LIFT 2007
Sugata Mitra: Kids can teach themselves
سوگاتا میترا: بچه ها می توانند به خودشان آموزش دهند
Filmed:
Readability: 3.8
1,777,799 views
سوگتا میترا در کنفرانس لیفت ۲۰۰۷، درباره‌ی پروژه اش که سوراخ در دیوار نامیده می شود صحبت می کند. در این پروژه بچه های کوچک متوجه شدند که چگونه خودشان از کامپیوتر استفاده کنند-- وبعد به بچه های دیگر یاد دادند. او می پرسد: بچه ها چه چیزهای دیگری می توانند به خودشان آموزش دهند؟
Sugata Mitra - Education researcher
Educational researcher Sugata Mitra is the winner of the 2013 TED Prize. His wish: Build a School in the Cloud, where children can explore and learn from one another. Full bio
Educational researcher Sugata Mitra is the winner of the 2013 TED Prize. His wish: Build a School in the Cloud, where children can explore and learn from one another. Full bio
Double-click the English transcript below to play the video.
00:16
I have a tough job to do.
0
0
3000
من کار سختی پیش رو دارم.
00:19
You know, when I looked at the profile of the audience here,
1
3000
6000
می‌دانید، وقتی به لیست به پروفایل حاضرین نگاهی انداختم
00:25
with their connotations and design, in all its forms,
2
9000
7000
با تمام منظورهای ضمنی آن ها و هدف هاشون ، با هر شکلی،
00:32
and with so much and so many people working
3
16000
2000
و اینکه مردم زیادی که
00:34
on collaborative and networks, and so on, that I wanted to tell you,
4
18000
5000
گروهی و با شبکه‌ها کار می‌کنند، و چیز هایی از این قبیل، می‌خواستم به شما بگم که،
00:39
I wanted to build an argument for primary education
5
23000
5000
من می‌خواستم بحثی را در مورد آموزش ابتدایی
00:44
in a very specific context.
6
28000
2000
بطور ویژه‌ای مطرح کنم.
00:46
In order to do that in 20 minutes, I have to bring out four ideas --
7
30000
4000
برای اینکه این کار را در ۲۰ دقیقه انجام بدهم، باید ۴ نظر را ارائه بدهم--
00:50
it's like four pieces of a puzzle.
8
34000
3000
که اینها مثل ۴ تکه از پازل می‌مانند.
00:53
And if I succeed in doing that,
9
37000
3000
و اگر موفق بشوم این کار را کنم،
00:56
maybe you would go back with the thought
10
40000
3000
ممکن است به این نتیجه برسید
00:59
that you could build on, and perhaps help me do my work.
11
43000
3000
که می‌توانید به من اعتماد کنید، و شاید کمکم کنید که این کار را انجام بدهم.
01:06
The first piece of the puzzle is remoteness
12
50000
3000
اولین تکه پازل ، دورافتادگی
01:09
and the quality of education.
13
53000
2000
و کیفیت آموزش است.
01:11
Now, by remoteness, I mean two or three different kinds of things.
14
55000
5000
حالا منظور من از دور افتادگی دو سه تا چیز است.
01:16
Of course, remoteness in its normal sense, which means
15
60000
3000
درسته، دورافتادگی در معنی اصلی اش، اینکه که
01:19
that as you go further and further away
16
63000
3000
هرچه از مرکز شهری دورتر و دورتر می‌شوید،
01:22
from an urban center, you get to remoter areas.
17
66000
5000
به مناطق دوردست می‌رسید.
01:27
What happens to education?
18
71000
3000
چه اتفاقی برای آموزش می‌افتد؟
01:30
The second, or a different kind of remoteness
19
74000
2000
دوم اینکه، و یا نوع دیگری از دورافتادگی این است که
01:32
is that within the large metropolitan areas all over the world,
20
76000
5000
در مناطق کلان شهرهای بزرگ در سرتاسر جهان،
01:37
you have pockets, like slums, or shantytowns, or poorer areas,
21
81000
5000
بخش های کوچکی هست، مثل مناطق زاغه نشین، حلبی آبادها ، یا مناطق فقیر نشینی که
01:42
which are socially and economically remote
22
86000
4000
از لحاظ اجتماعی و اقتصادی از سایر بخش های شهر دور هستند،
01:46
from the rest of the city, so it's us and them.
23
90000
3000
خُب شهر به دوبخش ما و آنها تقسیم شده.
01:49
What happens to education in that context?
24
93000
2000
در چنین شرایطی چه اتفاقی برای آموزش می‌افتد؟
01:51
So keep both of those ideas of remoteness.
25
95000
8000
تا این جا، این دو تا معنی دورافتادگی را داشته باشید.
01:59
We made a guess. The guess was that schools in remote areas
26
103000
3000
ما یک حدسی زدیم. اینکه مدارس در بخش های دور افتاده
02:02
do not have good enough teachers.
27
106000
3000
به اندازه کافی معلم‌‌های کاربلد ندارند.
02:05
If they do have, they cannot retain those teachers.
28
109000
2000
اگر هم دارند، نمی توانند آن معلم ها را حفظ کنند.
02:07
They do not have good enough infrastructure.
29
111000
3000
آن ها به اندازه کافی زیرساخت ندارند.
02:10
And if they had some infrastructure,
30
114000
2000
و اگر هم داشتند،
02:12
they have difficulty maintaining it.
31
116000
2000
برای حفظ آن با مشکل رو به رو هستند.
02:14
But I wanted to check if this is true. So what I did last year was
32
118000
5000
اما من می‌خواستم ببینم این درسته یا نه. بنابراین کاری که پارسال انجام دادم این بود که
02:19
we hired a car, looked up on Google,
33
123000
5000
ما یک ماشین اجاره کردیم، در گوگل جستجو کردم،
02:24
found a route into northern India from New Delhi
34
128000
5000
یه راهی را از دهلی نو به هند شمالی پیدا کردیم
02:29
which, you know, which did not cross any big cities
35
133000
5000
که ، می‌دانید، از هیچ شهر بزرگ
02:34
or any big metropolitan centers. Drove out about 300 kilometers,
36
138000
6000
یا مرکز کلان شهری نمی گذشت. حدود ۳۰۰ کیلومتر رانندگی کردیم،
02:40
and wherever we found a school, administered a set of standard tests,
37
144000
5000
و هرکجا که مدرسه ای پیدا کردیم، یک مجموعه ای از آزمون‌های استاندارد را اجرا کردیم،
02:45
and then took those test results and plotted them on a graph.
38
149000
6000
و بعد نتایج آن آزمون‌ها را روی یک نمودار رسم کردیم.
02:51
The graph was interesting, although you need to consider it carefully.
39
155000
4000
نمودار جالبی بود، اگرچه باید به دقت به آن نگاه کنید.
