20:41
TEDGlobal 2012

Daphne Koller: What we're learning from online education

แดฟนี่ โคลเลอร์: เราเรียนรู้อะไรจากห้องเรียนออนไลน์

Filmed:

แดฟนี่ โคลเลอร์ ชักชวนให้มหาวิทยาลัยชั้นนำเผยแพร่ชั้นเรียนที่น่าสนใจออนไลน์โดยไม่เสียค่าใช้จ่าย -- ไม่ใช่แค่เพื่อการบริการสังคม แต่เพื่อการวิจัยการเรียนรู้ของคน แต่ละคลิ๊ก แต่ละแบบทดสอบความเข้าใจ การอภิปรายระหว่างนักเรียนในฟอรั่ม ตลอดจนการตรวจงานด้วยตัวเอง ช่วยสร้างฐานข้อมูลกว้างขวางในแบบที่ไม่เคยมีมาก่อน ว่าคนจัดการความรู้อย่างไร และที่สำคัญที่สุด คนซึมซับความรู้อย่างไร

- 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

Like many of you, I'm one of the lucky people.
เช่นเดียวกับคุณหลายคน ฉันเป็นคนหนึ่งที่โชคดี
00:16
I was born to a family where education was pervasive.
ฉันเกิดในครอบครัวที่การศึกษา แทรกซึมอยู่ในชีวิต
00:19
I'm a third-generation PhD, a daughter of two academics.
ฉันเป็นรุ่นที่สามของครอบครับที่ได้ PhD
เป็นลูกสาวของนักวิชาการสองคน
00:23
In my childhood, I played around in my father's university lab.
ในวัยเด็ก ฉันวิ่งเล่นในห้องแล็บที่มหาวิทยาลัยของพ่อ
00:27
So it was taken for granted that I attend some of the best universities,
เลยเป็นเรื่องปกติ ที่ฉันได้เข้ามหาวิทยาลัยชั้นดีเลิศ
00:31
which in turn opened the door to a world of opportunity.
ซึ่งก็ช่วยเปิดประตูสู่โอกาสอีกมากมาย
00:35
Unfortunately, most of the people in the world are not so lucky.
แต่น่าเสียดาย คนส่วนใหญ่ในโลกไม่ได้โชคดีอย่างนี้
00:38
In some parts of the world, for example, South Africa,
ในบางมุมของโลก ตัวอย่างเช่น ประเทศแอฟริกาใต้
00:42
education is just not readily accessible.
การศึกษาไม่ได้แค่เข้าถึงยาก
00:46
In South Africa, the educational system was constructed
ในประเทศแอฟริกาใต้ การศึกษาถูกออกแบบในยุคที่
00:48
in the days of apartheid for the white minority.
การกีดกันทางสีผิวเอื้อประโยชน์
ให้คนผิวขาวส่วนน้อย
00:51
And as a consequence, today there is just not enough spots
และผลก็คือ ทุกวันนี้ ไม่มีที่ว่างมากพอ
00:54
for the many more people who want and deserve a high quality education.
สำหรับคนจำนวนมากที่ต้องการ
และสมควรจะได้รับการศึกษาที่มีคุณภาพ
00:57
That scarcity led to a crisis in January of this year
ความขาดแคลนนั้นนำมาสู่จลาจลในเดือนมกราคมต้นปีนี้
01:01
at the University of Johannesburg.
ที่มหาวิทยาลัยแห่งโจฮันเนสเบิร์ก
01:05
There were a handful of positions left open
ที่ว่างสำหรับเข้าเรียนเหลืออยู่แค่หยิบมือ
01:06
from the standard admissions process, and the night before
จากการคัดเลือกรอบปกติ และคืนก่อนหน้านั้น
01:09
they were supposed to open that for registration,
มหาวิทยาลัยจะเปิดให้คนมาสมัคร
01:11
thousands of people lined up outside the gate in a line a mile long,
คนหลายพันเข้าแถวนอกรั้วยาวเป็นไมล์
01:14
hoping to be first in line to get one of those positions.
หวังว่าจะเป็นคนแรกสุดที่จะได้ที่นั่งนั้นมา
01:18
When the gates opened, there was a stampede,
ตอนที่ประตูเปิด เกิดเหตุโกลาหล
01:22
and 20 people were injured and one woman died.
คน 20 คนได้รับบาดเจ็บ และผู้หญิงหนึ่งคนเสียชีวิต
01:24
She was a mother who gave her life
เธอเป็นแม่ที่สละชีวิตของเธอ
01:28
trying to get her son a chance at a better life.
ขณะพยายามที่จะคว้าโอกาสเพื่อชีวิตที่ดีกว่ามาให้ลูกชาย
01:30
But even in parts of the world like the United States
แม้แต่ในอีกมุมของโลกอย่างสหรัฐอเมริกา
01:34
where education is available, it might not be within reach.
ที่การศึกษามีอยู่พร้อม แต่ก็ยังเกินเอื้อมสำหรับบางคน
01:37
There has been much discussed in the last few years
เป็นที่ถกเถียงอย่างมากใน 2-3 ปีที่ผ่านมานี้
01:41
about the rising cost of health care.
เกี่ยวกับค่าใช้จ่ายด้านสาธารณสุขที่สูงขึ้น
01:44
What might not be quite as obvious to people
แต่อีกอย่างที่อาจไม่เด่นชัดในสายตาของคน
01:46
is that during that same period the cost of higher education tuition
คือ ในช่วงเวลาเดียวกันนั้น
ค่าใช้จ่ายในการเรียนมหาวิทยาลัย
01:49
has been increasing at almost twice the rate,
เพิ่มสูงขึ้นเป็นสองเท่าของอัตรานั้นเสียอีก
01:53
for a total of 559 percent since 1985.
คิดเป็นร้อยละ 559 เมื่อเทียบกับปี 1985
01:55
This makes education unaffordable for many people.
นี่ทำให้การศึกษาแพงเกินไปสำหรับคนจำนวนมาก
02:00
Finally, even for those who do manage to get the higher education,
สุดท้าย แม้แต่คนที่หาทางเรียนจบมหาวิทยาลัยมาได้
02:04
the doors of opportunity might not open.
ประตูสู่โอกาสก็ยังไม่เปิดให้พวกเขา
02:08
Only a little over half of recent college graduates
นักศึกษาจบใหม่ในสหรัฐอเมริกา
02:11
in the United States who get a higher education
จำนวนเกินครึ่งมานิดเดียว
02:14
actually are working in jobs that require that education.
ที่ได้งานที่ต้องการระดับการศึกษาอย่างพวกเขา
02:16
This, of course, is not true for the students
แน่นอนว่ามันไม่จริงสำหรับนักเรียน
02:19
who graduate from the top institutions,
ที่เรียนจบมาจากมหาวิทยาลัยชั้นนำ
02:21
but for many others, they do not get the value
แต่มีคนอื่นจำนวนมาก ที่ไม่ได้รับผลตอบแทน
02:23
for their time and their effort.
สำหรับเวลาและความพยายามของพวกเขา
02:26
Tom Friedman, in his recent New York Times article,
ทอม ฟรีดแมน เขียนบทความใน นสพ.นิวยอร์กไทม์ เร็วๆนี้
02:29
captured, in the way that no one else could, the spirit behind our effort.
พูดถึงจิตวิญญาณเบื้องหลังความพยายามของเรา
ซึ่งไม่มีใครพูดได้ดีไปกว่าเขา
02:32
He said the big breakthroughs are what happen
เขาบอกว่าการค้นพบที่ยิ่งใหญ่เกิดขึ้นเมื่อ
02:37
when what is suddenly possible meets what is desperately necessary.
