TEDxUGA
J. Marshall Shepherd: 3 kinds of bias that shape your worldview
J. Marshal Shepherd: Tres tipos de sesgos que moldean tu forma de ver el mundo
Filmed:
Readability: 4.4
2,252,877 views
¿Qué moldea nuestras percepciones y también nuestras percepciones erróneas sobre ciencia? En una charla reveladora, el meteorólogo J. Marshall Shepherd explica cómo el sesgo de confirmación, el efecto Dunning-Kruger y la disonancia cognitiva impacta lo que pensamos y sabemos. Él nos comparte ideas de cómo podemos reemplazarlo con algo mucho más poderoso: el conocimiento.
J. Marshall Shepherd - Meteorologist
Dr. J. Marshall Shepherd is a leading international expert in weather and climate and is the Georgia Athletic Association Distinguished Professor of Geography and Atmospheric Sciences at the University of Georgia. Full bio
Dr. J. Marshall Shepherd is a leading international expert in weather and climate and is the Georgia Athletic Association Distinguished Professor of Geography and Atmospheric Sciences at the University of Georgia. Full bio
Double-click the English transcript below to play the video.
00:12
I'm a meteorologist by degree,
0
952
1762
Soy meteorólogo de formación,
00:14
I have a bachelor's,
master's and PhD in physical meteorology,
master's and PhD in physical meteorology,
1
2738
3143
tengo una licenciatura, maestría
y doctorado en meteorología física,
y doctorado en meteorología física,
00:17
so I'm a meteorologist, card carrying.
2
5905
2136
Así que soy un meteorólogo,
cargando cartas.
cargando cartas.
00:20
And so with that comes
four questions, always.
four questions, always.
3
8444
4699
Y así, con eso aparecen
cuatro preguntas, siempre.
cuatro preguntas, siempre.
00:25
This is one prediction
I will always get right.
I will always get right.
4
13167
2556
Esta es una predicción
que siempre acertaré.
que siempre acertaré.
00:27
(Laughter)
5
15747
1856
(Risas)
00:29
And those questions are,
6
17627
2048
Y esas preguntas son,
00:31
"Marshall, what channel are you on?"
7
19699
2484
"Marshall, ¿en qué canal estás?"
00:34
(Laughter)
8
22207
1817
(Risas)
00:36
"Dr. Shepherd, what's the weather
going to be tomorrow?"
going to be tomorrow?"
9
24048
2841
"Dr. Shepherd,
¿qué tiempo hará mañana?"
¿qué tiempo hará mañana?"
00:38
(Laughter)
10
26913
1000
(Risas)
00:39
And oh, I love this one:
11
27937
1587
Y oh, me encanta este:
00:41
"My daughter is getting married
next September, it's an outdoor wedding.
next September, it's an outdoor wedding.
12
29548
3445
"Mi hija se casará el próximo septiembre,
es una boda al aire libre.
es una boda al aire libre.
00:45
Is it going to rain?"
13
33017
1210
¿Va a llover?"
00:46
(Laughter)
14
34251
1382
(Risas)
00:47
Not kidding, I get those,
and I don't know the answer to that,
and I don't know the answer to that,
15
35657
2905
No bromeo, recibo esto
y no sé la respuesta,
y no sé la respuesta,
00:50
the science isn't there.
16
38586
1600
la ciencia no llega ahí.
00:53
But the one I get a lot these days is,
17
41185
2903
Pero la pregunta que me
hacen mucho en estos días es,
hacen mucho en estos días es,
00:56
"Dr. Shepherd, do you believe
in climate change?"
in climate change?"
18
44112
4852
"Dr. Shepherd,
¿cree en el cambio climático?"
¿cree en el cambio climático?"
01:01
"Do you believe in global warming?"
19
49331
2706
"¿Cree en el calentamiento global?"
01:04
Now, I have to gather myself
every time I get that question.
every time I get that question.
20
52807
3699
Me tengo que controlar cada vez
que me hacen esa pregunta.
que me hacen esa pregunta.
01:08
Because it's an ill-posed question --
21
56530
1762
Porque es una pregunta mal planteada.
01:10
science isn't a belief system.
22
58316
2000
La ciencia no es un sistema de creencias.
01:12
My son, he's 10 --
he believes in the tooth fairy.
he believes in the tooth fairy.
23
60911
3266
Mi hijo, él de 10 años,
cree en el ratoncito Pérez.
cree en el ratoncito Pérez.
01:16
And he needs to get over that,
because I'm losing dollars, fast.
because I'm losing dollars, fast.
24
64998
3389
Y debe superarlo,
porque estoy gastando dólares.
porque estoy gastando dólares.
