ABOUT THE SPEAKER
Nate Silver - Statistician
Math whiz and baseball fan Nate Silver was mainly known for predicting outcomes in fantasy ballgames -- until his technique hit a home run calling the outcome of the 2008 election primaries.

Why you should listen

In the 2008 election season's closing weeks, throngs of wonks and laypeople alike were glued to FiveThirtyEight.com, a habitforming political blog. Red and blue bar charts crowded the scrollbars as the pulse of exit polls crept along the site's latest projections. It seemed almost miraculous: In a year of acute turns of favor, the site's owner and mouthpiece, Nate Silver (who blogged anonymously as "Poblano" until outing himself on May 30, 2008, as a baseball numberhead), managed to predict the winners of every U.S. Senate contest -- and the general Presidential election.

Besides being just-damn-fascinating, Silver's analysis is a decidedly contrarian gauntlet thrown before an unrepentant, spectacle-driven media. The up-and-coming pundit, who cut his teeth forecasting the performance of Major League Baseball players, has a fairly direct explanation of why most projections fail: "Polls are cherry-picked based on their brand name or shock value rather than their track record of accuracy."

Silver's considerable smarts are already helping local campaigns build constituencies and strategize. He is the author of The Signal and the Noise: Why So Many Predictions Fail - but Some Don't

More profile about the speaker
Nate Silver | Speaker | TED.com
TED2009

Nate Silver: Does racism affect how you vote?

Nate Silver : La question de la race affecte-t-elle le vote ?

Filmed:
498,847 views

Nate Silver apporte des réponses aux questions qui prêtent à controverse sur l'importance de la race en politique. La race d'Obama a-t-elle joué contre lui dans certains endroits ? Les statistiques et les mythes s'entrechoquent dans cette fascinante allocution qui se termine par un remarquable aperçu de la façon dont les plans d'urbanisme peuvent promouvoir la tolérance.
- Statistician
Math whiz and baseball fan Nate Silver was mainly known for predicting outcomes in fantasy ballgames -- until his technique hit a home run calling the outcome of the 2008 election primaries. Full bio