02:55
I mean, this is a very small sample; you should not generalize from it.
40
159000
4000
منظورم این است که، این یک نمونه بسیار کوچک است؛ نباید ازش نتیجه کلی بگیرید.
02:59
But it was quite obvious, quite clear,
41
163000
2000
اما کاملا معلوم بود، کاملا روشن بود که
03:01
that for this particular route that I had taken,
42
165000
4000
برای این مسیر مشخصی که من رفتم،
03:05
the remoter the school was, the worse its results seemed to be.
43
169000
5000
هرچه مدرسه دورتر بود، به نظر می‌رسید که نتایج هم بدتر بوده است.
03:10
That seemed a little damning,
44
174000
2000
این یک کم بد به نظر آمد،
03:12
and I tried to correlate it with things like infrastructure,
45
176000
5000
و من سعی کردم بین آن و چیزهایی مثل امکانات زیربنایی
03:17
or with the availability of electricity, and things like that.
46
181000
3000
یا در دسترس بودن برق، و چیزهایی از این قبیل ارتباط ایجاد کنم.
03:20
To my surprise, it did not correlate.
47
184000
3000
در نهایت تعجب، ارتباطی وجود نداشت.
03:23
It did not correlate with the size of classrooms.
48
187000
3000
ربطی با اندازه کلاس نداشت.
03:26
It did not correlate with the quality of the infrastructure.
49
190000
5000
ربطی با کیفیت زیرساخت‌ها نداشت.
03:31
It did not correlate with the poverty levels. It did not correlate.
50
195000
4000
به سطح فقر ربطی نداشت.
03:35
But what happened was that when I administered a questionnaire
51
199000
4000
اما اتفاقی که افتاد این بود که زمانی که من پرسش نامه را
03:39
to each of these schools, with one single question for the teachers -- which was,
52
203000
4000
به هریک از این مدرسه ها دادم، با یک سوال برای معلم ها-- که این بود،
03:43
"Would you like to move to an urban, metropolitan area?" --
53
207000
5000
"آیا تمایل دارید که به یک منطقه شهری، کلان شهر بروید؟"
03:48
69 percent of them said yes. And as you can see from that,
54
212000
5000
۶۹ درصد از آن ها پاسخ مثبت دادند. و طبق آن چیزی که می‌بینید،
03:53
they say yes just a little bit out of Delhi,
55
217000
6000
آن ها گفتند "بله"، کمی دور تر از دهلی،
03:59
and they say no when you hit the rich suburbs of Delhi --
56
223000
3000
و گفتند "نه" وقتی به حومه ثروتمند دهلی اشاره می‌کردیم--
04:02
because, you know, those are relatively better off areas --
57
226000
3000
چون، می‌دانید، آن ها نسبتاً مناطق دور بهتری هستند--
04:05
and then from 200 kilometers out of Delhi, the answer is consistently yes.
58
229000
4000
و برای ۲۰۰ کیلومتر خارج از دهلی هم، پاسخ آن ها دائماً مثبت بود.
04:09
I would imagine that a teacher who comes or walks into class
59
233000
3000
من چنین تصور می‌کنم که معلمی که هر روزی که وارد کلاس میشود
04:12
every day thinking that, I wish I was in some other school,
60
236000
4000
و به این فکر می‌کند که ای کاش در مدرسه ی دیگری می‌بودم،
04:16
probably has a deep impact on what happens to the results.
61
240000
4000
احتمالاً تاثیر عمیقی بر نتایج دارد.
04:20
So it looked as though teacher motivation and teacher migration
62
244000
5000
بنابراین چنین به نظر می رسد که انگار انگیزه و مهاجرت معلم
04:25
was a powerfully correlated thing with what was happening in primary schools,
63
249000
5000
با آن چه که در مدارس ابتدایی اتفاق افتاده است به شدت مربوط بوده،
04:30
as opposed to whether the children have enough to eat,
64
254000
3000
در مقابل اینکه آیا کودکان به اندازه کافی غذا برای خوردن دارند،
04:33
and whether they are packed tightly into classrooms
65
257000
2000
و یا آیا مرتباً سر کلاس های درس می‌روند
04:35
and that sort of thing. It appears that way.
66
259000
4000
و چیزهایی از این قبیل. چنین به نظر می‌رسد.
04:39
When you take education and technology, then I find in the literature that,
67
263000
5000
وقتی آموزش و تکنولوژی را در نظر می‌گیرید، آن وقت من این را در ادبیات،
04:44
you know, things like websites, collaborative environments --
68
268000
3000
و چیزهایی مثل وبسایت ها ، محیط های گروهی-- می‌یابم
04:47
you've been listening to all that in the morning --
69
271000
2000
شما صبح به همه ی این چیزها گوش دادید--
04:49
it's always piloted first in the best schools, the best urban schools,
70
273000
6000
این همیشه ابتدا در بهترین مدارس، بهترین مدارس شهری اجرا شده است،
04:55
and, according to me, biases the result.
71
279000
3000
و به عقیده من نتایج را تحت تأثیر قرار می‌دهد.
04:58
The literature -- one part of it, the scientific literature --
72
282000
4000
پیشینه تحقیق -- یک بخشی از آن ، پیشینه علمی-
05:02
consistently blames ET as being over-hyped and under-performing.
73
286000
5000
دائماً تکنولوژی آموزشی را به خاطر زیاد بودنش و کم عمل کردنش سرزنش می‌کند.
05:07
The teachers always say, well, it's fine, but it's too expensive for what it does.
74
291000
6000
معلم ها اغلب می‌گویند که ،خوب، خوبه، اما برای کاری که انجام می‌دهد بسیار گران است.
05:13
Because it's being piloted in a school where the students are already getting,
75
297000
3000
چون در مدرسه ای اجرا شده که دانش آموزان از قبل
05:16
let's say, 80 percent of whatever they could do.
76
300000
3000
حدود ۸۰ درصد مطالبی را که می‌توانستند یادبگیرند را یادگرفته بودند.
05:19
You put in this new super-duper technology, and now they get 83 percent.
77
303000
4000
می‌گویند که "تو" این تکنولوژی بسیار پیشرفته را قرار می دهی، و الان آنها ۸۳ درصد را یاد گرفتند.
05:23
So the principal looks at it and says,
78
307000
2000
بنابراین مدیر مدرسه به این نگاه می‌کند و می‌گوید،
05:25
3 percent for 300,000 dollars? Forget it.
79
309000
3000
۳۰۰٫۰۰۰ دلار هزینه برای ۳ درصد؟ فراموشش کن.
05:28
If you took the same technology and piloted it into one of those remote schools,
80
312000
5000
اگر همین تکنولوژی را در یکی از آن مدارس دورافتاده اجرا می‌کردید
05:33
where the score was 30 percent, and, let's say, took that up to 40 percent --
81
317000
5000
که نمره ۳۰ درصد بوده، و حالا بگوییم تا ۴۰ درصد افزایشش می‌دادیم--
05:38
that will be a completely different thing.