สิ่งที่เพิ่งเป็นไปได้มาพบกับสิ่งที่จำเป็นอย่างสูงสุด
02:40
I've talked about what's desperately necessary.
ฉันได้พูดเกี่ยวกับสิ่งที่จำเป็นอย่างสูงสุดไปแล้ว
02:44
Let's talk about what's suddenly possible.
เรามาพูดถึงสิ่งที่เพิ่งจะเป็นไปได้กันบ้าง
02:46
What's suddenly possible was demonstrated by
สิ่งที่เพิ่งจะเป็นไปได้นั้นสาธิตโดย
02:49
three big Stanford classes,
ชั้นเรียนขนาดใหญ่ 3 ห้องที่แสตนฟอร์ด
02:52
each of which had an enrollment of 100,000 people or more.
แต่ละห้องมีนักเรียน 100,000 คน หรือมากกว่านั้น
02:54
So to understand this, let's look at one of those classes,
เพื่อจะเข้าใจสิ่งนี้ เรามาดูหนึ่งในชั้นเรียนเหล่านั้นกัน
02:58
the Machine Learning class offered by my colleague
วิชาการเรียนรู้ของเครื่องจักร (Machine Learning)
03:01
and cofounder Andrew Ng.
สอนโดยเพื่อนร่วมงาน
และผู้ร่วมก่อตั้งของฉัน แอนดรูว์ อิ้ง
03:03
Andrew teaches one of the bigger Stanford classes.
แอนดรูสอนในห้องเรียนขนาดใหญ่ที่แสตนฟอร์ด
03:05
It's a Machine Learning class,
นั่นก็คือ วิชาการเรียนรู้ของเครื่องจักร
(Machine Learning)
03:07
and it has 400 people enrolled every time it's offered.
ซึ่งมีนักเรียน 400 คน ในทุกๆครั้งที่เปิดสอน
03:08
When Andrew taught the Machine Learning class to the general public,
เวลาที่แอนดรูว์เปิดสอนวิชานี้ให้กับคนทั่วไป
03:12
it had 100,000 people registered.
มีคน 100,000 คน ลงทะเบียนเรียน
03:15
So to put that number in perspective,
ถ้าจะทำให้เห็นภาพตัวเลขนั้นมากขึ้น
03:18
for Andrew to reach that same size audience
ถ้าแอนดรูว์จะสอนให้ได้นักเรียนจำนวนเท่ากัน
03:20
by teaching a Stanford class,
โดยการสอนชั้นเรียนที่แสตนฟอร์ด
03:22
he would have to do that for 250 years.
เขาต้องทำอย่างนั้นไป 250 ปี
03:24
Of course, he'd get really bored.
แน่นอน เขาคงจะเบื่อมาก
03:28
So, having seen the impact of this,
ดังนั้น เราได้เห็นผลของสิ่งนี้แล้ว
03:31
Andrew and I decided that we needed to really try and scale this up,
แอนดรูว์กับฉันตัดสินใจว่า
เราต้องพยายามขยายสิ่งนี้
03:34
to bring the best quality education to as many people as we could.
เพื่อนำการศึกษาคุณภาพสูงไปสู่คนจำนวนมาก
ให้ได้เท่าที่จะทำได้
03:37
So we formed Coursera,
เราเลยก่อตั้ง คอร์เซอร์รา (Coursera)
03:41
whose goal is to take the best courses
ซึ่งมีวัตถุประสงค์เพื่อนำวิชาเรียนที่ดีที่สุด
03:43
from the best instructors at the best universities
จากผู้สอนที่มีคุณภาพที่สุด
ในสถาบันที่มีคุณภาพที่สุด
03:46
and provide it to everyone around the world for free.
ไปให้ทุกคนรอบโลกได้เรียนฟรีๆ
03:49
We currently have 43 courses on the platform
ตอนนี้เรามี 43 วิชาอยู่ในโครงการ
03:53
from four universities across a range of disciplines,
จากมหาวิทยาลัย 4 แห่ง ในสาขาวิชาหลากหลาย
03:56
and let me show you a little bit of an overview
และฉันขอเปิดให้ดูนิดนึง เป็นภาพคร่าวๆ
03:59
of what that looks like.
ว่าหน้าตาสิ่งนี้เป็นอย่างไร
04:01
(Video) Robert Ghrist: Welcome to Calculus.
(วิดีโอ) โรเบิร์ต กริสต์: ยินดีต้อนรับสู่แคลคูลัส
04:04
Ezekiel Emanuel: Fifty million people are uninsured.
เอสเซเกียล อีมานูเอล: คน 50 ล้านคนไม่มีประกันชีวิต
04:05
Scott Page: Models help us design more effective institutions and policies.
สก๊อต เพจ: แบบจำลองช่วยให้เราออกแบบหน่วยงานและนโยบายที่มีประสิทธิภาพมากขึ้น
04:07
We get unbelievable segregation.
เราได้การแบ่งแยกเชื้อชาติที่ไม่น่าเชื่อ
04:10
Scott Klemmer: So Bush imagined that in the future,
สก๊อต เคลมเมอร์: บุชจินตนาการว่าในอนาคต
04:13
you'd wear a camera right in the center of your head.
เราจะใส่กล้องถ่ายรูปไว้ที่กลางหัวของเรา
04:15
Mitchell Duneier: Mills wants the student of sociology to develop the quality of mind ...
มิทเชล ดันเนียน: มิลส์ต้องการนักเรียนสาขาสังคมวิทยาเพื่อพัฒนาคุณภาพความคิด
04:17
RG: Hanging cable takes on the form of a hyperbolic cosine.
โรเบิร์ต กริสต์: สายไฟห้อยเป็นรูปร่างเหมือน
ไฮเปอร์โบลิคโคไซน์ (hyperbolic cosine)
04:21
Nick Parlante: For each pixel in the image, set the red to zero.
นิก พาเรียนเท: สำหรับแต่ละพิกเซลในภาพ ตั้งค่าสีแดงเป็นศูนย์
04:25
Paul Offit: ... Vaccine allowed us to eliminate polio virus.
พอล ออฟฟิต: วัคซีนทำให้เราสามารถกำจัดไวรัสปอลิโอ
04:28
Dan Jurafsky: Does Lufthansa serve breakfast and San Jose? Well, that sounds funny.
แดน จูราฟสกี้: ลูฟแทนซ่าบริการอาหารเช้า
และ แซน โจสด้วยเหรอ? อืม นั่นฟังดูตลกดี
04:31
Daphne Koller: So this is which coin you pick, and this is the two tosses.
แดฟนี่ โคลเลอร์: แล้วเราจะเลือกเหรียญไหนดี
และนี่เป็นการโยนสองครั้ง
04:35
Andrew Ng: So in large-scale machine learning, we'd like to come up with computational ...
แอนดรู อิ้ง: ดังนั้น ในการเรียนรู้ของเครื่องระดับกว้าง
เราต้องการหาวิธีคำนวณ...
04:38
(Applause)
(เสียงปรบมือ)
04:42
DK: It turns out, maybe not surprisingly,
แดฟนี่ โคลเลอร์: ปรากฏว่า อาจจะไม่น่าแปลกใจนัก
04:47
that students like getting the best content
ว่านักเรียนได้รับเนื้อหาที่ดีที่สุด
04:50
from the best universities for free.
จากมหาวิทยาลัยที่ดีที่สุดฟรีๆ
04:52
Since we opened the website in February,
ตั้งแต่เราเปิดเว็ปไซต์ในเดือนกุมภาพันธ์
04:55
we now have 640,000 students from 190 countries.