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

00:15
I want to talk about the electionélection.
0
0
3000
Je veux vous parler de l'élection.
00:18
For the first time in the UnitedUnie StatesÉtats, a predominantlyprincipalement whiteblanc groupgroupe of votersélecteurs
1
3000
3000
Pour la première fois aux Etats-Unis, un groupe d'électeurs majoritairement blancs
00:21
votedvoté for an African-AmericanAfro-américain candidatecandidat for PresidentPrésident.
2
6000
3000
ont voté pour un candidat Afro-Américain à la présidence.
00:24
And in factfait BarackBarack ObamaObama did quiteassez well.
3
9000
2000
Et en fait Barack Obama a obtenu un bon score.
00:26
He wona gagné 375 electoralélectorale votesvotes.
4
11000
2000
Il a remporté 375 votes de grands électeurs.
00:28
And he wona gagné about 70 millionmillion popularpopulaire votesvotes
5
13000
3000
Et il a remporté environ 70 millions de votes populaires,
00:31
more than any other presidentialprésidentiel candidatecandidat --
6
16000
2000
plus que tout autre candidat à la présidence,
00:33
of any racecourse, of any partyfête -- in historyhistoire.
7
18000
3000
dans l'histoire, quel que soit leur race ou leur parti.
00:36
If you comparecomparer how ObamaObama did againstcontre how JohnJohn KerryKerry had doneterminé fourquatre yearsannées earlierplus tôt --
8
21000
4000
Si vous comparez les résultats d'Obama à ceux de John Kerry 4 ans plus tôt --
00:40
DemocratsDémocrates really like seeingvoyant this transitiontransition here,
9
25000
3000
Les Démocrates aiment vraiment voir cette transition ici,
00:43
where almostpresque everychaque stateEtat becomesdevient bluerplus bleue, becomesdevient more democraticdémocratique --
10
28000
4000
où presque tous les états deviennent plus bleus, deviennent plus démocrates --
00:47
even statesÉtats ObamaObama lostperdu, like out westOuest,
11
32000
2000
même les états où Obama a perdu, comme dans l'ouest.
00:49
those statesÉtats becamedevenu more bluebleu.
12
34000
2000
Ces états sont devenus plus bleus.
00:51
In the southSud, in the northeastnord-est, almostpresque everywherepartout
13
36000
3000
Dans le sud, dans le nord-ouest, presque partout
00:54
but with a couplecouple of exceptionsexceptions here and there.
14
39000
3000
mais avec deux ou trois exceptions ici et là.
00:57
One exceptionexception is in MassachusettsMassachusetts.
15
42000
2000
Une de ces exceptions se trouve au Massachusetts.
00:59
That was JohnJohn Kerry'sKerry home stateEtat.
16
44000
2000
C'était l'état de John Kerry.
01:01
No biggros surprisesurprise, ObamaObama couldn'tne pouvait pas do better than KerryKerry there.
17
46000
2000
Ce n'est pas un grande surprise, Obama ne pouvait pas faire mieux que Kerry là-bas.
01:03
Or in ArizonaArizona, whichlequel is JohnJohn McCain'sMcCain home,
18
48000
2000
Où dans l'Arizona, qui est l'état de John McCain.
01:05
ObamaObama didn't have much improvementamélioration.
19
50000
2000
Obama n'a pas beaucoup avancé.
01:07
But there is alsoaussi this partpartie of the countryPays, kindgentil of in the middlemilieu regionRégion here.
20
52000
2000
Mais il y a aussi cette partie du pays, en gros dans la région centrale ici.
01:09
This kindgentil of ArkansasArkansas, TennesseeTennessee, OklahomaOklahoma, WestOuest VirginiaVirginie regionRégion.
21
54000
4000
La région de l'Arkansas, Tennessee, Oklahoma, West Virginia.
01:13
Now if you look at '96, BillProjet de loi ClintonClinton --
22
58000
2000
Maintenant, si on regarde en 1996, Bill Clinton,
01:15
the last DemocratDémocrate to actuallyréellement wingagner -- how he did in '96,
23
60000
3000
le dernier Démocrate qui a vraiment gagné, les résultats qu'il a obtenu en 1996,
01:18
you see realréal biggros differencesdifférences in this partpartie of the countryPays right here,
24
63000
3000
on voit des différences vraiment grandes dans cette partie-ci du pays --
01:21
the kindgentil of AppalachiansAppalaches, OzarksOzarks, highlandshautes-terres regionRégion, as I call it:
25
66000
4000
les Appalaches, Ozarks, les régions de hauts-plateaux comme je les appelle.
01:25
20 or 30 pointpoint swingsoscillations
26
70000
2000
Des écarts de 20 à 30 points
01:27
from how BillProjet de loi ClintonClinton did in '96 to how ObamaObama did
27
72000
2000
entre les résultats de Bill Clinton en 96 et ceux d'Obama
01:29
in 2008.
28
74000
2000
en 2008.
01:31
Yes BillProjet de loi ClintonClinton was from ArkansasArkansas, but these are very, very profoundprofond differencesdifférences.
29
76000
5000
Oui, Bill Clinton venait de l'Arkansas, mais ce sont des différences très très profondes.
01:36
So, when we think about partsles pièces of the countryPays like ArkansasArkansas, you know.
30
81000
2000
Donc, quand nous pensons à des parties du pays telles que l'Arkansas, vous voyez.
01:38
There is a booklivre writtenécrit calledappelé, "What's the MatterQuestion with KansasKansas?"
31
83000
3000
Il y a un livre qui s'intitule "Quel est le problème du Kansas ?"
01:41
But really the questionquestion here -- ObamaObama did relativelyrelativement well in KansasKansas.
32
86000
3000
Mais la vrai question ici -- Obama a plutôt bien réussi au Kansas.
01:44
He lostperdu badlymal but everychaque DemocratDémocrate does.
33
89000
2000
Il a largement perdu, mais comme tous les Démocrates.
01:46
He lostperdu no worsepire than mostles plus people do.