82
322000
2000
نتیجه کاملاً متفاوت خواهد بود.
05:40
So the relative change that ET, Educational Technology, would make,
83
324000
4000
بنابراین تغییر نسبی که تکنولوژی آموزشی، ایجاد می‌کند
05:44
would be far greater at the bottom of the pyramid than at the top,
84
328000
3000
در سطح پایین هرم در مقایسه با نوک آن بسیار بیشتر خواهد بود،
05:47
but we seem to be doing it the other way about.
85
331000
3000
اما به نظر می آید که جور دیگری آن را انجام می‌دهیم.
05:50
So I came to this conclusion that ET should reach
86
334000
3000
بنابراین من به این نتیجه رسیدم که تکنولوژی آموزشی ابتدا باید
05:53
the underprivileged first, not the other way about.
87
337000
3000
به مناطق محروم از مزایای اجتماعی و اقتصادی برسد نه جای دیگر.
05:56
And finally came the question of, how do you tackle teacher perception?
88
340000
3000
و در آخر این پرسش پیش می‌آید که، چگونه از پس برداشت معلم بر می‌آیید؟
05:59
Whenever you go to a teacher and show them some technology,
89
343000
2000
هروقت به معلمی یک سری تکنولوژی را نشان می‌دهی،
06:01
the teacher's first reaction is,
90
345000
2000
اولین واکنش معلم اینه که
06:03
you cannot replace a teacher with a machine -- it's impossible.
91
347000
6000
نمی توانی یک معلم را با یک ماشین جایگزین کنی-- این غیر ممکن است.
06:09
I don't know why it's impossible, but, even for a moment,
92
353000
2000
من نمی‌دانم چرا این غیرممکن است، اما ، حتی برای یک لحظه،
06:11
if you did assume that it's impossible -- I have a quotation from Sir Arthur C. Clarke,
93
355000
5000
اگر چنین فرض کردید که غیرممکن است-- من یک جمله دارم از سِر آرتور سی. کلارک،
06:16
the science fiction writer whom I met in Colombo,
94
360000
4000
یک نویسنده داستان های علمی تخیلی که در کلمبو با او ملاقات کردم،
06:20
and he said something which completely solves this problem.
95
364000
4000
و او حرفی می زند که این مشکل را کاملاً حل می‌کند.
06:24
He said a teacher than can be replaced by a machine, should be.
96
368000
6000
او می‌گوید :" معلمی که بشود او را با یک ماشین جایگزین کرد، باید جایگزین بشود."
06:30
So, you know, it puts the teacher into a tough bind, you have to think.
97
374000
6000
خوب ، می‌دانید، این جمله معلم را در یک مخمصه سخت می‌گذارد، باید راجع به آن فکر کنید.
06:36
Anyway, so I'm proposing that an alternative primary education,
98
380000
3000
به هر حال، من یک آموزش ابتدایی جایگزین را مطرح می‌کنم،
06:39
whatever alternative you want, is required where schools don't exist,
99
383000
5000
هر جایگزینی که بخواهید، که در جاهایی که مدارسی وجود ندارد ،
06:44
where schools are not good enough, where teachers are not available
100
388000
3000
جاهایی که مدارس به اندازه کافی خوب نیستند، جاهایی که معلم ها در دسترس نیستند
06:47
or where teachers are not good enough, for whatever reason.
101
391000
3000
یا جاهایی که معلم ها به اندازه کافی خوب نیستند- به هر دلیلی- لازم است.
06:50
If you happen to live in a part of the world where none of this applies,
102
394000
4000
اگر اتفاق افتاد که شما در بخشی از جهان زندگی کنید که هیچ کدام از این ها نباشد،
06:54
then you don't need an alternative education.
103
398000
2000
در این صورت به یک آموزش جایگزین نیاز ندارید.
06:56
So far I haven't come across such an area, except for one case. I won't name the area,
104
400000
6000
تا الان من به چنین منطقه ای نرسیده ام، به جز در یک مورد. اسمش را نمی‌گویم،
07:02
but somewhere in the world people said, we don't have this problem,
105
406000
3000
اما در جایی از جهان مردم گفتند که ما چنین مشکلی نداریم،
07:05
because we have perfect teachers and perfect schools.
106
409000
4000
چون معلم ها و مدارس عالی داریم.
07:09
There are such areas, but -- anyway, I'd never heard that anywhere else.
107
413000
6000
چنین مناطقی وجود دارد، اما-- به هر حال، من در جای دیگری چنین چیزی نشنیده ام.
07:15
I'm going to talk about children and self-organization,
108
419000
3000
من می خواهم راجع به کودکان وسازماندهی کردن خود صحبت کنم،
07:18
and a set of experiments which sort of led to this idea
109
422000
4000
و یک سری از آزمایشاتی که به نوعی به این تصور می‌رسد که
07:22
of what might an alternative education be like.
110
426000
4000
آموزش جایگزین چه شکلی می‌تواند باشد.
07:26
They're called the hole-in-the-wall experiments.
111
430000
2000
آن آزمایش ها ، " سوراخ در دیوار" نامیده می‌شوند.
07:28
I'll have to really rush through this. They're a set of experiments.
112
432000
5000
من واقعاً مجبورم خیلی سریع سراغ این مسئله بروم. آن ها یک سری آزمایشات هستند.
07:33
The first one was done in New Delhi in 1999.
113
437000
6000
اولین آزمایش در سال ۱۹۹۹ در دهلی نو انجام شد.
07:39
And what we did over there was pretty much simple.
114
443000
4000
و کاری که ما آن جا انجام دادیم بسیار ساده بود.
07:43
I had an office in those days which bordered a slum, an urban slum,
115
447000
4000
من آن روزها یک دفتری داشتم که هم مرز یک محله زاغه نشین بود، یک زاغه نشین شهری،
07:47
so there was a dividing wall between our office and the urban slum.
116
451000
4000
بنابرای یک دیوار جدا کننده ای بین دفتر من وآن زاغه نشین شهری وجود داشت.
07:51
They cut a hole inside that wall --
117
455000
2000
آن ها یک سوراخی در آن دیوار ایجاد کردند--
07:53
which is how it has got the name hole-in-the-wall --
118
457000
2000
که همین باعث شد اسم " سوراخ در دیوار " را بگیرد--
07:55
and put a pretty powerful PC into that hole, sort of embedded into the wall
119
459000
5000
و یک کامپیوتر بسیار قوی در آن سوراخ قرار دادند، انگار که در آن دیوار نصب شده باشد
08:00
so that its monitor was sticking out at the other end,
120
464000
3000
بنابراین صفحه نمایش گر آن از طرف دیگر بیرون زده بود،
08:03
a touchpad similarly embedded into the wall,
121
467000
3000
یک صفحه لمسی هم در داخل دیوار نصب شد،
08:06
put it on high-speed Internet, put the Internet Explorer there,
122
470000
6000
اینترنت سرعت بالا را در آن فعال کردند، اینترنت اکسپلورر را در آن نصب کردند،
08:12
put it on Altavista.com -- in those days -- and just left it there.