ตอนนี้ เรามีนักเรียน 640,000 คน จาก 190 ประเทศ
04:57
We have 1.5 million enrollments,
มีการลงทะเบียนเรียน 1.5 ล้านครั้ง
05:02
6 million quizzes in the 15 classes that have launched
มีนักเรียนทำแบบทดสอบ 6 ล้านชุด
ใน 15 ชั้นเรียนที่เราเปิดสอน
05:04
so far have been submitted, and 14 million videos have been viewed.
มีการดูวิดีโอถึง 14 ล้านครั้ง
05:07
But it's not just about the numbers,
แต่เรื่องนี้ไม่ใช่แค่เรื่องของตัวเลข
05:12
it's also about the people.
แต่เป็นเรื่องของผู้คนด้วยเช่นกัน
05:14
Whether it's Akash, who comes from a small town in India
ไม่ว่าจะเป็นอะคาชที่มาจากเมืองเล็กๆในอินเดีย
05:16
and would never have access in this case
ที่ไม่เคยมีโอกาสได้เข้าถึง
05:19
to a Stanford-quality course
ชั้นเรียนคุณภาพอย่างของแสตนฟอร์ด
05:21
and would never be able to afford it.
และไม่มีทางที่จะจ่ายค่าเรียนได้
05:22
Or Jenny, who is a single mother of two
หรือเจนนี่ แม่ตัวคนเดียวที่เลี้ยงลูกสองคน
05:25
and wants to hone her skills
ที่ต้องการเคาะสนิมทักษะต่างๆ
05:27
so that she can go back and complete her master's degree.
เพื่อจะได้กลับไปเรียนปริญญาโทให้จบ
05:29
Or Ryan, who can't go to school,
หรือไรอัน ที่ไม่สามารถไปมหาวิทยาลัยได้
05:32
because his immune deficient daughter
เพราะลูกสาวที่ภูมิคุ้มกันบกพร่อง
05:35
can't be risked to have germs come into the house,
ไม่สามารถเสี่ยงที่จะอยู่กับเชื้อโรคในบ้านได้
05:37
so he couldn't leave the house.
ทำให้เขาออกจากบ้านไม่ได้
05:40
I'm really glad to say --
ฉันดีใจมากที่จะบอกว่า --
05:42
recently, we've been in correspondence with Ryan --
ไม่นานมานี้ เราติดต่อกับไรอัน --
05:44
that this story had a happy ending.
และพบว่าเรื่องนี้จบลงด้วยดี
05:46
Baby Shannon -- you can see her on the left --
ทารกแชนนอน ที่อยู้ซ้ายมือนี้
05:48
is doing much better now,
อาการดีขึ้นมากแล้วตอนนี้
05:50
and Ryan got a job by taking some of our courses.
และไรอันได้งานเพราะได้ลงเรียนบางวิชาของเราไป
05:51
So what made these courses so different?
แล้วอะไรที่ทำให้วิชาเรียนเหล่านี้แตกต่าง?
05:56
After all, online course content has been available for a while.
จะว่าไป การเรียนออนไลน์
ก็เป็นสื่อที่แพร่หลายมานาน
05:58
What made it different was that this was real course experience.
แต่สิ่งที่ต่างคือประสบการณ์การเรียนที่เหมือนจริง
06:02
It started on a given day,
เราเริ่มต้นในวันที่กำหนด
06:05
and then the students would watch videos on a weekly basis
แล้วนักเรียนจะดูวิดีโอทุกอาทิตย์
06:07
and do homework assignments.
และทำการบ้าน
06:11
And these would be real homework assignments
และนี่เป็นการบ้านจริงๆ
06:12
for a real grade, with a real deadline.
เพื่อเกรดจริงๆ มีกำหนดส่งจริงๆ
06:14
You can see the deadlines and the usage graph.
คุณลองดูกราฟวันกำหนดส่งกับปริมาณการใช้สิ
06:18
These are the spikes showing
ยอดแหลมๆนี้ชี้ว่า
06:20
that procrastination is global phenomenon.
การผลัดวันประกันพรุ่ง
เป็นปรากฏการณ์เกิดขึ้นทั่วโลก
06:22
(Laughter)
(เสียงหัวเราะ)
06:26
At the end of the course,
หลังจากจบวิชาเรียนแล้ว
06:28
the students got a certificate.
นักเรียนจะได้รับประกาศนียบัตร
06:30
They could present that certificate
พวกเขาสามารถแสดงใบประกาศนี้
06:32
to a prospective employer and get a better job,
ต่อนายจ้างในอนาคตและหางานที่ดีขึ้น
06:34
and we know many students who did.
และเรารู้ว่านักเรียนจำนวนมากทำอย่างนั้น
06:36
Some students took their certificate
นักเรียนบางคนเอาใบประกาศไป
06:38
and presented this to an educational institution at which they were enrolled
แสดงต่อสถาบันการศึกษาที่เข้าเรียน
06:40
for actual college credit.
เพื่อหน่วยกิตในมหาวิทยาลัย
06:43
So these students were really getting something meaningful
นักเรียนเหล่านี้ได้รับอะไรที่มีความหมาย
06:45
for their investment of time and effort.
กับการลงทุนเวลาและความพยายามจริงๆ
06:47
Let's talk a little bit about some of the components
มาพูดถึงองค์ประกอบต่างๆ
06:50
that go into these courses.
ที่เกี่ยวกับวิชาเหล่านี้กันสักหน่อย
06:52
The first component is that when you move away
องค์ประกอบแรกคือ เมื่อเราหลบออกจาก
06:54
from the constraints of a physical classroom
ข้อจำกัดของห้องเรียนที่เป็นกายภาพ
06:57
and design content explicitly for an online format,
และออกแบบบทเรียนเพื่อนำเสนอในรูปแบบออนไลน์
06:59
you can break away from, for example,
คุณสามารถแหวกออกจากตัวอย่างเช่น
07:02
the monolithic one-hour lecture.
เลกเชอร์ความยาวหนึ่งชั่วโมงรวด
07:05
You can break up the material, for example,
เราสามารถแบ่งเนื้อหา
07:07
into these short, modular units of eight to 12 minutes,
ออกเป็นช่วงสั้นๆ เป็นหน่วยย่อยความยาว 8-12 นาที
07:09
each of which represents a coherent concept.
แต่ละอันนำเสนอชุดความคิดที่เชื่อมโยงกัน
07:12
Students can traverse this material in different ways,
นักเรียนสามารถเดินทางผ่านเนื้อหาเหล่านี้ได้หลายทาง
07:15
depending on their background, their skills or their interests.
ขึ้นอยู่กับภูมิหลัง ทักษะ และความสนใจ
07:18
So, for example, some students might benefit
ตัวอย่างเช่น นักเรียนบางคนอาจจะได้ประโยชน์
07:21
from a little bit of preparatory material
จากเนื้อหาพื้นฐานเพื่อเตรียมพร้อม
07:24
that other students might already have.
ที่นักเรียนคนอื่นอาจจะรู้อยู่แล้ว
07:27
Other students might be interested in a particular
ส่วนคนอื่นอาจจะสนใจเนื้อหาเสริมเฉพาะเรื่อง
07:29
enrichment topic that they want to pursue individually.
ที่นักเรียนสามารถเลือกเรียนได้ตามใจชอบ
07:31
So this format allows us to break away
ดังนั้น รูปแบบนี้จึงช่วยให้เราแหวกออกจาก
07:34
from the one-size-fits-all model of education,
รูปแบบการศึกษาแบบไซส์เดียวฟิตทุกคน
07:38
and allows students to follow a much more personalized curriculum.
