ABOUT THE SPEAKER
Daphne Koller - Educator
With Coursera, Daphne Koller and co-founder Andrew Ng are bringing courses from top colleges online, free, for anyone who wants to take them.

Why you should listen

A 3rd generation Ph.D who is passionate about education, Stanford professor Daphne Koller is excited to be making the college experience available to anyone through her startup, Coursera. With classes from 85 top colleges, Coursera is an innovative model for online learning. While top schools have been putting lectures online for years, Coursera's platform supports the other vital aspect of the classroom: tests and assignments that reinforce learning.

At the Stanford Artificial Intelligence Laboratory, computer scientist Daphne Koller studies how to model large, complicated decisions with lots of uncertainty. (Her research group is called DAGS, which stands for Daphne's Approximate Group of Students.) In 2004, she won a MacArthur Fellowship for her work, which involves, among other things, using Bayesian networks and other techniques to explore biomedical and genetic data sets.

More profile about the speaker
Daphne Koller | Speaker | TED.com
TEDGlobal 2012

Daphne Koller: What we're learning from online education

Daphne Koller: Czego nas uczy edukacja online

Filmed:
2,603,043 views

Daphne Koller próbuje zachęcić najlepsze ośrodki akademickie do umieszczania swoich najatrakcyjniejszych kursów za darmo online. Nie chodzi tylko o usługę, ale również jako nowy sposób badań nad sposobami zdobywania wiedzy. Każde naciśnięcie klawisza, quiz, forum dyskusyjne i system samooceny buduje bezprecedensową bazę danych na temat tego, w jaki sposób wiedza jest przetwarzana i, co najważniejsze, przyswajana.
- Educator
With Coursera, Daphne Koller and co-founder Andrew Ng are bringing courses from top colleges online, free, for anyone who wants to take them. Full bio