01:20
(Laughter)
25
68411
2317
(Risas)
01:22
But he believes in the tooth fairy.
26
70752
1825
Pero él cree en el ratoncito Pérez.
01:24
But consider this.
27
72601
1971
Pero piensen esto.
01:27
Bank of America building,
there, in Atlanta.
there, in Atlanta.
28
75361
2548
El edificio del Bank of America,
allí, en Atlanta.
allí, en Atlanta.
01:29
You never hear anyone say,
29
77933
2555
nunca se escucha a nadie decir,
01:32
"Do you believe, if you go
to the top of that building
to the top of that building
30
80512
2579
"¿Ud. cree que, si va a
la parte superior de ese edificio
la parte superior de ese edificio
01:35
and throw a ball off, it's going to fall?"
31
83115
2254
y tira una pelota abajo, ¿caerá?"
01:37
You never hear that,
because gravity is a thing.
because gravity is a thing.
32
85807
3334
Nunca se escucha eso,
porque la gravedad es algo.
porque la gravedad es algo.
01:42
So why don't we hear the question,
33
90427
2285
Y, ¿por qué no escuchamos la pregunta,
01:44
"Do you believe in gravity?"
34
92736
1805
"¿Crees en la gravedad?"
01:46
But of course, we hear the question,
35
94565
1858
Pero claro, escuchamos la pregunta,
01:48
"Do you believe in global warming?"
36
96447
2333
"¿Crees en el calentamiento global?"
01:52
Well, consider these facts.
37
100161
2412
Bueno, piensen en estos hechos.
01:55
The American Association
for the Advancement of Science, AAAS,
for the Advancement of Science, AAAS,
38
103799
3096
La asociación estadounidense
para el avance de la ciencia, AAAS,
para el avance de la ciencia, AAAS,
01:58
one of the leading
organizations in science,
organizations in science,
39
106919
2849
una organización líder en ciencia,
02:01
queried scientists and the public
on different science topics.
on different science topics.
40
109792
3920
consultó a científicos y al público
sobre diferentes temas científicos.
sobre diferentes temas científicos.
02:05
Here are some of them:
41
113736
1199
Estos son algunos de ellos:
02:06
genetically modified food,
animal research, human evolution.
animal research, human evolution.
42
114959
3927
Alimentos genéticamente modificados,
investigación animal, evolución humana.
investigación animal, evolución humana.
02:11
And look at what the scientists
say about those,
say about those,
43
119709
2500
Y vean lo que dicen los científicos
al respecto,
al respecto,
02:14
the people that actually
study those topics, in red,
study those topics, in red,
44
122233
2714
las personas que realmente
estudian esos temas, en rojo,
estudian esos temas, en rojo,
02:16
versus the gray, what the public thinks.
45
124971
2627
el gris, es lo que piensa el público.
02:19
How did we get there?
46
127622
1586
¿Cómo llegamos ahí?
02:21
How did we get there?
47
129982
1492
¿Cómo llegamos ahí,
02:24
That scientists and the public
are so far apart on these science issues.
are so far apart on these science issues.
48
132743
3901
estando los científicos y el público
tan lejos en temas científicos?
tan lejos en temas científicos?
02:29
Well, I'll come a little bit
closer to home for me,
closer to home for me,
49
137260
2396
Bueno, me acercaré
un poco más a casa para mí,
un poco más a casa para mí,
02:31
climate change.
50
139680
1150
cambio climático.
02:33
Eighty-seven percent of scientists
51
141339
2892
87 % de los científicos
02:36
believe that humans are contributing
to climate change.
to climate change.
52
144255
4208
creemos que los humanos
están contribuyendo al cambio climático.
están contribuyendo al cambio climático.
02:41
But only 50 percent of the public?
53
149450
2267
Pero solo el 50 % del público.
02:45
How did we get there?
54
153323
1381
¿Cómo llegamos ahí?
02:46
So it begs the question,
55
154728
1303
Así que plantea la pregunta,
02:48
what shapes perceptions about science?
56
156055
4737
¿Qué da forma a las percepciones
sobre la ciencia?
sobre la ciencia?
02:54
It's an interesting question
57
162655
1390
Es una pregunta interesante
02:56
and one that I've been
thinking about quite a bit.
thinking about quite a bit.
58
164069
2578
y una en la que he pensado bastante.
03:00
I think that one thing that shapes
perceptions in the public, about science,
perceptions in the public, about science,
59
168434
4666
Creo que algo que da forma a las
percepciones en el público sobre ciencia,
percepciones en el público sobre ciencia,
03:05
is belief systems and biases.
60
173124
2190
son los sistemas de creencias y sesgos.
Sistemas de creencias y sesgos.