และช่วยให้นักเรียนสามารถ
เลือกหลักสูตรที่เหมาะกับตัวเองได้
07:40
Of course, we all know as educators
แน่นอน ในฐานะนักการศึกษา เรารู้ว่า
07:44
that students don't learn by sitting and passively watching videos.
นักเรียนไม่ได้เรียนรู้จากการนั่งนิ่งๆดูวิดีโอ
07:47
Perhaps one of the biggest components of this effort
บางทีองค์ประกอบที่สำคัญที่สุด
ของความพยายามนี้
07:50
is that we need to have students
คือเราต้องให้นักเรียน
07:53
who practice with the material
ฝึกฝนเนื้อหาบทเรียน
07:56
in order to really understand it.
เพื่อให้เข้าใจจริงๆ
07:58
There's been a range of studies that demonstrate the importance of this.
ที่ผ่านมามีงานวิจัยมากมาย
ที่ชี้ถึงความสำคัญของสิ่งนี้
08:01
This one that appeared in Science last year, for example,
อันหนึ่งที่ลงในนิตยสาร Science ปีที่แล้ว เป็นตัวอย่าง
08:04
demonstrates that even simple retrieval practice,
ชี้ให้เห็นว่าแม้แต่แบบฝึกหัด
ทบทวนความจำแบบพื้นฐาน
08:07
where students are just supposed to repeat
ที่นักเรียนแค่ต้องพูดซ้ำ
08:10
what they already learned
สิ่งที่เพิ่งเรียนไป
08:13
gives considerably improved results
ทำให้นักเรียนทำคะแนนได้ดีกว่ามาก
08:14
on various achievement tests down the line
ในการทดสอบมาตรฐานหลายๆอย่างหลังจากนั้น
08:16
than many other educational interventions.
ให้ผลมากกว่าการแทรกแซงอื่นๆ
08:18
We've tried to build in retrieval practice into the platform,
เราได้ลองสร้างแบบฝึกหัดทบทวนความจำเข้าไปในนี้
08:23
as well as other forms of practice in many ways.
รวมไปถึงแบบทดสอบรูปแบบอื่นๆด้วย
08:25
For example, even our videos are not just videos.
ตัวอย่างเช่น แม้แต่วิดีโอของเราไม่ได้เป็นแค่วิดีโอ
08:28
Every few minutes, the video pauses
ทุก 2-3 นาที วิดีโอจะหยุด
08:32
and the students get asked a question.
และนักเรียนจะต้องตอบคำถาม
08:34
(Video) SP: ... These four things. Prospect theory, hyperbolic discounting,
(วิดีโอ) สก๊อต เพจ: ... สี่สิ่งนี้ Prospect Theory, hyperbolic discounting,
08:36
status quo bias, base rate bias. They're all well documented.
status quo bias, base rate bias มีการศึกษาสนับสนุนมาก
08:38
So they're all well documented deviations from rational behavior.
ทั้งสี่อย่างเป็นพฤติกรรมเบี่ยงเบนจากความเป็นเหตุเป็นผล
ที่ได้รับการสนับสนุน
08:41
DK: So here the video pauses,
แดฟนี่ โคลเลอร์: แล้วตอนนี้วิดีโอก็จะหยุด
08:44
and the student types in the answer into the box
และนักเรียนพิมพ์คำตอบเข้าไปในกล่อง
08:46
and submits. Obviously they weren't paying attention.
และกดส่ง อย่างที่เห็น พวกเขาไม่ได้ตั้งใจฟังอยู่
08:48
(Laughter)
(เสียงหัวเราะ)
08:51
So they get to try again,
พวกเขาเลยต้องลองอีกครั้ง
08:52
and this time they got it right.
และครั้งนี้พวกเขาตอบถูก
08:54
There's an optional explanation if they want.
มีตัวเลือกให้เปิดดูคำอธิบาย ถ้านักเรียนต้องการ
08:57
And now the video moves on to the next part of the lecture.
และทีนี้วิดีโอเลื่อนไปเลกเชอร์ในส่วนต่อไป
08:59
This is a kind of simple question
นี่เป็นคำถามประเภทพื้นฐาน
09:03
that I as an instructor might ask in class,
ประเภทที่ฉันถามเวลาฉันสอนในชั้นเรียนจริง
09:05
but when I ask that kind of a question in class,
แต่เวลาที่ฉันถามคำถามอย่างนั้นในชั้นเรียน
09:07
80 percent of the students
ร้อยละ 80 ของนักเรียน
09:10
are still scribbling the last thing I said,
ยังจดสิ่งที่ฉันเพิ่งพูดจบไป ยิกๆ
09:11
15 percent are zoned out on Facebook,
ร้อยละ 15 ใจลอยไปกับ Facebook
09:13
and then there's the smarty pants in the front row
และก็ มีเด็กแถวหน้าที่รู้ทุกอย่าง
09:16
who blurts out the answer
ที่ตะโกนคำตอบออกมา
09:19
before anyone else has had a chance to think about it,
ก่อนที่คนอื่นๆในห้อง้รียนมีโอกาสที่จะคิดสักหน่อย
09:20
and I as the instructor am terribly gratified
และฉันในฐานะคนสอนก็ดีใจล้นเหลือ
09:22
that somebody actually knew the answer.
ที่บางคนรู้คำตอบ
09:25
And so the lecture moves on before, really,
และการบรรยายดำเนินต่อไป ก่อนที่ ในความเป็นจริง
09:27
most of the students have even noticed that a question had been asked.
นักเรียนสาวนใหญ่จะรู้ตัวว่ามีการถามคำถามเกิดขึ้น
09:29
Here, every single student
ที่นี่ นักเรียนทุกคน
09:33
has to engage with the material.
ต้องมีส่วนร่วมไปกับเนื้อหา
09:36
And of course these simple retrieval questions
และแน่นอนว่าคำถามทบทวนความจำพื้นฐานเหล่านี้
09:38
are not the end of the story.
ไม่ได้เป็นตอนจบของเรื่อง
09:40
One needs to build in much more meaningful practice questions,
เราต้องเติมคำถามที่มีความหมายลึกซึ้งกว่านั้นเข้าไปด้วย
09:42
and one also needs to provide the students with feedback
และเราก็ต้องให้ผลตอบกลับกับนักเรียน
09:45
on those questions.
ในคำถามเหล่านั้น
09:47
Now, how do you grade the work of 100,000 students
ทีนี้ ทำอย่างไรเราจะตรวจการบ้านของนักเรียน 100,000 คนได้
09:49
if you do not have 10,000 TAs?
โดยที่ไม่ต้องมีผู้ช่วยสอน 10,000 คน?
09:52
The answer is, you need to use technology
คำตอบคือ เราต้องใช้เทคโนโลยี
09:55
to do it for you.
ให้ทำงานให้เรา
09:57
Now, fortunately, technology has come a long way,
ทีนี้ โชคดีหน่อย ที่เทคโนโลยีพัฒนามาไกลแล้ว
09:59
and we can now grade a range of interesting types of homework.
และตอนนี้เราสามารถตรวจการบ้านในรูปแบบที่น่าสนใจหลากหลายได้
10:01
In addition to multiple choice
นอกเหนือไปจากแบบฝึกหัดแบบปรนัย
10:05
and the kinds of short answer questions that you saw in the video,
และประเภทคำตอบสั้นๆ แบบที่คุณเห็นไปแล้วในวิดีโอ
10:06
we can also grade math, mathematical expressions
เราสามารถตรวจวิชาคณิตศาสตร์ สมการทางคณิตศาสตร์
10:09
as well as mathematical derivations.