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

00:16
Like manywiele of you, I'm one of the luckySzczęściarz people.
0
725
3111
Jak wielu z was jestem szczęściarą.
00:19
I was bornurodzony to a familyrodzina where educationEdukacja was pervasiverozpowszechniony.
1
3836
3400
Pochodzę z rodziny,
w której nauka była wszechobecna.
00:23
I'm a third-generationtrzeciej generacji PhDPhD, a daughtercórka of two academicsakademicy.
2
7236
4238
Rodzice to akademicy.
Jestem 3 pokoleniem z doktoratem.
00:27
In my childhooddzieciństwo, I playedgrał around in my father'sojca universityUniwersytet lablaboratorium.
3
11474
3794
Dzieciństwo spędziłam
w laboratorium uniwersyteckim ojca.
00:31
So it was takenwzięty for grantedZgoda that I attenduczestniczyć w some of the bestNajlepiej universitiesuniwersytety,
4
15268
3849
Uczęszczałam na najlepsze uczelnie,
00:35
whichktóry in turnskręcać openedotwierany the doordrzwi to a worldświat of opportunityokazja.
5
19117
3801
które otworzyły drogę
do świata nieskończonych możliwości.
00:38
UnfortunatelyNiestety, mostwiększość of the people in the worldświat are not so luckySzczęściarz.
6
22918
4120
Niestety, nie wszyscy mają tyle szczęścia.
00:42
In some partsCzęści of the worldświat, for exampleprzykład, SouthPołudniowa AfricaAfryka,
7
27038
3135
W niektórych częściach świata, jak w RPA,
00:46
educationEdukacja is just not readilyłatwo accessibledostępny.
8
30173
2705
edukacja nie jest ogólnie dostępna.
00:48
In SouthPołudniowa AfricaAfryka, the educationaledukacyjny systemsystem was constructedzbudowana
9
32878
2975
System edukacyjny został tam stworzony
00:51
in the daysdni of apartheidapartheid for the whitebiały minoritymniejszościowych.
10
35853
2873
przez białą mniejszość w czasie apartheidu.
00:54
And as a consequencekonsekwencja, todaydzisiaj there is just not enoughdość spotskropki
11
38726
2700
Dlatego nadal brakuje miejsc dla wielu,
00:57
for the manywiele more people who want and deservezasłużyć a highwysoki qualityjakość educationEdukacja.
12
41426
3852
którzy zasługują
na edukację na wysokim poziomie.
01:01
That scarcityniedostatek led to a crisiskryzys in JanuaryStycznia of this yearrok
13
45278
3880
Ten deficyt, doprowadził w styczniu do kryzysu
01:05
at the UniversityUniwersytet of JohannesburgJohannesburg.
14
49158
1836
na uniwersytecie w Johannesburgu.
01:06
There were a handfulgarść of positionspozycje left openotwarty
15
50994
2131
Po pierwszym etapie procesu rekrutacji,
01:09
from the standardstandard admissionsprzyjęć processproces, and the night before
16
53125
2969
została garstka wolnych miejsc
01:11
they were supposeddomniemany to openotwarty that for registrationRejestracja,
17
56094
2560
i miały zostać udostępnione rano,
01:14
thousandstysiące of people linedprążkowany up outsidena zewnątrz the gatebrama in a linelinia a mileMila long,
18
58654
4052
tysiące ludzi ustawiło się w kolejce,
01:18
hopingmieć nadzieję to be first in linelinia to get one of those positionspozycje.
19
62706
3880
w nadziei, że miejsc wystarczy i dla nich.
01:22
When the gatesbramy openedotwierany, there was a stampedeStampede,
20
66586
2308
Po otwarciu bram wybuchła panika,
01:24
and 20 people were injuredranny and one womankobieta diedzmarły.
21
68894
3652
20 osób rannych, jedna straciła życie.
01:28
She was a mothermama who gavedał her life
22
72546
1940
Była to matka, która oddała życie
01:30
tryingpróbować to get her sonsyn a chanceszansa at a better life.
23
74486
4063
próbując zapewnić synowi lepszą przyszłość.
01:34
But even in partsCzęści of the worldświat like the UnitedStany Zjednoczone StatesPaństwa
24
78549
3157
Ale nawet w kraju z edukacją powszechną, jak USA,
01:37
where educationEdukacja is availabledostępny, it mightmoc not be withinw ciągu reachdosięgnąć.
25
81706
4356
nie każdy ma do niej dostęp.
01:41
There has been much discussedomówione in the last fewkilka yearslat
26
86062
2672
Dużo mówi się
01:44
about the risingpodniesienie costkoszt of healthzdrowie careopieka.
27
88734
1989
o wzroście kosztów opieki medycznej.
01:46
What mightmoc not be quitecałkiem as obviousoczywisty to people
28
90723
2642
Wielu uwadze umknęło,
01:49
is that duringpodczas that samepodobnie periodokres the costkoszt of higherwyższy educationEdukacja tuitionczesne
29
93365
4022
że w tym samym czasie,
01:53
has been increasingwzrastający at almostprawie twicedwa razy the rateoceniać,
30
97387
2480
koszt opłat za studia od 1985 roku
01:55
for a totalcałkowity of 559 percentprocent sinceod 1985.
31
99867
4280
wzrósł o całe 559%
02:00
This makesczyni educationEdukacja unaffordablezbyt drogie for manywiele people.
32
104147
4534
Dlatego ​​edukacja jest dla wielu osób niedostępna.
02:04
FinallyWreszcie, even for those who do managezarządzanie to get the higherwyższy educationEdukacja,
33
108681
3801
Nawet dla tych,
którzy zdobyli wyższe wykształcenie,
02:08
the doorsdrzwi of opportunityokazja mightmoc not openotwarty.
34
112482
2625
często drzwi do lepszego życia są zamknięte.
02:11
Only a little over halfpół of recentniedawny collegeSzkoła Wyższa graduatesabsolwentów
35
115107
3207
Niewiele ponad połowa absolwentów
02:14
in the UnitedStany Zjednoczone StatesPaństwa who get a higherwyższy educationEdukacja
36
118314
2313
szkół wyższych w USA
02:16
actuallytak właściwie are workingpracujący in jobsOferty pracy that requirewymagać that educationEdukacja.
37
120627
3463
pracuje w zawodzie zgodnym z wykształceniem.
02:19
This, of coursekurs, is not trueprawdziwe for the studentsstudenci
38
124090
1840
Nie dotyczy to, rzecz jasna,
02:21
who graduateukończyć from the topTop institutionsinstytucje,
39
125930
1952
studentów czołowych uczelni wyższych.
02:23
but for manywiele othersinni, they do not get the valuewartość
40
127882
2632
Czas i wysiłek wielu absolwentów
02:26
for theirich time and theirich effortwysiłek.
41
130514
3536
nie jest ceniony na rynku pracy.
02:29
TomTom FriedmanFriedman, in his recentniedawny NewNowy YorkYork TimesRazy articleartykuł,
42
134050
3030
Tom Friedman, z New York Timesa,
02:32
capturedschwytany, in the way that no one elsejeszcze could, the spiritduch behindza our effortwysiłek.
43
137080
4368
świetnie to ujął pisząc o "duchu naszych starań".
02:37
He said the bigduży breakthroughsprzełomy are what happenzdarzyć
44
141448
3120
Napisał: "Największe przełomy następują,
02:40
when what is suddenlynagle possiblemożliwy meetsspełnia what is desperatelybeznadziejnie necessaryniezbędny.
45
144568
3899
kiedy nowa możliwość
pomaga sprostać rozpaczliwej potrzebie.
02:44
I've talkedrozmawialiśmy about what's desperatelybeznadziejnie necessaryniezbędny.
46
148467
2621
Mówiłam już o rozpaczliwych potrzebach.
02:46
Let's talk about what's suddenlynagle possiblemożliwy.
47
151088
2512
Pomówmy o nowych możliwościach.
02:49
What's suddenlynagle possiblemożliwy was demonstratedwykazane by
48
153600
3119
Pokazały to ostatnio
02:52
threetrzy bigduży StanfordStanford classesklasy,
49
156719
1568
3 kursy Uniwersytetu Stanford.
02:54
eachkażdy of whichktóry had an enrollmentrejestracji of 100,000 people or more.
50
158287
3880
Każdy z nich liczył około 100 tys. słuchaczy.
02:58
So to understandzrozumieć this, let's look at one of those classesklasy,
51
162167
3384
Przyjrzyjmy się jednemu: "Uczenie maszynowe",
03:01
the MachineMaszyny LearningUczenia się classklasa offeredoferowany by my colleaguekolega
52
165551
1920
prowadzone przez mojego kolegę
03:03
and cofounderwspółzałożyciel AndrewAndrew NgNG.
53
167471
1729
i współzałożyciela platformy, Andrew Ng.
03:05
AndrewAndrew teachesuczy one of the biggerwiększy StanfordStanford classesklasy.
54
169200
2319
Jego kurs jest bardzo popularny.
03:07
It's a MachineMaszyny LearningUczenia się classklasa,
55
171519
1209
Gdy pojawia się w ofercie,
03:08
and it has 400 people enrolledstudia everykażdy time it's offeredoferowany.
56
172728
3518
przyciąga około 400 słuchaczy.
03:12
When AndrewAndrew taughtnauczony the MachineMaszyny LearningUczenia się classklasa to the generalgenerał publicpubliczny,
57
176246
3265
Kiedy kurs udostępniono online,
03:15
it had 100,000 people registeredzarejestrowany.
58
179511
2616
zapisało się 100 tys. osób.
03:18
So to put that numbernumer in perspectiveperspektywiczny,
59
182127
2009
Gdyby Andrew chciał zgromadzić
03:20
for AndrewAndrew to reachdosięgnąć that samepodobnie sizerozmiar audiencepubliczność
60
184136
2359
tyle samo osób w audytorium
03:22
by teachingnauczanie a StanfordStanford classklasa,
61
186495
1826
w Stanford,
03:24
he would have to do that for 250 yearslat.
62
