ABOUT THE SPEAKER
Sal Khan - Educator and social entrepreneur
In 2004, Sal Khan, a hedge fund analyst, began making math tutorials for his cousins. Twelve years later, Khan Academy has more than 42 million registered users from 190 countries, with tutorials on subjects from basic math through economics, art history, computer science, health, medicine and more.

Why you should listen

Salman "Sal" Khan is the founder and chief executive officer of Khan Academy, a not-for-profit with a mission of providing a free, world-class education for anyone, anywhere.

Khan Academy started as a passion project in 2004. Khan's cousin was struggling with math, so he tutored her remotely and posted educational videos on YouTube. So many people watched the videos that eventually Khan quit his job at a hedge fund and pursued Khan Academy full time. Today Khan Academy has more than 100 employees in Mountain View, California. Khan Academy believes learners of all ages should have unlimited access to free educational content they can master at their own pace. Its resources cover preschool through early college education, including math, grammar, biology, chemistry, physics, economics, finance and history. Additionally, Khan Academy offers free personalized SAT test prep in partnership with the test developer, the College Board. More than 42 million registered users access Khan Academy in dozens of languages across 190 countries.

Khan has been profiled by "60 Minutes," featured on the cover of Forbes, and recognized as one of TIME’s "100 Most Influential People in the World." In his book, The One World Schoolhouse: Education Reimagined, Sal outlines his vision for the future of education.

Khan holds three degrees from MIT and an MBA from Harvard Business School.

More profile about the speaker
Sal Khan | Speaker | TED.com
TED2011

Sal Khan: Let's use video to reinvent education

სალმან ხანი: მოდით ახლებურად შევხედოთ განათლებას ვიდეო გაკვეთილების გამოყენებით.

Filmed:
5,578,134 views

სალმან ხანი საუბრობს იმაზე თუ როგორ და რატომ შექმნა შესანიშნავი Khan Academy. დიდი ყურადღებით სისტემატიზირებული ვიდეო გაკვეთილების სერიები, რომლებიც ფარავენ მათემათიკის მთელ სასწავლო პროგრამას, და ეხლა უკვე, სხვა საგნებსაც. ის გვიჩვენებს ინტერაქტიული დავალებების უპირატესობას და მოუწოდებს მასწავლებლებს განიხილონ ტრადიციული სწავლების "გადატრიალებული" მოდელი - მისცენ ვიდეო გაკვეთილები სახლში საყურებლად და "საშინაო დავალება" კლასში გააკეთონ, საჭიროების შემთხვევაში, მასწავლებლის დახმარებით.
- Educator and social entrepreneur
In 2004, Sal Khan, a hedge fund analyst, began making math tutorials for his cousins. Twelve years later, Khan Academy has more than 42 million registered users from 190 countries, with tutorials on subjects from basic math through economics, art history, computer science, health, medicine and more. Full bio