123
476000
3000
روی سایت Altvista.com قرار دادند-- در آن روزها-- و همان جوری رهایش کردند.
08:15
And this is what we saw.
124
479000
5000
و این چیزی است که ما دیدیم.
08:20
So that was my office in IIT. Here's the hole-in-the-wall.
125
484000
9000
خوب آن دفترم در آی آی تی بود. این هم سوراخ در دیوار.
08:29
About eight hours later, we found this kid.
126
493000
6000
حدود هشت ساعت بعد، این کودک را دیدیم.
08:35
To the right is this eight-year-old child who --
127
499000
5000
سمت راست این کودک ۸ ساله است که--
08:40
and to his left is a six-year-old girl, who is not very tall.
128
504000
5000
و سمت چپ او دختری۶ ساله است، که خیلی قد بلند نیست.
08:45
And what he was doing was, he was teaching her to browse.
129
509000
4000
و کاری که او انجام م داد این بود که به آن دختر بچه یاد می‌داد چه جوری بگردد.
08:49
So it sort of raised more questions than it answered.
130
513000
5000
خوب این بیش تر سوال برانگیز بود تا اینکه جواب ما را بدهد.
08:54
Is this real? Does the language matter,
131
518000
2000
آیا این حقیقت دارد؟ آیا زبان مهم است،
08:56
because he's not supposed to know English?
132
520000
2000
چون قرار نبوده است که انگلیسی بداند؟
08:58
Will the computer last, or will they break it and steal it
133
522000
3000
آیا این کامپیوتر سالم باقی می‌ماند، یا آن ها آن را می‌شکنند و می‌دزدنش؟
09:01
-- and did anyone teach them?
134
525000
2000
-- و آیا کسی به آن ها یاد داده که چه کار کنند؟
09:03
The last question is what everybody said, but you know,
135
527000
2000
و سوال آخر چیزی است که همه می‌گویند، اما می‌دانید،
09:05
I mean, they must have poked their head over the wall
136
529000
2000
منظورم این است که، آن ها حتماً سرشان را بالای دیوار بردند
09:07
and asked the people in your office,
137
531000
2000
و از مردمی که در دفتر تو بودند پرسیدند،
09:09
can you show me how to do it, and then somebody taught him.
138
533000
3000
"می‌توانی بهم بگویی چه کار کنم؟"، و بعد یکی به او یاد داده.
09:12
So I took the experiment out of Delhi and repeated it,
139
536000
3000
بنابراین من این آزمایش را به خارج از دهلی بردم و تکرارش کردم،
09:15
this time in a city called Shivpuri in the center of India,
140
539000
6000
این بار در شهری که در مرکز هند قرار داشت و شیوپوری نامیده می‌شد،
09:21
where I was assured that nobody had ever taught anybody anything.
141
545000
5000
جایی که مطمئنم تا حالا کسی به کسی چیزی یاد نداده.
09:26
(Laughter)
142
550000
4000
(خنده)
09:30
So it was a warm day, and the hole in the wall
143
554000
5000
یک روز گرم بود، و آن سوراخ در دیوار
09:35
was on that decrepit old building. This is the first kid who came there;
144
559000
5000
در آن ساختمان قدیمی کلنگی قرار داشت. این اولین بچه ای است که آن جا آمد:
09:40
he later on turned out to be a 13-year-old school dropout.
145
564000
2000
بعداً فهمیدیم که یک پسربچه اخراجی ۱۳ ساله بوده.
09:42
He came there and he started to fiddle around with the touchpad.
146
566000
6000
او آن جا آمد و شروع کرد با آن صفحه لمسی وقت کشی کند.
09:48
Very quickly, he noticed that when he moves his finger on the touchpad
147
572000
3000
خیلی سریع متوجه شد که وقتی انگشتش را روی آن صفحه لمسی حرکت می‌دهد
09:51
something moves on the screen --
148
575000
1000
یک چیزی روی نمایش گر حرکت می‌کند--
09:52
and later on he told me, "I have never seen a television
149
576000
3000
و بعداً به من گفت که، " تا حالا تلویزیونی ندیده ام
09:55
where you can do something."
150
579000
1000
که بشود کاری روش انجام داد."
09:56
So he figured that out. It took him over two minutes
151
580000
3000
به این ترتیب او متوجه شد این موضوع شد . بیش از۲ دقیقه طول کشید که
09:59
to figure out that he was doing things to the television.
152
583000
3000
اومتوجه شد که داشته کاری را با تلویزیون انجام می‌داده.
10:02
And then, as he was doing that, he made an accidental click
153
586000
3000
و بعد از آن، وقتی داشت آن کار را انجام می داد، اتفاقی با ضربه زدن به صفحه لمسی یک کلیک کرد--
10:05
by hitting the touchpad -- you'll see him do that.
154
589000
7000
خواهید دید که این کار را انجام می‌دهد.
10:12
He did that, and the Internet Explorer changed page.
155
596000
6000
او آن کار را انجام داد، و صفحه‌ی اینترنت اکسپلورر عوض شد.
10:18
Eight minutes later, he looked from his hand to the screen,
156
602000
4000
۸ دقیقه بعد، او از دستش به صفحه نمایش نگاه کرد،
10:22
and he was browsing: he was going back and forth.
157
606000
4000
و او داشت می چرخید: جلو و عقب می رفت.
10:26
When that happened, he started calling all the neighborhood children,
158
610000
5000
وقتی که آن اتفاق افتاد، او شروع کرد به صدا زدن همه ی بچه های محل
10:31
like, children would come and see what's happening over here.
159
615000
7000
به همین ترتیب، بچه ها می آیند و می بینند که آن جا چه خبره.
10:38
And by the evening of that day, 70 children were all browsing.
160
622000
4000
و تا بعد از ظهر آن روز، ۷۰ تا بچه همگی در صفحات وب می‌چرخیدند.
10:42
So eight minutes and an embedded computer
161
626000
4000
بنابراین ۸ دقیقه و یک کامپیوتر تعبیه شده
10:46
seemed to be all that we needed there.
162
630000
4000
به نظر می‌رسد که همه ی آن چه بود که ما آن جا نیاز داشتیم.
10:50
So we thought that this is what was happening:
163
634000
3000
بنابراین فکر کردیم چیزی که اتفاق افتاده این بوده:
10:53
that children in groups can self-instruct themselves
164
637000
3000
که بچه ها در گروه می‌توانند خودشان به خودشان آموزش بدهند که
10:56
to use a computer and the Internet. But under what circumstances?