188321
3926
musiałby wykładać przez 250 lat.
03:28
Of coursekurs, he'don by get really boredznudzony.
63
192247
3486
W końcu by się znudził.
03:31
So, havingmający seenwidziany the impactwpływ of this,
64
195733
2737
Widząc wpływ tego przedsięwzięcia,
03:34
AndrewAndrew and I decidedzdecydowany that we neededpotrzebne to really try and scaleskala this up,
65
198470
3128
postanowiliśmy rozszerzyć skalę,
03:37
to bringprzynieść the bestNajlepiej qualityjakość educationEdukacja to as manywiele people as we could.
66
201598
4120
udostępniając najlepszą edukację
jak największej ilości osób.
03:41
So we formedpowstały CourseraCoursera,
67
205718
1495
Tak powstała Coursera,
03:43
whosektórego goalcel is to take the bestNajlepiej courseskursy
68
207213
3137
która dostarcza najlepsze kursy
03:46
from the bestNajlepiej instructorsInstruktorzy at the bestNajlepiej universitiesuniwersytety
69
210350
3317
najlepszych wykładowców
z najlepszych uniwersytetów,
03:49
and providezapewniać it to everyonekażdy around the worldświat for freewolny.
70
213667
4028
za darmo, wszystkim na całym świecie.
03:53
We currentlyobecnie have 43 courseskursy on the platformPlatforma
71
217695
2600
Są na niej 43 kursy z różnych dziedzin,
03:56
from fourcztery universitiesuniwersytety acrossprzez a rangezasięg of disciplinesdyscypliny,
72
220295
3199
z 4 uniwersytetów.
03:59
and let me showpokazać you a little bitkawałek of an overviewPrzegląd
73
223494
1833
Pokażę wam jak to działa.
04:01
of what that lookswygląda like.
74
225327
3278
(Wideo) Robert Ghrist:
04:04
(VideoWideo) RobertRobert GhristGhrist: WelcomeWitamy to CalculusRachunek.
75
228605
1213
Witam na analizie matematycznej.
04:05
EzekielEzechiel EmanuelEmanuel: FiftyPięćdziesięciu millionmilion people are uninsurednieubezpieczonych.
76
229818
1880
Ezekiel Emanuel: 50 mln osób nie ma bezpieczenia.
04:07
ScottScott PageStrona: ModelsModele help us designprojekt more effectiveefektywny institutionsinstytucje and policieszasady.
77
231698
3271
Scott Page: Modele pozwalają tworzyć
04:10
We get unbelievablenie do wiary segregationsegregacji.
78
234969
2408
skuteczniejsze strategie i instytucje.
04:13
ScottScott KlemmerKlemmer: So BushBush imaginedwyobrażałem sobie that in the futureprzyszłość,
79
237377
1792
Scott Klemmer: Bush myślał, że w przyszłości
04:15
you'dty byś wearmieć na sobie a cameraaparat fotograficzny right in the centercentrum of your headgłowa.
80
239169
2378
ludzie będą nosić kamery na głowie.
04:17
MitchellMitchell DuneierDuneier: MillsMłyny wants the studentstudent of sociologysocjologia to developrozwijać the qualityjakość of mindumysł ...
81
241547
4254
Mitchell Duneier: Mills chce,
by student socjologii rozwijał umysł...
04:21
RGRG: HangingWiszące cablekabel takes on the formformularz of a hyperbolichiperboliczny cosinecosinus.
82
245801
3665
RG: Wiszący kabel przybiera postać
hiperbolicznego cosinusa.
04:25
NickNick ParlanteParlante: For eachkażdy pixelpiksel in the imageobraz, setzestaw the redczerwony to zerozero.
83
249466
3071
Nick Parlante: Dla każdego piksela
wyzeruj kolor czerwony.
04:28
PaulPaweł OffitOffit: ... VaccineSzczepionki alloweddozwolony us to eliminatewyeliminować polioparaliż dziecięcy viruswirus.
84
252537
2977
Paul Offit: Szczepionki umożliwiły
eliminację wirusa polio.
04:31
DanDan JurafskyJurafsky: Does LufthansaLufthansa serveobsługiwać breakfastśniadanie and SanSan JoseJose? Well, that soundsDźwięki funnyzabawny.
85
255514
3623
Dan Jurafsky: Czy Lufthansa serwuje śniadanie
w San Jose? Brzmi śmiesznie.
04:35
DaphneDaphne KollerKoller: So this is whichktóry coinmoneta you pickwybierać, and this is the two tossespodrzucać.
86
259137
3616
Daphne Koller: To wybrana moneta,
a to dwa kolejne rzuty.
04:38
AndrewAndrew NgNG: So in large-scalena dużą skalę machinemaszyna learninguczenie się, we'dpoślubić like to come up with computationalobliczeniowy ...
87
262753
3687
Andrew Ng: By wprowadzić uczenie maszynowe
na szeroką skalę,
04:42
(ApplauseAplauz)
88
266440
5609
musielibyśmy wymyślić obliczeniowe...(Brawa)
04:47
DKDK: It turnsskręca out, maybe not surprisinglyzaskakująco,
89
272049
2274
DK: Zgodnie z zamierzeniem,
04:50
that studentsstudenci like gettinguzyskiwanie the bestNajlepiej contentzadowolony
90
274323
2238
studenci za darmo otrzymują materiał
04:52
from the bestNajlepiej universitiesuniwersytety for freewolny.
91
276561
2887
z najlepszych uniwersytetów.
04:55
SinceOd we openedotwierany the websitestronie internetowej in FebruaryLutego,
92
279448
2522
Od otwarcia portalu w lutym,
04:57
we now have 640,000 studentsstudenci from 190 countrieskraje.
93
281970
4358
mamy 640 tys. studentów ze 190 krajów
05:02
We have 1.5 millionmilion enrollmentsna zajęcia,
94
286328
2152
i 1.5 mln zapisów, 6 mln testów
05:04
6 millionmilion quizzesquizy in the 15 classesklasy that have launcheduruchomiona
95
288480
2850
z 15 kursów, które rozpoczęliśmy.
05:07
so fardaleko have been submitteddodano, and 14 millionmilion videosfilmy wideo have been viewedobejrzeli.
96
291330
4916
14 milionów obejrzało nasze filmy.
05:12
But it's not just about the numbersliczby,
97
296246
2518
Ale nie chodzi o liczby.
05:14
it's alsorównież about the people.
98
298764
1641
Chodzi o ludzi.
05:16
WhetherCzy it's AkashAkash, who comespochodzi from a smallmały townmiasto in IndiaIndie
99
300405
2976
Może to Akash z Indii,
05:19
and would never have accessdostęp in this casewalizka
100
303381
2175
który nigdy nie miałby dostępu
05:21
to a Stanford-qualityStanford jakość coursekurs
101
305556
1489
do kursów na poziomie Stanford
05:22
and would never be ablezdolny to affordpozwolić sobie it.
102
307045
2515
i nie byłoby go na nie stać.
05:25
Or JennyJenny, who is a singlepojedynczy mothermama of two
103
309560
2038
Czy Jenny, samotna matka dwójki,
05:27
and wants to honedoskonalić her skillsumiejętności
104
311598
1967
która pragnie wrócić na uczelnię,
05:29
so that she can go back and completekompletny her master'sMaster's degreestopień.
105
313565
3135
by dokończyć studia magisterskie.
05:32
Or RyanRyan, who can't go to schoolszkoła,
106
316700
3136
Czy też Ryan, który nie może chodzić na wykłady,
05:35
because his immuneodporny deficientz niedoborem daughtercórka
107
319836
1865
bo jego córeczka cierpi na immunopatię,
05:37
can't be riskedryzykowali to have germszarazki come into the housedom,
108
321701
3383
i nie można ryzykować
05:40
so he couldn'tnie mógł leavepozostawiać the housedom.
109
325084
1840
przyniesienia zarazków do domu.
05:42
I'm really gladzadowolony to say --
110
326924
1632
Miło mi poinformować,
05:44
recentlyostatnio, we'vemamy been in correspondenceKorespondencja with RyanRyan --
111
328556
2252
że ta historia
05:46
that this storyfabuła had a happyszczęśliwy endingkończący się.
112
330808
1932
znalazła szczęśliwe zakończenie.
05:48
BabyDziecko ShannonShannon -- you can see her on the left --
113
332740
1903
Shannon, po prawej, ma się lepiej,
05:50
is doing much better now,
114
334643
1351
a Ryan dostał pracę
05:51
and RyanRyan got a jobpraca by takingnabierający some of our courseskursy.
115
335994
4198
dzięki kilku naszym kursom.
05:56
So what madezrobiony these courseskursy so differentróżne?
116
340192
2244
Co wyróżnia nasze kursy?
05:58
After all, onlineonline coursekurs contentzadowolony has been availabledostępny for a while.
117
342436
3720
Nauka online jest dostępna od jakiegoś czasu.
06:02
What madezrobiony it differentróżne was that this was realreal coursekurs experiencedoświadczenie.
118
346156
3712
Ale nasze kursy pozwalają doświadczyć szkoły.
06:05
It startedRozpoczęty on a givendany day,
119
349868
1726
Zaczynają się w konkretnym dniu,
06:07
and then the studentsstudenci would watch videosfilmy wideo on a weeklyco tydzień basispodstawa
120
351594
3634
studenci oglądają wykłady co tydzień,
06:11
and do homeworkPraca domowa assignmentsprzypisania.
121
355228
1855
i rozwiązują prawdziwe zadania domowe,
06:12
And these would be realreal homeworkPraca domowa assignmentsprzypisania
122
357083
1791
i rozwiązują prawdziwe zadania domowe,
06:14
for a realreal gradestopień, with a realreal deadlineostateczny termin.
123
358874
3304
w określonym terminie i na ocenę.
06:18
You can see the deadlinesterminy and the usagestosowanie graphwykres.
124
362178
2056
Możecie to zobaczyć na wykresie.
06:20
These are the spikeskolce showingseans
125
364234
2088
Jasno pokazuje on,
06:22
that procrastinationkunktatorstwo is globalświatowy phenomenonzjawisko.
126
366322
3789
że zwłoka jest zjawiskiem globalnym.
06:26
(LaughterŚmiech)
127
370111
2576