และการพิสูจน์ทางคณิตศาสตร์ด้วย
10:13
We can grade models, whether it's
เราสามารถตรวจแบบจำลอง ไม่ว่าจะเป็น
10:15
financial models in a business class
แบบจำลองทางการเงินในวิชาธุรกิจ
10:17
or physical models in a science or engineering class
หรือแบบจำลองทางกายภาพในวิชาวิทยาศาสตร์หรือวิศวกรรม
10:20
and we can grade some pretty sophisticated programming assignments.
และเราสามารถตรวจงานเขียนโปรแกรมที่ซับซ้อนได้
10:23
Let me show you one that's actually pretty simple
ฉันจะให้คุณดูตัวอย่างหนึ่งที่เรียบง่ายมาก
10:26
but fairly visual.
และเห็นภาพง่าย
10:28
This is from Stanford's Computer Science 101 class,
ตัวอย่างนี้มาจากชั้นเรียนวิทยาศาสตร์คอมพิวเตอร์ 101
ของแสตนฟอร์ด
10:30
and the students are supposed to color-correct
และนักเรียนต้องปรับสี
10:32
that blurry red image.
ภาพสีแดงเบลอๆนั้น
10:34
They're typing their program into the browser,
พวกเขาพิมพ์โปรแกรมเข้ามาในหน้าเว็บ
10:35
and you can see they didn't get it quite right, Lady Liberty is still seasick.
และคุณจะเห็นว่าเขายังทำไม่ถูกนัก เทพีเสรีภาพยังเมาเรืออยู่
10:37
And so, the student tries again, and now they got it right, and they're told that,
นักเรียนเลยต้องลองอีกครั้ง และครั้งนี้พวกเขาทำได้ถูกต้อง
และเขารู้ว่าเขาทำถูก
10:41
and they can move on to the next assignment.
และพวกเขาได้เลื่อนไปทำคำถามต่อไป
10:45
This ability to interact actively with the material
ความสามารถที่จะได้มีปฏิสัมพันธ์กับเนื้อหา
10:48
and be told when you're right or wrong
และได้รับรู้ว่าสิ่งที่ทำอยู่ถูกหรือผิด
10:51
is really essential to student learning.
เป็นหัวใจสำคัญของการเรียนรู้ของนักเรียน
10:52
Now, of course we cannot yet grade
ที่นี้ แน่นอน ว่าเรายังไม่สามารถตรวจ
10:56
the range of work that one needs for all courses.
งานทุกรูปแบบหลากหลายที่เราต้องการสำหรับทุกวิชา
10:58
Specifically, what's lacking is the kind of critical thinking work
โดยเฉพาะ สิ่งที่ขาดไปคืองานประเภททักษะการคิดวิเคราะห์
11:01
that is so essential in such disciplines
ที่เป็นหัวใจสำคัญของแขนงวิชา
11:04
as the humanities, the social sciences, business and others.
อย่างมนุษยศาสตร์ สังคมศาสตร์ ธุรกิจ และอื่นๆ
11:06
So we tried to convince, for example,
ดังนั้น เราเลยลองโน้มน้าว
11:09
some of our humanities faculty
อาจารย์สายมนุษยศาสตร์บางคน
11:12
that multiple choice was not such a bad strategy.
ว่าแบบฝึกหัดปรนัยไม่ใช่กลยุทธ์ที่แย่ขนาดนั้น
11:13
That didn't go over really well.
แต่มันไม่ได้ผ่านไปด้วยดีเท่าไหร่
11:16
So we had to come up with a different solution.
เราเลยต้องคิดค้นทางแก้ที่แตกต่างออกไป
11:18
And the solution we ended up using is peer grading.
และทางแก้ที่เราลงเอย ก็คือการให้นักเรียนตรวจงานกันเอง
11:21
It turns out that previous studies show,
ปรากฏว่า งานวิจัยที่ผ่านมาชี้ว่า
11:24
like this one by Saddler and Good,
เช่นชิ้นนี้ โดยแซดเลอร์และกู้ด
11:26
that peer grading is a surprisingly effective strategy
การให้นักเรียนตรวจงานกันเองเป็นกลยุทธ์ที่ได้ผลดี
อย่างน่าประหลาดใจ
11:28
for providing reproducible grades.
สำหรับการให้คะแนนที่สอดคล้องกัน
11:30
It was tried only in small classes,
วิธีนี้ถูกทดลองในชั้นเรียนขนาดเล็ก
11:34
but there it showed, for example,
และมันชี้ให้เห็นว่า ตัวอย่างเช่น
11:35
that these student-assigned grades on the y-axis
เกรดที่นักเรียนให้ ในแกน y
11:37
are actually very well correlated
ที่จริงแล้วสอดคล้องอย่างมาก
11:39
with the teacher-assigned grade on the x-axis.
กับเกรดที่อาจารย์ให้ ในแกน x
11:41
What's even more surprising is that self-grades,
สิ่งที่น่าประหลาดใจยิ่งไปกว่านั้นคือ เกรดที่นักเรียนให้ตัวเอง
11:43
where the students grade their own work critically --
ในเวลาที่นักเรียนตรวจงานของตัวเองอย่างมีวิจารญาณ --
11:46
so long as you incentivize them properly
แต่คือเราต้องให้แรงจูงใจอย่างเหมาะสม
11:48
so they can't give themselves a perfect score --
เพื่อนักเรียนจะได้ไม่ให้ตัวเองได้คะแนนเต็ม --
11:50
are actually even better correlated with the teacher grades.
นั้นสอดคล้องกับคะแนนที่อาจารย์ให้มากกว่าเสียอีก
11:52
And so this is an effective strategy
และนี่เป็นกลยุทธ์ที่ได้ผลดีมาก
11:55
that can be used for grading at scale,
ที่สามารถใช้ในการให้คะแนน
11:57
and is also a useful learning strategy for the students,
และยังเป็นกลยุทธ์การเรียนรู้ที่เป็นประโยชน์มากอีกด้วย
11:59
because they actually learn from the experience.
เพราะนักเรียนสามารถเรียนรู้จากประสบการณ์ตรวจงาน
12:02
So we now have the largest peer-grading pipeline ever devised,
ตอนนี้เรามีระบบการตรวจงานกันเองของนักเรียน
ที่ใหญ่ที่สุดที่เคยมีมา
12:04
where tens of thousands of students
ที่มีนักเรียนเป็นหมื่นคน
12:09
are grading each other's work,
ตรวจงานกันเอง
12:11
and quite successfully, I have to say.
และฉันต้องบอกว่า ไปได้สวยมากด้วย
12:12
But this is not just about students
แต่นี่ไม่ได้เป็นแค่นักเรียน
12:15
sitting alone in their living room working through problems.
นั่งอยู่คนเดียวในห้องนั่งเล่น แก้โจทย์ปัญหาไปเรื่อยๆ
12:18
Around each one of our courses,
ในทุกๆวิชาเรียน
12:21
a community of students had formed,
ชุมชนของนักเรียนถูกสร้างขึ้น
12:22
a global community of people
ชุมชนที่ครอบคลุมคนจากทั่วโลก
12:25
around a shared intellectual endeavor.
ที่มีจุดมุ่งหมายด้านปัญญาร่วมกัน
12:26
What you see here is a self-generated map
สิ่งที่คุณเห็นอยู่นี้คือแผนที่ที่สร้างขึ้นเอง
12:29
from students in our Princeton Sociology 101 course,
โดยนักเรียนในชั้นเรียนสังคมวิทยา 101 ของปรินตัน
12:32
where they have put themselves on a world map,
ที่นักเรียนต้องปักหมุดตัวเองในแผนที่โลก
12:35
and you can really see the global reach of this kind of effort.