165
640000
8000
از کامپیوتر و اینترنت استفاده کنند. اما تحت چه شرایطی؟
11:04
At this time there was a -- the main question was about English.
166
648000
6000
در این لحظه سوالی وجود داشت-- سؤال اصلی در رابطه با زبان انگلیسی بود.
11:10
People said, you know, you really ought to have this in Indian languages.
167
654000
4000
مردم گفتند:" می‌دانی، شما واقعاً باید این را به زبان های هندی داشته باشید."
11:14
So I said, have what, shall I translate the Internet
168
658000
3000
من هم گفتم :" چی را، باید اینترنت را به
11:17
into some Indian language? That's not possible.
169
661000
3000
زبان های هندی ترجمه کنم؟ این ممکن نیست."
11:20
So, it has to be the other way about.
170
664000
2000
بنابراین باید یک راه دیگری وجود داشته باشد.
11:22
But let's see, how do the children tackle the English language?
171
666000
4000
اما بگذارید ببینیم که بچه ها چه جوری از پس زبان انگلیسی برمی آیند؟
11:26
I took the experiment out to northeastern India,
172
670000
3000
من این آزمایش را به شمال شرق هند،
11:29
to a village called Madantusi,
173
673000
2000
به دهکده ای که مادان توسی نامیده می‌شد بردم،
11:31
where, for some reason, there was no English teacher,
174
675000
4000
جایی که به دلایلی، هیچ معلم انگلیسی وجود نداشت،
11:35
so the children had not learned English at all.
175
679000
3000
بنابراین بچه ها اصلاً انگلیسی یاد نگرفته بودند.
11:38
And I built a similar hole-in-the-wall.
176
682000
4000
و من شبیه همان سوراخ در دیوار را ایجاد کردم.
11:42
One big difference in the villages, as opposed to the urban slums:
177
686000
2000
یک تفاوت چشمگیر در روستا ها برعکس زاغه نشین های شهری این بود که:
11:44
there were more girls than boys who came to the kiosk.
178
688000
4000
تعداد دختر بچه‌هایی که به آن دکه می‌آمدند از پسرها بیش تر بود.
11:48
In the urban slums, the girls tend to stay away.
179
692000
4000
در زاغه نشین های شهری، دخترها تمایل دارند بیش ترعقب بایستند.
11:52
I left the computer there with lots of CDs -- I didn't have any Internet --
180
696000
5000
من کامپیوتری را با تعداد زیادی cd آن جا گذاشتم-- هیچ اینترنتی نداشتم--
11:57
and came back three months later.
181
701000
4000
و سه ماه بعد برگشتم.
12:01
So when I came back there, I found these two kids,
182
705000
4000
به این ترتیب وقتی آن جا برگشتم، این دو تا بچه را آن جا دیدم،
12:05
eight- and 12-year-olds, who were playing a game on the computer.
183
709000
4000
۸ ساله و ۱۲ ساله، که داشتند بازی را در کامپیوتر انجام می‌دادند.
12:09
And as soon as they saw me they said,
184
713000
4000
و به محض اینکه من را دیدند گفتند:
12:13
"We need a faster processor and a better mouse."
185
717000
3000
" ما به یک پردازشگر سریع تر و یک موس بهتر نیاز داریم."
12:16
(Laughter)
186
720000
4000
(خنده)
12:20
I was real surprised.
187
724000
2000
من واقعاً شگفت زده شدم.
12:22
You know, how on earth did they know all this?
188
726000
3000
می‌دانید، چه جوری آن ها همه ی این چیزها را می‌دانستند؟
12:25
And they said, "Well, we've picked it up from the CDs."
189
729000
2000
و آن ها گفتند: "خوب، ما این را از CD ها یاد گرفتیم."
12:27
So I said, "But how did you understand what's going on over there?"
190
731000
3000
منم گفتم: "اما از کجا فهمیدید که آن جا چه خبره؟"
12:30
So they said, "Well, you've left this machine
191
734000
2000
آن ها هم گفتند: " خوب این ماشینی را که این جا گذاشتی
12:32
which talks only in English, so we had to learn English."
192
736000
3000
فقط انگلیسی حرف می‌زند، ما هم مجبور بودیم انگلیسی یاد بگیریم."
12:35
So then I measured, and they were using 200 English words with each other
193
739000
4000
به این ترتیب من اندازه گرفتم، و دیدم که آن ها ۲۰۰ کلمه انگلیسی را بین خودشان استفاده می‌کردند
12:39
-- mispronounced, but correct usage --
194
743000
3000
-- با تلفظ اشتباه اما کاربرد درست--
12:42
words like exit, stop, find, save, that kind of thing,
195
746000
6000
کلمه هایی چون خروج، توقف، یافتن، ذخیره کردن، و چیزهایی از این قبیل،
12:48
not only to do with the computer but in their day-to-day conversations.
196
752000
3000
نه تنها در استفاده از کامپیوتر بلکه در مکالمات روزمرشان.
12:51
So, Madantusi seemed to show that language is not a barrier;
197
755000
4000
به این ترتیب، به نظر می‌رسد که مادانتوسی نشان داد که زبان یک مانع نیست؛
12:55
in fact they may be able to teach themselves the language
198
759000
2000
در حقیقت آن ها اگر واقعاً بخواهند
12:57
if they really wanted to.
199
761000
3000
ممکن است بتوانند زبان را به خودشان آموزش بدهند.
13:00
Finally, I got some funding to try this experiment out
200
764000
5000
در نهایت، من کمک هزینه هایی برای اجرای این آزمایش در جاهای دیگر دریافت کردم
13:05
to see if these results are replicable, if they happen everywhere else.
201
769000
4000
تا ببینم همان نتیجه را می‌دهد یا نه.
13:09
India is a good place to do such an experiment in,
202
773000
3000
هند برای اجرای چنین آزمایشی جای خوبی است،
13:12
because we have all the ethnic diversities, all the -- you know,
203
776000
3000
به خاطر اینکه همه ی انواع قومیت ها را داریم،
13:15
the genetic diversity, all the racial diversities,
204
779000
3000
تنوع ژنتیکی، نژادی
13:18
and also all the socio-economic diversities.
205
782000
2000
و همچنین گوناگونی اجتماعی-اقتصادی.
13:20
So, I could actually choose samples to cover a cross section
206
784000
5000
بنابراین، در واقع من توانستم نمونه های انتخاب کنم که بخشی را پوشش بده
13:25
that would cover practically the whole world.
207
789000
4000
که عملاً تمام جهان را پوشش بدهد.
13:29
So I did this for almost five years, and this experiment
208
793000
4000
به این ترتیب من این آزمایش را نزدیک به ۵ سال انجام دادم، و این آزمایش
13:33
really took us all the way across the length and breadth of India.
