TED2009
Nate Silver: Does racism affect how you vote?
Nate Silver: Befolyásolja a rasszizmus szavazatainkat?
Filmed:
Readability: 4
498,847 views
Nate Silver megválaszolja a politika ellentmondásos kérdéseit a rasszizmusról: visszavetette bármennyire is Obama szavazatait faji származása? Statisztikák és mítoszok ütköznek lenyűgöző beszédében, amely figyelemre méltó rálátást enged arra, milyen szerepet kaphat a várostervezés a tolerancia növelésében.
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. Full bio
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 election.
0
0
3000
A választásokról fogok beszélni.
00:18
For the first time in the United States, a predominantly white group of voters
1
3000
3000
Az Egyesült Államokban először,
a szavazók túlnyomórészt fehér csoportja
a szavazók túlnyomórészt fehér csoportja
00:21
voted for an African-American candidate for President.
2
6000
3000
egy afroamerikai jelöltre voksolt
az elnökválasztáson.
az elnökválasztáson.
00:24
And in fact Barack Obama did quite well.
3
9000
2000
Tényszerűen,
Barack Obama elég jól teljesített.
Barack Obama elég jól teljesített.
00:26
He won 375 electoral votes.
4
11000
2000
375 elektori szavazatot szerzett.
00:28
And he won about 70 million popular votes
5
13000
3000
És mintegy 70 millió népszerűségi szavazattal
00:31
more than any other presidential candidate --
6
16000
2000
többet kapott, mint bármely más elnökjelölt --
00:33
of any race, of any party -- in history.
7
18000
3000
származástól és párttól függetlenül
-- a történelemben.
-- a történelemben.
00:36
If you compare how Obama did against how John Kerry had done four years earlier --
8
21000
4000
Ha összehasonlítják Obama győzelmét
John Kerry négy évvel ezelőtti eredményével
John Kerry négy évvel ezelőtti eredményével
00:40
Democrats really like seeing this transition here,
9
25000
3000
-- a demokraták igazán boldogan fogadják
ezt a változást,
ezt a változást,
00:43
where almost every state becomes bluer, becomes more democratic --
10
28000
4000
ahogy majd minden állam egyre kékebbé,
demokratikusabbá válik --
demokratikusabbá válik --
00:47
even states Obama lost, like out west,
11
32000
2000
még ott is, ahol Obama veszített,
pl. nyugaton,
pl. nyugaton,
00:49
those states became more blue.
12
34000
2000
az államok bekékültek.
00:51
In the south, in the northeast, almost everywhere
13
36000
3000
Délen, északkeleten, szinte mindenütt,
00:54
but with a couple of exceptions here and there.
14
39000
3000
itt-ott néhány kivételtől eltekintve.
00:57
One exception is in Massachusetts.
15
42000
2000
Az egyik ilyen kivétel Massachusetts.
00:59
That was John Kerry's home state.
16
44000
2000
Ez volt John Kerry székhelye.
01:01
No big surprise, Obama couldn't do better than Kerry there.
17
46000
2000
Nem nagy meglepetés,
hogy Obama itt nem előzhette meg Kerry-t.
hogy Obama itt nem előzhette meg Kerry-t.
01:03
Or in Arizona, which is John McCain's home,
18
48000
2000
Ahogy Arizonában, John McCain otthonában
01:05
Obama didn't have much improvement.
19
50000
2000
sem javított jelentősen Obama.
01:07
But there is also this part of the country, kind of in the middle region here.
20
52000
2000
De itt van az ország ezen része is,
nagyjából a középső régió.
nagyjából a középső régió.
01:09
This kind of Arkansas, Tennessee, Oklahoma, West Virginia region.
21
54000
4000
Arkansas, Tennessee, Oklahoma
és Nyugat-Virginia régiója.
és Nyugat-Virginia régiója.