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

00:15
The Khan Academy is most known
0
0
2000
ხანის აკადემია პირველ რიგში ცნობილია
00:17
for its collection of videos,
1
2000
2000
თავისი ვიდეო გაკვეთილების კოლექციით,
00:19
so before I go any further,
2
4000
2000
ამიტომ სანამ გავაგრძელებ
00:21
let me show you a little bit of a montage.
3
6000
3000
ნება მომეცით გიჩვენოთ პატარა ვიოდე კოლაჟი.
00:24
(Video) Salman Khan: So the hypotenuse is now going to be five.
4
9000
3000
(ვიდეო) სალმან ხანი: ასე რომ, ჰიპოთეზა უდრის ხუთს.
00:27
This animal's fossils are only found in this area of South America --
5
12000
3000
ამ ცხოველის ნამარხები ნაპოვნია მხოლოდ სამხრეთ აფრიკის ამ არეში -
00:30
a nice clean band here --
6
15000
2000
აქ აი ასეთი სწორი ხაზია -
00:32
and this part of Africa.
7
17000
2000
და აფრიკის ამ ნაწილში.
00:34
We can integrate over the surface,
8
19000
2000
ჩვენ შეგვიძლია ავიღოთ ზედაპირის ინტეგრალი
00:36
and the notation usually is a capital sigma.
9
21000
3000
და ჩვეულიბრივ ის აღიშნება - დიდი სიგმათი.
00:39
National Assembly: They create the Committee of Public Safety,
10
24000
3000
ნაციონალური ასამბლეა: მათ შექმნეს საზოგადოებრივი უსაფრთხოების კომიტეტი,
00:42
which sounds like a very nice committee.
11
27000
2000
როგორც ჩანს საკმაოდ კარგი კომიტეტი.
00:44
Notice, this is an aldehyde,
12
29000
2000
მიაქციეთ ყურადღება, ეს არის ალდეჰიდი
00:46
and it's an alcohol.
13
31000
2000
და ეს არის სპირტი.
00:48
Start differentiating into effector and memory cells.
14
33000
3000
იწყებს დაყოფას ეფექტორად და მეხსიერების უჯრედებად.
00:51
A galaxy. Hey, there's another galaxy.
15
36000
2000
გალაკტიკა. შეხედე, კიდევ ერთი გალაკტიკა.
00:53
Oh look, there's another galaxy.
16
38000
2000
ო, შეხედე, კიდევ ერთი გალაკტიკა.
00:55
And for dollars, is their 30 million,
17
40000
3000
რაც შეეხება დოლარს, ის 30 მილიონია,
00:58
plus the 20 million dollars from the American manufacturer.
18
43000
3000
ამას პლუს 20 მილიონი დოლარი ამერიკელი მწარმოებელისგან.
01:01
If this does not blow your mind,
19
46000
3000
თუ ამან არ გადაგრიათ,
01:04
then you have no emotion.
20
49000
2000
მაშინ თქვენ გული არ გქონიათ.
01:06
(Laughter)
21
51000
2000
(სიცილი)
01:08
(Applause)
22
53000
5000
(აპლოდისმენტები)
01:13
SK: We now have on the order
23
58000
2000
სხ: ეხლა ჩვენ გვაქ დაახლოებით
01:15
of 2,200 videos
24
60000
2000
2,200 ვიდეო
01:17
covering everything from basic arithmetic
25
62000
2000
განსხვავებულ საკითხებზე - დაწყებული ელემენტარული არითმეტიკით
01:19
all the way to vector calculus
26
64000
2000
და დამთავრებული ვეკტორული გამოთვლებით
01:21
and some of the stuff you saw there.
27
66000
3000
რომლის ნაწყვეტებიც აქ ნახეთ.
01:24
We have a million students a month using the site,
28
69000
3000
ამ საიტს ყოველ თვე მილიონი სტუდენტი იყენებს,
01:27
watching on the order of 100 to 200,000 videos a day.
29
72000
4000
დღეში საშულოდ 100,000-დან 200,000-მდე ვიდეოს უყურებენ.
01:31
But what we're going to talk about in this
30
76000
2000
მაგრამ ეხლა რაზეც უნდა ვილაპარაკოთ
01:33
is how we're going to the next level.
31
78000
2000
არის ის, თუ როგორ გადავიდეთ შემდეგ დონეზე.
01:35
But before I do that,
32
80000
2000
სანამ დავიწყებ,
01:37
I want to talk a little bit about really just how I got started.
33
82000
3000
მინდა მოკლედ მოგიყვეთ იმაზე, თუ როგორ დავიწყე ეს ყველაფერი.
01:41
And some of you all might know,
34
86000
2000
შეიძლება ზოგიერთმა თქვენგანმა იცოდეს,
01:43
about five years ago I was an analyst at a hedge fund,
35
88000
3000
დაახლოებით ხუთი წლის წინ ვიყავი ანალიტიკოსი საინვესტიციო ფონდში
01:46
and I was in Boston,
36
91000
2000
და ვცხოვრობდი ბოსტონში
01:48
and I was tutoring my cousins in New Orleans, remotely.
37
93000
3000
და დისტანციურად ვასწავლიდი ჩემს ბიძაშვილებს ახალ ორლეანში.
01:51
And I started putting the first YouTube videos up
38
96000
3000
და დავიწყე ჩემი პირველი ვიდეო გაკვეთილების ატვირთვა YouTube-ზე
01:54
really just as a kind of nice-to-have,
39
99000
2000
უბრალოდ, მარტივად გამოყენებისთვის,
01:56
just a supplement for my cousins --
40
101000
2000
როგორც დამხმარე საშუალება ჩემი ბიძაშვილებისთვის -
01:58
something that might give them a refresher or something.
41
103000
3000
რაღაც, რაც გამეორებაში გამოადგებოდათ.
02:01
And as soon as I put those first YouTube videos up,
42
106000
2000
და როგორც კი ავტვირთე ეს ვიდეოები YouTube-ზე
02:03
something interesting happened --
43
108000
2000
საინტერესო რამ მოხდა -
02:05
actually a bunch of interesting things happened.
44
110000
2000
სინამდვილეში, ბევრი საინტერესო რამ მოხდა.
02:07
The first was the feedback from my cousins.
45
112000
3000
პირველი - ეს იყო უკუკავშირი ბიძაშვილებისგან.
02:10
They told me
46
115000
2000
მათ მითხრეს,
02:12
that they preferred me on YouTube than in person.
47
117000
3000
რომ YouTube-ში მე მათ უფორ მოვწონვარ, ვიდრე პერსონალურად.
02:15
(Laughter)
48
120000
7000
(სიცილი)
02:23
And once you get over the backhanded nature of that,
49
128000
3000
და როცა ამ აღიარების ორაზროვან ბუნებას აღარ მიაქცევთ ყურადღებს,
02:26
there was actually something very profound there.
50
131000
2000
დაინახავთ, რომ აქ იყო რაღაც ღრმა აზრი.
02:28
They were saying
51
133000
2000
მათ თქვეს,
02:30
that they preferred the automated version of their cousin
52
135000
2000
რომ ერჩივნათ მათი ბიძაშვილის ავტომატური ვერსია
02:32
to their cousin.
53
137000
2000
მათ ბიძაშვილს.
02:34
At first, it's very unintuitive,
54
139000
2000
ერთი შეხედვით ეს ალოგიკურია,
02:36
but when you actually think about it from their point of view, it makes a ton of sense.
55
141000
3000
მაგრამ როგორც კი შეხედავთ ამას მათი თვალთახედვიდან, ყველაფერი ნათელი ხდება.
02:39
You have this situation
56
144000
2000
ამ შემთხევაში
02:41
where now they can pause and repeat their cousin,
57
146000
2000
როცა მათ შეუძლიათ გააჩერონ და თავიდან უყურონ მათ ბაძიშვილს
02:43
without feeling like they're wasting my time.
58
148000
3000
იმის განცდის გარეშე, რომ ჩემს დროს ფლანგავენ.
02:46
If they have to review something
59
151000
3000
თუ მათ სჭირდებათ რაიმეს გადამეორება
02:49
that they should have learned a couple of weeks ago,
60
154000
2000
რაც მათ უნდა ესწავლათ რამდენიმე კვირის წინ,
02:51
or maybe a couple of years ago,
61
156000
3000
ან რამდენიმე წლის წინ,
02:54
they don't have to be embarrassed and ask their cousin.
62
159000
2000
მათ არ სჭირდებათ თხოვონ მათ ბიძაშვილს და თავი უხერხულად იგრძნონ.
02:56
They can just watch those videos. If they're bored, they can go ahead.
63
161000
3000
მათ შუძლიათ უბრალოდ უყურონ ამ ვიდეოებს. თუ მოიწყენენ შეუძლიათ წინ გადახვიონ.
02:59
They can watch it at their own time, at their own pace.
64
164000
2000
მათ შეუძლიათ უყურონ ისინი როცა მათ მოუნდებათ, საკუთარ ტემპში.
03:01
And probably the least appreciated aspect of this
65
166000
5000
და ალბათ ამის ყველზე ნაკლებათ დაფასებული ასპექტი
03:06
is the notion that the very first time,
66
171000
2000
ის აზრია, რომ თავიდან
03:08
the very first time
67
173000
2000
პირველად
03:10
that you're trying to get your brain around a new concept,
68
175000
3000
როცა ცდილობთ მუღამი დაუჭიროთ რაიმე ახალ ცნებას,
03:13
the very last thing you need
69
178000
2000
ყველაზე ნაკლებად რაც გჭირდებათ
03:15
is another human being saying, "Do you understand this?"
70
180000
3000
არის მეორე ადამიანი, ვიც გეკითხება "გაიგე?"
03:18
And that's what was happening with the interaction with my cousins before,
71
183000
3000
და ადრე ზუსტად ეს ხდებო ურთიერთობაში ჩემს ბიძაშვილებთან,
03:21
and now they can just do it
72
186000
3000
ეხლა მათ შუძლიათ იმეცადინონ
03:24
in the intimacy of their own room.
73
189000
3000
მშვიდად თავიანთ ოთახში.
03:28
The other thing that happened is --
74
193000
2000
მეორე რაც მოხდა -
03:30
I put them on YouTube just --
75
195000
3000
ვიდეოები YouTube-ზე ავტვირთე -
03:33
I saw no reason to make it private,
76
198000
2000
ვერ ვხედავდი მიზეზს დამემალა ისინი
03:35
so I let other people watch it,
77
200000
2000
ასერომ ყველას შეეძლო მათი ნახვა
03:37
and then people started stumbling on it,
78
202000
2000
და ხალხმა დაიწყო მათი ყურება.
03:39
and I started getting some comments and some letters
79
204000
3000
მე მომდიოდა კომენტარები და წერილები
03:42
and all sorts of feedback
80
207000
2000
და სხვა უკუკავშირი
03:44
from random people from around the world.
81
209000
2000
შემთხვევითი ხალხისგან მთელი მსოფლიოდან.
03:46
And these are just a few.
82
211000
3000
აი, რამდენიმე მათგანი
03:49
This is actually from one of the original calculus videos.
83
214000
3000
ეს არის ერთ-ერთი გამოთვლის ვიდეობთან მიმართებაში.
03:52
And someone wrote just on YouTube --
84
217000
2000
ვიღაცამ დაწერა პირდაპირ YouTube-ზე -