34
91000
2000
Sa défaite n'était pas pire que celle de la plupart des autres.
01:48
But yeah, what's the mattermatière with ArkansasArkansas?
35
93000
4000
Mais oui, quel est le problème de l'Arkansas ?
01:52
(LaughterRires)
36
97000
1000
(Rires)
01:53
And when we think of ArkansasArkansas we tendtendre to have prettyjoli negativenégatif connotationsconnotations.
37
98000
3000
Et quand on pense à l'Arkansas, on a tendance à voir des connotations plutôt négatives.
01:56
We think of a bunchbouquet of rednecksRednecks, quotecitation, unquotefin de citation, with gunspistolets.
38
101000
3000
On pense à un tas de "péquenauds" avec des fusils.
01:59
And we think people like this probablyProbablement don't want to votevote
39
104000
3000
Et on pense que des gens comme ça ne votent probablement pas
02:02
for people who look like this and are namednommé BarackBarack ObamaObama.
40
107000
3000
pour des gens qui lui ressemblent, et s'appellent Barack Obama.
02:05
We think it's a mattermatière of racecourse. And is this fairjuste?
41
110000
3000
On pense que c'est une question de race. Et est-ce que c'est juste ?
02:08
Are we kindgentil of stigmatizingstigmatiser people from ArkansasArkansas, and this partpartie of the countryPays?
42
113000
3000
Est-ce que nous ne stigmatisons pas les gens de l'Arkansas, et de cette partie du pays ?
02:11
And the answerrépondre is: it is at leastmoins partiallypartiellement fairjuste.
43
116000
3000
Et la réponse est que c'est au moins partiellement juste.
02:14
We know that racecourse was a factorfacteur, and the reasonraison why we know that
44
119000
2000
Nous savons que la race est un facteur, et la raison pour laquelle nous le savons
02:16
is because we askeda demandé those people.
45
121000
2000
c'est que nous avons interrogé ces gens-là.
02:18
ActuallyEn fait we didn't askdemander them, but when they conductedconduit
46
123000
2000
En fait, on ne leur a pas posé la question, mais quand on a effectué
02:20
exitSortie pollssondages in everychaque stateEtat,
47
125000
2000
des sondages à la sortie des bureaux de vote dans chaque état,
02:22
in 37 statesÉtats, out of the 50,
48
127000
2000
dans 37 états sur 50,
02:24
they askeda demandé a questionquestion, that was prettyjoli directdirect, about racecourse.
49
129000
3000
on a posé une question plutôt directe sur la race.
02:27
They askeda demandé this questionquestion.
50
132000
2000
Voilà la question qui a été posée.
02:29
In decidingdécider your votevote for PresidentPrésident todayaujourd'hui, was the racecourse
51
134000
2000
Dans votre choix de vote pour la présidentielle d'aujourd'hui, la race
02:31
of the candidatecandidat a factorfacteur?
52
136000
2000
du candidat a-t-elle été un facteur ?
02:33
We're looking for people that said, "Yes, racecourse was a factorfacteur;
53
138000
3000
Nous cherchons des gens qui ont dit, "Oui, la race était un facteur,
02:36
moreoverde plus it was an importantimportant factorfacteur, in my decisiondécision,"
54
141000
2000
voire un facteur important dans ma décision."
02:38
and people who votedvoté for JohnJohn McCainMcCain
55
143000
3000
Et les gens qui ont voté pour John McCain
02:41
as a resultrésultat of that factorfacteur,
56
146000
2000
à cause de ce facteur,
02:43
maybe in combinationcombinaison with other factorsfacteurs, and maybe aloneseul.
57
148000
2000
peut-être combiné à d'autres facteurs, et peut-être à cause de ce seul facteur.
02:45
We're looking for this behaviorcomportement amongparmi whiteblanc votersélecteurs
58
150000
3000
Nous cherchons ce comportement chez les électeurs blancs,
02:48
or, really, non-blacknon-noir votersélecteurs.
59
153000
3000
ou vraiment, les électeurs n'étant pas noirs.
02:51
So you see biggros differencesdifférences in differentdifférent partsles pièces
60
156000
2000
Donc vous voyez de grandes différences dans différentes parties
02:53
of the countryPays on this questionquestion.
61
158000
2000
du pays, sur cette question.
02:55
In LouisianaLouisiane, about one in fivecinq whiteblanc votersélecteurs
62
160000
3000
En Louisiane, environ 1 électeur blanc sur 5
02:58
said, "Yes, one of the biggros reasonsles raisons why I votedvoté againstcontre BarackBarack ObamaObama
63
163000
3000
a dit "Oui, une des principales raisons qui fait que j'ai voté contre Barack Obama
03:01
is because he was an African-AmericanAfro-américain."
64
166000
2000
est qu'il est Afro-Américain."
03:03
If those people had votedvoté for ObamaObama,
65
168000
2000
Si ces gens-là avaient voté pour Obama,
03:05
even halfmoitié of them, ObamaObama would have wona gagné LouisianaLouisiane safelyen toute sécurité.
66
170000
4000
même la moitié d'entre eux, Obama aurait remporté la Louisiane largement.
03:09
SameMême is truevrai with, I think, all of these statesÉtats you see on the topHaut of the listliste.
67
174000
2000
Il en va de même, je crois, pour tous ces états que vous voyez en haut de la liste.
03:11
MeanwhilePendant ce temps, CaliforniaCalifornie, NewNouveau YorkYork, we can say, "Oh we're enlightenedéclairé"
68
176000
4000
Pendant ce temps-là, la Californie, New York. Nous pouvons dire "Oh nous sommes éclairés,"
03:15
but you know, certainlycertainement a much lowerinférieur incidenceincidence of this
69
180000
2000
mais vous voyez, une incidence beaucoup plus faible de cela certainement
03:17
admittedadmis, I supposesupposer,