(Śmiech)
06:28
At the endkoniec of the coursekurs,
128
372687
1672
Na koniec kursu
06:30
the studentsstudenci got a certificatecertyfikat.
129
374359
1856
każdy otrzymuje certyfikat.
06:32
They could presentteraźniejszość that certificatecertyfikat
130
376215
2160
Mogą go przedstawić przyszłemu pracodawcy
06:34
to a prospectivepotencjalny employerpracodawca and get a better jobpraca,
131
378375
2153
i otrzymać lepszą pracę.
06:36
and we know manywiele studentsstudenci who did.
132
380528
2060
Znamy wiele takich przypadków.
06:38
Some studentsstudenci tookwziął theirich certificatecertyfikat
133
382588
1919
Niektórzy, przedstawili go swojej uczelni
06:40
and presentedprzedstawione this to an educationaledukacyjny institutioninstytucja at whichktóry they were enrolledstudia
134
384507
3122
Niektórzy, przedstawili go swojej uczelni
06:43
for actualrzeczywisty collegeSzkoła Wyższa creditkredyt.
135
387629
1841
i otrzymali punkty zaliczeniowe.
06:45
So these studentsstudenci were really gettinguzyskiwanie something meaningfulznaczący
136
389470
2214
Ich czas i trud został doceniony
06:47
for theirich investmentinwestycja of time and effortwysiłek.
137
391684
2834
i miało to znaczenie.
06:50
Let's talk a little bitkawałek about some of the componentsskładniki
138
394518
2555
Porozmawiajmy teraz
06:52
that go into these courseskursy.
139
397073
1892
o składniowych kursów.
06:54
The first componentskładnik is that when you moveruszaj się away
140
398965
2628
Kiedy pozbywamy się fizycznych ograniczeń klasy,
06:57
from the constraintsograniczenia of a physicalfizyczny classroomklasa
141
401593
2297
i projektujemy zawartość kursów
06:59
and designprojekt contentzadowolony explicitlywyraźnie for an onlineonline formatformat,
142
403890
2840
w formacie odpowiednim dla internetu,
07:02
you can breakprzerwa away from, for exampleprzykład,
143
406730
2528
można odejść od monolitu
07:05
the monolithicmonolityczny one-hourjedną godzinę lecturewykład.
144
409258
2415
godzinnego wykładu;
07:07
You can breakprzerwa up the materialmateriał, for exampleprzykład,
145
411673
1785
podzielić materiał na krótkie,
07:09
into these shortkrótki, modularmodułowe unitsjednostki of eightosiem to 12 minutesminuty,
146
413458
3376
8-12 minutowe fragmenty,
07:12
eachkażdy of whichktóry representsreprezentuje a coherentspójne conceptpojęcie.
147
416834
2974
dotyczące konkretnego zagadnienia.
07:15
StudentsStudenci can traversetrawers this materialmateriał in differentróżne wayssposoby,
148
419808
2570
Studenci przyswajać materiał na różne sposoby,
07:18
dependingw zależności on theirich backgroundtło, theirich skillsumiejętności or theirich interestszainteresowania.
149
422378
3704
zależnie od dotychczasowej wiedzy,
umiejętności i zainteresowań.
07:21
So, for exampleprzykład, some studentsstudenci mightmoc benefitzasiłek
150
426082
2520
Niektórzy mogą skorzystać
07:24
from a little bitkawałek of preparatoryprzygotowawcze materialmateriał
151
428602
2760
z materiału przygotowawczego,
07:27
that other studentsstudenci mightmoc alreadyjuż have.
152
431362
2071
który innym jest już znany.
07:29
Other studentsstudenci mightmoc be interestedzainteresowany in a particularszczególny
153
433433
2440
Inni mogą być zainteresowani
07:31
enrichmentwzbogacania topictemat that they want to pursuekontynuować individuallyindywidualnie.
154
435873
3086
szczegółowym wzbogaceniem tematyki.
07:34
So this formatformat allowspozwala us to breakprzerwa away
155
438959
3235
Ten format pozwala na zerwanie
07:38
from the one-size-fits-alluniwersalne modelModel of educationEdukacja,
156
442194
2824
z tradycyjnym podejściem do nauczania,
07:40
and allowspozwala studentsstudenci to followśledzić a much more personalizedspersonalizowane curriculumprogram.
157
445018
3992
umożliwiając rozwój edukacji spersonalizowanej.
07:44
Of coursekurs, we all know as educatorsnauczyciele
158
449010
2343
Jako wykładowcy wiemy,
07:47
that studentsstudenci don't learnuczyć się by sittingposiedzenie and passivelypasywnie watchingoglądanie videosfilmy wideo.
159
451353
3360
że studenci nie uczą się pasywnie słuchając.
07:50
PerhapsByć może one of the biggestnajwiększy componentsskładniki of this effortwysiłek
160
454713
2945
Ważnym elementem tego procesu,
07:53
is that we need to have studentsstudenci
161
457658
2592
jest praca studentów,
07:56
who practicećwiczyć with the materialmateriał
162
460250
2409
którzy muszą przećwiczyć materiał,
07:58
in orderzamówienie to really understandzrozumieć it.
163
462659
3156
aby go naprawdę zrozumieć.
08:01
There's been a rangezasięg of studiesstudia that demonstratewykazać the importanceznaczenie of this.
164
465815
3268
To przekonanie potwierdza szereg badań.
08:04
This one that appearedpojawił się in ScienceNauka last yearrok, for exampleprzykład,
165
469083
2532
W zeszłorocznym numerze "Science"
08:07
demonstratespokazuje that even simpleprosty retrievalPobieranie practicećwiczyć,
166
471615
2832
ukazał się artykuł pokazujący,
08:10
where studentsstudenci are just supposeddomniemany to repeatpowtarzać
167
474447
2792
że nawet proste techniki powtórzeniowe
08:13
what they alreadyjuż learnednauczyli
168
477239
1400
znanego już materiału,
08:14
givesdaje considerablywydatnie improvedulepszony resultswyniki
169
478639
1920
dają znacznie lepsze rezultaty
08:16
on variousróżnorodny achievementosiągnięcie teststesty down the linelinia
170
480559
2269
w różnych testach osiągnięć,
08:18
than manywiele other educationaledukacyjny interventionsinterwencje.
171
482828
4304
niż inne edukacyjne zabiegi.
08:23
We'veMamy triedwypróbowany to buildbudować in retrievalPobieranie practicećwiczyć into the platformPlatforma,
172
487132
2962
Staramy się uwzględniać to na naszej platformie,
08:25
as well as other formsformularze of practicećwiczyć in manywiele wayssposoby.
173
490094
2254
na równi z innymi metodami.
08:28
For exampleprzykład, even our videosfilmy wideo are not just videosfilmy wideo.
174
492348
4144
Nasze wykłady to nie tylko filmy.
08:32
EveryKażdy fewkilka minutesminuty, the videowideo pauseswstrzymuje
175
496492
2043
Co kilka minut wykład zostaje zatrzymany
08:34
and the studentsstudenci get askedspytał a questionpytanie.
176
498535
2151
a studenci dostają pytania.
08:36
(VideoWideo) SPSP: ... These fourcztery things. ProspectPerspektywa theoryteoria, hyperbolichiperboliczny discountingdyskontowanie,
177
500686
2221
(Wideo) SP: 4 rzeczy. Teoria perspektywy, hiperboliczne obniżenie wartości,
08:38
statusstatus quoQuo biasstronniczość, basebaza rateoceniać biasstronniczość. They're all well documentedudokumentowane.
178
502907
3092
błąd statusu quo, zaniedbywanie miarodajności.
08:41
So they're all well documentedudokumentowane deviationsodchylenia from rationalracjonalny behaviorzachowanie.
179
505999
2767
To dobrze udokumentowane odchylenia
od racjonalnego zachowania.
08:44
DKDK: So here the videowideo pauseswstrzymuje,
180
508766
1624
DK: W tym momencie film się zatrzymuje,
08:46
and the studentstudent typestypy in the answerodpowiedź into the boxpudełko
181
510390
2256
a student wpisuje odpowiedź w ramkę i zatwierdza.
[Odpowiedź błędna]
Najwyraźniej nie uważał.
08:48
and submitspodnosi. ObviouslyOczywiście they weren'tnie były payingintratny attentionUwaga.
182
512646
3223
08:51
(LaughterŚmiech)
183
515884
869
(Śmiech)
08:52
So they get to try again,
184
516753
2010
Może spróbować ponownie.
08:54
and this time they got it right.
185
518763
2536
Tym razem odpowiedź poprawna.
08:57
There's an optionalopcjonalne explanationwyjaśnienie if they want.
186
521299
2193
Może też skorzystać z dodatkowego wyjaśnienia.
Następuje dalsza część wykładu.
08:59
And now the videowideo movesporusza się on to the nextNastępny partczęść of the lecturewykład.
187
523492
4257
09:03
This is a kinduprzejmy of simpleprosty questionpytanie
188
527749
1878
Kiedy zadaję takie pytania
09:05
that I as an instructorinstruktor mightmoc askzapytać in classklasa,
189
529627
2081
podczas wykładu,
09:07
but when I askzapytać that kinduprzejmy of a questionpytanie in classklasa,
190
531708
2500
który prowadzę,
09:10
80 percentprocent of the studentsstudenci
191
534208
1300
80% studentów
09:11
are still scribblingbazgranie the last thing I said,
192
535508
1866
notuje jeszcze moje słowa,
09:13
15 percentprocent are zonedstrefowy out on FacebookFacebook,
193
537374
3321
15% przegląda Facebooka,
09:16
and then there's the smartySmarty pantsSpodnie in the frontz przodu rowrząd
194
540695
2456
i tylko mądrala z pierwszego rzędu
09:19
who blurtsblurts out the answerodpowiedź