01:13
Now if you look at '96, Bill Clinton --
22
58000
2000
Ha visszatekintünk '96-ba, Bill Clintonra
01:15
the last Democrat to actually win -- how he did in '96,
23
60000
3000
-- az utolsó demokratára, aki győzelmet aratott --
és '96-os teljesítményére,
és '96-os teljesítményére,
01:18
you see real big differences in this part of the country right here,
24
63000
3000
jelentős különbségeket láthatunk
az ország ezen részén,
az ország ezen részén,
01:21
the kind of Appalachians, Ozarks, highlands region, as I call it:
25
66000
4000
az appalache-i, ozarksi, felvidéki
területeken, ahogy én hívom:
területeken, ahogy én hívom:
01:25
20 or 30 point swings
26
70000
2000
20-30 pontos különbséget
01:27
from how Bill Clinton did in '96 to how Obama did
27
72000
2000
Bill Clinton '96-os és Obama
teljesítménye között
teljesítménye között
01:29
in 2008.
28
74000
2000
2008-ban.
01:31
Yes Bill Clinton was from Arkansas, but these are very, very profound differences.
29
76000
5000
Igen, Bill Clinton Arkansasból származott,
de ezek sokkal mélyebben gyökerező különbségek.
de ezek sokkal mélyebben gyökerező különbségek.
01:36
So, when we think about parts of the country like Arkansas, you know.
30
81000
2000
Ha az ország azon részeire gondolunk,
mint Arkansas, nos tudják...
mint Arkansas, nos tudják...
01:38
There is a book written called, "What's the Matter with Kansas?"
31
83000
3000
Van egy könyv, a "Mi a baj Kansasszel?"
01:41
But really the question here -- Obama did relatively well in Kansas.
32
86000
3000
De nem ez itt a kérdés
-- Obama viszonylag jól teljesített Kansasben.
-- Obama viszonylag jól teljesített Kansasben.
01:44
He lost badly but every Democrat does.
33
89000
2000
Itt pedig csúnyán veszített ugyan,
de minden demokrata így végez.
de minden demokrata így végez.
01:46
He lost no worse than most people do.
34
91000
2000
Nem járt rosszabbul, mint a legtöbben.
01:48
But yeah, what's the matter with Arkansas?
35
93000
4000
De tényleg, mi a baj Arkansasszal?
01:52
(Laughter)
36
97000
1000
(Nevetés)
01:53
And when we think of Arkansas we tend to have pretty negative connotations.
37
98000
3000
Amikor Arkansasra gondolunk, hajlamosak
vagyunk eléggé negatív konnotációkat tenni.
vagyunk eléggé negatív konnotációkat tenni.
01:56
We think of a bunch of rednecks, quote, unquote, with guns.
38
101000
3000
Egy halom parasztra gondolunk
-- mármint idézőjelben -- fegyverekkel.
-- mármint idézőjelben -- fegyverekkel.
01:59
And we think people like this probably don't want to vote
39
104000
3000
És úgy gondoljuk, hogy mint ilyenek,
valószínűleg nem akarnak olyasvalakire
valószínűleg nem akarnak olyasvalakire
02:02
for people who look like this and are named Barack Obama.
40
107000
3000
szavazni, aki úgy néz ki mint ő,
és a neve Barack Obama.
és a neve Barack Obama.
02:05
We think it's a matter of race. And is this fair?
41
110000
3000
Úgy gondoljuk, ez faji kérdés.
Valóban így volna?
Valóban így volna?
02:08
Are we kind of stigmatizing people from Arkansas, and this part of the country?
42
113000
3000
Mi is ilyen stigmatizáló emberek volnánk
Arkansasból, és az ország ezen részéről?
Arkansasból, és az ország ezen részéről?
02:11
And the answer is: it is at least partially fair.
43
116000
3000
A válaszom:
valóban ez az oka, legalábbis részben.
valóban ez az oka, legalábbis részben.
02:14
We know that race was a factor, and the reason why we know that
44
119000
2000
Tudjuk, hogy a faji kérdés szerepet játszott,
mégpedig azért,
mégpedig azért,
02:16
is because we asked those people.
45
121000
2000
mert megkérdeztük azokat az embereket.