03:54
it was a YouTube comment:
85
219000
2000
ის იყო კომენტარებში YouTube-ზე:
03:56
"First time I smiled doing a derivative."
86
221000
3000
"ცვხოვრებაში პირველად გამეღიმა წარმოებულის მოღებისას."
03:59
(Laughter)
87
224000
2000
(სიცილი)
04:01
And let's pause here.
88
226000
2000
მოდით შევჩერდეთ ამაზე.
04:03
This person did a derivative
89
228000
2000
ამ ადამიანმა მიიღო წარმოებული
04:05
and then they smiled.
90
230000
3000
და გაიღიმა.
04:08
And then in a response to that same comment -- this is on the thread.
91
233000
3000
შემდეგ პასუხი ამავე კომეტარზე - ეს არის ჩამონათვალში.
04:11
You can go on YouTube and look at these comments --
92
236000
2000
თქვენ შეგიძლიათ შეხვიდეთ YouTube-ზე და ნახოთ ეს კომეტარები -
04:13
someone else wrote: "Same thing here.
93
238000
2000
ვიღაც სხვამ დაწერა: "მეც იგივე მომივიდა.
04:15
I actually got a natural high and a good mood for the entire day.
94
240000
3000
ისე ვისიამოვნე, რომ კარგი განწყო შემექმნა მთელი დღისთვის.
04:18
Since I remember seeing
95
243000
2000
მახსენდება, როგორ ვუყურებდი
04:20
all of this matrix text in class,
96
245000
3000
კლასში მთელ ამ ტექსტს "მატრიციდან",
04:23
and here I'm all like, 'I know kung fu.'"
97
248000
3000
ახლა კიდე, ისეთი განცდა მაქ, თითქოს "კუნგ ფუ ვიცი."
04:26
(Laughter)
98
251000
4000
(სიცილი)
04:30
And we get a lot of feedback all along those lines.
99
255000
2000
ჩვენ მრავალი მზგავსი უკუვშირი მივიღეთ.
04:32
This clearly was helping people.
100
257000
2000
ეს ნამდვილად ეხმარებოდა ხალხს.
04:34
But then, as the viewership kept growing and kept growing,
101
259000
3000
მაგრამ მასმერე, რაც ნახვების რაოდენობა სულ იზრებოდა და იზრდებოდა,
04:37
I started getting letters from people,
102
262000
3000
მიგზავდნიდნენ წერილებს
04:40
and it was starting to become clear
103
265000
2000
და ჩემთვის ნათელი გახდა,
04:42
that it was actually more than just a nice-to-have.
104
267000
2000
რომ ეს იყო მეტი ვიდრე უბრალოდ "მარტივად გამოყენებისთვის"
04:44
This is just an excerpt
105
269000
2000
აი ნაწყვეტი
04:46
from one of those letters.
106
271000
2000
მზგავსი წერილიდან:
04:48
"My 12 year-old son has autism
107
273000
2000
ჩემს 12 წლის ბავშვს აქვს აუტიზმი
04:50
and has had a terrible time with math.
108
275000
2000
და უძნელდებოდა მათემათიკის სწავლა.
04:52
We have tried everything,
109
277000
2000
ჩვენ ყველაფერი ვცადეთ,
04:54
viewed everything, bought everything.
110
279000
2000
ყველაფერს ვუყურეთ, ყველაფერი ვიყიდეთ.
04:56
We stumbled on your video on decimals and it got through.
111
281000
3000
ჩვენ ვუჩვენეთ თქვენი ვიდეო ათობითებზე და მან გაიგო.
04:59
Then we went on to the dreaded fractions. Again, he got it.
112
284000
3000
შემდეგ ვუჩვენეთ წილადები. მან ისევ გაიგო.
05:02
We could not believe it.
113
287000
2000
ჩვენ არ ვუჯერებდით ჩვენს თვალებს.
05:04
He is so excited."
114
289000
2000
ის ძალიან გახარებულია."
05:06
And so you can imagine,
115
291000
2000
ასე რომ თქვენ შეგიძლიათ წარმოიდგინოთ,
05:08
here I was an analyst at a hedge fund.
116
293000
3000
როგორი იყო ეს ჩემთვის, ანალიტოკოსისთვის საინვესტიციო ფონდიდან.
05:11
It was very strange for me to do something of social value.
117
296000
3000
ჩემთვის იყო ძალიან უცნაური საზოგადოებრივად ღირებული რამ გამეკეთებინა.
05:14
(Laughter)
118
299000
3000
(სცილი)
05:17
(Applause)
119
302000
7000
(აპლოდისმეტები)
05:24
But I was excited, so I kept going.
120
309000
3000
მაგრამ მე ვიყავი აღელვებული, ამიტომ გავაგრძელე.
05:27
And then a few other things started to dawn on me.
121
312000
2000
შემდეგ სხვა რაღაცეებიც მოვიდა ჩემს აზრამდე.
05:29
That, not only would it help my cousins right now,
122
314000
3000
რომ, ეს დაეხმარებოდა არა მხოლოდ ჩემს ბიძაშვილებს ეხლა,
05:32
or these people who are sending letters,
123
317000
2000
ან ამ ხალხს ვინც წერილებს მიგზავნის,
05:34
but that this content will never go old,
124
319000
2000
არამედ, რომ ეს ინფორმაცია არასდროს არ მძველდებოდა,
05:36
that it could help their kids
125
321000
2000
რომ ის დაეხმარებოდა მათ შვილებს
05:38
or their grandkids.
126
323000
2000
ან შვილიშვილებს.
05:40
If Isaac Newton
127
325000
2000
თუ კი ისააკ ნიუტონს
05:42
had done YouTube videos on calculus,
128
327000
2000
ჰქონოდა ატვირთული YouTube-ზე ვიდეოები გამოთვლაზე
05:44
I wouldn't have to.
129
329000
2000
მე არ მომიწევდა ამის კეთება.
05:46
(Laughter)
130
331000
2000
(სიცილი)
05:48
Assuming he was good. We don't know.
131
333000
3000
თუ დავუშვებთ რომ ეს კაგრად გამოუვიდოდა. ჩვენ ეს არ ვიცით.
05:51
(Laughter)
132
336000
2000
(სიცილი)
05:53
The other thing that happened --
133
338000
2000
სხვა რამ რაც მოხდა -
05:55
and even at this point, I said, "Okay, maybe it's a good supplement.
134
340000
2000
და თუნდაც ამ დონეზე, ვიფიქრე" კაი, ეს შეიძლება იყოს კარგი დამხმარე.
05:57
It's good for motivated students.
135
342000
2000
ეს კარგია მოტივირებული მოსწავლეებისთვის.
05:59
It's good for maybe home schoolers."
136
344000
2000
ეს შეიძლება კარგი მათთვის ვინც სახლში სწავლობს."
06:01
But I didn't think it would be something
137
346000
2000
მაგრამ არც კი ვიფიქრებდი,
06:03
that would somehow penetrate the classroom.
138
348000
2000
რომ ამას შეეძლო შეეღწია კლასში.
06:05
But then I started getting letters from teachers.
139
350000
2000
მაგრამ შემდეგ დავიწყე წერილების მიღება მასწავლებლებისგან.
06:07
And the teachers would write, saying,
140
352000
2000
და ისინი წერდნენ:
06:09
"We've used your videos to flip the classroom.
141
354000
2000
"ჩვენ გამოვიყენეთ თქვენი ვიდეოები კლასში მეცადინეობისას.
06:11
You've given the lectures, so now what we do ... " --
142
356000
3000
თქვენ კითხულობთ ლექციებს, ამიტომ ეხლა ჩვენ .." --
06:14
and this could happen in every classroom in America tomorrow --
143
359000
3000
და ეს შეიძლება მოხდეს ხვალევე ამერიკის ყველა სკოლაში --
06:17
" ... what I do is I assign the lectures for homework,
144
362000
3000
იმას ვაკეთებთ, რომ ვაძლევთ თქვენს ლექციებს საშინაო დავალებად,
06:20
and what used to be homework,
145
365000
2000
და რაც ადრე იყო საშინაო დავალება
06:22
I now have the students doing in the classroom."
146
367000
3000
ეხლა კლასში ვაკეთბინებთ მოსწავლეებს."
06:25
And I want to pause here for --
147
370000
3000
და ეხლა მინდა ამაზე შევჩერდე --
06:28
(Applause)
148
373000
4000
(აპლოდისმენტები)
06:32
I want to pause here for a second,
149
377000
2000
მინდა შევჩერდე აქ ერთი წამით,
06:34
because there's a couple of interesting things.
150
379000
2000
იმიტომ, რომ რამდენი საინტერესო რამ არის.
06:36
One, when those teachers are doing that,
151
381000
2000
პირველი, როცა ეს მასწავლები აკეთებენ ამას,
06:38
there's the obvious benefit --
152
383000
2000
აქ არის ერთისმხრივ აშკარა სარგებელი --
06:40
the benefit that now their students
153
385000
2000
სარგებლი, რომლითაც მათ მოსწავლეებს
06:42
can enjoy the videos in the way that my cousins did.
154
387000
2000
შეუძლიათ ისიამოვნონ როგორც ჩემი ბიძაშვილები.
06:44
They can pause, repeat at their own pace,
155
389000
2000
მათ შეუძლიათ დააპაუზონ, გაიმეორონ მათ საკუთარ ტემპში,
06:46
at their own time.
156
391000
2000
როცა მათ მოუნდებათ.
06:48
But the more interesting thing is --
157
393000
2000
მაგრამ უფრო საინტერესოა, რომ --
06:50
and this is the unintuitive thing when you talk about technology in the classroom --
158
395000
3000
და ეს თითქოს ალოგიკურია როცა საუბარი მიდის ტექნოგიის გამოყენებაზე კლასში --
06:53
by removing the one-size-fits-all lecture from the classroom
159
398000
3000
კლასიდან სტანდარტული ლექციების მოხსნით
06:56
and letting students have a self-paced lecture at home,
160
401000
3000
და მოსწავლეებისთვის საშუალების მიცემით სახლში საკუთარ ტემპში ისწავლონ
06:59
and then when you go to the classroom, letting them do work,
161
404000
3000
და შემდეგ როცა დავალებებს კლასში აკეთებენ,
07:02
having the teacher walk around,
162
407000
2000
მასწავლებლების მეთვალყურეობით,
07:04
having the peers actually be able to interact with each other,
163
409000
3000
თანატოლებთან აქტიური ინტერაქციის საშუალებით,
07:07
these teachers have used technology
164
412000
3000
ამ მასწავლებლებმა გამოიყენეს ტექნოლოგია
07:10
to humanize the classroom.
165
415000
2000
საკლასო მეცადინეობის ჰუმანიზაციისთვის.
07:12
They took a fundamentally dehumanizing experience --
166
417000
3000
მათ აიღეს პრინციპში ჰუმანიზმს მოკლებული პრაქტიკა --
07:15
30 kids with their fingers on their lips,
167
420000
2000
30 ბავშვი ჩუმად მჯდომიარე,
07:17
not allowed to interact with each other.
168
422000
2000
ერთმანეთთან ურთიერქმედების უფლების გარეშე.
07:19
A teacher, no matter how good,
169
424000
2000
მასწავლებელი, რაც არ უნდა კარგი იყოს,
07:21
has to give this one-size-fits-all lecture
170