195
543151
1359
wyskakuje z odpowiedzią,
09:20
before anyonektokolwiek elsejeszcze has had a chanceszansa to think about it,
196
544510
2207
zanim inni zdołali pomyśleć.
09:22
and I as the instructorinstruktor am terriblyniemożliwie gratifiedzaczynać
197
546717
2872
Jako wykładowca, jestem zadowolona,
09:25
that somebodyktoś actuallytak właściwie knewwiedziałem the answerodpowiedź.
198
549589
1648
że ktoś w ogóle znał odpowiedź.
09:27
And so the lecturewykład movesporusza się on before, really,
199
551237
2792
Wykład idzie dalej, zanim większość studentów
09:29
mostwiększość of the studentsstudenci have even noticedzauważyłem that a questionpytanie had been askedspytał.
200
554029
3529
zdążyła choćby zauważyć, że zadano pytanie.
09:33
Here, everykażdy singlepojedynczy studentstudent
201
557558
2607
Tutaj każdy student musi poznać materiał.
09:36
has to engageangażować with the materialmateriał.
202
560165
2784
Tutaj każdy student musi poznać materiał.
09:38
And of coursekurs these simpleprosty retrievalPobieranie questionspytania
203
562949
1936
Pytania powtórzeniowe
09:40
are not the endkoniec of the storyfabuła.
204
564885
1662
to nie wszystko.
09:42
One needswymagania to buildbudować in much more meaningfulznaczący practicećwiczyć questionspytania,
205
566547
2970
Potrzebne są dogłębniejsze pytania
09:45
and one alsorównież needswymagania to providezapewniać the studentsstudenci with feedbackinformacje zwrotne
206
569517
2353
i umożliwienie studentom
09:47
on those questionspytania.
207
571870
1663
konsultacji odpowiedzi.
09:49
Now, how do you gradestopień the work of 100,000 studentsstudenci
208
573533
2888
Ale jak oceniać pracę 100 tys. studentów
09:52
if you do not have 10,000 TAsTAs?
209
576421
3082
bez 100 tys. asystentów?
09:55
The answerodpowiedź is, you need to use technologytechnologia
210
579503
2354
Należy używać technologii.
09:57
to do it for you.
211
581857
1495
Należy używać technologii.
09:59
Now, fortunatelyna szczęście, technologytechnologia has come a long way,
212
583352
2648
Nowa technologia umożliwia nam,
10:01
and we can now gradestopień a rangezasięg of interestingciekawy typestypy of homeworkPraca domowa.
213
586000
3268
ocenę różnych zadań domowych.
10:05
In additiondodanie to multiplewielokrotność choicewybór
214
589268
1527
Oprócz testów wielokrotnego wyboru,
10:06
and the kindsrodzaje of shortkrótki answerodpowiedź questionspytania that you saw in the videowideo,
215
590795
3153
i krótkich pytań, jakie widzieliśmy na filmie,
10:09
we can alsorównież gradestopień mathmatematyka, mathematicalmatematyczny expressionswyrażenia
216
593948
3260
możemy oceniać wyrażenia matematyczne
10:13
as well as mathematicalmatematyczny derivations(indeks) ·.
217
597208
1952
czy pochodne;
10:15
We can gradestopień modelsmodele, whetherczy it's
218
599160
2874
modele,
10:17
financialbudżetowy modelsmodele in a businessbiznes classklasa
219
602034
2176
czy to finansowe na kursie biznesu,
10:20
or physicalfizyczny modelsmodele in a sciencenauka or engineeringInżynieria classklasa
220
604210
2984
czy też fizyczne na zajęciach z inżynierii lub fizyki.
10:23
and we can gradestopień some prettyładny sophisticatedwyrafinowany programmingprogramowanie assignmentsprzypisania.
221
607194
3744
Możemy też oceniać skomplikowane
zadania programistyczne.
10:26
Let me showpokazać you one that's actuallytak właściwie prettyładny simpleprosty
222
610938
1919
Pokażę wam prosty,
10:28
but fairlydość visualwizualny.
223
612857
1480
ale wyrazisty przykład.
10:30
This is from Stanford'sStanford ComputerKomputera ScienceNauka 101 classklasa,
224
614337
2477
Stanfordzki kurs informatyki.
10:32
and the studentsstudenci are supposeddomniemany to color-correctkolor poprawne
225
616814
1604
Studenci mają poprawić kolorystykę
10:34
that blurryRozmazany redczerwony imageobraz.
226
618418
1592
rozmazanego czerwonego obrazu.
10:35
They're typingpisanie na maszynie theirich programprogram into the browserPrzeglądarka,
227
620010
2018
Wpisują swój program w przeglądarkę.
10:37
and you can see they didn't get it quitecałkiem right, LadyPani LibertyLiberty is still seasickchorobę morską.
228
622028
4058
Jeśli się pomylą, Statua Wolności będzie zielona.
10:41
And so, the studentstudent triespróbuje again, and now they got it right, and they're told that,
229
626086
3756
Jeśli wpiszą program poprawnie,
10:45
and they can moveruszaj się on to the nextNastępny assignmentzadanie.
230
629842
2359
przechodzą do następnego zadania.
10:48
This abilityzdolność to interactoddziaływać activelyaktywnie with the materialmateriał
231
632201
3148
Możliwość interaktywnej pracy z materiałem,
10:51
and be told when you're right or wrongźle
232
635349
1684
na zasadzie złych i dobrych odpowiedzi,
10:52
is really essentialistotny to studentstudent learninguczenie się.
233
637033
3126
jest niezbędna w procesie nauczania.
10:56
Now, of coursekurs we cannotnie może yetjeszcze gradestopień
234
640159
2275
Oczywiście, nie możemy ocenić
10:58
the rangezasięg of work that one needswymagania for all courseskursy.
235
642434
2834
szerokiego zakresu prac wszystkich kierunków.
11:01
SpecificallyW szczególności, what's lackingbrakuje is the kinduprzejmy of criticalkrytyczny thinkingmyślący work
236
645268
3301
Brakuje możliwości oceny myślenia krytycznego,
11:04
that is so essentialistotny in suchtaki disciplinesdyscypliny
237
648569
1922
tak potrzebnego w dyscyplinach humanistycznych,
11:06
as the humanitieshumanistyka, the socialspołeczny sciencesnauki, businessbiznes and othersinni.
238
650491
3597
społecznych, biznesie i wielu innych.
11:09
So we triedwypróbowany to convinceprzekonać, for exampleprzykład,
239
654088
2249
Próbowaliśmy przekonać
11:12
some of our humanitieshumanistyka facultyWydział
240
656337
1616
wydział nauk humanistycznych
11:13
that multiplewielokrotność choicewybór was not suchtaki a badzły strategystrategia.
241
657953
2696
do testów wielokrotnego wyboru.
11:16
That didn't go over really well.
242
660649
2191
Nie poszło najlepiej.
11:18
So we had to come up with a differentróżne solutionrozwiązanie.
243
662840
2433
Musieliśmy znaleźć inne rozwiązanie.
11:21
And the solutionrozwiązanie we endedzakończyło się up usingza pomocą is peerpar gradingklasyfikacji.
244
665273
3074
To system wzajemnej oceny studentów.
11:24
It turnsskręca out that previouspoprzedni studiesstudia showpokazać,
245
668347
2422
Badania Saddlera czy Good'a,
11:26
like this one by SaddlerRymarz and Good,
246
670769
1672
jasno wskazują,
11:28
that peerpar gradingklasyfikacji is a surprisinglyzaskakująco effectiveefektywny strategystrategia
247
672441
2488
że to zaskakująco skuteczna
11:30
for providingże reproduciblepowtarzalne gradesgatunki.
248
674929
3214
strategia oceniania.
11:34
It was triedwypróbowany only in smallmały classesklasy,
249
678143
1770
Badania w małych klasach
11:35
but there it showedpokazał, for exampleprzykład,
250
679913
1487
jasno pokazały,
11:37
that these student-assignedStudent przypisany gradesgatunki on the y-axisoś y
251
681400
2482
że oceny studentów, na osi rzędnych
11:39
are actuallytak właściwie very well correlatedwspółzależny
252
683882
1311
były bardzo zbliżone
11:41
with the teacher-assignedprzypisany przez nauczyciela gradestopień on the x-axisoś x.
253
685193
2296
do ocen nauczycieli, na osi odciętych.
11:43
What's even more surprisingzaskakujący is that self-gradeswłasny klas,
254
687489
3160
Ciekawy jest też fakt,
11:46
where the studentsstudenci gradestopień theirich ownwłasny work criticallykrytycznie --
255
690649
2311
że studenci oceniający własną pracę,
11:48
so long as you incentivizezachęcać them properlyprawidłowo
256
692960
1737
przy odpowiedniej zachęcie,
11:50
so they can't give themselvessami a perfectidealny scorewynik --
257
694697
1938
by nie dawać sobie najwyższych ocen,
11:52
are actuallytak właściwie even better correlatedwspółzależny with the teachernauczyciel gradesgatunki.
258
696635
3191
oceniają bardzo podobnie do nauczycieli.
11:55
And so this is an effectiveefektywny strategystrategia
259
699826
1607
Zatem to bardzo skuteczna metoda oceniania,
11:57
that can be used for gradingklasyfikacji at scaleskala,
260
701433
2104
Zatem to bardzo skuteczna metoda oceniania,
11:59
and is alsorównież a usefulprzydatny learninguczenie się strategystrategia for the studentsstudenci,
261
703537
2736
jak również nauczania,
12:02
because they actuallytak właściwie learnuczyć się from the experiencedoświadczenie.
262
706273
2255
bo studenci uczą się też przez doświadczenie.
12:04