02:18
Actually we didn't ask them, but when they conducted
46
123000
2000
Tulajdonképpen nem kérdeztük meg őket,
de mikor közvélemény-kutatást
de mikor közvélemény-kutatást
02:20
exit polls in every state,
47
125000
2000
végeztek az államokban,
02:22
in 37 states, out of the 50,
48
127000
2000
37-ben az 50-ből,
02:24
they asked a question, that was pretty direct, about race.
49
129000
3000
feltettek egy kérdést, ami igazán direkten
kérdezett rá a fajiságra.
kérdezett rá a fajiságra.
02:27
They asked this question.
50
132000
2000
A kérdés a következő volt.
02:29
In deciding your vote for President today, was the race
51
134000
2000
A mai elnökválasztási döntésében szerepet játszott
02:31
of the candidate a factor?
52
136000
2000
a jelölt származásának ténye?
02:33
We're looking for people that said, "Yes, race was a factor;
53
138000
3000
Azokat keressük, akiknek válasza:
"Igen, a származás szerepet játszott;
"Igen, a származás szerepet játszott;
02:36
moreover it was an important factor, in my decision,"
54
141000
2000
továbbá fontos tényező volt döntésemben.",
02:38
and people who voted for John McCain
55
143000
3000
és azokat a személyeket,
akik John McCain szavazói lettek
akik John McCain szavazói lettek
02:41
as a result of that factor,
56
146000
2000
ennek a tényezőnek köszönhetően
02:43
maybe in combination with other factors, and maybe alone.
57
148000
2000
-- talán más tényezőkkel kombináltan,
talán kizárólag emiatt.
talán kizárólag emiatt.
02:45
We're looking for this behavior among white voters
58
150000
3000
Ezt a viselkedést keressük a fehér szavazók között,
02:48
or, really, non-black voters.
59
153000
3000
vagy valójában,
a nem fekete választóknál.
a nem fekete választóknál.
02:51
So you see big differences in different parts
60
156000
2000
Igen nagy eltéréseket láthatnak
az ország különböző részein,
az ország különböző részein,
02:53
of the country on this question.
61
158000
2000
a kérdést illetően.
02:55
In Louisiana, about one in five white voters
62
160000
3000
Louisianában kb. ötből egy fehér választó
02:58
said, "Yes, one of the big reasons why I voted against Barack Obama
63
163000
3000
felelte: "Igen, az egyik döntő ok,
amiért Barack Obama ellen szavaztam,
amiért Barack Obama ellen szavaztam,
03:01
is because he was an African-American."
64
166000
2000
az afroamerikai származása volt."
03:03
If those people had voted for Obama,
65
168000
2000
Ha ezen személyek Obamára szavaztak volna,
03:05
even half of them, Obama would have won Louisiana safely.
66
170000
4000
akár csak a felük, Obama bizonyosan
megnyerte volna Louisianát.
megnyerte volna Louisianát.
03:09
Same is true with, I think, all of these states you see on the top of the list.
67
174000
2000
Ugyanez igaz, azt hiszem, mindazon
államokban, amiket a lista élén látnak.
államokban, amiket a lista élén látnak.
03:11
Meanwhile, California, New York, we can say, "Oh we're enlightened"
68
176000
4000
Mindeközben Kaliforniában, New Yorkban azt
mondhatnánk, "Ó, mi felvilágosultak vagyunk".
mondhatnánk, "Ó, mi felvilágosultak vagyunk".
03:15
but you know, certainly a much lower incidence of this
69
180000
2000
De tudják, itt bizonyosan jóval
kevésbé gyakori az efajta
kevésbé gyakori az efajta
03:17
admitted, I suppose,
70
182000
2000
beismerés, azt hiszem,
03:19
manifestation of racially-based voting.
71
184000
3000
vagyis a faji alapú szavazás megnyilvánulása.
03:22
Here is the same data on a map.
72
187000
2000
Ezek ugyanazok az adatok, térképen.