426000
2000
უნდა გასაგებად მოყვეს ყველა
07:23
to 30 students --
171
428000
2000
30 ბავშვისთვის --
07:25
blank faces, slightly antagonistic --
172
430000
2000
ცარიელი სახეები, ოდნავ ანტაგონისტური --
07:27
and now it's a human experience.
173
432000
2000
ეხლა კიდე ეს არის ადამინური გამოცდილება.
07:29
Now they're actually interacting with each other.
174
434000
2000
ეხლა ისინი რეალურად ურთიერთქმედებენ.
07:31
So once the Khan Academy --
175
436000
2000
ასერომ როცა ხან აკადემი დაარსდა--
07:33
I quit my job
176
438000
2000
მე დავტოვე სამსახური
07:35
and we turned into a real organization --
177
440000
2000
და ჩვენ ნამდვილ ორგანიზაციად გადავიქეცით --
07:37
we're a not-for-profit --
178
442000
2000
არა კომერციულ ორგანიზაციად --
07:39
the question is, how do we take this to the next level?
179
444000
3000
კითხვა შემდეგში, როგორ გადავიდეთ შემდეგ დონეზე?
07:42
How do we take what those teachers are doing
180
447000
2000
როგორ მივიყვანოთ ის რასაც ეს მასწავლებლები აკეთებენ
07:44
to their natural conclusion?
181
449000
2000
ბუნებრივ დასკვნამდე?
07:46
And so what I'm showing you over here,
182
451000
2000
ეხლა რასაც გიჩვენებთ აქ
07:48
these are actual exercises
183
453000
2000
არის ამოცანები
07:50
that I started writing for my cousins.
184
455000
3000
რომლის წერაც დავიწყე ჩემი ბიძაშვილებისთვის.
07:53
The ones I started were much more primitive.
185
458000
2000
რომლითაც დავიწყე იყო უფრო მარტივი.
07:55
This is a more competent version of it.
186
460000
3000
ეს უფრო კომპეტენეტური ვერსიაა.
07:58
But the paradigm here is, we'll generate as many questions as you need
187
463000
3000
მაგრამ პარადიგმა აქ არის - იქნება იმდენი კითხვა რამდენიც საჭიროა,
08:01
until you get that concept,
188
466000
2000
რომ გაიგოთ ცნება,
08:03
until you get 10 in a row.
189
468000
2000
სანამ ზედიზედ 10 სწორ პასუხს არ გასცემთ.
08:05
And the Khan Academy videos are there.
190
470000
2000
და ხან აკადემიის ვიდეოები აქვე არის.
08:07
You get hints, the actual steps for that problem,
191
472000
2000
თქვენ იღებთ მინიშნებებს, ამოცანის ახნის ნაბიჯებს,
08:09
if you don't know how to do it.
192
474000
2000
თუ არ იცით როგორ ამოხსნათ ის.
08:11
But the paradigm here, it seems like a very simple thing:
193
476000
2000
თუმცა პარადიგმა ერთი შეხედვით მარტივია:
08:13
10 in a row, you move on.
194
478000
2000
10 სწორი პასუხი ზედიზედ და არგძეელბთ სვლას.
08:15
But it's fundamentally different than what's happening in classrooms right now.
195
480000
3000
მაგრამ ეს ფუნდამენტურად განსხვავდება იმასგან, თუ რა ხდება დღეს კლასებში.
08:18
In a traditional classroom,
196
483000
2000
ტრადიციულ კლასში
08:20
you have a couple of homework,
197
485000
2000
იძლევა რამდენიმე საშინაო დავალება,
08:22
homework, lecture, homework, lecture,
198
487000
2000
დავალება, ლექცია, დავალება, ლექცია
08:24
and then you have a snapshot exam.
199
489000
2000
და მერე საბოლოო გამოცდა.
08:26
And that exam, whether you get a 70 percent, an 80 percent,
200
491000
2000
და გამოცდის მერე, მიუხედავათ იმასა მიიღებთ 70%, 80%
08:28
a 90 percent or a 95 percent,
201
493000
3000
90% თუ 95%
08:31
the class moves on to the next topic.
202
496000
2000
კლასი გადადის შემდეგ თემაზე.
08:33
And even that 95 percent student,
203
498000
2000
და თუნდაც მოსწავლე 95%-თ,
08:35
what was the five percent they didn't know?
204
500000
2000
რა იყო ის ხუთი პროცენტი, რომიც მათ არ იცოდნენ?
08:37
Maybe they didn't know what happens when you raise something to the zero power.
205
502000
3000
შესაძლოა მათ არ იცოდნენ რა ხდება როცა აგყავს რაღაც ნულოვან ხარისხში.
08:40
And then you go build on that in the next concept.
206
505000
2000
და შემდგომ აგრძელებთ შემდეგი ცნების შესწავლას.
08:42
That's analogous to
207
507000
2000
ეს ანალოგიურია
08:44
imagine learning to ride a bicycle,
208
509000
2000
წარმოიდგინეთ რომ სწავლობთ ველოსიპედის ტარებას,
08:46
and maybe I give you a lecture ahead of time,
209
511000
3000
და შესაძლოა დასაწყისში აგიხსნით თეორიას
08:49
and I give you that bicycle for two weeks.
210
514000
2000
და შემდეგ ორი კვირით გაძლებთ ველოსიპედს.
08:51
And then I come back after two weeks,
211
516000
2000
მერე ვბრუნდები ორი კვირის მერე
08:53
and I say, "Well, let's see. You're having trouble taking left turns.
212
518000
2000
და ვიძახი: "აბა, მოდი ვნახოთ. პრობლემები გაქვთ მარცხვნივ მოხვევის დროს.
08:55
You can't quite stop.
213
520000
2000
ვერ ამუხრუჭებთ.
08:57
You're an 80 percent bicyclist."
214
522000
2000
თქვენ ხართ ველოსიპედისტი 80 %-თ."
08:59
So I put a big C stamp on your forehead
215
524000
4000
და მე ვსვავ დიდ "სამიანს" თქვენს შუბლზე
09:03
and then I say, "Here's a unicycle."
216
528000
3000
და შემდეგ ვიძახი: "აგერ ერთბორბლიანი ველოსიპედი."
09:06
But as ridiculous as that sounds,
217
531000
2000
რაც არ უნდა სასცილოდ ჟღერდეს ეს,
09:08
that's exactly what's happening
218
533000
2000
ზუსტად ეს ხდება
09:10
in our classrooms right now.
219
535000
2000
ჩვენს კლასებში ახლა.
09:12
And the idea is you fast forward
220
537000
3000
ამის არსი ისაა, რომ როცა სწრაფად გადიხართ მასალას
09:15
and good students start failing algebra all of a sudden
221
540000
2000
კარგი მოსწავლეებს მოულოდნელედ აქვთ ჩავარდნები ალგებრაში
09:17
and start failing calculus all of a sudden,
222
542000
3000
ან მოულოდნელად აქვთ ჩავარდნები გამოთვლაში.
09:20
despite being smart, despite having good teachers,
223
545000
2000
მიუხედავთ იმისა რომ ჭკვიანები არიან, მიუხედავთ კარგი მასწავლებლების ყოლისა.
09:22
and it's usually because they have these Swiss cheese gaps
224
547000
2000
და როგორც წესი ეს იმისგამოა, რომ მათ აქვთ ეს ხვრელები, როგორც შვეიცარიულ ყველში,
09:24
that kept building throughout their foundation.
225
549000
2000
რომლებიც გამსჭვალავენ მათი ცოდნის საფუძველს.
09:26
So our model
226
551000
2000
ასერომ, ჩვენი მოდელი არის -
09:28
is learn math the way you'd learn anything,
227
553000
2000
ისწავლე მათეამთიკა ისე როგოც სწავლობ ყველაფერ დანარჩენს,
09:30
like the way you would learn a bicycle.
228
555000
2000
ისევე, როგორც ველოსიპედის ტარებას ისწავლიდი.
09:32
Stay on that bicycle. Fall off that bicycle.
229
557000
3000
იჯექი ველოსიპედზე. ჩამოვარდი ველოსიპედიდან.
09:35
Do it as long as necessary until you have mastery.
230
560000
3000
აკეთეს ეს მანამ სანამ ოსტატობას არ მიაღწევ.
09:38
The traditional model,
231
563000
2000
ტრადიციული მოდელი
09:40
it penalizes you for experimentation and failure,
232
565000
2000
სჯის ექსპერიმენტირებისა და შეხდომებისთვის,
09:42
but it does not expect mastery.
233
567000
2000
მაგრამ ის არ მოელის ოსტატობის მიღწევას.
09:44
We encourage you to experiment. We encourage you to failure.
234
569000
3000
ჩვენ მივესალმებით ექსპერიმენტირებას. ჩვენ მივესალმებით შეცდომებს.
09:47
But we do expect mastery.
235
572000
3000
მაგრამ ჩვენ მოველით ოსტატობას.
09:50
This is just another one of the modules.
236
575000
2000
ეს ერთ-ერთი ჩვენი მოდულებისგას.
09:52
This is trigonometry.
237
577000
2000
ეს ტრიგონომეტრიაა.
09:54
This is shifting and reflecting functions.
238
579000
3000
ეს ფუნქციების გადაადგილება და არეკვლა.
09:57
And they all fit together.
239
582000
2000
და ისინი ყველა ერგება ერთმანეთს.
09:59
We have about 90 of these right now.
240
584000
2000
ეხლა ჩვენ გვაქ დაახლობით 90 ასეთი.
10:01
And you can go to the site right now. It's all free. Not trying to sell anything.
241
586000
3000
და თქვენ შეგიძლიათ შეხვიდეთ ეხლა საიტზე. ყველაფერი უფასოა. ჩვენ არ ვცდილობთ რაიმეს გაყიდვას.
10:04
But the general idea is that they all fit into this knowledge map.
242
589000
3000
ძირითადი იდეა ის არის, რომ ეს ყველა ჯდება ამ ცოდნის რუკაში.
10:07
That top node right there, that's literally single digit addition.
243
592000
3000
ზედა კვანძი, ფაქტიურად არის ერთ ნიშნა რიცხვების მომეტება.
10:10
It's like one plus one is equal to two.
244
595000
3000
როგორც ერთს პლიუს ერთი უდრის ორს.
10:13
And the paradigm is, once you get 10 in a row on that,
245
598000
2000
და პარადიგმა შემდეგში, როცა გექნება ზედიზედ 10 სწორი პასუხი ამაში
10:15
it keeps forwarding you to more and more advanced modules.
246
600000
3000
თქვენ გადახვალთ უფრო რთულ მოდულზე და ა.შ.
10:18
So if you keep further down the knowledge map,
247
603000
3000
ასერომ თუ გაყვებით დაბლა ცოდნის რუკას,
10:21
we're getting into more advanced arithmetic.
248
606000
3000
ჩვენ გადავალთ უფრო რთულ ამოცანებზე არითმეთიკაში.
10:24
Further down, you start getting into pre-algebra and early algebra.
249
609000
3000
უფრო ქვევით შეგხვდებათ ალგებრის წინარე და ელემენტარული ამოცანები.
10:27
Further down, you start getting into algebra one, algebra two,
250
612000
4000
უფრო ქვევით, ალგებრა ერთი, აგებრა ორი
10:31
a little bit of precalculus.