So we now have the largestNajwiększa peer-gradingKlasyfikacja elementów równorzędnych pipelinerurociąg ever devisedopracował,
263
708528
4649
Tak stworzyliśmy największy system wzajemnej oceny ,
12:09
where tenskilkadziesiąt of thousandstysiące of studentsstudenci
264
713177
2504
gdzie tysiące studentów
12:11
are gradingklasyfikacji eachkażdy other'sinne work,
265
715681
1198
z powodzeniem ocenia
12:12
and quitecałkiem successfullyz powodzeniem, I have to say.
266
716879
3069
pracę swoich kolegów.
12:15
But this is not just about studentsstudenci
267
719948
2260
Nie chodzi jednak o samotne
12:18
sittingposiedzenie alonesam in theirich livingżycie roompokój workingpracujący throughprzez problemsproblemy.
268
722208
3041
rozwiązywanie zadań.
12:21
Around eachkażdy one of our courseskursy,
269
725249
1807
Każdy kurs tworzy wokół siebie
12:22
a communityspołeczność of studentsstudenci had formedpowstały,
270
727056
2160
studencką społeczność,
12:25
a globalświatowy communityspołeczność of people
271
729216
1880
zgrupowaną wokół
12:26
around a sharedudostępniony intellectualintelektualny endeavorEndeavor.
272
731096
2532
wspólnego wysiłku intelektualnego.
12:29
What you see here is a self-generatedself-generated mapmapa
273
733628
2652
To mapa samoistnie wygenerowana
12:32
from studentsstudenci in our PrincetonPrinceton SociologySocjologia 101 coursekurs,
274
736280
2961
przez studentów socjologii Princeton.
12:35
where they have put themselvessami on a worldświat mapmapa,
275
739241
2759
Umieścili miejsca zamieszkania na mapie.
12:37
and you can really see the globalświatowy reachdosięgnąć of this kinduprzejmy of effortwysiłek.
276
742000
2960
Dokładnie obrazuje globalny zasięg
tego przedsięwzięcia.
12:40
StudentsStudenci collaboratedwspółpracował in these courseskursy in a varietyróżnorodność of differentróżne wayssposoby.
277
744960
4567
Studenci współpracowali na wiele różnych sposobów.
12:45
First of all, there was a questionpytanie and answerodpowiedź forumForum,
278
749527
2639
Stworzono forum pytań i odpowiedzi,
12:48
where studentsstudenci would posepoza questionspytania,
279
752166
2144
gdzie studenci mogli
12:50
and other studentsstudenci would answerodpowiedź those questionspytania.
280
754310
2424
zadawać i odpowiadać na pytania.
12:52
And the really amazingniesamowity thing is,
281
756734
1713
Niezwykłe było to,
12:54
because there were so manywiele studentsstudenci,
282
758447
1670
że grupa była tak liczna,
12:56
it meansznaczy that even if a studentstudent posedJakie a questionpytanie
283
760117
2365
że nawet jeśli ktoś
12:58
at 3 o'clockgodzina in the morningranek,
284
762482
1632
zadał pytanie o 3 nad ranem,
13:00
somewheregdzieś around the worldświat,
285
764114
1582
gdzieś na świecie
13:01
there would be somebodyktoś who was awakeprzebudzony
286
765696
2074
znalazł się ktoś,
13:03
and workingpracujący on the samepodobnie problemproblem.
287
767770
2313
kto właśnie pracował nad tym problemem.
13:05
And so, in manywiele of our courseskursy,
288
770083
1958
W wielu kursach
13:07
the medianmediana responseodpowiedź time for a questionpytanie
289
772041
2329
średni czas odpowiedzi
13:10
on the questionpytanie and answerodpowiedź forumForum was 22 minutesminuty.
290
774370
3418
wynosił zaledwie 22 minuty.
13:13
WhichCo is not a levelpoziom of serviceusługa I have ever offeredoferowany to my StanfordStanford studentsstudenci.
291
777788
4577
Takiego poziomu usług
nigdy nie zapewnię studentom na Stanford.
13:18
(LaughterŚmiech)
292
782365
1341
(Śmiech)
13:19
And you can see from the studentstudent testimonialsReferencje
293
783706
1942
Z opinii studentów
13:21
that studentsstudenci actuallytak właściwie find
294
785648
1687
jasno wynika,
13:23
that because of this largeduży onlineonline communityspołeczność,
295
787335
2521
że dzięki tej olbrzymiej społeczności
13:25
they got to interactoddziaływać with eachkażdy other in manywiele wayssposoby
296
789856
2599
mogli nawiązać kontakty
13:28
that were deepergłębiej than they did in the contextkontekst of the physicalfizyczny classroomklasa.
297
792455
4193
głębsze niż podczas kontaktu w klasie.
13:32
StudentsStudenci alsorównież self-assembledpojazd typu sam,
298
796648
2344
Bez naszej ingerencji,
13:34
withoutbez any kinduprzejmy of interventioninterwencja from us,
299
798992
1863
samodzielnie formowali
13:36
into smallmały studybadanie groupsgrupy.
300
800855
1903
mniejsze grupy.
13:38
Some of these were physicalfizyczny studybadanie groupsgrupy
301
802758
2362
Niektóre z nich na poziomie lokalnym,
13:41
alongwzdłuż geographicalgeograficznych constraintsograniczenia
302
805120
1826
zgodnie z miejscem pobytu.
13:42
and metspotkał on a weeklyco tydzień basispodstawa to work throughprzez problemproblem setszestawy.
303
806946
2722
Co tydzień wspólnie pracowano nad zadaniami.
13:45
This is the SanSan FranciscoFrancisco studybadanie groupGrupa,
304
809668
1900
To grupa naukowa z San Francisco,
13:47
but there were oneste all over the worldświat.
305
811568
2319
ale były też gdzie indziej na świecie.
13:49
OthersInni were virtualwirtualny studybadanie groupsgrupy,
306
813887
2032
Tworzono też wirtualne grupy naukowe,
13:51
sometimesczasami alongwzdłuż languagejęzyk lineskwestia or alongwzdłuż culturalkulturalny lineskwestia,
307
815919
2989
ze względu na wspólnotę języka czy kultury.
13:54
and on the bottomDolny left there,
308
818908
1444
W lewym dolnym rogu,
13:56
you see our multiculturalwielokulturowe universaluniwersalny studybadanie groupGrupa
309
820352
3796
możecie zobaczyć grupę wielokulturową,
14:00
where people explicitlywyraźnie wanted to connectpołączyć
310
824148
1763
stworzoną przez ludzi
14:01
with people from other cultureskultury.
311
825911
3006
chcących poznać inne kultury.
14:04
There are some tremendousogromny opportunitiesmożliwości
312
828917
2111
Tego rodzaju struktury
14:06
to be had from this kinduprzejmy of frameworkstruktura.
313
831028
3325
mają ogromny potencjał.
14:10
The first is that it has the potentialpotencjał of givingdający us
314
834353
3654
Dają możliwość
14:13
a completelycałkowicie unprecedentedbez precedensu look
315
838007
2434
bezprecedensowego spojrzenia
14:16
into understandingzrozumienie humanczłowiek learninguczenie się.
316
840441
2289
i zrozumienia procesu ludzkiej nauki.
14:18
Because the datadane that we can collectzebrać here is uniquewyjątkowy.
317
842730
3463
Zbierane przez nas dane są unikatowe.
14:22
You can collectzebrać everykażdy clickKliknij, everykażdy homeworkPraca domowa submissionskładanie,
318
846193
4009
Można rejestrować każde kliknięcie, prace domową
14:26
everykażdy forumForum poststanowisko from tenskilkadziesiąt of thousandstysiące of studentsstudenci.
319
850202
4363
i post na forum dla setek tysięcy studentów.
14:30
So you can turnskręcać the studybadanie of humanczłowiek learninguczenie się
320
854565
2343
Stan badań nad zdobywaniem wiedzy
14:32
from the hypothesis-driveninspirowane hipotezą modetryb
321
856908
1933
przejdzie od hipotez
14:34
to the data-drivenopartych na danych modetryb, a transformationtransformacja that,
322
858841
2858
do analizy danych.
14:37
for exampleprzykład, has revolutionizedzrewolucjonizował biologybiologia.
323
861699
3041
Ta metoda zrewolucjonizowała biologię.
14:40
You can use these datadane to understandzrozumieć fundamentalfundamentalny questionspytania
324
864740
3424
Te dane mogą pomóc zrozumieć
14:44
like, what are good learninguczenie się strategiesstrategie
325
868164
1880
jakie metody nauki są efektywne
14:45
that are effectiveefektywny versusprzeciw oneste that are not?
326
870044
2696
a jakie nie.
14:48
And in the contextkontekst of particularszczególny courseskursy,
327
872740
2240
Przy konkretnych kursach
14:50
you can askzapytać questionspytania
328
874980
1537
można zadać pytanie
14:52
like, what are some of the misconceptionsbłędnych przekonań that are more commonpospolity
329
876517
3255
o najbardziej powszechne błędy
14:55
and how do we help studentsstudenci fixnaprawić them?
330
879772
2177
i pomóc je studentom rozwiązać.
14:57
So here'soto jest an exampleprzykład of that,
331
881949
1424
Ponownie "Uczenie maszynowe".
14:59
alsorównież from Andrew'sAndrew's MachineMaszyny LearningUczenia się classklasa.
332
883373
2016
To wykres
15:01
This is a distributiondystrybucja of wrongźle answersodpowiedzi
333
885389
2208
błędnych odpowiedzi
15:03
to one of Andrew'sAndrew's assignmentsprzypisania.
334
887597
1610
na jedno z zadań Andrew.
15:05
The answersodpowiedzi happenzdarzyć to be pairspary of numbersliczby,
335
889207
1893