03:08
Belief systems and biases.
61
176339
1436
03:09
Go with me for a moment.
62
177799
1600
Acompáñenme un momento.
03:12
Because I want to talk
about three elements of that:
about three elements of that:
63
180005
2453
Porque quiero hablar
de tres elementos de eso:
de tres elementos de eso:
03:14
confirmation bias, Dunning-Kruger effect
64
182482
3673
sesgo de confirmación,
efecto Dunning-Kruger
efecto Dunning-Kruger
03:18
and cognitive dissonance.
65
186179
1865
y la disonancia cognitiva.
03:20
Now, these sound like big, fancy,
academic terms, and they are.
academic terms, and they are.
66
188068
4023
Suenan como términos grandes,
sofisticados, académicos, y lo son.
sofisticados, académicos, y lo son.
03:24
But when I describe them,
you're going to be like, "Oh!
you're going to be like, "Oh!
67
192585
3627
Pero cuando los describa, dirán: "¡Oh!
03:28
I recognize that; I even know
somebody that does that."
somebody that does that."
68
196236
3733
reconozco que incluso conozco
a alguien que hace eso".
a alguien que hace eso".
03:33
Confirmation bias.
69
201355
1579
Sesgo de confirmación.
03:36
Finding evidence that supports
what we already believe.
what we already believe.
70
204260
4472
Encontrar evidencia
que apoye lo que ya creemos.
que apoye lo que ya creemos.
03:40
Now, we're probably all
a little bit guilty of that at times.
a little bit guilty of that at times.
71
208756
2924
Probablemente todos seamos
un poco culpables de eso a veces.
un poco culpables de eso a veces.
03:45
Take a look at this.
72
213427
1539
Miren esto.
03:46
I'm on Twitter.
73
214990
1317
Estoy en Twitter.
03:48
And often, when it snows,
74
216331
2404
Y a menudo, cuando nieva,
03:50
I'll get this tweet back to me.
75
218759
1889
recibo este tuit de nuevo.
03:52
(Laughter)
76
220672
2476
(Risas)
03:55
"Hey, Dr. Shepherd, I have 20 inches
of global warming in my yard,
of global warming in my yard,
77
223172
3729
"Dr. Shepherd, tengo 8 cm
de calentamiento global en mi jardín,
de calentamiento global en mi jardín,
03:58
what are you guys
talking about, climate change?"
talking about, climate change?"
78
226925
2984
a qué viene eso del cambio climático?"
04:01
I get that tweet a lot, actually.
79
229933
1738
Recibo ese tuit muchas veces.
04:04
It's a cute tweet,
it makes me chuckle as well.
it makes me chuckle as well.
80
232909
2937
Es un tuit lindo, me hace reír también.
04:07
But it's oh, so fundamentally
scientifically flawed.
scientifically flawed.
81
235870
3945
Pero es fundamentalmente
erróneo científicamente,
erróneo científicamente,
04:12
Because it illustrates
82
240292
1558
porque ilustra
04:13
that the person tweeting
doesn't understand
doesn't understand
83
241874
2021
que la persona que tuitea no entiende
04:15
the difference
between weather and climate.
between weather and climate.
84
243919
2102
la diferencia entre
tiempo atmosférico y clima.
tiempo atmosférico y clima.
04:19
I often say, weather is your mood
85
247466
3548
A menudo digo, el tiempo atmosférico
es tu estado de ánimo
es tu estado de ánimo
04:23
and climate is your personality.
86
251038
2459
y el clima es tu personalidad.
Piénsenlo.
04:26
Think about that.
87
254981
1151
El tiempo atmosférico es su estado
de ánimo, el clima es su personalidad.
de ánimo, el clima es su personalidad.
04:28
Weather is your mood,
climate is your personality.
climate is your personality.
88
256156
2444
04:30
Your mood today doesn't necessarily
tell me anything about your personality,
tell me anything about your personality,
89
258624
3985
Su estado de ánimo hoy no necesariamente
me dice nada sobre su personalidad,
me dice nada sobre su personalidad,
04:34
nor does a cold day tell me anything
about climate change,
about climate change,
90
262633
2770
ni un día frío me dice nada
sobre el cambio climático,
sobre el cambio climático,
04:37
or a hot day, for that matter.
91
265427
2000
o un día caluroso, para el caso.
04:41
Dunning-Kruger.
92
269974
1150
Dunning-Kruger.
dos estudiosos de Cornell propusieron
el efecto Dunning-Kruger.
el efecto Dunning-Kruger.
04:43
Two scholars from Cornell
came up with the Dunning-Kruger effect.
came up with the Dunning-Kruger effect.