03:24
You kind of see the relationship between
73
189000
2000
Láthatják a kapcsolatot a
03:26
the redder states of where more people responded and said,
74
191000
2000
a vörösebb államok között,
ahol több ember válaszolta, hogy
ahol több ember válaszolta, hogy
03:28
"Yes, Barack Obama's race was a problem for me."
75
193000
3000
"Igen, Barack Obama származása
problémát jelentett".
problémát jelentett".
03:31
You see, comparing the map to '96, you see an overlap here.
76
196000
3000
Összehasonlítva a térképet a '96-ossal,
látható az átfedés.
látható az átfedés.
03:34
This really seems to explain
77
199000
2000
Ez valóban magyarázni látszik,
03:36
why Barack Obama did worse
78
201000
2000
miért teljesített Obama rosszabbul
03:38
in this one part of the country.
79
203000
2000
az ország ezen területén.
03:40
So we have to ask why.
80
205000
2000
A kérdés, hogy miért.
03:42
Is racism predictable in some way?
81
207000
2000
A rasszizmus kiszámítható valamiképp?
03:44
Is there something driving this?
82
209000
2000
Irányítja valami?
03:46
Is it just about some weird stuff that goes on in Arkansas
83
211000
2000
Ez csupán valami Arkansasra jellemző furcsaság,
03:48
that we don't understand, and Kentucky?
84
213000
2000
amit nem értünk, valamint Kentucky-ra?
03:50
Or are there more systematic factors at work?
85
215000
2000
Vagy szisztematikusabb tényezők
vannak a háttérben?
vannak a háttérben?
03:52
And so we can look at a bunch of different variables.
86
217000
2000
Számos különböző változót vehetünk figyelembe.
03:54
These are things that economists and political scientists look at all the time --
87
219000
3000
Ezek azok a dolgok, amiket a közgazdászok
és a politológusok állandóan figyelnek
és a politológusok állandóan figyelnek
03:57
things like income, and religion, education.
88
222000
3000
-- mint a jövedelem és a vallás, oktatás.
04:00
Which of these seem to drive
89
225000
2000
Ezek közül melyik lehet hajtóereje
04:02
this manifestation of racism
90
227000
2000
a rasszizmus azon megnyilvánulásának,
04:04
in this big national experiment we had on November 4th?
91
229000
3000
amit ebben a nagy nemzeti kísérletben
rögzítettünk, november 4-én?
rögzítettünk, november 4-én?
04:07
And there are a couple of these that have
92
232000
2000
E tényezők közül néhány
04:09
strong predictive relationships,
93
234000
2000
erősen prediktív kapcsolattal bír:
04:11
one of which is education,
94
236000
3000
az egyikük az iskolázottság,
04:14
where you see the states with the fewest years of schooling
95
239000
2000
a vörös államokban a legkevesebb az
iskolában töltött évek száma,
iskolában töltött évek száma,
04:16
per adult are in red,
96
241000
2000
egy főre esően,
04:18
and you see this part of the country, the kind of Appalachians region,
97
243000
3000
és láthatják, hogy az ország ezen része,
az appalache-i régió,
az appalache-i régió,
04:21
is less educated. It's just a fact.
98
246000
2000
kevésbé iskolázott. Egyszerű tény.
04:23
And you see the relationship there
99
248000
2000
És láthatják itt a kapcsolatot,
04:25
with the racially-based voting patterns.
100
250000
3000
a faji alapú szavazatok mintázatát.
04:28
The other variable that's important is
101
253000
2000
A másik fontos változó
04:30
the type of neighborhood that you live in.
102
255000
3000
a lakóhelyek környezettípusa.
04:33
States that are more rural --
103
258000
2000
A rurálisabb államok
04:35
even to some extent of the states like New Hampshire and Maine --
104
260000
2000
-- még bizonyos mértékig az olyanok is,
mint New Hampshire és Maine --
mint New Hampshire és Maine --
04:37
they exhibit a little bit of
105
262000
2000
egy kissé hajlamosabbak
04:39
this racially-based voting against Barack Obama.