และคุณจะเห็นได้ว่าความพยายามนี้ไปถึงทั่วทุกมุมโลก
12:37
Students collaborated in these courses in a variety of different ways.
นักเรียนทำงานร่วมกันในวิชาเรียนในวิธีต่างๆหลากหลาย
12:40
First of all, there was a question and answer forum,
แรกที่สุด เรามีพื้นที่สำหรับคำถามและคำตอบ
12:45
where students would pose questions,
ที่นักเรียนไปถามคำถาม
12:48
and other students would answer those questions.
แล้วนักเรียนคนอื่นมาตอบคำถามเหล่านั้น
12:50
And the really amazing thing is,
และสิ่งที่น่าประทับใจมากๆก็คือ
12:52
because there were so many students,
เพราะเรามีนักเรียนเยอะมาก
12:54
it means that even if a student posed a question
มันหมายความว่าแม้ว่านักเรียนจะถามคำถาม
12:56
at 3 o'clock in the morning,
ตอนตีสาม
12:58
somewhere around the world,
สักที่บนโลกนี้
13:00
there would be somebody who was awake
จะมีใครสักคนที่ยังตื่นอยู่
13:01
and working on the same problem.
และกำลังทำโจทย์ข้อเดียวกันนี้
13:03
And so, in many of our courses,
ดังนั้น ในหลายวิชาที่เราเปิดสอน
13:05
the median response time for a question
ค่ามัธยฐานของเวลาที่ใช้ตอบคำถาม
13:07
on the question and answer forum was 22 minutes.
ในพื้นที่คำถามคำตอบนั้น คือ 22 นาที
13:10
Which is not a level of service I have ever offered to my Stanford students.
ซึ่งเป็นการบริการเหนือระดับชนิดที่เราไม่มีที่แสตนฟอร์ด
13:13
(Laughter)
(เสียงหัวเราะ)
13:18
And you can see from the student testimonials
และคุณจะเห็นได้จากความในใจจากนักเรียน
13:19
that students actually find
ว่านักเรียนพบว่า
13:21
that because of this large online community,
เพราะชุมชนออนไลน์ขนาดใหญ่นี้
13:23
they got to interact with each other in many ways
พวกเขามีโอกาสมีปฏิสัมพันธ์กับคนอื่นอย่างหลากหลาย
13:25
that were deeper than they did in the context of the physical classroom.
ในรูปแบบที่ลึกซึ้งกว่าในห้องเรียนปกติทั่วไป
13:28
Students also self-assembled,
นักเรียนรวมกลุ่มกันเอง
13:32
without any kind of intervention from us,
โดยที่ราไม่ต้องเข้าไปแทรกแซง
13:34
into small study groups.
เป็นกลุ่มช่วยกันเรียนย่อยๆ
13:36
Some of these were physical study groups
บางกลุ่มก็มาพบปะกันจริงๆ
13:38
along geographical constraints
ตามข้อจำกันทางภูมิศาสตร์จะเอื้ออำนวย
13:41
and met on a weekly basis to work through problem sets.
และพบกันทุกสัปดาห์ เพื่อทำการบ้านด้วยกัน
13:42
This is the San Francisco study group,
นี่เป็นกลุ่มช่วยกันเรียนในซานฟรานซิสโก
13:45
but there were ones all over the world.
มีกลุ่มอย่างนี้กระจายทั่วโลก
13:47
Others were virtual study groups,
บางกลุ่มก็เป็นกลุ่มออนไลน์
13:49
sometimes along language lines or along cultural lines,
แบ่งตามภาษา หรือกลุ่มก้อนทางวัฒนธรรม
13:51
and on the bottom left there,
และในมุมซ้ายล่างนี้
13:54
you see our multicultural universal study group
คุณจะเห็นกลุ่มช่วยกันเรียนที่หลากหลายทางวัฒนธรรม
13:56
where people explicitly wanted to connect
ที่สมาชิกมีความต้องการเฉพาะที่จะติดต่อ
14:00
with people from other cultures.
กับผู้คนจากวัฒนธรรมอื่น
14:01
There are some tremendous opportunities
มีโอกาสต่างๆมหาศาล
14:04
to be had from this kind of framework.
ที่จะเกิดขึ้นในโครงสร้างประเภทนี้
14:06
The first is that it has the potential of giving us
อย่างแรกคือ สิ่งนี้มีศักยภาพที่จะช่วยให้เรา
14:10
a completely unprecedented look
เข้าใจอย่างที่ไม่เคยเข้าใจมาก่อน
14:13
into understanding human learning.
เกี่ยวกับการเรียนรู้ของมนุษย์
14:16
Because the data that we can collect here is unique.
เพราะข้อมูลที่เราเก็บได้ที่นี่เป็นเอกลักษณ์มาก
14:18
You can collect every click, every homework submission,
เราสามารถเก็บข้อมูลทุกคลิ๊ก ทุกการบ้าน ทุกการส่งงาน
14:22
every forum post from tens of thousands of students.
ทุกคำถามที่โพสต์จากนักเรียนเป็นหมื่นๆคน
14:26
So you can turn the study of human learning
ดังนั้น เราสามารถเปลี่ยนการเรียนรู้ของมนุษย์
14:30
from the hypothesis-driven mode
ที่อยู่บนฐานของสมมติฐาน
14:32
to the data-driven mode, a transformation that,
ให้อยู่บนฐานของข้อมูล การเปลี่ยนแปลที่
14:34
for example, has revolutionized biology.
ปฏิวัติวิชาชีววิทยามาแล้ว เป็นต้น
14:37
You can use these data to understand fundamental questions
เราสามารถใช้ข้อมูลนี่เพื่อเข้าใจคำถามที่เป็นรากฐาน
14:40
like, what are good learning strategies
เช่น อะไรคือกลยุทธ์การเรียนรู้ที่ดี
14:44
that are effective versus ones that are not?
ที่มีประสิทธิผลดี และอันไหนที่ไม่ดี?
14:45
And in the context of particular courses,
และในบริบทของวิชาใดวิชาหนึ่ง
14:48
you can ask questions
เราสามารถถามคำถาม
14:50
like, what are some of the misconceptions that are more common
เช่น อะไรเป็นความเข้าใจผิดที่พบบ่อย
14:52
and how do we help students fix them?
และเราจะช่วยให้นักเรียนแก้มันได้อย่างไร?
14:55
So here's an example of that,
และนี่เป็นตัวอย่างของสิ่งนั้น
14:57
also from Andrew's Machine Learning class.
มาจากวิชาการเรียนรู้ของเครื่องโดยแอนดรูเช่นกัน
14:59
This is a distribution of wrong answers
นี่เป็นการกระจายตัวของคำตอบที่ผิด
15:01
to one of Andrew's assignments.
ในการบ้านอันหนึ่งของแอนดรู
15:03
The answers happen to be pairs of numbers,
และคำตอบบังเอิญเป็นตัวเลขที่เป็นคู่
15:05
so you can draw them on this two-dimensional plot.
เราสามารถวาดผังสองมิติออกมา
15:07
Each of the little crosses that you see is a different wrong answer.
กากบาทเล็กๆแต่ละอันแทนคำตอบที่ผิดแต่ละอัน
15:09
The big cross at the top left
กากบาทอันใหญ่ๆที่มุมซ้ายบน
15:13
is where 2,000 students
เป็นคำตอบที่นักเรียน 2,000 คน
15:15
gave the exact same wrong answer.