70
182000
2000
ont admis, je suppose,
03:19
manifestationmanifestation of racially-basedfondée sur la race votingvote.
71
184000
3000
une manifestation de vote basée sur la race.
03:22
Here is the sameMême dataLes données on a mapcarte.
72
187000
2000
Voici les mêmes données sur une carte.
03:24
You kindgentil of see the relationshiprelation betweenentre
73
189000
2000
Vous voyez la relation entre
03:26
the redderplus rouge statesÉtats of where more people respondeda répondu and said,
74
191000
2000
les états rouges où le plus de personnes ont répondu et dit,
03:28
"Yes, BarackBarack Obama'sDe Obama racecourse was a problemproblème for me."
75
193000
3000
"Oui, la race de Barack Obama était un problème pour moi."
03:31
You see, comparingcomparant the mapcarte to '96, you see an overlapchevauchement here.
76
196000
3000
Vous voyez, en comparant la carte de 96, on voit qu'ici il y a chevauchement.
03:34
This really seemssemble to explainExplique
77
199000
2000
Cela semble vraiment expliquer
03:36
why BarackBarack ObamaObama did worsepire
78
201000
2000
pourquoi Barack Obama a fait pire
03:38
in this one partpartie of the countryPays.
79
203000
2000
dans cette partie du pays en particulier.
03:40
So we have to askdemander why.
80
205000
2000
Nous devons donc nous demander pourquoi.
03:42
Is racismracisme predictableprévisible in some way?
81
207000
2000
Peut-on prévoir le racisme d'une certaine façon ?
03:44
Is there something drivingau volant this?
82
209000
2000
Est-ce qu'il y a une raison sous-jascente ?
03:46
Is it just about some weirdbizarre stuffdes trucs that goesva on in ArkansasArkansas
83
211000
2000
Est-ce que c'est juste un truc bizarre qui se passe en Arkansas
03:48
that we don't understandcomprendre, and KentuckyKentucky?
84
213000
2000
qu'on ne comprend pas, et dans le Kentucky aussi ?
03:50
Or are there more systematicsystématique factorsfacteurs at work?
85
215000
2000
Ou est-ce qu'il y a des facteurs plus systématiques en jeu ?
03:52
And so we can look at a bunchbouquet of differentdifférent variablesvariables.
86
217000
2000
Et donc nous pouvons considérer un tas de différentes variables.
03:54
These are things that economistséconomistes and politicalpolitique scientistsscientifiques look at all the time --
87
219000
3000
Il y a des choses que les économistes et les politologues considèrent tout le temps --
03:57
things like incomele revenu, and religionreligion, educationéducation.
88
222000
3000
des choses telles que le revenu, la religion, l'éducation.
04:00
WhichQui of these seemsembler to driveconduire
89
225000
2000
Lesquels de ces facteurs semblent pousser
04:02
this manifestationmanifestation of racismracisme
90
227000
2000
à cette manifestation de racisme
04:04
in this biggros nationalnationale experimentexpérience we had on NovemberNovembre 4thth?
91
229000
3000
dans cette grande expérience nationale que nous avons vécu le 4 novembre ?
04:07
And there are a couplecouple of these that have
92
232000
2000
Et il y en a une ou deux qui ont
04:09
strongfort predictiveprédictive relationshipsdes relations,
93
234000
2000
de fortes relations de prédiction
04:11
one of whichlequel is educationéducation,
94
236000
3000
l'une étant l'éducation.
04:14
where you see the statesÉtats with the fewestle moins yearsannées of schoolingscolarité
95
239000
2000
Là où vous voyez les états qui ont la durée de scolarisation la plus courte
04:16
perpar adultadulte are in redrouge,
96
241000
2000
par adulte, sont en rouge
04:18
and you see this partpartie of the countryPays, the kindgentil of AppalachiansAppalaches regionRégion,
97
243000
3000
et vous voyez que cette partie du pays, la région des Appalaches,
04:21
is lessMoins educatedéduqué. It's just a factfait.
98
246000
2000
est moins éduquée. C'est un simple fait.
04:23
And you see the relationshiprelation there
99
248000
2000
Et là vous voyez la relation
04:25
with the racially-basedfondée sur la race votingvote patternsmodèles.
100
250000
3000
avec les modèles de vote basés sur la race.
04:28
The other variablevariable that's importantimportant is
101
253000
2000
L'autre variable importante est
04:30
the typetype of neighborhoodquartier that you livevivre in.
102
255000
3000
le genre d'environnement dans lequel vous vivez.
04:33
StatesÉtats that are more ruralrural --
103
258000
2000
Les états qui sont plus ruraux
04:35
even to some extentampleur of the statesÉtats like NewNouveau HampshireHampshire and MaineMaine --
104
260000
2000
même certains de ces états comme le New Hampshire et le Maine,
04:37
they exhibitexposition a little bitbit of
105
262000
2000
ils montrent un peu de
04:39
this racially-basedfondée sur la race votingvote againstcontre BarackBarack ObamaObama.
106
264000
3000
ces votes basés sur la race contre Barack Obama.
04:42
So it's the combinationcombinaison of these two things: it's educationéducation
107
267000
2000
Donc c'est une combinaison de ces deux choses. C'est l'éducation
04:44
and the typetype of neighborsvoisins that you have,
108
269000
2000
et le genre de voisins que vous avez,
04:46
whichlequel we'llbien talk about more in a momentmoment.
109
271000
2000
et nous allons en reparler dans un instant.
04:48
And the thing about statesÉtats like ArkansasArkansas and TennesseeTennessee
110
273000
2000
Ce qu'il y a avec des états comme l'Arkansas et le Tennessee