93
271616
3055
Si buscan el artículo revisado
por pares al respecto,
por pares al respecto,
04:46
If you go look up
the peer-reviewed paper for this,
the peer-reviewed paper for this,
94
274695
2381
04:49
you will see all kinds
of fancy terminology:
of fancy terminology:
95
277100
2469
verán todo tipo
de terminología de fantasía:
de terminología de fantasía:
04:51
it's an illusory superiority complex,
thinking we know things.
thinking we know things.
96
279593
3643
Es un complejo de superioridad ilusoria,
pensando que sabemos cosas.
pensando que sabemos cosas.
04:55
In other words, people think
they know more than they do.
they know more than they do.
97
283260
2817
En otras palabras, la gente piensa
que sabe más que ellos.
que sabe más que ellos.
04:59
Or they underestimate
what they don't know.
what they don't know.
98
287553
2933
O subestiman lo que no saben.
05:02
And then, there's cognitive dissonance.
99
290847
2467
Y luego, hay disonancia cognitiva.
05:06
Cognitive dissonance is interesting.
100
294831
2333
La disonancia cognitiva es interesante.
05:09
We just recently had Groundhog Day, right?
101
297538
2650
Recientemente tuvimos
el Día de la Marmota, ¿verdad?
el Día de la Marmota, ¿verdad?
No hay mejor definición
de disonancia cognitiva lo que
de disonancia cognitiva lo que
05:13
Now, there's no better definition
of cognitive dissonance
of cognitive dissonance
102
301132
2721
las personas inteligentes me preguntan
si el pronóstico de un roedor es exacto.
si el pronóstico de un roedor es exacto.
05:15
than intelligent people asking me
if a rodent's forecast is accurate.
if a rodent's forecast is accurate.
103
303877
3518
05:19
(Laughter)
104
307419
2731
(Risas)
05:22
But I get that, all of the time.
105
310174
2547
Pero lo entiendo, todo el tiempo.
05:24
(Laughter)
106
312745
1254
(Risas)
05:26
But I also hear
about the Farmer's Almanac.
about the Farmer's Almanac.
107
314023
3603
Pero también oigo hablar
del Almanaque del granjero.
del Almanaque del granjero.
05:29
We grew up on the Farmer's Almanac,
people are familiar with it.
people are familiar with it.
108
317650
3196
Crecimos en el Almanaque del granjero,
la gente está familiarizada con él.
la gente está familiarizada con él.
05:34
The problem is, it's only
about 37 percent accurate,
about 37 percent accurate,
109
322259
3412
El problema es que solo es un 37 % exacto,
05:37
according to studies
at Penn State University.
at Penn State University.
110
325695
3134
según los estudios
de la Universidad de Penn State.
de la Universidad de Penn State.
05:43
But we're in an era of science
111
331458
3571
Pero estamos en una era de la ciencia
donde realmente
podemos pronosticar el clima.
podemos pronosticar el clima.
05:47
where we actually
can forecast the weather.
can forecast the weather.
112
335053
2064
05:49
And believe it or not, and I know
some of you are like, "Yeah, right,"
some of you are like, "Yeah, right,"
113
337141
3421
Y lo creas o no, y sé que
algunos de Uds. dicen: "Sí, claro".
algunos de Uds. dicen: "Sí, claro".
05:52
we're about 90 percent accurate, or more,
with weather forecast.
with weather forecast.
114
340586
3023
Tenemos un 90 % de precisión o más,
con el pronóstico del tiempo.
con el pronóstico del tiempo.
05:55
You just tend to remember
the occasional miss, you do.
the occasional miss, you do.
115
343633
2624
Solo tienden a recordar
el ocasional desastre.
el ocasional desastre.
05:58
(Laughter)
116
346281
1150
(Risas)
Así que el sesgo de confirmación,
Dunning-Kruger y la disonancia cognitiva.
Dunning-Kruger y la disonancia cognitiva.
06:02
So confirmation bias,
Dunning-Kruger and cognitive dissonance.
Dunning-Kruger and cognitive dissonance.
117
350263
3405
06:05
I think those shape biases and perceptions
that people have about science.
that people have about science.
118
353692
5412
Creo que los sesgos y la percepción
forman la idea
forman la idea
que las personas tienen sobre la ciencia.
06:11
But then, there's literacy
and misinformation
and misinformation
119
359625
2149
Pero entonces,
hay alfabetización y desinformación.
hay alfabetización y desinformación.
06:13
that keep us boxed in, as well.
120
361798
2067
Eso nos mantiene encerrados, también.