ตอบผิดเหมือนกันเป๊ะ
15:17
Now, if two students in a class of 100
ทีนี้ ถ้าเรียนมีนักเรียนในชั้น 100 คน
15:20
give the same wrong answer,
ตอบคำตอบผิดแบบเดียวกัน
15:22
you would never notice.
เราไม่จะไม่ทันได้สังเกต
15:24
But when 2,000 students give the same wrong answer,
แต่เวลาที่นักเรียน 2,000 คนตอบผิดแบบเดียวกัน
15:25
it's kind of hard to miss.
มันก็ยากที่จะพลาดไป
15:28
So Andrew and his students went in,
แอนดรูและนักเรียนของเขาจึงเข้าไป
15:29
looked at some of those assignments,
ดูการบ้านบางส่วนนั้น
15:32
understood the root cause of the misconception,
เข้าใจต้นตอของปัญหาของความเข้าใจผิดนั้น
15:33
and then they produced a targeted error message
แล้วจัดทำคำอธิบายอย่างเฉพาะเจาะจงขึ้นมา
15:37
that would be provided to every student
ที่จะแสดงให้นักเรียนทุกคน
15:40
whose answer fell into that bucket,
ที่ตอบคำถามด้วยคำตอบนั้นเห็น
15:42
which means that students who made that same mistake
ซึ่งก็แปลว่า นักเรียนที่ทำผิดอย่างเดียวกันนั้น
15:44
would now get personalized feedback
จะได้รับผลตอบรับที่เฉพาะเจาะจง
15:46
telling them how to fix their misconception much more effectively.
บอกพวกเขาว่าจะแก้ความเข้าใจผิดนั้นได้อย่างไร อย่างตรงประเด็น
15:48
So this personalization is something that one can then build
การทำบทเรียนให้เหมาะเป็นรายบุคคลนี้ เราทำได้
15:53
by having the virtue of large numbers.
เพราะข้อดีจากการที่เรามีนักเรียนจำนวนมาก
15:56
Personalization is perhaps
การทำบทเรียนให้เหมาะเป็นรายบุคคลนี้ บางที
16:00
one of the biggest opportunities here as well,
เป็นหนึ่งในโอกาสที่สำคัญที่สุดที่นี่ด้วยเหมือนกัน
16:02
because it provides us with the potential
เพราะนี่แสดงถึงศักยภาพที่เราจะ
16:04
of solving a 30-year-old problem.
แก้ปัญหาที่มีอายุกว่า 30 ปีได้
16:07
Educational researcher Benjamin Bloom, in 1984,
นักวิจัยทางการศึกษา เบนจามิน บลูม ในปี 1984
16:09
posed what's called the 2 sigma problem,
ตั้งคำถามที่เขาเรียกว่าปัญหาสองซิกม่า
16:13
which he observed by studying three populations.
ที่เขาสังเกตได้จากการศึกษาประชากร 3 กลุ่ม
16:15
The first is the population that studied in a lecture-based classroom.
กลุ่มแรกเป็นประชากรนักเรียนที่เรียนในห้องเรียนแบบเลกเชอร์
16:18
The second is a population of students that studied
กลุ่มที่สองเป็นประชากรนักเรียนที่เรียน
16:22
using a standard lecture-based classroom,
โดยใช้ห้องเรียนเลกเชอร์แบบมาตรฐาน
16:24
but with a mastery-based approach,
แต่มีจุดมุ่งหมายเพื่อความเชี่ยวชาญเป็นหลัก
16:26
so the students couldn't move on to the next topic
คือนักเรียนไม่สามารถผ่านไปเรียนหัวข้อต่อไปได้
16:28
before demonstrating mastery of the previous one.
ถ้ายังไม่แสดงความเชี่ยวชาญในหัวข้อก่อนหน้า
16:30
And finally, there was a population of students
และสุดท้าย คือกลุ่มประชากรนักเรียนที่
16:33
that were taught in a one-on-one instruction using a tutor.
เรียนแบบตัวต่อตัวกับผู้สอนส่วนตัว
16:36
The mastery-based population was a full standard deviation,
กลุ่มประชากรที่เน้นความเชี่ยวชาญ ทำคะแนนสอบได้ดีกว่า
16:40
or sigma, in achievement scores better
หนึ่งส่วนเบี่ยงเบนมาตรฐาน หรือ หนึ่งซิกม่า
16:44
than the standard lecture-based class,
กว่านักเรียนในห้องเรียนแบบเลกเชอร์
16:46
and the individual tutoring gives you 2 sigma
และนักเรียนแบบตัวต่อตัวทำได้ดีว่า 2 ซิกม่า
16:48
improvement in performance.
ในคะแนนพัฒนาการ
16:50
To understand what that means,
เพื่อจะเข้าใจว่ามันแปลว่าอะไร
16:52
let's look at the lecture-based classroom,
ลองมาดูห้องเรียนแบบเลกเชอร์
16:54
and let's pick the median performance as a threshold.
และลองเลือกค่ามัธยฐานเป็นเกณฑ์ผ่าน
16:56
So in a lecture-based class,
ฉะนั้น ในห้องเรียนเลกเชอร์
16:58
half the students are above that level and half are below.
ครึ่งหนึ่งของนักเรียนสูงกว่าเกณฑ์นั้น และครึ่งหนึ่งต่ำกว่า
17:00
In the individual tutoring instruction,
ในการเรียนแบบตัวต่อตัว
17:04
98 percent of the students are going to be above that threshold.
ร้อยละ 98 ของนักเรียนจะผ่านเกณฑ์นั้น
17:06
Imagine if we could teach so that 98 percent of our students
ลองคิดดูว่าถ้าเราสามารถสอนในแบบที่นักเรียนร้อยละ 98
17:11
would be above average.
จะได้สูงกว่าเกณฑ์ผ่านได้ไหม
17:14
Hence, the 2 sigma problem.
เราเจอปัญหาสองซิกม่า
17:17
Because we cannot afford, as a society,
เพราะสังคมเราไม่มีปัญญาจ่าย
17:20
to provide every student with an individual human tutor.
ให้นักเรียนทุกคนมีผู้สอนส่วนตัวได้
17:22
But maybe we can afford to provide each student
แต่บางทีเราอาจจะสามารถจัดให้นักเรียนทุกคน
17:26
with a computer or a smartphone.
มีคอมพิวเตอร์หรือสมาร์ทโฟนได้
17:28
So the question is, how can we use technology
ดังนั้น คำถามก็คือ ทำอย่างไรเราจะใช้เทคโนโลยี
17:30
to push from the left side of the graph, from the blue curve,
เพื่อดันฝั่งซ้ายของกราฟ จากเส้นสีน้ำเงิน
17:32
to the right side with the green curve?
ไปอยู่ฝั่งขวา แบบเส้นสีเขียวได้?
17:35
Mastery is easy to achieve using a computer,
ความเชี่ยวชาญทำได้ง่ายจากการใช้คอมพิวเตอร์
17:38
because a computer doesn't get tired
เพราะคอมพิวเตอร์ไม่เคยจะเบื่อ
17:40
of showing you the same video five times.
ที่จะเปิดวิดีโอเดิมๆ 5 ครั้ง
17:42
And it doesn't even get tired of grading the same work multiple times,
และมันก็ไม่เคยเบื่อที่จะตรวจการบ้านเดิมๆหลายๆครั้ง
17:45
we've seen that in many of the examples that I've shown you.