04:50
is that they're bothtous les deux very ruralrural,
111
275000
2000
c'est qu'ils sont à la fois très ruraux
04:52
and they are educationallyplan éducatif impoverishedappauvri.
112
277000
4000
et qu'ils ont un faible niveau d'éducation.
04:56
So yes, racismracisme is predictableprévisible.
113
281000
2000
Donc oui, le racisme est prévisible.
04:58
These things, amongparmi maybe other variablesvariables,
114
283000
2000
Ces choses, parmi d'autres variables possibles
05:00
but these things seemsembler to predictprédire it.
115
285000
2000
mais ces choses semblent le prédire.
05:02
We're going to drillpercer down a little bitbit more now,
116
287000
2000
Nous allons creuser un peu plus à présent,
05:04
into something calledappelé the GeneralGénérales SocialSocial SurveyEnquête sur les.
117
289000
2000
dans quelque-chose qui s'appelle l'Etude Sociale Générale.
05:06
This is conductedconduit by the UniversityUniversité of ChicagoChicago
118
291000
2000
Elle est menée par l'Université de Chicago
05:08
everychaque other yearan.
119
293000
2000
un an sur deux.
05:10
And they askdemander a seriesséries of really interestingintéressant questionsdes questions.
120
295000
2000
Et ils posent une série de questions vraiment intéressantes.
05:12
In 2000 they had particularlyparticulièrement interestingintéressant questionsdes questions
121
297000
2000
En 2000 ils avaient des questions particulièrement intéressantes
05:14
about racialracial attitudesattitudes.
122
299000
2000
sur les attitudes raciales.
05:16
One simplesimple questionquestion they askeda demandé is,
123
301000
2000
Ils ont posé une question simple qui est,
05:18
"Does anyonen'importe qui of the oppositecontraire racecourse livevivre in your neighborhoodquartier?"
124
303000
4000
"Quelqu'un d'une race autre que la vôtre vit-il dans votre quartier ?"
05:22
We can see in differentdifférent typesles types of communitiescommunautés that the resultsrésultats are quiteassez differentdifférent.
125
307000
3000
Nous pouvons voir différents types de communautés où les résultats sont assez différents.
05:25
In citesla CITES, about 80 percentpour cent of people
126
310000
3000
Dans les villes, environ 80% des gens
05:28
have someoneQuelqu'un whomqui they considerconsidérer a neighborvoisin of anotherun autre racecourse,
127
313000
3000
ont quelqu'un qu'ils considèrent comme un voisin d'une autre race.
05:31
but in ruralrural communitiescommunautés, only about 30 percentpour cent.
128
316000
3000
Mais dans les communautés rurales, seulement 30%.
05:34
ProbablySans doute because if you livevivre on a farmferme, you mightpourrait not have a lot of neighborsvoisins, periodpériode.
129
319000
3000
Probablement parce que si vous vivez dans une ferme, vous n'avez pas beaucoup de voisins, point barre.
05:37
But neverthelessNéanmoins, you're not havingayant a lot of interactioninteraction with people
130
322000
3000
Mais néanmoins, vous n'avez pas beaucoup d'interaction avec les gens
05:40
who are unlikecontrairement à you.
131
325000
2000
qui ne sont pas comme vous.
05:42
So what we're going to do now is take the whiteblanc people in the surveyenquête
132
327000
3000
Alors ce que nous allons faire maintenant c'est prendre les blancs de l'enquête
05:45
and splitDivisé them betweenentre those who have blacknoir neighborsvoisins --
133
330000
3000
et les séparer avec d'un côté ceux qui ont des voisins noirs
05:48
or, really, some neighborvoisin of anotherun autre racecourse --
134
333000
2000
ou en fait, des voisins d'une autre race
05:50
and people who have only whiteblanc neighborsvoisins.
135
335000
3000
et les gens qui n'ont que des voisins blancs.
05:53
And we see in some variablesvariables
136
338000
2000
Et nous voyons dans certaines variables
05:55
in termstermes of politicalpolitique attitudesattitudes, not a lot of differencedifférence.
137
340000
2000
en termes d'attitudes politiques, qu'il n'y a pas beaucoup de différence.
05:57
This was eighthuit yearsannées agodepuis, some people were more RepublicanRépublicain back then.
138
342000
3000
C'était il y a 8 ans, les gens étaient plus Républicains alors.
06:00
But you see DemocratsDémocrates versuscontre RepublicanRépublicain,
139
345000
2000
Mais vous voyez les Démocrates par rapport aux Républicains,
06:02
not a biggros differencedifférence basedbasé on who your neighborsvoisins are.
140
347000
3000
pas une grande différence sur la base de qui sont vos voisins.
06:05
And even some questionsdes questions about racecourse -- for exampleExemple
141
350000
2000
Et même des questions sur la race, par exemple
06:07
affirmativediscrimination positive actionaction, whichlequel is kindgentil of a politicalpolitique questionquestion,
142
352000
2000
la discrimination positive, qui est plutôt une question politique,
06:09
a policypolitique questionquestion about racecourse, if you will --
143
354000
2000
une question de politique raciale si vous voulez.
06:11
not much differencedifférence here.
144
356000
2000
Pas de grande différence ici.
06:13
AffirmativeDiscrimination positive actionaction is not very popularpopulaire franklyfranchement, with whiteblanc votersélecteurs, periodpériode.
145
358000
3000
La discrimination positive n'est franchement pas très populaire chez les électeurs blancs, point barre.
06:16
But people with blacknoir neighborsvoisins and people with mono-racialmono-raciale neighborhoodsquartiers