106
264000
3000
a faji alapú voksolásra Barack Obama ellen.
04:42
So it's the combination of these two things: it's education
107
267000
2000
Így ez két dolog kombinációja: iskolázottság
04:44
and the type of neighbors that you have,
108
269000
2000
és környezet kérdése
04:46
which we'll talk about more in a moment.
109
271000
2000
-- utóbbira azonnal visszatérek.
04:48
And the thing about states like Arkansas and Tennessee
110
273000
2000
Arkansas és Tennessee államokkal az a helyzet,
04:50
is that they're both very rural,
111
275000
2000
hogy mindkettő nagyon rurális,
04:52
and they are educationally impoverished.
112
277000
4000
és szegényes oktatottságú.
04:56
So yes, racism is predictable.
113
281000
2000
Tehát igen, a rasszizmus kiszámítható.
04:58
These things, among maybe other variables,
114
283000
2000
Mindezek alapján, és talán további változókkal,
05:00
but these things seem to predict it.
115
285000
2000
de szinte bizonyosan előre jelezhető.
05:02
We're going to drill down a little bit more now,
116
287000
2000
Még mélyebbre igyekszünk ásni,
05:04
into something called the General Social Survey.
117
289000
2000
az ún. Általános Társadalmi Felmérés világába.
05:06
This is conducted by the University of Chicago
118
291000
2000
Ez egy, a University of Chicago
által végzett felmérés,
által végzett felmérés,
05:08
every other year.
119
293000
2000
kétévenként.
05:10
And they ask a series of really interesting questions.
120
295000
2000
Igazán érdekes kérdések sorozatát
teszik fel benne.
teszik fel benne.
05:12
In 2000 they had particularly interesting questions
121
297000
2000
2000-ben különösen érdekes kérdéseket
sorakoztattak fel
sorakoztattak fel
05:14
about racial attitudes.
122
299000
2000
a faji attitűdökről.
05:16
One simple question they asked is,
123
301000
2000
Az egyik egyszerű kérdésük így szól:
05:18
"Does anyone of the opposite race live in your neighborhood?"
124
303000
4000
"Él bárki az Ön szomszédságában,
aki önnel ellenkező származású?"
aki önnel ellenkező származású?"
05:22
We can see in different types of communities that the results are quite different.
125
307000
3000
Különböző közösségtípusokat láthatunk,
meglehetősen különböző eredményekkel.
meglehetősen különböző eredményekkel.
05:25
In cites, about 80 percent of people
126
310000
3000
A városi lakosság 80 százaléka
05:28
have someone whom they consider a neighbor of another race,
127
313000
3000
ismer valakit a környezetében, akit eltérő származásúnak ítélt meg,
05:31
but in rural communities, only about 30 percent.
128
316000
3000
míg a rurális közösségeknek csupán 30 százaléka.
05:34
Probably because if you live on a farm, you might not have a lot of neighbors, period.
129
319000
3000
Ennek valószínű oka, hogy farmon élőként nem túl népes a szomszédságunk.
05:37
But nevertheless, you're not having a lot of interaction with people
130
322000
3000
Mindazonáltal, nem lépünk túl gyakran
interakcióba másokkal,
interakcióba másokkal,
05:40
who are unlike you.
131
325000
2000
tőlünk különböző emberekkel.
05:42
So what we're going to do now is take the white people in the survey
132
327000
3000
A következő lépésünk,
hogy a felmérés fehér válaszadóit
hogy a felmérés fehér válaszadóit
05:45
and split them between those who have black neighbors --
133
330000
3000
két csoportra osztjuk:
fekete szomszédokkal rendelkezőkre
fekete szomszédokkal rendelkezőkre
05:48
or, really, some neighbor of another race --
134
333000
2000
-- pontosabban:
más származású szomszédságúakra --,
más származású szomszédságúakra --,
05:50
and people who have only white neighbors.
135
335000
3000
és olyanokra,
akiknek csak fehér szomszédaik vannak.
akiknek csak fehér szomszédaik vannak.