เราได้เห็นตัวอย่างหลายๆอันที่ฉันเสนอไปแล้ว
17:48
And even personalization
แม้แต่การทำบทเรียนให้เหมาะเป็นรายบุคคล
17:51
is something that we're starting to see the beginnings of,
เป็นสิ่งที่เราเริ่มเห็นจุดเริ่มต้น
17:53
whether it's via the personalized trajectory through the curriculum
ไม่ว่าจะเป็นผ่านการสร้างเส้นทางหลักสูตรที่เหมาะกับแต่ละคน
17:55
or some of the personalized feedback that we've shown you.
หรือการเลือกผลตอบกลับที่เหมาะกับแต่ละคนที่ฉันให้ดูไปแล้ว
17:58
So the goal here is to try and push,
ดังนั้น จุดมุ่งหมายคือการพยายามดัน
18:02
and see how far we can get towards the green curve.
แล้วมาดูกันว่าเราจะเข้าใกล้เส้นสีเขียวได้มากแค่ไหน
18:04
So, if this is so great, are universities now obsolete?
ดังนั้น ถ้าสิ่งนี่ประเสริฐขนาดนี้ มหาวิทยาลัยจะตกยุคไปแล้วหรือ?
18:08
Well, Mark Twain certainly thought so.
อืม มาร์ก ทเวน คิดอย่างนั้นแน่ๆ
18:13
He said that, "College is a place where a professor's lecture notes
เขาบอกว่า "มหาวิทยาลัยเป็นสถานที่ที่บทบรรยายของศาสตราจารย์
18:16
go straight to the students' lecture notes,
ตรงเข้าสู่สมุดจดบรรยายของนักเรียน
18:19
without passing through the brains of either."
โดยไม่ผ่านสมองของทั้งคู่"
18:20
(Laughter)
(เสียงหัวเราะ)
18:23
I beg to differ with Mark Twain, though.
แต่ฉันขอคิดต่างจากมาร์ก ทเวน
18:27
I think what he was complaining about is not
ฉันคิดว่าสิ่งที่เขาบ่นถึงนั้นไม่ใช่
18:29
universities but rather the lecture-based format
มหาวิทยาลัย แต่เป็นการเรียนแบบเลกเชอร์
18:32
that so many universities spend so much time on.
ที่มหาวิทยาลัยจำนวนมากใช้เวลาส่วนใหญ่ทำ
18:35
So let's go back even further, to Plutarch,
ลองย้อนกลับไปไกลกว่านั้น ถึงพลูทาร์ช
18:38
who said that, "The mind is not a vessel that needs filling,
ที่พูดว่า "ปัญญาไม่ใช่กล่องที่รอให้ใครมาเติมให้เต็ม
18:41
but wood that needs igniting."
แต่เป็นไม้ที่ต้องการเชื้อเพลิง"
18:43
And maybe we should spend less time at universities
ดังนั้น บางทีเราควรจะลดเวลาในมหาวิทยาลัย
18:45
filling our students' minds with content
ที่ใช้เพื่อเติมปัญญาของนักเรียนด้วยเนื้อหา
18:47
by lecturing at them, and more time igniting their creativity,
โดยการเลกเชอร์ใส่นักเรียน และเพิ่มการจุดประกาย
ความคิดสร้างสรรค์
18:50
their imagination and their problem-solving skills
จินตนาการ และทักษะการแก้ปัญหา
18:54
by actually talking with them.
โดยคุยกับนักเรียนจริงๆ
18:57
So how do we do that?
แล้วเราจะทำอย่างไร?
18:59
We do that by doing active learning in the classroom.
เราทำอย่างนั้นโดยการเรียนการสอนแบบมีส่วนร่วมในชั้นเรียน
19:01
So there's been many studies, including this one,
และมีงานวิจัยมากมาย รวมถึงงานนี้
19:04
that show that if you use active learning,
ที่ชี้ว่าถ้าเราใช้การเรียนการสอนแบบมีส่วนร่วม
19:07
interacting with your students in the classroom,
มีปฏิสัมพันธ์กับนักเรียนในชั้นเรียน
19:09
performance improves on every single metric --
ผลการเรียนดีขึ้นในทุกเกณฑ์การวัด --
19:11
on attendance, on engagement and on learning
การเข้าชั้นเรียน การมีส่วนร่วม และการเรียนรู้
19:14
as measured by a standardized test.
จากการวัดด้วยข้อสอบมาตรฐาน
19:16
You can see, for example, that the achievement score
คุณสามารถเห็นได้ ตัวอย่างเช่น จากคะแนนสอบวัดผล
19:18
almost doubles in this particular experiment.
เพิ่มขึ้นเกือบสองเท่าในการทดลองนี้
19:20
So maybe this is how we should spend our time at universities.
ดังนั้น บางทีนี่เป็นกิจกรรมที่เราควรทำในมหาวิทยาลัย
19:23
So to summarize, if we could offer a top quality education
สรุปก็คือ ถ้าเราสามารถเสนอการศึกษาคุณภาพแนวหน้า
19:27
to everyone around the world for free,
ให้กับทุกๆคนรอบโลก แบบฟรี
19:32
what would that do? Three things.
จะเกิดอะไรขึ้น? สามอย่าง
19:34
First it would establish education as a fundamental human right,
อย่างแรก การศึกษาจะกลายเป็นสิทธิมนุษยชนขั้นพื้นฐาน
19:37
where anyone around the world
ที่คนทุกคนรอบโลก
19:40
with the ability and the motivation
ที่มีความสามารถและแรงขับ
19:41
could get the skills that they need
สามารถเรียนรู้ทักษะที่ต้องการ
19:43
to make a better life for themselves,
เพื่อชีวิตที่ดีขึ้นได้ สำหรับพวกเขา
19:45
their families and their communities.
ครอบครัว และชุมชน
19:47
Second, it would enable lifelong learning.
อย่างที่สอง จะทำได้เกิดการเรียนรู้ตลอดชีวิต
19:49
It's a shame that for so many people,
มันน่าละอายสำหรับใครหลายคน
19:52
learning stops when we finish high school or when we finish college.
ที่การเรียนรู้หยุดลงเมื่อเรียนจบชั้นมัธยม หรือเรียนจบมหาวิทยาลัย
19:53
By having this amazing content be available,
ด้วยการมีบทเรียนเหล่านี้
19:57
we would be able to learn something new
เราสามารถเรียนรู้สิ่งใหม่ๆ
19:59
every time we wanted,
ทุกครั้งที่เราต้องการ
20:02
whether it's just to expand our minds
ไม่ว่าจะเพื่อขยายขอบเขตความรู้
20:03
or it's to change our lives.
หรือเพื่อเปลี่ยนชีวิต
20:04
And finally, this would enable a wave of innovation,
และท้ายที่สุด นี่จะช่วยให้เกิดคลื่นลูกใหม่ของนวัตกรรม
20:06
because amazing talent can be found anywhere.
เพราะเราจะพบคนมีสามารถได้ทั่วไป
20:10
Maybe the next Albert Einstein or the next Steve Jobs
บางทีอัลเบิร์ต ไอน์สไตน์คนต่อไป หรือสตีฟ จอบส์คนต่อไป
20:13
is living somewhere in a remote village in Africa.
อาศัยอยู่ในหมู่บ้านเล็กๆในแอฟริกา
20:16
And if we could offer that person an education,
และถ้าเราสามารถให้โอกาสการศึกษาแก่คนคนนั้น
20:18
they would be able to come up with the next big idea
พวกเขาจะสามารถค้นพบความคิดที่ยิ่งใหญ่
20:21
and make the world a better place for all of us.
และทำให้โลกนี้เป็นโลกที่ดีขึ้นสำหรับเราทุกคน
20:23
Thank you very much.
ขอบคุณมากค่ะ
20:26
(Applause)
(เสียงปรบมือ)
20:27

▲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