146
361000
3000
Mais les gens qui ont des voisins noirs et les gens vivant dans des quartiers d'une seule race
06:19
feel no differentlydifféremment about it really.
147
364000
3000
n'ont pas de positions vraiment différentes par rapport à ça.
06:22
But if you probesonde a bitbit deeperPlus profond and get a bitbit more personalpersonnel if you will,
148
367000
4000
Mais si on creuse encore un peu, si on devient un peu plus personnel
06:26
"Do you favorfavoriser a lawloi banningl’interdiction interracialInterracial marriagemariage?"
149
371000
2000
"Etes-vous en faveur d'une loi interdisant les mariages interraciaux ?"
06:28
There is a biggros differencedifférence.
150
373000
2000
Il y a une grande différence.
06:30
People who don't have neighborsvoisins of a differentdifférent racecourse
151
375000
2000
Les gens qui n'ont pas de voisins d'un autre race
06:32
are about twicedeux fois as likelyprobable
152
377000
2000
sont deux fois plus susceptibles
06:34
to opposes’opposer à interracialInterracial marriagemariage as people who do.
153
379000
3000
de s'opposer aux mariages interraciaux, que ceux qui en ont.
06:37
Just basedbasé on who livesvies in your immediateimmédiat neighborhoodquartier around you.
154
382000
3000
Simplement en se basant sur qui vit dans votre voisinage immédiat.
06:40
And likewiseégalement they askeda demandé, not in 2000, but in the sameMême surveyenquête in 1996,
155
385000
4000
Et de la même façon, ils ont demandé, pas en 2000, mais dans la même enquête en 1996,
06:44
"Would you not votevote for a qualifiedqualifié blacknoir presidentPrésident?"
156
389000
4000
"Ne voteriez-vous pas pour un président noir qualifié ?"
06:48
You see people withoutsans pour autant neighborsvoisins who are African-AmericanAfro-américain who
157
393000
2000
Vous voyez que les gens sans voisins Afro-Américain
06:50
were much more likelyprobable to say, "That would give me a problemproblème."
158
395000
3000
étaient plus susceptibles de dire "Ca me poserait un problème."
06:53
So it's really not even about urbanUrbain versuscontre ruralrural.
159
398000
2000
Donc ce n'est même pas une question de la ville contre la campagne.
06:55
It's about who you livevivre with.
160
400000
2000
C'est une question d'avec qui vous vivez.
06:57
RacismRacisme is predictableprévisible. And it's predictedprédit by
161
402000
2000
Le racisme est prévisible. Et il est prévu par
06:59
interactioninteraction or lackmanquer de thereofson with people unlikecontrairement à you, people of other racescourses.
162
404000
4000
l'interaction ou le manque d'interaction de gens différents de vous, de gens d'autres races.
07:03
So if you want to addressadresse it,
163
408000
2000
Donc si vous voulez vous y attaquer,
07:05
the goalobjectif is to facilitatefaciliter interactioninteraction with people of other racescourses.
164
410000
3000
le but est de faciliter l'interaction avec les gens d'autres races.
07:08
I have a couplecouple of very obviousévident, I supposesupposer,
165
413000
2000
J'ai deux ou trois idées très évidentes je présume,
07:10
ideasidées for maybe how to do that.
166
415000
3000
sur la manière dont on peut s'y prendre.
07:13
I'm a biggros fanventilateur of citiesvilles.
167
418000
2000
J'adore les villes.
07:15
EspeciallyEn particulier if we have citesla CITES that are diversediverse and sustainabledurable,
168
420000
3000
En particulier si nous avons des villes qui sont diversifiées et durables,
07:18
and can supportsoutien people of differentdifférent ethnicitiesethnies and differentdifférent incomele revenu groupsgroupes.
169
423000
3000
et qu'elles peuvent faire vivre des gens de différents groupes ethniques et de différents revenus.
07:21
I think citiesvilles facilitatefaciliter more of the kindgentil of networkingla mise en réseau,
170
426000
3000
Je pense que les villes rendent plus facile l'établissement de réseaux,
07:24
the kindgentil of casualdécontractée interactioninteraction than you mightpourrait have on a dailydu quotidien basisbase.
171
429000
3000
et l'interaction informelle qu'on peut avoir au quotidien.
07:27
But alsoaussi not everyonetoutes les personnes wants to livevivre in a cityville, certainlycertainement not a cityville like NewNouveau YorkYork.
172
432000
3000
Mais il est certain que tout le monde ne veut pas vivre dans une ville, certainement pas une ville comme New York.
07:30
So we can think more about things like streetrue gridsgrilles.
173
435000
3000
Donc nous pouvons penser plutôt à des choses comme les plans d'urbanisation.
07:33
This is the neighborhoodquartier where I grewgrandi up in EastEast LansingLansing, MichiganMichigan.
174
438000
2000
Voici le quartier où j'ai grandi à East Lansing dans le Michigan.
07:35
It's a traditionaltraditionnel MidwesternCentre-Ouest communitycommunauté, whichlequel meansveux dire you have realréal gridla grille.
175
440000
3000
C'est une communauté traditionnelle du Midwest, ce qui veut dire qu'il y a un vrai plan d'urbanisation.
07:38
You have realréal neighborhoodsquartiers and realréal treesdes arbres, and realréal streetsdes rues you can walkmarche on.
176
443000
3000
Il y a de vrais quartiers et de vrais arbres, et de vraies rues où on peut marcher.
07:41
And you interactinteragir a lot with your neighborsvoisins --
177
446000
3000