06:17
During the hurricane season of 2017,
121
365911
2484
Durante la temporada de huracanes de 2017,
06:20
media outlets had to actually
assign reporters
assign reporters
122
368419
4213
medios de comunicación tenían
que asignar realmente reporteros
que asignar realmente reporteros
06:24
to dismiss fake information
about the weather forecast.
about the weather forecast.
123
372656
4157
para descartar información falsa
sobre el pronóstico del tiempo.
sobre el pronóstico del tiempo.
06:30
That's the era that we're in.
124
378204
1934
Esa es la era en la que estamos.
Me ocupo de esto todo el tiempo
en las redes sociales.
en las redes sociales.
06:32
I deal with this all the time
in social media.
in social media.
125
380644
2437
Alguien tuiteará un pronóstico.
06:35
Someone will tweet a forecast --
126
383105
1587
Ese es un pronóstico
para el huracán Irma,
para el huracán Irma,
06:36
that's a forecast for Hurricane Irma,
but here's the problem:
but here's the problem:
127
384716
2936
pero aquí está el problema:
06:39
it didn't come from the Hurricane Center.
128
387676
2000
No vino del Centro de Huracanes.
06:42
But people were tweeting
and sharing this; it went viral.
and sharing this; it went viral.
129
390608
2787
Pero la gente tuiteaba
y compartía esto; se volvió viral.
y compartía esto; se volvió viral.
06:45
It didn't come from
the National Hurricane Center at all.
the National Hurricane Center at all.
130
393419
2865
No vino en absoluto
del Centro Nacional de Huracanes.
del Centro Nacional de Huracanes.
06:50
So I spent 12 years of my career at NASA
131
398363
2484
Así que pasé 12 años
de mi carrera en la NASA,
de mi carrera en la NASA,
06:52
before coming
to the University of Georgia,
to the University of Georgia,
132
400871
2032
antes de venir
a la Universidad de Georgia
a la Universidad de Georgia
06:54
and I chair their Earth Science
Advisory Committee,
Advisory Committee,
133
402927
2515
y presidir el Comité Asesor
de Ciencias de la Tierra,
de Ciencias de la Tierra,
06:57
I was just up there last week in DC.
134
405466
1817
Yo estuve allí la semana pasada en DC.
06:59
And I saw some really interesting things.
135
407307
1987
Y vi algunas cosas realmente interesantes.
07:01
Here's a NASA model
and science data from satellite
and science data from satellite
136
409318
3238
Aquí hay un modelo de la NASA
y datos científicos del satélite.
y datos científicos del satélite.
07:04
showing the 2017 hurricane season.
137
412580
2283
mostrando la temporada de huracanes 2017.
07:06
You see Hurricane Harvey there?
138
414887
2066
¿Ven el huracán Harvey allí?
07:09
Look at all the dust coming off of Africa.
139
417649
2509
Miren todo el polvo que sale de África.
07:12
Look at the wildfires up in northwest US
and in western Canada.
and in western Canada.
140
420617
4987
Vean los incendios forestales
en el noroeste de EE. UU.
y en el oeste de Canadá.
y en el oeste de Canadá.
07:17
There comes Hurricane Irma.
141
425628
1800
Ahí viene el huracán Irma.
07:20
This is fascinating to me.
142
428923
2143
Esto es fascinante para mí.
Pero hay que admitir
que soy un geek del tiempo.
que soy un geek del tiempo.
07:23
But admittedly, I'm a weather geek.
143
431688
2095
07:26
But more importantly, it illustrates
that we have the technology
that we have the technology
144
434982
3476
Pero lo que es más importante,
ilustra que tenemos la tecnología
ilustra que tenemos la tecnología
no solo para observar el tiempo
atmosférico y el sistema climático,
atmosférico y el sistema climático,
07:30
to not only observe the weather
and climate system,
and climate system,
145
438482
2579
07:33
but predict it.
146
441085
1150
sino para predecirlo.
07:34
There's scientific understanding,
147
442625
1762
Hay comprensión científica,
07:36
so there's no need for some
of those perceptions and biases
of those perceptions and biases
148
444411
3087
así que no hay necesidad de
algunas de esas percepciones y sesgos
algunas de esas percepciones y sesgos
07:39
that we've been talking about.
149
447522
1570
de las que hemos hablado.
07:41
We have knowledge.
150
449116
1199
Tenemos conocimiento.
07:42
But think about this ...
151
450339
1238
Pero piensen en esto...
07:43
This is Houston, Texas,
after Hurricane Harvey.
after Hurricane Harvey.
152
451601
3182
Esto es Houston, Texas,
después del huracán Harvey.
después del huracán Harvey.