Odpowiedź wyrażono w formie dwóch liczb,
15:07
so you can drawrysować them on this two-dimensionaldwuwymiarowy plotwątek.
336
891100
2271
dlatego obrazuje ją dwuwymiarowa podziałka.
15:09
EachKażdy of the little crosseskrzyże that you see is a differentróżne wrongźle answerodpowiedź.
337
893371
3778
Dwa krzyżyki to dwie różne błędne odpowiedzi.
15:13
The bigduży crosskrzyż at the topTop left
338
897149
2406
Duży krzyżyk w lewy górnym rogu
15:15
is where 2,000 studentsstudenci
339
899555
2148
obrazuje kumulację błędnych odpowiedzi
15:17
gavedał the exactdokładny samepodobnie wrongźle answerodpowiedź.
340
901703
3045
około 2 tys. studentów.
15:20
Now, if two studentsstudenci in a classklasa of 100
341
904748
2327
Kiedy w klasie liczącej 100 osób
15:22
give the samepodobnie wrongźle answerodpowiedź,
342
907075
1287
zaledwie 2 studentów odpowiada błędnie,
15:24
you would never noticeogłoszenie.
343
908362
1351
ciężko to zauważyć.
15:25
But when 2,000 studentsstudenci give the samepodobnie wrongźle answerodpowiedź,
344
909713
2560
Ale jeśli 2 tys. daje tą samą błędną odpowiedź,
15:28
it's kinduprzejmy of hardciężko to misstęsknić.
345
912273
1697
ten fakt trudno przegapić.
15:29
So AndrewAndrew and his studentsstudenci wentposzedł in,
346
913970
2192
Andrew wraz ze studentami,
15:32
lookedspojrzał at some of those assignmentsprzypisania,
347
916162
1520
przejrzeli niektóre zadania,
15:33
understoodzrozumiany the rootkorzeń causeprzyczyna of the misconceptionnieporozumienie,
348
917682
4088
aby zrozumieć, skąd wziął się błąd.
15:37
and then they producedwytworzony a targetedukierunkowane errorbłąd messagewiadomość
349
921770
2520
Stworzyli też zindywidualizowany komunikat błedu
15:40
that would be providedopatrzony to everykażdy studentstudent
350
924290
2249
dla każdego studenta,
15:42
whosektórego answerodpowiedź fellspadł into that bucketwiadro,
351
926539
2179
który wyszedł z tego błędnego założenia.
15:44
whichktóry meansznaczy that studentsstudenci who madezrobiony that samepodobnie mistakebłąd
352
928718
2084
Studenci, którzy popełnili te same błędy
15:46
would now get personalizedspersonalizowane feedbackinformacje zwrotne
353
930802
2026
otrzymali spersonalizowaną informację,
15:48
tellingwymowny them how to fixnaprawić theirich misconceptionnieporozumienie much more effectivelyfaktycznie.
354
932828
4399
jak skutecznie poprawić błędne założenie.
15:53
So this personalizationPersonalizacja is something that one can then buildbudować
355
937227
3811
Personalizację można rozbudowywać
15:56
by havingmający the virtueCnota of largeduży numbersliczby.
356
941038
3140
właśnie dzięki dużej ilości studentów.
16:00
PersonalizationPersonalizacja is perhapsmoże
357
944178
2312
Może personalizacja
16:02
one of the biggestnajwiększy opportunitiesmożliwości here as well,
358
946490
2423
jest również ogromną szansą
16:04
because it provideszapewnia us with the potentialpotencjał
359
948913
2345
na rozwiązanie problemu
16:07
of solvingrozwiązywanie a 30-year-old-roczny problemproblem.
360
951258
2690
mającego już 30 lat.
16:09
EducationalEdukacyjne researchernaukowiec BenjaminBenjamin BloomBloom, in 1984,
361
953948
3349
W 1984 roku, Benjamin Bloom
16:13
posedJakie what's callednazywa the 2 sigmaSigma problemproblem,
362
957297
2251
przedstawił fenomen zwany problemem 2 sigma,
16:15
whichktóry he observedzauważony by studyingstudiować threetrzy populationspopulacje.
363
959548
3062
który zaobserwował badając 3 grupy uczniów.
16:18
The first is the populationpopulacja that studiedbadane in a lecture-baseddydaktyczne classroomklasa.
364
962610
3608
Pierwsza grupa słuchała tradycyjnych wykładów.
16:22
The seconddruga is a populationpopulacja of studentsstudenci that studiedbadane
365
966218
2777
Druga uczyła się również w klasie,
16:24
usingza pomocą a standardstandard lecture-baseddydaktyczne classroomklasa,
366
968995
1719
ale przy użyciu metody zakładającej,
16:26
but with a mastery-basedoparte na mistrzostwo approachpodejście,
367
970714
2080
że studenci nie mogą
16:28
so the studentsstudenci couldn'tnie mógł moveruszaj się on to the nextNastępny topictemat
368
972794
1920
przejść do następnego tematu,
16:30
before demonstratingdemonstrowanie masterymistrzostwo of the previouspoprzedni one.
369
974714
3354
zanim nie opanują mistrzowsko poprzedniego.
16:33
And finallywreszcie, there was a populationpopulacja of studentsstudenci
370
978068
2294
Ostatnia, trzecia grupa
16:36
that were taughtnauczony in a one-on-onejeden na jednego instructioninstrukcja usingza pomocą a tutorTutor.
371
980362
4528
nauczana była indywidualnie.
16:40
The mastery-basedoparte na mistrzostwo populationpopulacja was a fullpełny standardstandard deviationodchylenie,
372
984890
3272
Wyniki metody mistrzowskiej były lepsze
16:44
or sigmaSigma, in achievementosiągnięcie scoreswyniki better
373
988162
2288
o całe odchylenie standardowe, czyli sigma,
16:46
than the standardstandard lecture-baseddydaktyczne classklasa,
374
990450
2394
od standardowych wykładów.
16:48
and the individualindywidualny tutoringkorepetycje givesdaje you 2 sigmaSigma
375
992844
2144
Nauczanie indywidualne różniło się o dwie sigmy
16:50
improvementpoprawa in performancewydajność.
376
994988
1830
czyli dwa odchylenia standardowe.
16:52
To understandzrozumieć what that meansznaczy,
377
996818
1463
Aby zrozumieć, co to dokładnie oznacza,
16:54
let's look at the lecture-baseddydaktyczne classroomklasa,
378
998281
1833
przyjrzyjmy się tradycyjnemu nauczaniu
16:56
and let's pickwybierać the medianmediana performancewydajność as a thresholdpróg.
379
1000114
2919
i wybierzmy średnią ocen jako próg.
16:58
So in a lecture-baseddydaktyczne classklasa,
380
1003033
1338
Połowa studentów znajdzie się powyżej przeciętnej,
17:00
halfpół the studentsstudenci are abovepowyżej that levelpoziom and halfpół are belowponiżej.
381
1004371
3879
a połowa poniżej.
17:04
In the individualindywidualny tutoringkorepetycje instructioninstrukcja,
382
1008250
2098
W nauczaniu indywidualnym,
17:06
98 percentprocent of the studentsstudenci are going to be abovepowyżej that thresholdpróg.
383
1010348
4801
98% znajduje się powyżej przeciętnej.
17:11
ImagineWyobraź sobie if we could teachnauczać so that 98 percentprocent of our studentsstudenci
384
1015149
3920
Wyobraźmy sobie takie kształcenie,
17:14
would be abovepowyżej averageśredni.
385
1019069
2198
gdzie 98% studentów jest ponad przeciętną.
17:17
HenceStąd, the 2 sigmaSigma problemproblem.
386
1021267
3423
Problem 2 odchyleń standardowych bierze się stąd,
17:20
Because we cannotnie może affordpozwolić sobie, as a societyspołeczeństwo,
387
1024690
2399
że społeczeństwa nie stać
17:22
to providezapewniać everykażdy studentstudent with an individualindywidualny humanczłowiek tutorTutor.
388
1027089
3072
na indywidualne nauczanie wszystkich studentów.
17:26
But maybe we can affordpozwolić sobie to providezapewniać eachkażdy studentstudent
389
1030161
2249
Ale może stać nas na zapewnienie im
17:28
with a computerkomputer or a smartphoneSmartphone.
390
1032410
2019
dostępu do komputera czy smartfona.
17:30
So the questionpytanie is, how can we use technologytechnologia
391
1034429
2189
Jak użyć technologii,
by błękitna krzywa wykresu
17:32
to pushPchać from the left sidebok of the graphwykres, from the blueniebieski curvekrzywa,
392
1036618
3375
przesunęła się w prawo, do zielonej krzywej?
17:35
to the right sidebok with the greenZielony curvekrzywa?
393
1039993
2738
17:38
MasteryMistrzostwo is easyłatwo to achieveosiągać usingza pomocą a computerkomputer,
394
1042731
2337
Z komputerem łatwiej jest opanowywać materiał,
17:40
because a computerkomputer doesn't get tiredzmęczony
395
1045068
1405
bo nie męczy go
17:42
of showingseans you the samepodobnie videowideo fivepięć timesczasy.
396
1046473
3073
pokazywanie tego samego materiału 5 razy z rzędu,
17:45
And it doesn't even get tiredzmęczony of gradingklasyfikacji the samepodobnie work multiplewielokrotność timesczasy,
397
1049546
3251
czy ocenianie tej samej pracy kilka razy.
17:48
we'vemamy seenwidziany that in manywiele of the examplesprzykłady that I've shownpokazane you.
398
1052802
3026
Mieliśmy okazję już to zauważyć.
17:51
And even personalizationPersonalizacja
399
1055828
1854
Zaczynamy również widzieć początki
17:53
is something that we're startingstartowy to see the beginningspoczątki of,
400
1057682
2136
personalizacji nauczania,
17:55
whetherczy it's viaprzez the personalizedspersonalizowane trajectorytrajektoria throughprzez the curriculumprogram
401
1059818
3192
np. indywidualny tok studiów