Et vous interagissez beaucoup avec vos voisins,
07:44
people you like, people you mightpourrait not know.
178
449000
2000
des gens que vous aimez bien, des gens que vous ne connaissez peut-être pas.
07:46
And as a resultrésultat it's a very toleranttolérant communitycommunauté,
179
451000
3000
Et par conséquent c'est une communauté très tolérante,
07:49
whichlequel is differentdifférent, I think, than something like this,
180
454000
2000
ce qui est différent, je crois, de quelque chose comme ceci,
07:51
whichlequel is in SchaumburgSchaumburg, IllinoisIllinois,
181
456000
2000
qui est Schaumburg dans l'Illinois.
07:53
where everychaque little setensemble of housesMaisons has theirleur ownposséder cul-de-saccul-de-sac
182
458000
3000
Où chaque petit groupe de maisons a son propre cul-de-sac
07:56
and drive-throughvolant StarbucksStarbucks and stuffdes trucs like that.
183
461000
2000
et un café Starbuck avec drive-in et des trucs comme ça.
07:58
I think that actuallyréellement this typetype of urbanUrbain designconception,
184
463000
3000
Je pense qu'en fait ce type de conception urbaine,
08:01
whichlequel becamedevenu more prevalentfréquent in the 1970s and 1980s --
185
466000
3000
qui a prévalu dans les années 1970 et 1980,
08:04
I think there is a relationshiprelation betweenentre that and the countryPays becomingdevenir
186
469000
3000
je pense qu'il y a une relation entre ça et le fait que le pays est devenu
08:07
more conservativeconservateur underen dessous de RonaldRonald ReaganReagan.
187
472000
2000
plus conservateur, sous Ronald Reagan.
08:09
But alsoaussi here is anotherun autre ideaidée we have --
188
474000
3000
Mais aussi, voici une autre de nos idées --
08:12
is an intercollegiateintercollégial exchangeéchange programprogramme
189
477000
2000
c'est un programme d'échange interuniversitaire
08:14
where you have studentsélèves going from NewNouveau YorkYork abroadà l'étranger.
190
479000
3000
dans lequel vous avez des étudiants qui partent de New York pour l'étranger.
08:17
But franklyfranchement there are enoughassez differencesdifférences withindans the countryPays now
191
482000
2000
Mais franchement, il y a assez de différences à l'intérieur même du pays aujourd'hui
08:19
where maybe you can take a bunchbouquet of kidsdes gamins from NYUNYU,
192
484000
3000
loù on peut peut-être prendre un groupe de gosses de l'Université de New York
08:22
have them go studyétude for a semestersemestre at the UniversityUniversité of ArkansasArkansas,
193
487000
2000
les envoyer étudier pendant un semestre dans l'université d'Arkansas,
08:24
and vicevice versaversa. Do it at the highhaute schoolécole levelniveau.
194
489000
3000
et vice versa. Faire ça pour les lycées.
08:27
LiterallyLittéralement there are people who mightpourrait be in schoolécole in ArkansasArkansas or TennesseeTennessee
195
492000
3000
Littéralement il y a des gens qui pourraient être scolarisé en Arkansas ou au Tennessee,
08:30
and mightpourrait never interactinteragir in a positivepositif affirmativediscrimination positive way
196
495000
3000
et pourraient ne jamais interagir d'une façon positive
08:33
with someoneQuelqu'un from anotherun autre partpartie of the countryPays, or of anotherun autre racialracial groupgroupe.
197
498000
4000
avec quelqu'un d'un autre coin du pays, ou d'un autre groupe racial.
08:37
I think partpartie of the educationéducation variablevariable we talkeda parlé about before
198
502000
3000
Je pense qu'une partie de la variable de l'éducation dont nous avons parlé tout à l'heure
08:40
is the networkingla mise en réseau experienceexpérience you get when you go to collegeUniversité
199
505000
2000
est l'expérience du réseautage que vous obtenez quand vous allez à l'université
08:42
where you do get a mixmélanger of people that you mightpourrait not interactinteragir with otherwiseautrement.
200
507000
4000
où vous trouvez un mélange de gens avec lesquels vous n'auriez pas interagi autrement.
08:46
But the pointpoint is, this is all good newsnouvelles,
201
511000
2000
Mais le fait est que, c'est une bonne nouvelle.
08:48
because when something is predictableprévisible,
202
513000
3000
Parce que quand une chose est prévisible,
08:51
it is what I call designableconcevables.
203
516000
2000
elle est ce que j'apelle concevable.
08:53
You can startdébut thinkingen pensant about solutionssolutions to solvingrésoudre that problemproblème,
204
518000
2000
On peut commencer à penser à des solutions pour résoudre le problème.
08:55
even if the problemproblème is perniciouspernicieux and as intractableinsolubles as racismracisme.
205
520000
3000
Même si le problème est pernicieux, et aussi intraitable que le racisme.
08:58
If we understandcomprendre the rootracine causescauses of the behaviorcomportement
206
523000
2000
Si nous comprenons les raisons à l'origine du comportement
09:00
and where it manifestsmanifestes itselfse and where it doesn't,
207
525000
2000
et où il se manifeste et où il est absent,
09:02
we can startdébut to designconception solutionssolutions to it.
208
527000
3000
nous pouvons commencer à concevoir des solutions.
09:05
So that's all I have to say. Thank you very much.
209
530000
2000
Voilà, c'est tout ce que j'ai à dire. Merci beauccoup.
09:07
(ApplauseApplaudissements)
210
532000
1000
(Applaudissements)
Translated by Elisabeth Buffard
Reviewed by Marine Putman