05:53
And we see in some variables
136
338000
2000
Láthatjuk, egyes változókban,
05:55
in terms of political attitudes, not a lot of difference.
137
340000
2000
így a politikai attitűdökben,
hogy nem mutatnak nagy különbséget.
hogy nem mutatnak nagy különbséget.
05:57
This was eight years ago, some people were more Republican back then.
138
342000
3000
Ez volt nyolc évvel ezelőtt,
amikor több republikánusunk volt.
amikor több republikánusunk volt.
06:00
But you see Democrats versus Republican,
139
345000
2000
De láthatóan,
a demokraták republikánusok elleni felállásban
a demokraták republikánusok elleni felállásban
06:02
not a big difference based on who your neighbors are.
140
347000
3000
nem okoz nagy eltérést a szomszédság kérdése.
06:05
And even some questions about race -- for example
141
350000
2000
Még néhány faji kérdésben sem -- például
06:07
affirmative action, which is kind of a political question,
142
352000
2000
a pozitív diszkriminációs intézkedések terén,
ami szintén politikai,
ami szintén politikai,
06:09
a policy question about race, if you will --
143
354000
2000
vagy faji kérdés, ha úgy tetszik --
06:11
not much difference here.
144
356000
2000
okoz nagy különbséget.
06:13
Affirmative action is not very popular frankly, with white voters, period.
145
358000
3000
A pozitív diszkrimináció nem örvendett
őszinte népszerűségnek a fehér választók között.
őszinte népszerűségnek a fehér választók között.
06:16
But people with black neighbors and people with mono-racial neighborhoods
146
361000
3000
Azonban sem a fekete szomszédságúak,
sem pedig a homogén szomszédságok
sem pedig a homogén szomszédságok
06:19
feel no differently about it really.
147
364000
3000
nem vélekednek eltérően a kérdésben.
06:22
But if you probe a bit deeper and get a bit more personal if you will,
148
367000
4000
De ha még mélyebbre, személyesebbre
váltunk a kérdésekkel:
váltunk a kérdésekkel:
06:26
"Do you favor a law banning interracial marriage?"
149
371000
2000
"Helyeselné, ha törvény tiltaná
a különböző bőrszínűek házasságát?"
a különböző bőrszínűek házasságát?"
06:28
There is a big difference.
150
373000
2000
Itt már nagy a különbség.
06:30
People who don't have neighbors of a different race
151
375000
2000
Azok, akiknek szomszédai kizárólag fehérek,
06:32
are about twice as likely
152
377000
2000
kb. kétszer hajlamosabbak
06:34
to oppose interracial marriage as people who do.
153
379000
3000
a fajok közötti házasság ellenzésére,
mint a másik csoport.
mint a másik csoport.
06:37
Just based on who lives in your immediate neighborhood around you.
154
382000
3000
Csak az alapján,
hogy milyen környezet veszi őket körül.
hogy milyen környezet veszi őket körül.
06:40
And likewise they asked, not in 2000, but in the same survey in 1996,
155
385000
4000
Hasonló kérdés, nem 2000-ből,
de ugyanazon felmérésben 1996-ból:
de ugyanazon felmérésben 1996-ból:
06:44
"Would you not vote for a qualified black president?"
156
389000
4000
"Megtagadná szavazatát
egy alkalmas fekete elnökjelölttől?"
egy alkalmas fekete elnökjelölttől?"
06:48
You see people without neighbors who are African-American who
157
393000
2000
Láthatják, az afroamerikai
szomszédokkal nem rendelkezők
szomszédokkal nem rendelkezők
06:50
were much more likely to say, "That would give me a problem."
158
395000
3000
hajlamosabbak a válaszra:
"Igen, ez problémát jelentene számomra."
"Igen, ez problémát jelentene számomra."
06:53
So it's really not even about urban versus rural.
159
398000
2000
Mindez tehát nem az
urbánus vagy rurális körülménytől függ.
urbánus vagy rurális körülménytől függ.
06:55
It's about who you live with.
160
400000
2000
Attól függ, kik vesznek körül minket.
06:57
Racism is predictable. And it's predicted by
161
402000
2000
A rasszizmus kiszámítható. Mégpedig
06:59
interaction or lack thereof with people unlike you, people of other races.
162
404000
4000
a másokkal, más származásúakkal
való interakció hiányából megjósolható.
való interakció hiányából megjósolható.
07:03
So if you want to address it,
163
408000
2000
Tehát a kezeléséhez
07:05
the goal is to facilitate interaction with people of other races.
164
410000
3000
meg kell könnyítenünk
a más etnikumúakkal történő interakciót.
a más etnikumúakkal történő interakciót.
07:08
I have a couple of very obvious, I suppose,
165
413000
2000
Van néhány -- azt hiszem -- nyilvánvaló
07:10
ideas for maybe how to do that.
166
415000
3000
ötletem,
hogyan tehetnénk meg ezt.
hogyan tehetnénk meg ezt.
07:13
I'm a big fan of cities.
167
418000
2000
Rajongok a nagyvárosokért.
07:15
Especially if we have cites that are diverse and sustainable,
168
420000
3000
Különösen, ha változatosak és fenntarthatóak,
07:18
and can support people of different ethnicities and different income groups.
169
423000
3000
és képesek támogatni a különböző etnikumú
és jövedelmi helyzetű csoportokat.
és jövedelmi helyzetű csoportokat.
07:21
I think cities facilitate more of the kind of networking,
170
426000
3000
Azt hiszem, a városok meggyorsítják
az efféle hálózatépítést,
az efféle hálózatépítést,
07:24
the kind of casual interaction than you might have on a daily basis.
171
429000
3000
azt a fajta interakciót, amit
Önök talán napi szinten elérnek.
Önök talán napi szinten elérnek.
07:27
But also not everyone wants to live in a city, certainly not a city like New York.
172
432000
3000
De nem mindenki vágyik városi életre,
különösen nem New York-ira.
különösen nem New York-ira.
07:30
So we can think more about things like street grids.
173
435000
3000
Szóval gondoljunk inkább utcahálózatokra.
07:33
This is the neighborhood where I grew up in East Lansing, Michigan.
174
438000
2000
Ez az a környék, ahol felnőttem,
East Lansing, Michigan.
East Lansing, Michigan.
07:35
It's a traditional Midwestern community, which means you have real grid.
175
440000
3000
Hagyományos középnyugati közösség,
ami valódi hálózatot jelent.
ami valódi hálózatot jelent.
07:38
You have real neighborhoods and real trees, and real streets you can walk on.
176
443000
3000
Valódi környékek és valódi fák,
igazi gyalogutak.
igazi gyalogutak.
07:41
And you interact a lot with your neighbors --
177
446000
3000
És nagymértékű interakció a szomszédsággal
07:44
people you like, people you might not know.
178
449000
2000
-- emberekkel, akiket kedvelünk,
vagy talán nem is ismerünk.
vagy talán nem is ismerünk.
07:46
And as a result it's a very tolerant community,
179
451000
3000
Ennek eredményeképp létrejön
egy nagyon toleráns közösség,
egy nagyon toleráns közösség,
07:49
which is different, I think, than something like this,
180
454000
2000
ami valamiképp különbözik, úgy vélem,
07:51
which is in Schaumburg, Illinois,
181
456000
2000
a schaumburgi, illinoisi állapottól,
07:53
where every little set of houses has their own cul-de-sac
182
458000
3000
ahol minden apró házcsoportnak saját zsákutcája,
07:56
and drive-through Starbucks and stuff like that.
183
461000
2000
és autós Starbuckssza van,
és ehhez hasonló dolgai.
és ehhez hasonló dolgai.
07:58
I think that actually this type of urban design,
184
463000
3000
Azt hiszem, ez a típusú várostervezés az,
08:01
which became more prevalent in the 1970s and 1980s --
185
466000
3000
ami uralkodóvá vált
az 1970-es és 1980-as években.
az 1970-es és 1980-as években.