209
797000
3000
واقعاً ما را به تمام بخش های هند برد.
13:36
This is the Himalayas. Up in the north, very cold.
210
800000
3000
این جا هیمالیا است. در شمالی ترین نقطه، بسیار سرد.
13:39
I also had to check or invent an engineering design
211
803000
3000
من همچنین مجبور بودم یک طرح مهندسی را پیدا می‌کردم یا اختراع می‌کردم
13:42
which would survive outdoors, and I was using regular, normal PCs,
212
806000
4000
که بیرون بتواند دوام بیاورد، و من از کامپیوتر های متعارف و معمولی استفاده می‌کردم،
13:46
so I needed different climates, for which India is also great,
213
810000
3000
بنابراین به شرایط جوی مختلفی نیاز داشتم، که برای این کار هند عالی است،
13:49
because we have very cold, very hot, and so on.
214
813000
3000
چراکه هم آب وهوای خیلی سرد، هم خیلی گرم در آن هست.
13:52
This is the desert to the west. Near the Pakistan border.
215
816000
12000
این جا صحرایی است به غرب. نزدیکِ مرز پاکستان.
14:04
And you see here a little clip of -- one of these villages --
216
828000
4000
و این جا فیلم کوتاهی از یکی از این روستاها می‌بینید--
14:08
the first thing that these children did was to find a website
217
832000
3000
اولین کاری که این بچه ها انجام دادند این بود که وبسایتی پیدا کنند
14:11
to teach themselves the English alphabet.
218
835000
4000
تا به خودشان الفبای انگلیسی را یاد بدهند.
14:15
Then to central India -- very warm, moist, fishing villages,
219
839000
4000
و بعد هم در مرکز هند-- روستاهای خیلی گرم، مرطوب، مخصوص ماهیگیری،
14:19
where humidity is a very big killer of electronics.
220
843000
4000
که رطوبت عامل اصلی از بین رفتن وسایل الکترونی است.
14:23
So we had to solve all the problems we had
221
847000
3000
بنابراین ما مجبور بودیم تمام مشکلاتی را که
14:26
without air conditioning and with very poor power,
222
850000
2000
در نبود سیستم تهویه هوا و برق ضعیف داشتیم حل کنیم،
14:28
so most of the solutions that came out used little blasts of air
223
852000
5000
بنابراین بیش تر راهکارهایی که پیدا کردیم با استفاده از جریان هوای کم
14:33
put at the right places to keep the machines running.
224
857000
3000
و قرار دادن آن در مکان های مناسب برای به کارانداختن ماشین ها بود.
14:36
I want to just cut this short. We did this over and over again.
225
860000
5000
می‌خواهم سخن را کوتاه کنم. ما این کار را بارها و بارها انجام دادیم.
14:41
This sequence is also nice. This is a small child, a six-year-old,
226
865000
4000
این صحنه هم جالب است. یک بچه کوچک ۶ ساله است
14:45
telling his eldest sister what to do.
227
869000
2000
که به خواهر کوچکش می گوید که چه کار کند.
14:47
And this happens very often with these computers,
228
871000
2000
و این جور چیزها در استفاده از این کامپیوتر ها خیلی زیاد اتفاق می‌افتد،
14:49
that the younger children are found teaching the older ones.
229
873000
6000
اینکه می‌بینیم بچه های کوچک تر را در حال آموزش به بچه های بزرگ تر می‌بینیم.
14:55
What did we find? We found that six- to 13-year-olds can self-instruct
230
879000
5000
ما به چه نتیجه ای رسیدیم؟ ما دریافتیم که بچه های ۶ تا ۱۳ سال
15:00
in a connected environment,
231
884000
2000
در محیط متصل به اینترنت می‌توانند به خودشان آموزش دهند،
15:02
irrespective of anything that we could measure.
232
886000
5000
صرفنظر از هرچیزی که توانستیم اندازه بگیریم.
15:07
So if they have access to the computer, they will teach themselves, including intelligence.
233
891000
5000
بنابراین اگر آن ها به کامپیوتر دسترسی داشته اند، می‌توانند به خودشان آموزش دهند، که شامل هوششان هم میشود.
15:12
I couldn't find a single correlation with anything, but it had to be in groups.
234
896000
5000
من نتوانستم بین چیزی ارتباطی پیدا کنم، اما باید به گروه ربطی داشته باشد.
15:17
And that may be of great, you know, interest to this group,
235
901000
4000
و ممکن است ارتباط قوی‌ای باشد،
15:21
because all of you are talking about groups.
236
905000
2000
چراکه همه ی شما درباره گروه حرف می‌زنید.
15:23
So here was the power of what a group of children can do,
237
907000
4000
بنابراین این قدرت بچه ها در گروه بود،
15:27
if you lift the adult intervention.
238
911000
3000
اگر دخالت بزرگترها را بردارید.
15:30
Just a quick idea of the measurements.
239
914000
4000
فقط یک ایده سریع در رابطه با اندازه گیری ها.
15:34
We took standard statistical techniques, so I'm going to not talk about that.
240
918000
4000
ما از روش های استاندارد آماری استفاده کردیم، بنابراین راجع به آن حرفی نمی زنم.
15:38
But we got a clean learning curve,
241
922000
3000
اما ما یک منحنی خوب یادگیری به دست آوردیم،
15:41
almost exactly the same as what you would get in a school.
242
925000
3000
تقریباً درست برابر با منحنی که شما در مدرسه به دست خواهید آورد.
15:44
I'll leave it at that,
243
928000
2000
من همین جا این موضوع را تمام می‌کنم،
15:46
because, I mean, it sort of says it all, doesn't it?
244
930000
3000
چون، منظورم این است که،این یک جورایی همه چیز را بیان می‌کند، این طور نیست؟
15:49
What could they learn to do?
245
933000
2000
چه چیزی می‌توانند یاد بگیرند که انجام بدهند؟
15:51
Basic Windows functions, browsing, painting, chatting and email,
246
935000
5000
عملکردهای ساده ویندوز، وب گردی، نقاشی، چت کردن و ایمیل زدن،
15:56
games and educational material, music downloads, playing video.
247
940000
3000
بازی و مطالب درسی، دانلود آهنگ و پخش کردن ویدیو.
15:59
In short, what all of us do.
248
943000
2000
خلاصه، چیزهایی که همه‌ی ما می‌توانیم انجام دهیم.
16:01
And over 300 children will become computer literate
249
945000
4000
و بیش از ۳۰۰ کودک از لحاظ کامپیوتری باسواد خواهند شد
16:05
and be able to do all of these things in six months with one computer.
250
949000
5000
و می‌توانند تمام این چیزها را در عرض ۶ ماه با یک کامپیوتر انجام دهند.