251
616000
2000
და მიხვალთ გამოთვლების წინარე ამოცანებამდე.
10:33
And the idea is, from this we can actually teach everything --
252
618000
3000
იდეა შემდეგში, ასეთი მეთოდით შეგვიძლია ფაქტიურად ყველაფერი ვასწავლოთ --
10:36
well, everything that can be taught
253
621000
2000
ყველაფერი რაც შეიძლება ისწავლებოდეს
10:38
in this type of a framework.
254
623000
2000
ასეთ ფორმატში.
10:40
So you can imagine -- and this is what we are working on --
255
625000
2000
თქვენ შეგიძლიათ წარმოიდგინოთ - და ეს არის რაზეც ჩვენ ვმუშაობთ -
10:42
is from this knowledge map
256
627000
2000
რომ ამ ცოდნის რუკაში
10:44
you have logic, you have computer programming,
257
629000
2000
შედის ლოგიკა, კომპიუტერული პროგრამირება,
10:46
you have grammar, you have genetics,
258
631000
3000
გრამატიკა, გენეტიკა
10:49
all based off of that core of,
259
634000
2000
და ეს ყველფერი დაფუძნებულია იდეაზე -
10:51
if you know this and that,
260
636000
2000
თუ იცი ესა და ეს,
10:53
now you're ready for this next concept.
261
638000
2000
ესე იგი მზად ხართ შემდეგი თემისთვის.
10:55
Now that can work well for an individual learner,
262
640000
3000
ამან შეიძლება იმუშაოს ინდივიდუალურად სწავლისას
10:58
and I encourage, one, for you to do it with your kids,
263
643000
2000
და მე მოგიწოდებთ გააკეთეთოთ ეს თქვენ ბავშვებთან,
11:00
but I also encourage everyone in the audience to do it yourself.
264
645000
2000
მაგრამ აგრეთვე მოვუწოდებ ყველას აუდიტორიაში.
11:02
It'll change what happens at the dinner table.
265
647000
3000
ეს შეიტანს ცვლილებს საუბრებში სადილისას.
11:05
But what we want to do
266
650000
2000
მაგრამ რისი გაკეთებაც გვინდა
11:07
is to use the natural conclusion of the flipping of the classroom
267
652000
2000
არის გამოყენება იმ ცვლილებები საკლასო მუშაობაში
11:09
that those early teachers had emailed me about.
268
654000
3000
რაზეც მწერენ მასწავლებლები.
11:12
And so what I'm showing you here,
269
657000
2000
და ეს რასაც გიჩვენებთ
11:14
this is actually data from a pilot in the Los Altos school district,
270
659000
2000
ეს არის მონაცემები საცდელი პროგრამიდან ლოს ალტოსის საოლქო სკოლაში,
11:16
where they took two fifth grade classes and two seventh grade classes
271
661000
3000
სადაც მათ აიღეს ორი მეხუთე და ორი მეშვიდე კლასები
11:19
and completely gutted their old math curriculum.
272
664000
2000
და ფაქტიურად გადაგდეს მათემათიკის ძველი კურიკულუმი.
11:21
These kids aren't using textbooks,
273
666000
2000
ეს ბავშვები არ იყენებენ სახემძღვანელოებს,
11:23
they're not getting one-size-fits-all lectures.
274
668000
2000
მათ არ უკითხავენ ლექციებს მთელი კლასისთვის.
11:25
They're doing Khan Academy, they're doing that software,
275
670000
2000
ისინი მუშაობენ ხან აკადემიში, ისინი მუშაობენ ამ პროგრამით,
11:27
for roughly half of their math class.
276
672000
2000
სადღაც ნახევარ დროს მათემათიკის კლასში.
11:29
And I want to make it clear, we don't view this as the complete math education.
277
674000
3000
და აქ მინდა სიცხადე შევიტანო - ჩვენ არ ვუყურებთ ამას, როგორც მათემათიკის დამთავრებულ კურსს.
11:32
What it does is -- and this is what's happening in Los Altos --
278
677000
2000
რას ეს შვრება -- და ეს ხდება ლოს ალტოსში --
11:34
it frees up time.
279
679000
2000
ის ათავისუფლებს დროს.
11:36
This is the blocking and tackling,
280
681000
2000
ეს არის ბერკეტბის და ბლოკების სისტემის მზგავსი,
11:38
making sure you know how to move through a system of equations,
281
683000
2000
რომელიც ამოწმებს იცით თუ არა განტოლების ამოხსნა
11:40
and it frees up time for the simulations, for the games,
282
685000
3000
და ათავისულებს დროს მოდელირებისთვის, თამაშებისთვის,
11:43
for the mechanics, for the robot building,
283
688000
2000
მექანიკისთვის, რობოტების გაკეთებისთვის,
11:45
for the estimating how high that hill is based on its shadow.
284
690000
3000
იმის გარკვევისთვის, თუ რამდენად ღრმად ერკვევით ამ თემაში.
11:48
And so the paradigm is the teacher walks in every day,
285
693000
3000
პარადიგმა ასეთია - მასწავლებელი ყოვედღე ამოწმებს შედეგებს,
11:51
every kid works at their own pace --
286
696000
2000
ყველა ბავშვი თავის ტემპში მუშაობს --
11:53
and this is actually a live dashboard from Los Altos school district --
287
698000
3000
და ფაქტიურად ეს არის რეალური მონაცემები ლოს ალტოსის საოლქო სკოლიდან --
11:56
and they look at this dashboard.
288
701000
2000
და ისინი მუშაობენ ამ მონაცემებით.
11:58
Every row is a student.
289
703000
2000
ყოველი რიგი - მოსწავლეა.
12:00
Every column is one of those concepts.
290
705000
2000
ყოველი სვეტი - ერთ-ერთი თემა.
12:02
Green means the student's already proficient.
291
707000
2000
მწვანე ნიშნავს მოსწავლე უკვე დაოსტატებულია.
12:04
Blue means they're working on it -- no need to worry.
292
709000
2000
ლურჯი ნიშნავს მუშაობის პროცესშია -- ყველფერი რიგზეა.
12:06
Red means they're stuck.
293
711000
2000
წითელი ნიშნავს, რომ გაიჭედა.
12:08
And what the teacher does is literally just say,
294
713000
3000
და მასწავლებელი ფაქტიურად შემდეგს იძახის:
12:11
"Let me intervene on the red kids."
295
716000
2000
"მოდი მივალ მაგ ბავშვებთან წითელი ფერით"
12:13
Or even better, "Let me get one of the green kids
296
718000
2000
ან უფრო უკეთესი "მოდი ავიღებ ბავშვებს მწვანე ფერით
12:15
who are already proficient in that concept
297
720000
2000
რომლებმაც უკვე აითვივსეს თემა
12:17
to be the first line of attack
298
722000
2000
იყვნენ წინა რიგებში
12:19
and actually tutor their peer."
299
724000
3000
და ფაქტიურად ასწავლონ თანატოლებს."
12:23
(Applause)
300
728000
7000
(აპლოდისმეტები)
12:30
Now I come from a very data-centric reality,
301
735000
2000
მე მიჩვეული ვარ ვიმსჯელო მონაცემებზე დაყრდნობით,
12:32
so we don't want that teacher to even go and intervene
302
737000
2000
ასე რომ ჩვენ არც გვინდა რომ მასწავლებელი მიდიოდეს და ერეოდეს
12:34
and have to ask the kid awkward questions:
303
739000
2000
და უსვავდეს ბავშვს უხერხულ კითხვებს:
12:36
"Oh, what do you not understand?" or "What do you do understand?"
304
741000
2000
"აბა, რა ვერ გაიგე?" ან "რა გაიგე?"
12:38
and all of the rest.
305
743000
2000
და მზგავსი.
12:40
So our paradigm is to really arm the teachers with as much data as possible --
306
745000
3000
ჩვენი მიზანია - რეალუად აღვჭურვოთ მასწავლებელი რაც შეიძლება ბევრი მონაცემებით --
12:43
really data that, in almost any other field, is expected,
307
748000
2000
რეალური მონაცემებით, რომლებისც თითქმის ყველა სფეროში გამოიყენება,
12:45
if you're in finance or marketing or manufacturing --
308
750000
2000
თუ თქვენ ხართ ფინანსების მართვაში ან მარკეტინგში ან წარმოებაში --
12:47
and so the teachers can actually diagnose what's wrong with the students
309
752000
3000
და მასწავლებლები შეძლებენ დაადგინო რა პრობლემები აქვთ მოსწავლეებს
12:50
so they can make their interaction as productive as possible.
310
755000
3000
და გახადონ მათი ურთიერთქმედება მაქსიმალურად ეფექტური.
12:53
So now the teachers know exactly what the students have been up to,
311
758000
3000
ეხლა, მასწავლებლებმა ზუსტად იციან რას აკეთებენ მოსწავლეები,
12:56
how long they have been spending every day, what videos have they been watching,
312
761000
2000
დღეში რამდენ ხანს აკათებენ ამას, რომელ ვიდეოებს უყურებენ,
12:58
when did they pause the videos, what did they stop watching,
313
763000
2000
როდის დააპაუზეს ვიდეო, როდის დაამთავრეს ყურება,
13:00
what exercises are they using,
314
765000
2000
რომელ ამოცანებს აკეთებენ,
13:02
what have they been focused on?
315
767000
2000
რას აკცევენ ყურადღებას?
13:04
The outer circle shows what exercises they were focused on.
316
769000
3000
გარეთა წრე გვიჩვენებს შესრულებულ დავალებებს.
13:07
The inner circle shows the videos they're focused on.
317
772000
3000
შიგნითა წრე - ნანახ ვიდეოებს.
13:10
And the data gets pretty granular
318
775000
2000
და მონაცემები ხდება უფრო კოკნრეტული
13:12
so you can see the exact problems that the student got right or wrong.
319
777000
3000
ისე, რომ შეგიძლიათ ნახოთ კონკრეტული ამოცანები რომლებიც სწორად ამოხსნა მოსწავლემ ან არა სწორად.
13:15
Red is wrong, blue is right.
320
780000
2000
წითელი სწორეა, ლურჯი არა სწორე.
13:17
The leftmost question is the first question that the student attempted.
321
782000
2000
კითხვა მარცხენა ბოლოში არის პირველი რომელზეც უპასუხა მოსწავლემ.
13:19
They watched the video right over there.
322
784000
2000
მათ უყურეს ვიდეოს მაგ ადგილას.
13:21
And then you can see, eventually, they were able to get 10 in a row.
323
786000
3000
და თქვენ ხედავთ, საბოლოოდ, მათ შეძლეს ზედიზედ 10-ს მიღება.
13:24
It's almost like you can see them learning over those last 10 problems.
324
789000
3000
ფაქტურად თქვენ ხედავ თუ როგორ დაისწავლეთ მათ ამ ბოლო 10 ამოცანის დროს.