07:47
Now, I write a contribution
for "Forbes" magazine periodically,
for "Forbes" magazine periodically,
153
455736
2963
Escribo periódicamente
para la revista "Forbes"
para la revista "Forbes"
07:50
and I wrote an article a week before
Hurricane Harvey made landfall, saying,
Hurricane Harvey made landfall, saying,
154
458733
4531
y escribí un artículo una semana antes
de que el huracán Harvey tocara tierra
de que el huracán Harvey tocara tierra
07:55
"There's probably going to be
40 to 50 inches of rainfall."
40 to 50 inches of rainfall."
155
463288
2842
que decía: "Probablemente habrá
entre 15 a 20 cm3 de lluvia".
entre 15 a 20 cm3 de lluvia".
07:58
I wrote that a week before it happened.
156
466776
2484
Lo escribí una semana
antes de que sucediera.
antes de que sucediera.
08:01
But yet, when you talk
to people in Houston,
to people in Houston,
157
469284
2126
Pero aún, cuando hablas
con la gente en Houston,
con la gente en Houston,
08:03
people are saying, "We had no idea
it was going to be this bad."
it was going to be this bad."
158
471434
3073
la gente dice: "No sabíamos
que iba a ser tan malo".
que iba a ser tan malo".
08:07
I'm just...
159
475093
1175
Solo soy...
08:08
(Sigh)
160
476292
1181
(Suspiro)
08:09
(Laughter)
161
477497
1136
(Risas)
08:10
A week before.
162
478657
1174
Una semana antes.
08:11
But --
163
479855
1190
Pero...
08:13
I know, it's amusing, but the reality is,
164
481069
2498
Lo sé, es divertido, pero la realidad es,
08:15
we all struggle with perceiving something
outside of our experience level.
outside of our experience level.
165
483591
6144
todos luchamos por percibir algo
fuera de nuestro nivel de experiencia.
fuera de nuestro nivel de experiencia.
La gente en Houston experimenta
lluvia todo el tiempo,
lluvia todo el tiempo,
08:21
People in Houston
get rain all of the time,
get rain all of the time,
166
489759
2270
08:24
they flood all of the time.
167
492053
1800
tienen inundaciones todo el tiempo.
08:26
But they've never experienced that.
168
494513
2334
Pero nunca han experimentado eso.
08:29
Houston gets about 34 inches of rainfall
for the entire year.
for the entire year.
169
497561
4389
Houston recibe unas 13 cm3
de lluvia durante todo el año.
de lluvia durante todo el año.
08:33
They got 50 inches in three days.
170
501974
2555
Tuvieron 20 cm3 en tres días.
08:37
That's an anomaly event,
that's outside of the normal.
that's outside of the normal.
171
505300
3091
Eso es un evento de anomalía,
eso está fuera de lo normal.
eso está fuera de lo normal.
Así que creen en sistemas de creencias,
prejuicios y desinformación.
prejuicios y desinformación.
08:42
So belief systems and biases,
literacy and misinformation.
literacy and misinformation.
172
510188
2841
08:45
How do we step out of the boxes
that are cornering our perceptions?
that are cornering our perceptions?
173
513053
3883
¿Cómo salimos de las cajas que
acorralan nuestras percepciones?
acorralan nuestras percepciones?
08:50
Well we don't even have to go to Houston,
we can come very close to home.
we can come very close to home.
174
518633
3733
Ni siquiera tenemos que ir a Houston,
podemos llegar muy cerca de casa.
podemos llegar muy cerca de casa.
08:54
(Laughter)
175
522390
1181
(Risas)
08:55
Remember "Snowpocalypse?"
176
523595
1913
Recuerden "Snowpocalypse?"
08:57
(Laughter)
177
525532
1801
(Risas)
08:59
Snowmageddon?
178
527357
1500
¿Snowmageddon?
09:00
Snowzilla?
179
528881
1151
¿Snowzilla?
09:02
Whatever you want to call it.
180
530056
2029
Como quieran llamarlo.
09:04
All two inches of it.
181
532109
2317
Los dos centímetros de ella.
09:06
(Laughter)
182
534450
2603
(Risas)
09:09
Two inches of snow
shut the city of Atlanta down.
shut the city of Atlanta down.
183
537077
2865
poco más de 1.5 cm3 de nieve
cerraron la ciudad de Atlanta.
cerraron la ciudad de Atlanta.
09:11
(Laughter)
184
539966
1571
(Risas)
09:14
But the reality is,
we were in a winter storm watch,
we were in a winter storm watch,
185
542982
4254
Pero la realidad es que estábamos
en una tormenta de invierno,
en una tormenta de invierno,
09:19
we went to a winter weather advisory,
186
547260
2635
Fuimos a un aviso de clima invernal,
09:21
and a lot of people perceived that
as being a downgrade,
as being a downgrade,
187
549919
2650
y mucha gente lo percibió como una rebaja,
09:24
"Oh, it's not going to be as bad."