16:10
So, how do they do that?
251
954000
1000
حالا، آن ها چه جوری این کار را انجام می‌دهند؟
16:11
If you calculated the actual time of access,
252
955000
2000
اگر زمان دقیق دسترسی را محاسبه کنید،
16:13
it would work out to minutes per day,
253
957000
2000
با روزی چند دقیقه انجام میشود،
16:15
so that's not how it's happening.
254
959000
2000
بنابراین آن طوری نیست که اتفاق می‌افتد.
16:17
What you have, actually, is there is one child operating the computer.
255
961000
5000
چیزی که دارید این است که یک بچه با کامپیوتر کار می‌کند.
16:22
And surrounding him are usually three other children,
256
966000
2000
و گرد آن معمولاً ۳ تا بچه دیگر است،
16:24
who are advising him on what they should do.
257
968000
4000
که آن را راهنمایی می‌کنند که چه کار کند.
16:28
If you test them, all four will get the same scores in whatever you ask them.
258
972000
4000
اگر از آن ها امتحان بگیرید، هر ۴ تای آن ها در برابر هر سوالی که از آن ها می‌پرسید نمره یکسانی خواهند گرفت.
16:32
Around these four are usually a group of about 16 children,
259
976000
4000
دور این چهار نفر، معمولاً یک گروه ۱۶ تایی کودک است
16:36
who are also advising, usually wrongly,
260
980000
3000
که آن ها هم به آن بچه ها در رابطه با هرچیزی که در آن کامپیوتر
16:39
about everything that's going on on the computer.
261
983000
3000
می‌گذرد کمک می‌کنند، اغلب هم اشتباه هست،
16:42
And all of them also will clear a test given on that subject.
262
986000
5000
و همچنین همه ی آن ها هم آزمونی را که در آن رابطه گرفته می شود حل می‌کنند.
16:47
So they are learning as much by watching as they learn by doing.
263
991000
4000
بنابراین آن ها به همان اندازه که از تماشا کردن یاد می‌گیرند، به همان اندازه هم از انجام دادن یاد می‌گیرند.
16:51
It seems counter-intuitive to adult learning,
264
995000
3000
به نظر می‌رسد برعکس یادگیری بزرگ‌سالان باشد،
16:54
but remember, eight-year-olds live in a society
265
998000
2000
اما به خاطر داشته باشید که، بچه های ۸ ساله در جامعه ای زندگی می‌کنند
16:56
where most of the time they are told, don't do this,
266
1000000
4000
که بیش تر مواقع به آن ها گفته میشود " این کار را نکن"،
17:00
you know, don't touch the whiskey bottle.
267
1004000
2000
می‌دانید، به بطری ویسکی دست نزن.
17:02
So what does the eight-year-old do?
268
1006000
2000
خوب حالا آن بچه ۸ ساله چه کار می‌کند؟
17:04
He observes very carefully how a whiskey bottle should be touched.
269
1008000
4000
او با دقت نگاه می‌کند که چه جوری باید به بطری ویسکی دست بزند.
17:08
And if you tested him,
270
1012000
1000
و اگر از او امتحان بگیرید،
17:09
he would answer every question correctly on that topic.
271
1013000
2000
او هر سوالی را در آن مورد درست پاسخ می‌دهد.
17:11
So, they seem to be able to acquire very quickly.
272
1015000
6000
بنابراین به نظر می‌رسد که آن ها قادر هستند خیلی سریع چیزی را فرا بگیرند.
17:17
So what was the conclusion over the six years of work?
273
1021000
3000
حالا نتیجه ۶ سال کار در این مورد چه بوده؟
17:20
It was that primary education can happen on its own,
274
1024000
4000
این بوده که آموزش ابتدایی می‌تواند به خودی خود اتفاق بیفتد،
17:24
or parts of it can happen on its own.
275
1028000
2000
یا بخشی از آن می‌تواند به خودی خود انجام بشود.
17:26
It does not have to be imposed from the top downwards.
276
1030000
4000
نباید ازیک نفر بالایی به پایین تحمیل بشود.
17:30
It could perhaps be a self-organizing system, so that was
277
1034000
6000
شاید بتواند یک نظام خود سازمان یافته باشد، بنابراین
17:36
the second bit that I wanted to tell you,
278
1040000
2000
این بخش دومی بود که می‌خواستم خدمتتان عرض کنم،
17:38
that children can self-organize and attain an educational objective.
279
1042000
4000
اینکه کودکان می‌توانند خود سازمان یافته باشند و هدف آموزشی را به دست بیاورند.
17:42
The third piece was on values, and again, to put it very briefly,
280
1046000
6000
بخش سوم در مورد ارزش ها بود، و بار دیگر ، به طور خلاصه بگم که،
17:48
I conducted a test over 500 children spread across all over India,
281
1052000
4000
من آزمایشی را روی ۵۰۰ کودک در سرتاسر هند انجام دادم،
17:52
and asked them -- I gave them about 68 different
282
1056000
3000
و از آن ها پرسیدم-- من ۶۸ تا سوال ارزش محور مختلف به آن ها دادم
17:55
values-oriented questions and simply asked them their opinions.
283
1059000
4000
و خیلی راحت نظرشان را پرسیدم.
17:59
We got all sorts of opinions. Yes, no or I don't know.
284
1063000
4000
ما با نظرهای مختلفی روبه رو شدیم. "بله"،"نه" یا "نمی دانم."
18:03
I simply took those questions where I got 50 percent yeses and 50 percent noes --
285
1067000
6000
من خیلی ساده آن سوال ها را پرسیدم که ۵۰٪ "آری" بود و ۵۰٪ "خیر"--
18:09
so I was able to get a collection of 16 such statements.
286
1073000
4000
بنابراین توانستم به یک چنین مجموعه ی ۱۶ جمله ای برسم.
18:13
These were areas where the children were clearly confused,
287
1077000
4000
این ها بخش هایی بود که بچه ها کاملاً گیج شده بودند،
18:17
because half said yes and half said no.
288
1081000
2000
چون نیمی از آن ها پاسخ مثبت دادند نیمی دیگر منفی.
18:19
A typical example being, "Sometimes it is necessary to tell lies."
289
1083000
4000
یک نمونه این بود: "گاهی وقت ها لازم است که دروغ بگوییم."
18:23
They don't have a way to determine which way to answer this question;
290
1087000
5000
آن ها نمی دانستند چه جوری باید به این سوال پاسخ بدهند؛
18:28
perhaps none of us do.
291
1092000
3000
شاید هیچ کدام از ما نمی‌دانیم.
18:31
So I leave you with this third question.
292
1095000
2000
بنابراین من این سوال را به عهده خودتان می‌گذارم.
18:33
Can technology alter the acquisition of values?