17:58
or some of the personalizedspersonalizowane feedbackinformacje zwrotne that we'vemamy shownpokazane you.
402
1063010
3264
lub spersonalizowane informacje zwrotne.
18:02
So the goalcel here is to try and pushPchać,
403
1066274
2488
Chcemy przesunąć
18:04
and see how fardaleko we can get towardsw kierunku the greenZielony curvekrzywa.
404
1068762
3497
niebieską krzywą jeszcze bliżej zielonej.
18:08
So, if this is so great, are universitiesuniwersytety now obsoleteprzestarzały?
405
1072259
5359
Czy uniwersytety przechodzą do lamusa?
18:13
Well, MarkMark TwainTWAIN certainlyna pewno thought so.
406
1077618
2992
Mark Twain tak właśnie sądził mówiąc,
18:16
He said that, "CollegeKolegium is a placemiejsce where a professor'sprofesora lecturewykład notesnotatki
407
1080610
2545
że szkoła to miejsce,
gdzie notatki profesora
18:19
go straightproste to the students'studenci lecturewykład notesnotatki,
408
1083155
1703
lądują w notatkach studentów,
18:20
withoutbez passingprzechodzący throughprzez the brainsmózg of eitherzarówno."
409
1084858
2376
nie przelatując przez niczyj mózg.
18:23
(LaughterŚmiech)
410
1087234
4047
(Śmiech)
18:27
I begbłagać to differróżnić się with MarkMark TwainTWAIN, thoughchociaż.
411
1091281
2668
Śmiem się nie zgadzać.
18:29
I think what he was complainingnarzekać about is not
412
1093949
2665
Narzekał nie na uniwersytety per se,
18:32
universitiesuniwersytety but ratherraczej the lecture-baseddydaktyczne formatformat
413
1096614
2750
ale na formę wykładów,
18:35
that so manywiele universitiesuniwersytety spendwydać so much time on.
414
1099364
2784
którym uczelnie poświęcają tyle czasu.
18:38
So let's go back even furtherdalej, to PlutarchPlutarch,
415
1102148
3159
Plutarch powiedział:
"Umysł nie jest naczyniem,
18:41
who said that, "The mindumysł is not a vesselstatek that needswymagania fillingNadzienie,
416
1105307
2227
które należy napełnić,
18:43
but wooddrewno that needswymagania ignitingzapalając."
417
1107534
2023
lecz ogniem, który trzeba rozniecić".
18:45
And maybe we should spendwydać lessmniej time at universitiesuniwersytety
418
1109557
2190
Może trzeba spędzać mniej czasu na uniwersytetach
18:47
fillingNadzienie our students'studenci mindsumysły with contentzadowolony
419
1111747
2571
wypełniając umysły wiedzą wykładową
18:50
by lecturingwykłady at them, and more time ignitingzapalając theirich creativitykreatywność,
420
1114318
3800
i zacząć rozpalać studencką kreatywność
18:54
theirich imaginationwyobraźnia and theirich problem-solvingRozwiązywanie problemów skillsumiejętności
421
1118118
3255
i umiejętności rozwiązywania problemów
18:57
by actuallytak właściwie talkingmówić with them.
422
1121373
2498
poprzez prawdziwą rozmowę.
18:59
So how do we do that?
423
1123871
1367
Ale jak tego dokonać?
19:01
We do that by doing activeaktywny learninguczenie się in the classroomklasa.
424
1125238
3431
Poprzez aktywne nauczanie.
19:04
So there's been manywiele studiesstudia, includingwłącznie z this one,
425
1128669
2449
To i wiele innych badań wskazuje,
19:07
that showpokazać that if you use activeaktywny learninguczenie się,
426
1131118
2080
że aktywne nauczanie,
19:09
interactinginterakcja with your studentsstudenci in the classroomklasa,
427
1133198
2416
faktyczna interakcja na linii nauczyciel-student,
19:11
performancewydajność improvespoprawia się on everykażdy singlepojedynczy metricmetryczny --
428
1135614
2696
powoduje polepszenie wyników,
19:14
on attendanceobecności, on engagementzaręczynowy and on learninguczenie się
429
1138310
2449
lepszą obecność, zaangażowanie w naukę
19:16
as measuredwymierzony by a standardizedznormalizowane testtest.
430
1140759
2055
co można zmierzyć standaryzowanym testem.
19:18
You can see, for exampleprzykład, that the achievementosiągnięcie scorewynik
431
1142814
1864
Pułap osiągnięć wzrasta niemal dwukrotnie
19:20
almostprawie doublesdebel in this particularszczególny experimenteksperyment.
432
1144678
2870
w tym konkretnym eksperymencie.
19:23
So maybe this is how we should spendwydać our time at universitiesuniwersytety.
433
1147548
4401
Tak należy spędzać czas na uniwersytetach.
19:27
So to summarizepodsumować, if we could offeroferta a topTop qualityjakość educationEdukacja
434
1151949
4577
Gdyby zaoferować edukację na najwyższym poziomie
19:32
to everyonekażdy around the worldświat for freewolny,
435
1156526
1903
każdemu na świecie za darmo,
19:34
what would that do? ThreeTrzy things.
436
1158429
2821
co by to dało? Trzy rzeczy.
19:37
First it would establishustalić educationEdukacja as a fundamentalfundamentalny humanczłowiek right,
437
1161250
3421
Po pierwsze ustanowilibyśmy wykształcenie
19:40
where anyonektokolwiek around the worldświat
438
1164671
1366
jako podstawowe prawo człowieka.
19:41
with the abilityzdolność and the motivationmotywacja
439
1166037
1921
Tak, by zdolności i motywacja wystarczyły
19:43
could get the skillsumiejętności that they need
440
1167958
1951
do zdobycia pożądanych umiejętności
19:45
to make a better life for themselvessami,
441
1169909
1585
i poprawy życia sobie,
19:47
theirich familiesrodziny and theirich communitiesspołeczności.
442
1171494
2017
swoim rodzinom i społecznościom.
19:49
SecondDrugi, it would enablewłączyć lifelongtrwający całe życie learninguczenie się.
443
1173511
2631
Po drugie, umożliwiłoby to kształcenie ustawiczne.
19:52
It's a shamewstyd that for so manywiele people,
444
1176142
1951
To okropna strata, że dla wielu ludzi,
19:53
learninguczenie się stopsprzystanki when we finishkoniec highwysoki schoolszkoła or when we finishkoniec collegeSzkoła Wyższa.
445
1178093
3312
nauka kończy się wraz z ukończeniem
liceum czy studiów.
19:57
By havingmający this amazingniesamowity contentzadowolony be availabledostępny,
446
1181405
2481
Mając tą niesamowitą możliwość,
19:59
we would be ablezdolny to learnuczyć się something newNowy
447
1183886
2743
możemy uczyć się czegoś nowego
20:02
everykażdy time we wanted,
448
1186629
1136
kiedy tylko przyjdzie nam ochota,
20:03
whetherczy it's just to expandrozszerzać our mindsumysły
449
1187765
1329
czy to dla poszerzenia własnych horyzontów,
20:04
or it's to changezmiana our liveszyje.
450
1189094
1959
czy dla dokonania zmian w życiu.
20:06
And finallywreszcie, this would enablewłączyć a wavefala of innovationinnowacja,
451
1191053
3145
Pozwoliłoby to na falę innowacji,
20:10
because amazingniesamowity talenttalent can be founduznany anywheregdziekolwiek.
452
1194198
3072
bo niesamowite talenty można znaleźć wszędzie.
20:13
Maybe the nextNastępny AlbertAlbert EinsteinEinstein or the nextNastępny SteveSteve JobsOferty pracy
453
1197270
3008
Może kolejny Einstein lub Jobs
20:16
is livingżycie somewheregdzieś in a remotezdalny villagewioska in AfricaAfryka.
454
1200278
2615
mieszka gdzieś w odległym zakątku Afryki.
20:18
And if we could offeroferta that personosoba an educationEdukacja,
455
1202893
2656
Umożliwienie takiej osobie wykształcenia
20:21
they would be ablezdolny to come up with the nextNastępny bigduży ideapomysł
456
1205549
2356
zaowocowałoby wielkim odkryciem,
20:23
and make the worldświat a better placemiejsce for all of us.
457
1207905
2404
dzięki któremu świat stałby się lepszy.
20:26
Thank you very much.
458
1210309
1160
Dziękuję bardzo.
20:27
(ApplauseAplauz)
459
1211469
7583
(Brawa)
Translated by Lena Gorska
Reviewed by Kinga Skorupska

▲Back to top

ABOUT THE SPEAKER
Daphne Koller - Educator
With Coursera, Daphne Koller and co-founder Andrew Ng are bringing courses from top colleges online, free, for anyone who wants to take them.

Why you should listen

A 3rd generation Ph.D who is passionate about education, Stanford professor Daphne Koller is excited to be making the college experience available to anyone through her startup, Coursera. With classes from 85 top colleges, Coursera is an innovative model for online learning. While top schools have been putting lectures online for years, Coursera's platform supports the other vital aspect of the classroom: tests and assignments that reinforce learning.

At the Stanford Artificial Intelligence Laboratory, computer scientist Daphne Koller studies how to model large, complicated decisions with lots of uncertainty. (Her research group is called DAGS, which stands for Daphne's Approximate Group of Students.) In 2004, she won a MacArthur Fellowship for her work, which involves, among other things, using Bayesian networks and other techniques to explore biomedical and genetic data sets.

More profile about the speaker
Daphne Koller | Speaker | TED.com