188
552593
1667
"Oh, no va a ser tan malo".
09:26
When in fact, the perception
was that it was not going to be as bad,
was that it was not going to be as bad,
189
554284
3230
Cuando de hecho, la percepción era
que no iba a ser tan malo,
que no iba a ser tan malo,
09:29
but it was actually an upgrade.
190
557538
1634
pero en realidad fue aún peor.
09:31
Things were getting worse
as the models were coming in.
as the models were coming in.
191
559196
2587
Las cosas empeoraban
a medida que iban llegando las muestras.
a medida que iban llegando las muestras.
09:33
So that's an example of how we get
boxed in by our perceptions.
boxed in by our perceptions.
192
561807
3806
Así que ese es un ejemplo de
cómo nos encajonan nuestras percepciones.
cómo nos encajonan nuestras percepciones.
09:38
So, the question becomes,
193
566165
1976
Y, la pregunta que se plantea es
09:40
how do we expand our radius?
194
568165
3491
¿cómo expandimos nuestro radio?
El área de un círculo es
"pi r al cuadrado".
"pi r al cuadrado".
09:45
The area of a circle is "pi r squared".
195
573823
1910
09:47
We increase the radius,
we increase the area.
we increase the area.
196
575757
2243
Incrementamos el radio,
aumentamos el área.
aumentamos el área.
09:50
How do we expand our radius
of understanding about science?
of understanding about science?
197
578024
3981
¿Cómo expandimos nuestro radio de
entendimiento acerca de la ciencia?
entendimiento acerca de la ciencia?
09:54
Here are my thoughts.
198
582593
1400
Aquí están mis pensamientos.
09:56
You take inventory of your own biases.
199
584720
3071
Haces inventario de tus propios sesgos.
09:59
And I'm challenging you all to do that.
200
587815
2016
Y los estoy desafiando a todos a hacerlo.
10:01
Take an inventory of your own biases.
201
589855
3024
Hagan un inventario de sus propios sesgos.
10:04
Where do they come from?
202
592903
1285
¿De dónde vienen?
10:06
Your upbringing, your political
perspective, your faith --
perspective, your faith --
203
594212
3374
Su educación,
su perspectiva política, su fe.
su perspectiva política, su fe.
10:09
what shapes your own biases?
204
597610
2419
¿Qué da forma a sus propios sesgos?
10:13
Then, evaluate your sources --
205
601982
1437
Luego, evalúen sus fuentes.
10:15
where do you get
your information on science?
your information on science?
206
603443
2451
¿De dónde sacan
la información sobre la ciencia?
la información sobre la ciencia?
10:18
What do you read, what do you listen to,
207
606553
1976
¿Qué leen, qué escuchan,
10:20
to consume your information on science?
208
608553
2000
para acceder a su información
sobre la ciencia?
sobre la ciencia?
10:23
And then, it's important to speak out.
209
611022
2746
Y luego, es importante hablar.
10:25
Talk about how you evaluated your biases
and evaluated your sources.
and evaluated your sources.
210
613792
4118
Hablen sobre cómo evaluó
sus sesgos y sus fuentes.
sus sesgos y sus fuentes.
10:29
I want you to listen to this
little 40-second clip
little 40-second clip
211
617934
2770
Quiero que escuchen
este pequeño clip de 40 segundos.
este pequeño clip de 40 segundos.
10:32
from one of the top
TV meteorologists in the US, Greg Fishel,
TV meteorologists in the US, Greg Fishel,
212
620728
4778
de uno de los mejores meteorólogos
de televisión de EE. UU. Greg Fishel,
de televisión de EE. UU. Greg Fishel,
10:37
in the Raleigh, Durham area.
213
625530
1523
en el área de Raleigh, Durham.
10:39
He's revered in that region.
214
627077
1675
Él es venerado en esa región.
10:40
But he was a climate skeptic.
215
628776
1405
Pero él era un escéptico del clima.
10:42
But listen to what he says
about speaking out.
about speaking out.
216
630205
2237
Pero escuchen lo que dice.
10:44
Greg Fishel:
The mistake I was making
The mistake I was making
217
632466
1736
Greg Fishel: El error
que estaba cometiendo
que estaba cometiendo
10:46
and didn't realize until very recently,
218
634226
1954
y no me di cuenta hasta hace muy poco,
10:48
was that I was only looking
for information
for information
219
636204
2593
era que solo buscaba información.
10:50
to support what I already thought,
220
638821
2861
para apoyar lo que ya pensaba,
10:53
and was not interested
in listening to anything contrary.
in listening to anything contrary.