▲Back to top

ABOUT THE SPEAKER
Nate Silver - Statistician
Math whiz and baseball fan Nate Silver was mainly known for predicting outcomes in fantasy ballgames -- until his technique hit a home run calling the outcome of the 2008 election primaries.

Why you should listen

In the 2008 election season's closing weeks, throngs of wonks and laypeople alike were glued to FiveThirtyEight.com, a habitforming political blog. Red and blue bar charts crowded the scrollbars as the pulse of exit polls crept along the site's latest projections. It seemed almost miraculous: In a year of acute turns of favor, the site's owner and mouthpiece, Nate Silver (who blogged anonymously as "Poblano" until outing himself on May 30, 2008, as a baseball numberhead), managed to predict the winners of every U.S. Senate contest -- and the general Presidential election.

Besides being just-damn-fascinating, Silver's analysis is a decidedly contrarian gauntlet thrown before an unrepentant, spectacle-driven media. The up-and-coming pundit, who cut his teeth forecasting the performance of Major League Baseball players, has a fairly direct explanation of why most projections fail: "Polls are cherry-picked based on their brand name or shock value rather than their track record of accuracy."

Silver's considerable smarts are already helping local campaigns build constituencies and strategize. He is the author of The Signal and the Noise: Why So Many Predictions Fail - but Some Don't

More profile about the speaker
Nate Silver | Speaker | TED.com