana sentido.
14:39
And I think this is tremendouslytremendamente,
tremendouslytremendamente importantimportante,
293
870955
3328
Y creo que esto es
tremendamente importante,
14:42
because these are our historieshistorias
that are beingsiendo storedalmacenado on these devicesdispositivos.
294
874307
4918
Porque estas son nuestras historias
que se almacenan en estos dispositivos.
14:49
And by thinkingpensando about them that way,
295
880809
1994
Y pensando en ellos de esa manera,
poniéndolos en un contexto humano,
14:52
puttingponiendo them in a humanhumano contextcontexto --
296
883543
1902
lo primero que hacemos
con los propios datos
14:53
first of all, what we do with our ownpropio datadatos
is get a better understandingcomprensión
297
885469
3662
es obtener una mejor comprensión
14:57
of the typetipo of informationinformación
that we're sharingcompartiendo.
298
889155
2479
sobre la información que compartimos.
15:00
But if we can do this with other datadatos,
if we can put datadatos into a humanhumano contextcontexto,
299
891658
4053
Si podemos hacer esto con otros datos,
si podemos poner los datos
15:04
I think we can changecambio a lot of things,
300
895735
2918
en un contexto humano, creo que
podemos cambiar muchas cosas,
15:07
because it buildsconstrucciones, automaticallyautomáticamente, empathyempatía
for the people involvedinvolucrado in these systemssistemas.
301
898677
6385
porque se construye
automáticamente empatía
en las personas involucradas
en estos sistemas.
Y eso, a su vez, genera
un respeto fundamental,
15:14
And that, in turngiro, resultsresultados
in a fundamentalfundamental respectel respeto,
302
905602
2953
15:17
whichcual, I believe, is missingdesaparecido
in a largegrande partparte of technologytecnología,
303
908579
3163
que, en mi opinión,
falta en gran parte de la tecnología,
15:20
when we startcomienzo to dealacuerdo
with issuescuestiones like privacyintimidad,
304
912329
2938
cuando empezamos
a tratar temas como la intimidad,
15:25
by understandingcomprensión that these numbersnúmeros
are not just numbersnúmeros,
305
916765
2717
entendiendo que
estos números no son solo números,
15:28
but insteaden lugar they're attachedadjunto, tetheredatado to,
piecespiezas of the realreal worldmundo.
306
919506
3619
sino que, en su lugar están unidos,
atados a, piezas del mundo real.
15:31
They carryllevar weightpeso.
307
923149
1506
Ellos llevan el peso.
15:33
By understandingcomprensión that,
the dialogdiálogo becomesse convierte a lot differentdiferente.
308
924679
3332
Al entender eso,
el diálogo se vuelve muy diferente.
15:38
How manymuchos of you have ever clickedclickeado a buttonbotón
309
929595
2331
¿Cuántos de Uds.
han hecho clic en un botón
15:40
that enableshabilita a thirdtercero partyfiesta to accessacceso
your locationubicación datadatos on your phoneteléfono?
310
931950
4987
que le permite a un tercero acceder a
los datos de su ubicación en su teléfono?
15:46
Lots of you.
311
937595
1555
Muchos de Uds.
15:47
So the thirdtercero partyfiesta is the developerdesarrollador,
312
939174
2245
Así que el tercero es el desarrollador,
15:49
the secondsegundo partyfiesta is Applemanzana.
313
941443
1801
la segunda parte es Apple.
15:52
The only partyfiesta that never getsse pone accessacceso
to this informationinformación is the first partyfiesta!
314
943954
4823
¡La única parte que nunca obtiene acceso
a esta información es la primera parte!
15:58
And I think that's because we think
about these piecespiezas of datadatos
315
950198
3135
Y creo que es porque pensamos
en estos datos
16:01
in this strandedvarado, abstractabstracto way.
316
953357
2055
de esta manera trenzada, abstracta.
16:03
We don't put them into a contextcontexto
317
955436
1897
No los ponemos en un contexto.
16:05
whichcual, I think, makeshace them
a lot more importantimportante.
318
957357
2309
Lo cual, creo,
los hace mucho más importantes.
16:08