293
1097000
4000
آیا تکنولوژی می‌تواند اکتساب ارزش ها را تغییر بدهد؟
18:37
Finally, self-organizing systems,
294
1101000
2000
در نهایت، سیستم های خود سازمان یافته،
18:39
about which, again, I won't say too much
295
1103000
2000
که دوباره راجع به آن خیلی صحبت نمی کنم
18:41
because you've been hearing all about it.
296
1105000
4000
چون تمام چیزها را درباره آن شنیده اید.
18:45
Natural systems are all self-organizing:
297
1109000
2000
سیستم های طبیعی همگی خود سازمان یافته هستند:
18:47
galaxies, molecules, cells, organisms, societies --
298
1111000
3000
کهکشان ها، مولکول ها، سلول ها، اندامگان، جوامع--
18:50
except for the debate about an intelligent designer.
299
1114000
2000
به جز بحث در مورد یک طراح هوشمند.
18:52
But at this point in time, as far as science goes,
300
1116000
3000
اما در این لحظه، تا جایی که علم پیش رفته،
18:55
it's self-organization.
301
1119000
2000
این خود سازمان یافته است.
18:57
But other examples are traffic jams, stock market, society
302
1121000
3000
اما مثال های دیگر ترافیک های سنگین، بازار بورس،جوامع
19:00
and disaster recovery, terrorism and insurgency.
303
1124000
6000
بهبود بلا ها، تروریست و شورش‌هاست.
19:06
And you know about the Internet-based self-organizing systems.
304
1130000
4000
و درباره ی از سیستم های خود سازمان یافته برپایه اینترنت هم که آگاهی دارید.
19:10
So here are my four sentences then.
305
1134000
2000
بنابراین این چهار تا جمله ی من است.
19:12
Remoteness affects the quality of education.
306
1136000
4000
دورافتادگی بر کیفیت آموزش اثر می‌گذارد.
19:16
Educational technology should be introduced into remote areas first,
307
1140000
6000
تکنولوژی آموزش ابتدا باید در بخش های دورافتاده معرفی بشود،
19:22
and other areas later.
308
1146000
3000
و بعد بخش های دیگر.
19:25
Values are acquired; doctrine and dogma are imposed --
309
1149000
6000
ارزش ها اکتسابی هستند؛ آموزه ها وعقاید تحمیل می‌شوند--
19:31
the two opposing mechanisms.
310
1155000
2000
دو تا نظام ضد هم.
19:33
And learning is most likely a self-organizing system.
311
1157000
5000
و یادگیری بیش تر یک سیستم خود سازمان یافته است.
19:38
If you put all the four together, then it gives -- according to me --
312
1162000
5000
اگر شما این چهار تا را کنار هم بگذارید، به گفته ی من--
19:43
it gives us a goal, a vision, for educational technology.
313
1167000
4000
این به ما یک هدف و دیدی برای تکنولوژی آموزشی می‌دهد.
19:47
An educational technology and pedagogy that is digital, automatic,
314
1171000
6000
تکنولوژی آموزشی و تعلیم و تربیت که دیجیتال، خودکار،
19:53
fault-tolerant, minimally invasive, connected and self-organized.
315
1177000
6000
خطاپذیر، اندکی پیش رونده، مرتبط و خود سازمان یافته.
19:59
As educationists, we have never asked for technology; we keep borrowing it.
316
1183000
4000
به عنوان کارشناسانِ آموزش و پرورش، ما تا به حال تکنولوژی نخواسته ایم؛ دائماً داریم آن را قرض می‌گیریم.
20:03
PowerPoint is supposed to be considered a great educational technology,
317
1187000
4000
قرار بوده که برنامه کامپوتری پاورپوینت یک تکنولوژی آموزشی عالی باشد،
20:07
but it was not meant for education, it was meant for making boardroom presentations.
318
1191000
4000
اما برای اهداف آموزشی نبوده، بلکه برای سخنرانی های اتاق هیئت مدیره بوده است.
20:11
We borrowed it. Video conferencing. The personal computer itself.
319
1195000
4000
ما آن را قرض کردیم. ویدیو کنفرانس، خود کامپیوتر را.
20:15
I think it's time that the educationists made their own specs,
320
1199000
3000
من فکر می‌کنم که اکنون زمان آن فرا رسیده که کارشناسان آموزش و پرورش گونه- های خودشان را بسازند،
20:18
and I have such a set of specs. This is a brief look at that.
321
1202000
4000
و من چنین گونه هایی را دارم. این یک نمای کوچکی از آن است.
20:22
And such a set of specs should produce the technology
322
1206000
4000
و یک چنین مجموعه ای، باید تکنولوژی را به منظور پرداختن
20:26
to address remoteness, values and violence.
323
1210000
3000
به موضوع های- دورافتادگی، ارزش ها و خشونت- تولید کند
20:29
So I thought I'd give it a name -- why don't we call it "outdoctrination."
324
1213000
6000
بنابراین من فکر کردم اسمی برای آن بگذارم-- چرا اسمش را "خارج از آموزه ها" نگذاریم؟
20:35
And could this be a goal for educational technology in the future?
325
1219000
5000
و آیا این می‌تواند هدفِ تکنولوژی آموزشی در آینده باشد؟
20:40
So I want to leave that as a thought with you.
326
1224000
3000
بنابراین می‌خواهم این را به عهده خودتان بگذارم که راجع به آن فکر کنید.
20:43
Thank you.
327
1227000
1000
ممنون.
20:44
(Applause)
328
1228000
6000
( تشویق)
ABOUT THE SPEAKER
Sugata Mitra - Education researcherEducational researcher Sugata Mitra is the winner of the 2013 TED Prize. His wish: Build a School in the Cloud, where children can explore and learn from one another.
Why you should listen
In 1999, Sugata Mitra and his colleagues dug a hole in a wall bordering an urban slum in New Delhi, installed an Internet-connected PC and left it there, with a hidden camera filming the area. What they saw: kids from the slum playing with the computer and, in the process, learning how to use it -- then teaching each other. These famed “Hole in the Wall” experiments demonstrated that, in the absence of supervision and formal teaching, children can teach themselves and each other -- if they’re motivated by curiosity. Mitra, now a professor of educational technology at Newcastle University, called it "minimally invasive education."
Mitra thinks self-organized learning will shape the future of education. At TED2013, he made a bold TED Prize wish: Help me build a School in the Cloud where children can explore and learn on their own -- and teach one another -- using resouces from the worldwide cloud.
The School in the Cloud now includes seven physical locations -- five in India and two in the UK. At the same time, the School in the Cloud online platform lets students participate anywhere, with partner learning labs and programs in countries like Colombia, Pakistan and Greece. In 2016, Mitra held the first School in the Cloud conference in India. He shared that more than 16,000 SOLE sessions had taken place so far, with kids all around the world dipping their toes in this new education model.
Sugata Mitra | Speaker | TED.com