13:27
They also got faster.
325
792000
2000
მათ ასავე სისწრაფეს მოუმატეს.
13:29
The height is how long it took them.
326
794000
2000
სიმაღლე გვიჩვენებს, რამდენი დრო დასჭირდათ.
13:33
So when you talk about self-paced learning,
327
798000
3000
ასე რომ, როცა ლაპარკობთ სწავლის ტემპის დამოუკიდებლად დადგენაზე,
13:36
it makes sense for everyone -- in education-speak, differentiated learning --
328
801000
4000
ეს გასაგებია ყველასათვის -- განათლების კონტექსტში, დიფერენცირებული სწავლება --
13:40
but it's kind of crazy when you see it in a classroom.
329
805000
3000
მაგრამ უცნაურია ხედავდე ამას კლასში.
13:43
Because every time we've done this,
330
808000
2000
რადგან ყოველთვის როცა ვაკეთებთ ამას,
13:45
in every classroom we've done,
331
810000
3000
ყველა კლასში სადაც ეს გავაკეთეთ,
13:48
over and over again, if you go five days into it,
332
813000
2000
ისევ და ისევთ, თუ თვალყურს მიადევნებთ 5 დღის განმავლობაში,
13:50
there's a group of kids who've raced ahead
333
815000
2000
შეამჩნევთ ბავშვების ჯგუფს ვინც წინ უსწრებს დანარჩენებს
13:52
and there's a group of kids who are a little bit slower.
334
817000
2000
და ბავშვებს ვინც ცოტათი ჩამორჩება.
13:54
And in a traditional model, if you did a snapshot assessment,
335
819000
2000
ტრადიციულ მოდელში, შეფასების გაკეთებისას,
13:56
you say, "These are the gifted kids, these are the slow kids.
336
821000
3000
იტყოდით:" ესენი არიან ნიჭიერი ბავშვები და ესენი ჩამორჩებიან.
13:59
Maybe they should be tracked differently.
337
824000
2000
ალბათ სხვა მეთოდიკა სჭირდებათ.
14:01
Maybe we should put them in different classes."
338
826000
2000
ალბათ სხვა კლასში უნდა დავსვათ."
14:03
But when you let every student work at their own pace --
339
828000
2000
მაგრამ როცა მოსწავლეებს აძლევთ საშუალებას საკუთარ ტემპში იმუშაონ --
14:05
and we see it over and over and over again --
340
830000
3000
და ამას ჩვენ ვხედავ ისევ და ისევ --
14:08
you see students who took a little bit [of] extra time
341
833000
2000
თქვენ ხედავთ მოსწავლეებს ვისაც დასჭირდა ცოტა მეტი დრო
14:10
on one concept or the other,
342
835000
2000
ამა თუ იმ თემისთვის,
14:12
but once they get through that concept,
343
837000
2000
მაგრამ როგორც კი გაერკვევიან ამ თემაში,
14:14
they just race ahead.
344
839000
2000
ისი უცებ წინ ხვდებიან.
14:16
And so the same kids that you thought were slow six weeks ago,
345
841000
3000
და იგივე ბავშვები რომლებზეც 6 კვირის წინ იფიქრებდით რომ ჩამორჩებიან,
14:19
you now would think are gifted.
346
844000
2000
ეხლა იფიქრებთ რომ ნიჭიერები არიან.
14:21
And we're seeing it over and over and over again.
347
846000
2000
და ამას ჩვენ ვხედავთ ისევ და ისევ.
14:23
And it makes you really wonder
348
848000
2000
რაც ყველას გვაფიქრებს
14:25
how much all of the labels maybe a lot of us have benefited from
349
850000
3000
რამდენმა ჩვენგანმა მიიღო სარგებელი დადებითი შეფასებისგან,
14:28
were really just due to a coincidence of time.
350
853000
3000
რომელიც შემთხვევითი დამთხვევის შედეგია.
14:34
Now as valuable as something like this is
351
859000
2000
ეხლა, რაც არ უნდა ღირებული იყოს ეს
14:36
in a district like Los Altos,
352
861000
3000
ისეთ ოლქში, როგორც ლოს ალტოსია
14:39
our goal is to use technology
353
864000
2000
ჩვენი მიზანია გამოვიყენოთ ტექნოლოგია
14:41
to humanize, not just in Los Altos, but on a global scale,
354
866000
3000
განათლების ჰუმანიზაციისთვის, არა მხოლოდ ლოს ალტოსში,
14:44
what's happening in education.
355
869000
2000
არამედ მსოფლიო დონეზე.
14:46
And actually, that kind of brings an interesting point.
356
871000
2000
და ეს წინ წევს საინტერესო აზრს.
14:48
A lot of the effort in humanizing the classroom
357
873000
3000
ბევრი ძლისხმევა კლასის ჰუმანიზაციისთვის
14:51
is focused on student-to-teacher ratios.
358
876000
3000
მიმართული მოსწავლე-მასწავლებელის თანაფარდობაზე.
14:54
In our mind, the relevant metric
359
879000
2000
ჩვენი აზრით, რელევანტური მაჩვენებელია
14:56
is student-to-valuable-human-time-
360
881000
3000
მოსწავლე-სასრგებლო დრო
14:59
with-the-teacher ratio.
361
884000
2000
მასწავლებელთან ურთიერთობის თანაფარდობა.
15:01
So in a traditional model, most of the teacher's time
362
886000
2000
ტრადიციულ მოდელში, მასწავლებელი უმეტეს დროს
15:03
is spent doing lectures and grading and whatnot.
363
888000
3000
ატარებს ლექციებში, შეფასებაში და ა.შ.
15:06
Maybe five percent of their time is actually sitting next to students
364
891000
2000
ალბათ მათი დროის მხოლოდ 5%-ა მოსწალესთან გვერდით ჯდომა
15:08
and actually working with them.
365
893000
2000
და ფაქტიურად მათთან მუშაობა.
15:10
Now 100 percent of their time is.
366
895000
2000
ეხლა დროის მთელი 100% არის ამისთვის.
15:12
So once again, using technology, not just flipping the classroom,
367
897000
3000
გავიმეორებ - ტექნოლოგიის გამოყენებით, ხდება არა მხოლოდ კლასში
15:15
you're humanizing the classroom, I'd argue,
368
900000
2000
მეცადინეობის გარდაქმნა არამედ პროცესის ჰუმანიზაცია,
15:17
by a factor of five or 10.
369
902000
3000
ხუთჯერ და თუნდაც ათჯერ უფრო მეტად.
15:20
And as valuable as that is in Los Altos,
370
905000
2000
და რამდენადაც ეს ღირებულია ლოს ალტოსში,
15:22
imagine what that does to the adult learner
371
907000
2000
წარმოიდგინეთ რამხელა მნიშვნელობა აქვს ამას ზრდასრულისთვის
15:24
who's embarrassed to go back and learn stuff
372
909000
2000
ვისაც სრცხვენია დაბრუნდეს სკოლაში და ის ისწავლოს
15:26
that they should have before, before going back to college.
373
911000
2000
რაც მანამდე უნდა ესწავლათ, სანამ კოლეჯში ჩააბარებენ.
15:28
Imagine what it does
374
913000
3000
წარმოიდგინეთ რამხელა მნიშვნელობა აქვს ამას
15:31
to a street kid in Calcutta
375
916000
3000
ქუჩის ბავშვისთვის კალკუტაში
15:34
who has to help his family during the day,
376
919000
3000
რომელიც იძულებულია დღის განმავლობაში თავის ოჯახს ეხმარებოდეს
15:37
and that's the reason why he or she can't go to school.
377
922000
2000
და ეს არის მიზეზი რის გამოც მას არ შეუძლია სკოლაში სიარული.
15:39
Now they can spend two hours a day and remediate,
378
924000
3000
ეხლა მათ შეუძლიათ დახარჯონ ორი საათი დღეში რომ წამოიწიონ
15:42
or get up to speed and not feel embarrassed
379
927000
2000
ან გარკვეულ დონეს მიაღწიონ და თავი უხერხულად არ იგრძნონ
15:44
about what they do or don't know.
380
929000
3000
იმისგამო რა იციან ან არ იციან.
15:47
Now imagine what happens where --
381
932000
2000
ეხლა წარმოიდგინეთ რა ხდება როცა
15:49
we talked about the peers teaching each other
382
934000
2000
ჩვენ ვლაპარაკობდით თანატოლებზე რომლებიც ასწავლიან
15:51
inside of a classroom.
383
936000
2000
ერთმანეთს კლასში.
15:53
But this is all one system.
384
938000
2000
მაგრამ ეს ყველფერი ერთიანი სისტემაა.
15:55
There's no reason why you can't have
385
940000
2000
ვერ ვხედავ მიზეზს რატომ არ შეიძლება
15:57
that peer-to-peer tutoring
386
942000
2000
თანატოლების სწავლების მეთოდი
15:59
beyond that one classroom.
387
944000
2000
კლასის გარეთაც ხდებოდეს.
16:01
Imagine what happens if that student in Calcutta
388
946000
3000
წარმოიდგენთ რა მოხდება, თუ ეს მოსწავლე კალკუტიდან
16:04
all of a sudden can tutor your son,
389
949000
2000
ერთდღეს თქვენს ბიჭს ასწავლის,
16:06
or your son can tutor that kid in Calcutta?
390
951000
3000
ან თქვენ ბიჭს შეუძლია ასწავლოს ბავშვი კალკუტაში?
16:09
And I think what you'll see emerging
391
954000
2000
და ვფიქრობ რაც თქვენ გექმნებათ წარმოდგენაში
16:11
is this notion of a global one-world classroom.
392
956000
6000
არის გლობალური საკლასო ოთახი მთელი მსოფლიოსთვის.
16:17
And that's essentially what we're trying to build.
393
962000
4000
და პრინციპში ეგ არის რისი შექმნაც გვინდა.
16:21
Thank you.
394
966000
2000
გმადლობთ.
16:23
(Applause)
395
968000
41000
(აპლოდისმეტები)
17:04
Bill Gates: I've seen some things you're doing in the system
396
1009000
3000
ბილ გეიტსი: როგორც ვნახე სისტემაში გაქვთ ჩართული
17:07
that have to do with motivation and feedback --
397
1012000
2000
მოტივაციის და უკუკავშირის კომპონენტები --
17:09
energy points, merit badges.
398
1014000
3000
ენერგიის ქულები, დამსახურების ნიშნები.
17:12
Tell me what you're thinking there.
399
1017000
2000
მომიყევით რას ნიშნავს ეს.
17:14
SK: Oh yeah. No, we have an awesome team working on it.
400
1019000
2000
სხ: კი. ჩვენ გვყავს შესანიშნავი გუნდი რომელიც მუშაობს ამაზე.
17:16
And I have to make it clear, it's not just me anymore.
401
1021000
2000
აქ მინდა სიცხადე შემოვიტანო, მარტო მე არ ვარ ვინც ამას აკეთებს.
17:18
I'm still doing all the videos,
402
1023000
2000
მე ისევ ვაკეთებ ვიდეოებს,
17:20
but we have a rockstar team doing the software.
403
1025000
2000
მაგრამ ჩვენ გვაქ მაგარი გუნდი რომელიც პროგრამულ უზრუნველყოფას ქმნის.