So what I'm askingpreguntando you
to do is really simplesencillo:
319
959690
2166
Lo que les pido que hagan
es realmente simple:
16:10
startcomienzo to think about datadatos
in a humanhumano contextcontexto.
320
961880
2323
Empiecen a pensar en datos
en un contexto humano.
Realmente no supone nada.
16:13
It doesn't really take anything.
321
964918
1657
Cuando lean los precios de acciones,
piensen en ello en un contexto humano.
16:15
When you readleer stockvalores pricesprecios,
think about them in a humanhumano contextcontexto.
322
966599
3359
Cuando piensen en informes de hipotecas,
piensen en ello en un contexto humano.
16:18
When you think about mortgagehipoteca reportsinformes,
think about them in a humanhumano contextcontexto.
323
969982
3542
16:22
There's no doubtduda that biggrande datadatos
is biggrande businessnegocio.
324
973548
3930
No hay duda de que
los datos masivos son un gran negocio.
16:26
There's an industryindustria beingsiendo developeddesarrollado here.
325
977502
3018
Hay una industria que
se está desarrollando aquí.
16:30
Think about how well we'venosotros tenemos donehecho
326
981520
1501
Piensen en cómo lo hemos hecho
16:31
in previousanterior industriesindustrias
that we'venosotros tenemos developeddesarrollado involvinginvolucrando resourcesrecursos.
327
983045
3369
en industrias anteriores
involucrando recursos.
16:34
Not very well at all.
328
986438
1300
No muy bien en absoluto.
16:36
I think partparte of that problemproblema is, we'venosotros tenemos had
a lackausencia of participationparticipación in these dialoguesdiálogos
329
987762
4522
Parte de ese problema es haber tenido
falta de participación en estos diálogos.
16:40
from multiplemúltiple piecespiezas of humanhumano societysociedad.
330
992308
4428
De múltiples piezas de la sociedad humana.
16:45
So the other thing that I'm askingpreguntando for
331
996760
1992
Así que otra cosa que les estoy pidiendo
16:48
is an inclusioninclusión in this dialoguediálogo
from artistsartistas, from poetspoetas, from writersescritores --
332
999669
4378
es una inclusión en este diálogo
de artistas, de poetas, de escritores
16:52
from people who can bringtraer a humanhumano elementelemento
into this discussiondiscusión.
333
1004071
4013
de personas que pueden traer
un elemento humano a esta discusión.
16:57
Because I believe that this worldmundo of datadatos
334
1008725
2356
Porque creo que este mundo de datos
16:59
is going to be transformativetransformador for us.
335
1011105
3025
va a ser transformador para nosotros.
Y a diferencia de nuestros intentos
con la industria de recursos.
17:03
And unlikediferente a our attemptsintentos
with the resourcerecurso industryindustria
336
1014687
3169
y nuestros intentos
con la industria financiera,
17:06
and our attemptsintentos
with the financialfinanciero industryindustria,
337
1017880
2153
17:08
by bringingtrayendo the humanhumano
elementelemento into this storyhistoria,
338
1020057
2931
trayendo el elemento humano
en esta historia,
17:11
I think we can take it
to tremendoustremendo placeslugares.
339
1023012
2178
creo que podemos llevarlo
a lugares tremendos.
17:14
Thank you.
340
1026203
1155
Gracias.
17:15
(ApplauseAplausos)
341
1027382
4052
(Aplausos)

▲Back to top

ABOUT THE SPEAKER
Jer Thorp - Data artist
Jer Thorp’s work focuses on adding meaning and narrative to huge amounts of data as a way to help people take control of the information that surrounds them.

Why you should listen

Currently the data artist in residence at the New York Times, Jer’s software-based art has been featured all over the world. His former career as a data artist explains why his art often brings big data sets to life and is deeply influenced by science. Originally from Vancouver, he lives in New York City, where, along with his work at the New York Times, he teaches in NYU’s ITP program.

More profile about the speaker
Jer Thorp | Speaker | TED.com