221
641706
4107
y no estaba interesado
en escuchar nada en contra.
en escuchar nada en contra.
10:58
And so I woke up one morning,
222
646559
2071
Y así me desperté una mañana,
11:00
and there was this question in my mind,
223
648654
3698
y había esta pregunta en mi mente,
11:04
"Greg, are you engaging
in confirmation bias?
in confirmation bias?
224
652918
2604
"Greg, ¿estás influido
por el sesgo de confirmación?
por el sesgo de confirmación?
11:07
Are you only looking for information
to support what you already think?"
to support what you already think?"
225
655546
3925
¿Solo buscas información
para apoyar lo que ya piensas? "
para apoyar lo que ya piensas? "
11:12
And if I was honest with myself,
and I tried to be,
and I tried to be,
226
660069
2439
Y si fui honesto
conmigo mismo, intenté serlo.
conmigo mismo, intenté serlo.
11:14
I admitted that was going on.
227
662522
2328
Admití que eso estaba sucediendo.
11:17
And so the more I talked to scientists
228
665269
2514
Y así, cuanto más hablé con científicos
11:19
and read peer-reviewed literature
229
667807
2058
y leí literatura revisada por pares
11:21
and tried to conduct myself the way
I'd been taught to conduct myself
I'd been taught to conduct myself
230
669889
4712
y traté de comportarme como
me habían enseñado a comportarme
me habían enseñado a comportarme
11:26
at Penn State when I was a student,
231
674625
2333
en Penn State cuando era estudiante,
11:29
it became very difficult for me
to make the argument
to make the argument
232
677665
2692
me fue muy difícil defender el argumento
11:32
that we weren't at least
having some effect.
having some effect.
233
680381
2060
de que no teníamos al menos algún efecto.
11:34
Maybe there was still a doubt
as to how much,
as to how much,
234
682465
2436
Tal vez todavía había
una duda sobre cuánto,
una duda sobre cuánto,
11:36
but to say "nothing" was not
a responsible thing for me to do
a responsible thing for me to do
235
684925
4715
pero decir "nada"
no era algo responsable para mí
no era algo responsable para mí
11:41
as a scientist or a person.
236
689664
1800
como científico o persona.
11:45
JMS: Greg Fishel just talked
about expanding his radius
about expanding his radius
237
693387
3861
JMS: Greg Fishel acaba de
hablar de expandir su radio
hablar de expandir su radio
11:49
of understanding of science.
238
697272
1623
de la comprensión de la ciencia.
11:50
And when we expand our radius,
239
698919
2055
Y cuando expandimos nuestro radio,
11:52
it's not about making a better future,
240
700998
3198
no se trata de hacer un futuro mejor,
11:56
but it's about preserving
life as we know it.
life as we know it.
241
704220
3067
sino de preservar
la vida como la conocemos.
la vida como la conocemos.
12:00
So as we think about expanding
our own radius in understanding science,
our own radius in understanding science,
242
708180
4954
Y al pensar en expandir nuestro
propio radio para entender la ciencia,
propio radio para entender la ciencia,
12:06
it's critical for Athens, Georgia,
for Atlanta, Georgia,
for Atlanta, Georgia,
243
714292
3372
es crítico para Athens, Georgia,
para Atlanta, Georgia,
para Atlanta, Georgia,
12:09
for the state of Georgia,
and for the world.
and for the world.
244
717688
2858
por el estado de Georgia, y por el mundo.
12:12
So expand your radius.
245
720857
2071
Así que expandan su radio.
12:14
Thank you.
246
722952
1183
Gracias.
12:16
(Applause)
247
724159
4015
(Aplausos)
ABOUT THE SPEAKER
J. Marshall Shepherd - MeteorologistDr. J. Marshall Shepherd is a leading international expert in weather and climate and is the Georgia Athletic Association Distinguished Professor of Geography and Atmospheric Sciences at the University of Georgia.
Why you should listen
Dr. J. Marshall Shepherd was the 2013 President of American Meteorological Society (AMS), the nation's largest and oldest professional/science society in the atmospheric and related sciences. He serves as Director of the University of Georgia's (UGA) Atmospheric Sciences Program and Full Professor in the Department of Geography where he is Associate Department Head.
Shepherd is also the host of The Weather Channel’s Weather Geeks, a pioneering Sunday talk show dedicated to science, and he is a contributor to Forbes Magazine. Dr. Shepherd routinely appears on national media outlets like CNN, The Weather Channel, CBS's Face The Nation and more. He also provides expertise to NASA, NOAA, The White House, Congress and other stakeholders.
J. Marshall Shepherd | Speaker | TED.com