17:22
Yeah, we've put a bunch of game mechanics in there
404
1027000
2000
კი, ჩვენ ჩავდეთ ბევრი თამაშის კომპონენტი ამაში
17:24
where you get these badges,
405
1029000
2000
შეგიძლიათ მიიღოთ ნიშნები
17:26
we're going to start having leader boards by area, and you get points.
406
1031000
3000
ჩვენ ასევე ვაპირებთ ლიდერების ჯგუფების დადგენას ამა თუ იმ სფეროში.
17:29
It's actually been pretty interesting.
407
1034000
2000
ეს საკმაოდ საინტერესოა.
17:31
Just the wording of the badging or how many points you get for doing something,
408
1036000
3000
ნიშნების სახელები ან ქულების რაოდენობა რომელსაც იღებ რაღაცის გაკეთებისთვის,
17:34
we see on a system-wide basis,
409
1039000
2000
შეგვიძლია ვნახოთ მთელი სისტემის ბაზაზე.
17:36
like tens of thousands of fifth graders or sixth graders
410
1041000
2000
სიტყვაზე, ათი ათასობით მეხუთე ან მეექვსე კლასელი
17:38
going one direction or another,
411
1043000
2000
მუშობს ერთი ან მეორე მიმართულებით,
17:40
depending what badge you give them.
412
1045000
2000
იქიდან გამომდინარე თუ როგორ ნიშანს აძლევ.
17:42
(Laughter)
413
1047000
2000
(სიცილი)
17:44
BG: And the collaboration you're doing with Los Altos,
414
1049000
3000
ბგ: და თანმშრომლობა ლოს ალტოსთან,
17:47
how did that come about?
415
1052000
2000
როგორ დაიწყო ეს?
17:49
SK: Los Altos, it was kind of crazy.
416
1054000
2000
სხ: ლოს ალტოსთან მოხდა საოცარი რამ.
17:51
Once again, I didn't expect it to be used in classrooms.
417
1056000
3000
გავიმეორებ, მე არ მოველოდი ამის კლასში გამოყენებას.
17:55
Someone from their board came and said,
418
1060000
2000
ერთ-ერთი მათი ადმინისტრაციიდან მოვიდა და მკითხა?
17:57
"What would you do if you had carte blanche in a classroom?"
419
1062000
2000
"რას იზამდით, რომ კლასში კარტ-ბლანში გქონოდათ?"
17:59
And I said, "Well, I would just, every student work at their own pace
420
1064000
3000
და მე ვუთხარი:"ნუ, ვფიქრობ, ყველას მივცემდი საშუალებას საკუთარ ტემპში იმუშაოს
18:02
on something like this and we'd give a dashboard."
421
1067000
2000
და თვალყურეს მოვადევნებდი მონაცემებს."
18:04
And they said, "Oh, this is kind of radical. We have to think about it."
422
1069000
3000
მათ მითხრეს:"ნუ, ეს საკმაოდ რადიკალურია. დაფიქრება გვჭირდება ამაზე ."
18:07
And me and the rest of the team were like,
423
1072000
2000
და მე და დანარჩენი გუნდი ვფიქრობდი:
18:09
"They're never going to want to do this."
424
1074000
2000
"ამაზე არასოდეს არ წამოვლენ."
18:11
But literally the next day they were like, "Can you start in two weeks?"
425
1076000
3000
მაგრამ ზუსტად მეორე დღეს გვიპასუხეს:"თუ შეგიძლიათ 2 კვირაში რომ დაიწყოთ?"
18:14
(Laughter)
426
1079000
2000
(სიცილი)
18:16
BG: So fifth grade math is where that's going on right now?
427
1081000
3000
ბგ: ანუ ეხლა ეს მეხუთე კლასებში მუშაობს?
18:19
SK: It's two fifth grade classes and two seventh grade classes.
428
1084000
3000
სხ: ჩვენ გვაქ ორი მეხუთე და ორი მეშვიდე კლასები.
18:22
And they're doing it at the district level.
429
1087000
2000
ჩვენ ვმუშაობთ მათთან ოლქის დონეზე.
18:24
I think what they're excited about is they can now follow these kids.
430
1089000
3000
ვფიქრობ ოლქს მოსწონს, რომ შეუძლია თვალყური ადევნონ ბავშვების სწავლის პროცესს.
18:27
It's not an only-in-school thing.
431
1092000
2000
ამას აქვს მნიშვნელობა არა მხოლოდ სკოლაში.
18:29
We've even, on Christmas, we saw some of the kids were doing it.
432
1094000
2000
ისიც გვინახავს, რომ ზოგიერთი ბავშვი შობაზეც მუშაობდა ამაში.
18:31
And we can track everything.
433
1096000
2000
და ჩვენ შეგვიძლია თვალყური ვადევნოთ ყველაფერს.
18:33
So they can actually track them as they go through the entire district.
434
1098000
2000
მათ შეუძლით თვალყური ადევნონ სწავლების პროცესს მთელ ოლქში.
18:35
Through the summers, as they go from one teacher to the next,
435
1100000
2000
ისიც რასაც მოსწავლე აკათებს ზაფხულის განმავლობაში, ერთი მასწავლებლიდან მეორესთან გადასვლისას
18:37
you have this continuity of data
436
1102000
2000
მონაცემების უწყვეტობის დახმარებით
18:39
that even at the district level they can see.
437
1104000
2000
თუნდაც ეს შეუძლიათ ნახონ ოლქის დონეზე.
18:41
BG: So some of those views we saw
438
1106000
2000
ბგ: ანუ ზოგიერთი რაც ვნახეთ
18:43
were for the teacher
439
1108000
2000
მასწავლებლებისთვისაა
18:45
to go in and track actually what's going on with those kids.
440
1110000
3000
რომ შევიდნენ და ფაქტიურად ნახონ როგორ მუშაობენ ბავშვები.
18:48
So you're getting feedback on those teacher views
441
1113000
2000
და თქვენ იღებთ უკუკავშირს მასწავლებლებისგან
18:50
to see what they think they mean?
442
1115000
3000
რომ ნახოთ, როგორ ესმით ეს მათ?
18:53
SK: Oh yeah. Most of those were specs by the teachers.
443
1118000
3000
სხ: კი, რა თქმა უნდა. ამ სქემების უმეტესობა მათ მიერაა შემუშავებული.
18:56
We made some of those for students so they could see their data,
444
1121000
3000
ჩვენ გავაკეთეთ რამოდენიმე მოსწავლეებისთვის ,რომ მათ შეეძლოთ საკუთარი მონაცემების ნახვა,
18:59
but we have a very tight design loop with the teachers themselves.
445
1124000
3000
მაგრამ შემუშავების დროს ჩვენ მჭიდრო ურთიერთობა გვაქ თავად მასწავლებლებთან.
19:02
And they're literally saying, "Hey, this is nice, but ... "
446
1127000
3000
და ისინი ფაქტიურად იძახიან: "იცი, ეს კარგია მაგრამ ..."
19:05
Like that focus graph, a lot of the teachers said,
447
1130000
2000
როგორც ეგ ყურადღების გრაფიკი, ბევრმა მასაწვლებელმა თქვა,
19:07
"I have a feeling that a lot of the kids are jumping around
448
1132000
2000
"მგონია, თითქოს ბევრი მოსწავლე დახტის აქეთ იქით
19:09
and not focusing on one topic."
449
1134000
2000
და არ ჩერდება ერთ თემაზე."
19:11
So we made that focus diagram.
450
1136000
2000
ამიტომ გრაფიკის სახე მივეცით ყურადრების მონაცემებს.
19:13
So it's all been teacher-driven.
451
1138000
2000
ასე რომ ამაზე მასწავლებლებმა დაგვაფიქრეს.
19:15
It's been pretty crazy.
452
1140000
2000
საერთოდ ეს ძალიან საინტერესოა.
19:17
BG: Is this ready for prime time?
453
1142000
2000
ბგ: მზად ხართ მეტისთვის?
19:19
Do you think a lot of classes next school year should try this thing out?
454
1144000
3000
თქვენი აზრით უნდა სცადონ მეტმა კლასებმა ეს სისტემა შემდეგ სასწავლო წელს?
19:22
SK: Yeah, it's ready.
455
1147000
2000
სხ: კი, ჩვენ მზად ვართ.
19:24
We've got a million people on the site already,
456
1149000
2000
ჩვენ უკვე გვყავს მილიონი ადამინი საიტზე,
19:26
so we can handle a few more.
457
1151000
2000
ასე რომ ერთ-ორ მილიონს კიდე მოვუვლით.
19:28
(Laughter)
458
1153000
3000
(სიცილი)
19:31
No, no reason why it really can't happen
459
1156000
2000
ვერ ვხედავ მიზესს, რატომ არ შეიძლება ეს მოხდეს
19:33
in every classroom in America tomorrow.
460
1158000
2000
ხვალ ამერიკის ყველა სკოლაში.
19:35
BG: And the vision of the tutoring thing.
461
1160000
3000
ბგ: და თქვენი სწავლების ხედვა.
19:38
The idea there is, if I'm confused about a topic,
462
1163000
3000
იდეა შემდეგში, თუ მიძნელდება თემის გაგება,
19:41
somehow right in the user interface
463
1166000
2000
როგორღაც იქვე მომხმარებლის გვერდზე
19:43
I'd find people who are volunteering,
464
1168000
2000
ვიპოვი ხალხს ვინც მოხალისეა,
19:45
maybe see their reputation,
465
1170000
2000
ამბათ ვნახო მათი რეპუტაცია
19:47
and I could schedule and connect up with those people?
466
1172000
3000
და შევძლებ დავგეგმო მათთან დაკავშირება?
19:50
SK: Absolutely. And this is something
467
1175000
2000
ახ: აბლოსუტურად. და ეს არის რასაც
19:52
that I recommend everyone in this audience to do.
468
1177000
2000
ვურჩევ ყველას ამ აუდიტორიაში.
19:54
Those dashboards the teachers have, you can go log in right now
469
1179000
3000
თქვენ შეგიძლიათ ეხლავე შეხვიდეთ სისტემაში მასწავლებლის სახით
19:57
and you can essentially become a coach
470
1182000
2000
და ფაქტიურად გახდეთ მწვრთნელი
19:59
for your kids, or nephews, or cousins,
471
1184000
3000
თქვენი შვილების, ან ძმისშვილების, ან ბიძაშვილებისთვის,
20:02
or maybe some kids at the Boys and Girls Club.
472
1187000
2000
ან ბავშვებისთვის ბიჭების და გოგონების კლუბიდან.
20:04
And yeah, you can start becoming a mentor, a tutor,
473
1189000
3000
კი, თქვენ ახლავე შეგიძლით დაიწყოთ დამრიგებლად,
20:07
really immediately.
474
1192000
2000
მასწავლებლად გახდომა.
20:09
But yeah, it's all there.
475
1194000
2000
კი, აქ ყველაფერია ამისთვის.
20:11
BG: Well, it's amazing.
476
1196000
2000
ბგ: ეს ნამდვილად საოცრებაა.
20:13
I think you just got a glimpse of the future of education.
477
1198000
2000
ვფიქრობ თქვენ ახლა თვალი შეავლეთ მომავლის განათლბას.
20:15
Thank you. (SK: Thank you.)
478
1200000
2000
გმადლობთ. (სხ: გმადლობთ.)
20:17
(Applause)
479
1202000
3000
(აპლოდისმენტები)
Translated by Razmik Badalyan
Reviewed by Michael Kaulashvili