08:04
I think there is a relationship between that and the country becoming
186
469000
3000
Úgy vélem, van egy kapcsolat mindeközt
és az ország konzervatívabbá
és az ország konzervatívabbá
08:07
more conservative under Ronald Reagan.
187
472000
2000
válása között -- Ronald Reagan idejéből.
08:09
But also here is another idea we have --
188
474000
3000
De van egy másik ötlet is,
08:12
is an intercollegiate exchange program
189
477000
2000
egy egyetemközi csereprogram,
08:14
where you have students going from New York abroad.
190
479000
3000
aminek keretében New York-i
hallgatók utazhatnak külföldre.
hallgatók utazhatnak külföldre.
08:17
But frankly there are enough differences within the country now
191
482000
2000
De őszintén szólva a határokon belül is
számos a különbség,
számos a különbség,
08:19
where maybe you can take a bunch of kids from NYU,
192
484000
3000
így akár arra is rábírhatnánk a
New York-i Egyetem hallgatóit,
New York-i Egyetem hallgatóit,
08:22
have them go study for a semester at the University of Arkansas,
193
487000
2000
hogy egy szemesztert töltsenek el
az Arkansasi Egyetemen,
az Arkansasi Egyetemen,
08:24
and vice versa. Do it at the high school level.
194
489000
3000
és vice versa.
Megtehetnénk már középiskolásokkal is.
Megtehetnénk már középiskolásokkal is.
08:27
Literally there are people who might be in school in Arkansas or Tennessee
195
492000
3000
Szó szerint, vannak, akik
Arkansasban vagy Tennessee-ben járnak iskolába,
Arkansasban vagy Tennessee-ben járnak iskolába,
08:30
and might never interact in a positive affirmative way
196
495000
3000
és talán még sosem léptek pozitív,
megerősítő kapcsolatba senkivel
megerősítő kapcsolatba senkivel
08:33
with someone from another part of the country, or of another racial group.
197
498000
4000
az ország más részeiről,
vagy más származásúak csoportjával.
vagy más származásúak csoportjával.
08:37
I think part of the education variable we talked about before
198
502000
3000
Úgy gondolom, az említett
iskolázottsági tényező része
iskolázottsági tényező része
08:40
is the networking experience you get when you go to college
199
505000
2000
az a hálózati élmény is,
amit a főiskolán szerzünk,
amit a főiskolán szerzünk,
08:42
where you do get a mix of people that you might not interact with otherwise.
200
507000
4000
ahol különféle emberek vesznek körül,
akikkel máshogy nem találkoznánk.
akikkel máshogy nem találkoznánk.
08:46
But the point is, this is all good news,
201
511000
2000
De a lényeg, hogy mindez jó hír,
08:48
because when something is predictable,
202
513000
3000
mert ha valami kiszámítható,
08:51
it is what I call designable.
203
516000
2000
egyben tervezhető is.
08:53
You can start thinking about solutions to solving that problem,
204
518000
2000
Elkezdhetünk gondolkozni
a probléma lehetséges megoldásain,
a probléma lehetséges megoldásain,
08:55
even if the problem is pernicious and as intractable as racism.
205
520000
3000
még akkor is, ha az olyan veszedelmesen makacs,
mint a rasszizmus.
mint a rasszizmus.
08:58
If we understand the root causes of the behavior
206
523000
2000
Ha megértjük a viselkedés gyökerét,
09:00
and where it manifests itself and where it doesn't,
207
525000
2000
és hogy hol nyilvánul meg, és hol nem,
09:02
we can start to design solutions to it.
208
527000
3000
megkezdhetjük a megoldások tervezését.
09:05
So that's all I have to say. Thank you very much.
209
530000
2000
Ezt akartam ma megosztani Önökkel.
Nagyon köszönöm.
Nagyon köszönöm.
09:07
(Applause)
210
532000
1000
(Taps)
ABOUT THE SPEAKER
Nate Silver - StatisticianMath 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.
Nate Silver | Speaker | TED.com