▲Back to top

ABOUT THE SPEAKER
Sal Khan - Educator and social entrepreneur
In 2004, Sal Khan, a hedge fund analyst, began making math tutorials for his cousins. Twelve years later, Khan Academy has more than 42 million registered users from 190 countries, with tutorials on subjects from basic math through economics, art history, computer science, health, medicine and more.

Why you should listen

Salman "Sal" Khan is the founder and chief executive officer of Khan Academy, a not-for-profit with a mission of providing a free, world-class education for anyone, anywhere.

Khan Academy started as a passion project in 2004. Khan's cousin was struggling with math, so he tutored her remotely and posted educational videos on YouTube. So many people watched the videos that eventually Khan quit his job at a hedge fund and pursued Khan Academy full time. Today Khan Academy has more than 100 employees in Mountain View, California. Khan Academy believes learners of all ages should have unlimited access to free educational content they can master at their own pace. Its resources cover preschool through early college education, including math, grammar, biology, chemistry, physics, economics, finance and history. Additionally, Khan Academy offers free personalized SAT test prep in partnership with the test developer, the College Board. More than 42 million registered users access Khan Academy in dozens of languages across 190 countries.

Khan has been profiled by "60 Minutes," featured on the cover of Forbes, and recognized as one of TIME’s "100 Most Influential People in the World." In his book, The One World Schoolhouse: Education Reimagined, Sal outlines his vision for the future of education.

Khan holds three degrees from MIT and an MBA from Harvard Business School.

More profile about the speaker
Sal Khan | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee