TEDGlobal 2012
Beau Lotto + Amy O'Toole: Science is for everyone, kids included
Beau Lotto + Amy O'Toole: La science, c'est pour tout le monde, même les enfants.
Filmed:
Readability: 3.5
1,504,898 views
Qu'est-ce que la science et le jeu ont en commun ? Le neuroscientifique Beau Lotto pense que tout le monde (les enfants aussi) devraient participer à la science et, à travers le processus de découverte, changer de perception. Il est assisté par Amy O'Toole, 12 ans, qui, avec 25 de ses camarades, le premier article révisé par leurs pairs, des élèves, sur le projet des Abeilles de Blackawton. Ça commence par : « Il était une fois... »
Beau Lotto - Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bioAmy O'Toole - Student
Amy O'Toole is a 12-year-old student who helped run a science experiment inspired by Beau Lotto's participative science approach. At age 10 she became one of the youngest people ever to publish a peer-reviewed science paper. Full bio
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bioAmy O'Toole - Student
Amy O'Toole is a 12-year-old student who helped run a science experiment inspired by Beau Lotto's participative science approach. At age 10 she became one of the youngest people ever to publish a peer-reviewed science paper. Full bio
Double-click the English transcript below to play the video.
00:17
Beau Lotto: So, this game is very simple.
0
1487
2169
Beau Lotto : Alors, ce jeu est très simple.
00:19
All you have to do is read what you see. Right?
1
3656
4047
Tout ce que vous avez à faire, c'est lire ce que vous voyez. D'accord ?
00:23
So, I'm going to count to you, so we don't all do it together.
2
7703
3201
Donc, je vais compter pour vous, pour que nous ne le fassions pas tous en même temps.
00:26
Okay, one, two, three.Audience: Can you read this?
3
10904
2499
Ok, un, deux, trois. Public : Pouvez-vous lire ça ?
00:29
BL: Amazing. What about this one? One, two, three.Audience: You are not reading this.
4
13403
4379
BL: Fantastique. Et ça ? Un, deux, trois.
Public : Vous ne lisez pas ça.
Public : Vous ne lisez pas ça.
00:33
BL: All right. One, two, three. (Laughter)
5
17782
5316
BL : Très bien. Un, deux, trois.
(Rires)
(Rires)
00:38
If you were Portuguese, right? How about this one? One, two, three.
6
23098
4797
Si vous étiez portugais, n'est-ce pas ? Et ça ? Un, deux, trois.
00:43
Audience: What are you reading?
7
27895
1978
Public : Que lisez-vous ?
00:45
BL: What are you reading? There are no words there.
8
29873
3458
BL : Que lisez-vous ? Il n'y a pas de mots ici.
00:49
I said, read what you're seeing. Right?
9
33331
2537
J'ai dit, « Lisez ce que vous voyez ».
00:51
It literally says, "Wat ar ou rea in?" (Laughter) Right?
10
35868
3850
C'est écrit, « Qu li e v us ? » (Rires), n'est-ce pas ?
00:55
That's what you should have said. Right? Why is this?
11
39718
3828
C'est ce que vous auriez dû dire. Non ? Et pourquoi ?
00:59
It's because perception is grounded in our experience.
12
43546
3536
C'est parce que la perception se fonde sur notre vécu.
01:02
Right? The brain takes meaningless information
13
47082
2897
Le cerveau prend des informations qui n'ont pas de sens
01:05
and makes meaning out of it, which means we never see
14
49979
2959
et en extrait la signification, ce qui veut dire que nous ne voyons jamais
01:08
what's there, we never see information,
15
52938
2256
ce qui est là ; nous ne voyons jamais les informations,
01:11
we only ever see what was useful to see in the past.
16
55194
3275
nous ne voyons que ce qui était utile dans le passé.
01:14
All right? Which means, when it comes to perception,
17
58469
2736
D'accord ? Ce qui veut dire, qu'en ce qui concerne la perception,
01:17
we're all like this frog.
18
61205
6795
nous sommes tous comme cette grenouille.
01:23
(Laughter)
19
68000
912
(Rires)
01:24
Right? It's getting information. It's generating behavior
20
68912
3395
Elle reçoit des informations. Le comportement qui s'ensuit
01:28
that's useful. (Laughter)
21
72307
4468
est quelque chose d'utile.
(Rires)
(Rires)
01:32
(Laughter)
22
76775
7032
(Rires)
01:39
(Video) Man: Ow! Ow! (Laughter) (Applause)
23
83807
5982
(Vidéo) Homme: Ah! Ah! (Rires) (Applaudissements)
01:45
BL: And sometimes, when things don't go our way,
24
89789
2712
BL : Et parfois, quand les choses ne tournent pas comme on veut,
01:48
we get a little bit annoyed, right?
25
92501
2259
ça nous énerve un peu, pas vrai?
01:50
But we're talking about perception here, right?
26
94760
2730
Mais ici nous parlons de perception.
01:53
And perception underpins everything we think, we know,
27
97490
4365
Et la perception sous-tend tout ce que nous pensons, tout ce que nous savons,
01:57
we believe, our hopes, our dreams, the clothes we wear,
28
101855
2871
tout ce que nous croyons ; nos espoirs, nos rêves, les vêtements que nous portons,
02:00
falling in love, everything begins with perception.
29
104726
3743
tomber amoureux, tout commence avec la perception.
02:04
Now if perception is grounded in our history, it means
30
108469
2945
Alors, si la perception prend sa source dans notre histoire, cela signifie
02:07
we're only ever responding according to what we've done before.
31
111414
3459
que nous ne réagissons qu'à ce que nous avons déjà fait auparavant.
02:10
But actually, it's a tremendous problem,
32
114873
3076
Mais en fait, c'est un énorme problème,
02:13
because how can we ever see differently?
33
117949
3617
car comment pourrons-nous un jour voir les choses autrement ?
02:17
Now, I want to tell you a story about seeing differently,
34
121566
4063
Alors, je veux vous raconter une histoire sur différentes visions,
02:21
and all new perceptions begin in the same way.
35
125629
3988
et sur comment toute nouvelle perception commence de la même façon.
02:25
They begin with a question.
36
129617
2582
Cela commence par une question.
02:28
The problem with questions is they create uncertainty.
37
132199
3238
Le problème avec les questions, c'est qu’elles créent des incertitudes.
02:31
Now, uncertainty is a very bad thing. It's evolutionarily
38
135437
2729
Alors, l'incertitude est une très mauvaise chose. Du point de vue de l'évolution,
02:34
a bad thing. If you're not sure that's a predator, it's too late.
39
138166
3601
c’est quelque chose de mauvais. Si vous n'êtes pas sûr que ce soit un prédateur, c'est trop tard.
02:37
Okay? (Laughter)
40
141767
1360
N'est-ce pas ?
(Rires)
(Rires)
02:39
Even seasickness is a consequence of uncertainty.
41
143127
3160
Même le mal de mer est une conséquence de l'incertitude,
02:42
Right? If you go down below on a boat, your inner ears
42
146287
2252
pas vrai ? Si vous allez sous un bateau, votre oreille interne
02:44
are you telling you you're moving. Your eyes, because
43
148539
2176
vous dit que vous bougez. Vos yeux, parce qu'ils
02:46
it's moving in register with the boat, say I'm standing still.
44
150715
2316
bougent à l'unisson avec le bateau, vous disent que vous êtes immobile.
02:48
Your brain cannot deal with the uncertainty of that information, and it gets ill.
45
153031
4655
Votre cerveau ne peut pas gérer l'incertitude de cette information et ça le rend malade.
02:53
The question "why?" is one of the most dangerous things you can do,
46
157686
3929
La question « pourquoi ? » est l'une des choses les plus dangereuses que vous pouvez faire,
02:57
because it takes you into uncertainty.
47
161615
2992
parce qu'elle vous entraine dans l'incertitude.
03:00
And yet, the irony is, the only way we can ever
48
164607
2879
Et pourtant, l'ironie est que la seule façon de
03:03
do anything new is to step into that space.
49
167486
3536
faire quelque chose de nouveau, c'est de rentrer dans cet espace.
03:06
So how can we ever do anything new? Well fortunately,
50
171022
3224
Alors comment pouvons-nous, un jour, faire quelque chose de nouveau ? Alors, heureusement,
03:10
evolution has given us an answer, right?
51
174246
3584
l'évolution nous a donné une réponse, pas vrai ?
03:13
And it enables us to address even the most difficult
52
177830
3595
Et cela nous permet de faire face même aux questions
03:17
of questions. The best questions are the ones that create the most uncertainty.
53
181425
4679
les plus difficiles.
03:22
They're the ones that question the things we think to be true already. Right?
54
186104
3956
Ce sont celles qui remettent en cause les choses que nous pensons déjà être vraies.
03:25
It's easy to ask questions about how did life begin,
55
190060
1989
C'est facile de poser des questions sur la façon dont la vie commence,
03:27
or what extends beyond the universe, but to question what you think to be true already
56
192049
3308
ou sur ce qui s'étend au-delà de l'univers, mais de questionner ce que vous pensez être vrai,
03:31
is really stepping into that space.
57
195357
3001
c'est vraiment pénétrer dans cet espace.
03:34
So what is evolution's answer to the problem of uncertainty?
58
198358
4810
Alors quelle est la réponse de l'évolution au problème de l'incertitude ?
03:39
It's play.
59
203168
1773
C'est le jeu.
03:40
Now play is not simply a process. Experts in play will tell you
60
204941
4193
Alors le jeu n'est pas seulement un processus. Les spécialistes du jeu vous diront
03:45
that actually it's a way of being.
61
209134
2615
que c'est en fait une manière d'être.
03:47
Play is one of the only human endeavors where uncertainty
62
211749
2891
Le jeu est le seul effort humain où l'incertitude
03:50
is actually celebrated. Uncertainty is what makes play fun.
63
214640
4326
est vraiment célébrée. L'incertitude est ce qui rend le jeu amusant.
03:54
Right? It's adaptable to change. Right? It opens possibility,
64
218966
4275
Pas vrai ? C'est adaptable au changement, n'est-ce pas ? Ça ouvre des possibilités,
03:59
and it's cooperative. It's actually how we do our social bonding,
65
223241
4109
et c'est de la coopération. C'est en fait notre façon de créer des liens sociaux,
04:03
and it's intrinsically motivated. What that means
66
227350
1726
et c'est intrinsèquement motivé. Ce qui signifie
04:04
is that we play to play. Play is its own reward.
67
229076
4606
que nous jouons pour jouer. Le jeu est sa propre récompense.
04:09
Now if you look at these five ways of being,
68
233682
3891
Alors si vous regardez ces cinq manières d'être,
04:13
these are the exact same ways of being you need
69
237573
2721
ce sont exactement les mêmes dont vous avez besoin
04:16
in order to be a good scientist.
70
240294
2036
pour être un bon scientifique.
04:18
Science is not defined by the method section of a paper.
71
242330
3027
La science n'est pas définie par la partie "méthode" d'un article.
04:21
It's actually a way of being, which is here, and this is true
72
245357
3140
C'est en fait une façon d'être, qui est ici, et c'est vrai
04:24
for anything that is creative.
73
248497
2653
de tout ce qui est créatif.
04:27
So if you add rules to play, you have a game.
74
251150
4203
Donc si vous ajoutez des règles à un jeu, vous obtenez un jeu à règles.
04:31
That's actually what an experiment is.
75
255353
2790
C'est exactement ce qu'est une expérimentation.
04:34
So armed with these two ideas,
76
258143
1919
Donc armé de ces deux idées,
04:35
that science is a way of being and experiments are play,
77
260062
4322
qui sont que la science est une façon d'être et que les expérimentations sont un jeu,
04:40
we asked, can anyone become a scientist?
78
264384
3453
on s'est demandé, est-ce que tout le monde peut devenir un scientifique ?
04:43
And who better to ask than 25 eight- to 10-year-old children?
79
267837
3500
Et à qui demander de mieux qu'à 25 enfants âgés de 8 à 10 ans ?
04:47
Because they're experts in play. So I took my bee arena
80
271337
3507
Parce que ce sont des spécialistes en jeu. Donc j'ai emmené ma ruche
04:50
down to a small school in Devon, and the aim of this
81
274844
3547
dans une petite école du Devon, et le but de ça,
04:54
was to not just get the kids to see science differently,
82
278391
4244
ce n'était pas seulement d'amener les enfants à voir la science différemment,
04:58
but, through the process of science, to see themselves differently. Right?
83
282635
4598
mais de se voir différemment, à travers la science.
05:03
The first step was to ask a question.
84
287233
3408
La première étape était de poser une question.
05:06
Now, I should say that we didn't get funding for this study
85
290641
2880
Alors, je dois dire que nous n'avons pas eu de fonds pour cette étude
05:09
because the scientists said small children couldn't make
86
293521
3330
parce que les scientifiques disaient que les enfants ne pouvaient pas
05:12
a useful contribution to science, and the teachers said kids couldn't do it.
87
296851
4302
contribuer à la science, et les enseignants disaient que les enfants ne pourraient pas le faire.
05:17
So we did it anyway. Right? Of course.
88
301153
3734
Alors nous l'avons fait quand même. Pas vrai ? Bien sûr.
05:20
So, here are some of the questions. I put them in small print
89
304887
2819
Alors, voici quelques-unes des questions. Je les ai mises en minuscules
05:23
so you wouldn't bother reading it. Point is that five of the questions that the kids came up with
90
307706
4440
pour que vous ne vous embêtiez pas à les lire. Le fait est que cinq des questions posées par les enfants
05:28
were actually the basis of science publication the last five to 15 years. Right?
91
312146
4618
étaient en fait les bases des publications scientifiques des cinq à quinze dernières années.
05:32
So they were asking questions that were significant
92
316764
2660
Donc ils ont posé des questions qui étaient importantes
05:35
to expert scientists.
93
319424
2130
pour les experts scientifiques.
05:37
Now here, I want to share the stage with someone quite special. Right?
94
321554
4134
Alors maintenant, je voudrais partager la scène avec quelqu'un de très spécial.
05:41
She was one of the young people who was involved in this study,
95
325688
2612
C'était une des jeunes filles impliquées dans cette étude,
05:44
and she's now one of the youngest published scientists
96
328300
2334
et elle est maintenant l'une des plus jeunes scientifiques au monde,
05:46
in the world. Right? She will now, once she comes onto stage,
97
330634
3883
à être publié. D'accord ? Maintenant, une fois qu'elle sera montée sur scène, elle va
05:50
will be the youngest person to ever speak at TED. Right?
98
334517
3698
devenir la plus jeune personne à parler à TED.
05:54
Now, science and asking questions is about courage.
99
338215
2875
Alors, la science et questionner, ça à avoir avec le courage.
05:56
Now she is the personification of courage, because she's
100
341090
3200
Alors, elle est le courage personnifié, parce qu'elle
06:00
going to stand up here and talk to you all.
101
344290
1387
va se tenir ici and parler devant vous tous.
06:01
So Amy, would you please come up? (Applause)
102
345677
5254
Donc, Amy, peux-tu monter s'il-te-plaît ?
(Applaudissements)
(Applaudissements)
06:06
(Applause)
103
350931
7185
(Applaudissements)
06:14
So Amy's going to help me tell the story of what we call
104
358116
2519
Donc, Amy va m'aider à raconter l'histoire de ce que l'on appelle
06:16
the Blackawton Bees Project, and first she's going to tell you
105
360635
2666
le Projet Abeilles de Blackawton, et d'abord elle va vous dire
06:19
the question that they came up with. So go ahead, Amy.
106
363301
2545
la question qu'ils se sont posée. Allez vas-y, Amy.
06:21
Amy O'Toole: Thank you, Beau. We thought
107
365846
1719
Amy O'Toole: Merci, Beau. Nous avons pensé
06:23
that it was easy to see the link between humans and apes
108
367565
3401
qu'il était simple de voir le lien entre les humains et les primates
06:26
in the way that we think, because we look alike.
109
370966
3024
dans notre façon de penser, parce que nous nous ressemblons.
06:29
But we wondered if there's a possible link
110
373990
2689
Mais nous nous sommes demandé s'il y avait un lien possible
06:32
with other animals. It'd be amazing if humans and bees
111
376679
4704
avec d'autres animaux. Ce serait incroyable si les humains et les abeilles
06:37
thought similar, since they seem so different from us.
112
381383
4113
pensaient de la même façon, dans la mesure où elles semblent si différentes de nous.
06:41
So we asked if humans and bees might solve
113
385496
3053
Donc nous avons posé la question si les humains et les abeilles pouvaient résoudre
06:44
complex problems in the same way.
114
388549
2407
des problèmes complexes de la même façon.
06:46
Really, we wanted to know if bees can also adapt
115
390956
3287
Nous voulions vraiment savoir si les abeilles pouvaient aussi s'adapter
06:50
themselves to new situations using previously learned rules
116
394243
3707
à de nouvelles situations en utilisant des règles et conditions apprises auparavant
06:53
and conditions. So what if bees can think like us?
117
397950
4214
Et si les abeilles pensaient comme nous ?
06:58
Well, it'd be amazing, since we're talking about an insect
118
402164
2552
Eh bien, ce serait incroyable, dans la mesure où nous parlons d'un insecte
07:00
with only one million brain cells.
119
404716
2525
avec seulement un million de cellules du cerveau.
07:03
But it actually makes a lot of sense they should,
120
407241
2142
Mais en fait, c'est parfaitement compréhensible qu'elles le puissent
07:05
because bees, like us, can recognize a good flower
121
409383
3277
parce que les abeilles, comme nous, peuvent reconnaître une bonne fleur
07:08
regardless of the time of day, the light, the weather,
122
412660
3613
quel que soit l'heure du jour, la lumière, le temps,
07:12
or from any angle they approach it from. (Applause)
123
416273
5742
ou l'angle sous lequel elles l'approchent.
(Applaudissements)
(Applaudissements)
07:17
BL: So the next step was to design an experiment,
124
422015
3782
BL : Donc l'étape suivante était de concevoir une expérimentation,
07:21
which is a game. So the kids went off and they designed
125
425797
3302
sous forme de jeu. Donc, les enfants se sont lancés et ils ont conçu
07:24
this experiment, and so -- well, game -- and so,
126
429099
3301
cette expérimentation, et donc -- bon, le jeu -- et donc
07:28
Amy, can you tell us what the game was,
127
432400
1466
Amy, pouvez-vous nous dire ce qu'était le jeu,
07:29
and the puzzle that you set the bees?
128
433866
2143
et l'énigme que vous avez fait pour les abeilles?
07:31
AO: The puzzle we came up with was an if-then rule.
129
436009
3023
AO: L'énigme que nous avons fait était une règle du "si-donc".
07:34
We asked the bees to learn not just to go to a certain color,
130
439032
3645
Nous avons demandé aux abeilles non seulement d'apprendre à aller vers une certaine couleur,
07:38
but to a certain color flower only
131
442677
2668
mais seulement vers une fleur d'une certaine couleur
07:41
when it's in a certain pattern.
132
445345
1632
quand elle était dans un schéma précis.
07:42
They were only rewarded if they went to the yellow flowers
133
446977
3259
Elles étaient récompensées seulement si elles allaient vers des fleurs jaunes
07:46
if the yellow flowers were surrounded by the blue,
134
450236
3060
si les fleurs jaunes étaient entourées de bleu
07:49
or if the blue flowers were surrounded by the yellow.
135
453296
3268
ou si les fleurs bleues étaient entourées des jaunes.
07:52
Now there's a number of different rules the bees can learn
136
456564
2585
Alors il y a un certain nombre de règles que les abeilles peuvent apprendre
07:55
to solve this puzzle. The interesting question is, which?
137
459149
3425
pour résoudre cette énigme. La question intéressante est : laquelle ?
07:58
What was really exciting about this project was we,
138
462574
2780
Ce qui était vraiment excitant par rapport à ce projet, c'était que nous,
08:01
and Beau, had no idea whether it would work.
139
465354
2343
et Beau, n'avions aucune idée si cela allait fonctionner ou pas.
08:03
It was completely new, and no one had done it before,
140
467697
2454
C'était complètement nouveau, et personne ne l'avait fait auparavant,
08:06
including adults. (Laughter)
141
470151
3723
même les adultes.
(Rires)
(Rires)
08:09
BL: Including the teachers, and that was really hard for the teachers.
142
473874
3464
BL : même les enseignants, et c'était vraiment dur pour les enseignants.
08:13
It's easy for a scientist to go in and not have a clue what he's doing,
143
477338
2904
C'est facile pour un scientifique de se lancer et de ne pas savoir où il va,
08:16
because that's what we do in the lab, but for a teacher
144
480242
2544
parce que c'est ce que nous faisons en laboratoire, mais pour un enseignant
08:18
not to know what's going to happen at the end of the day --
145
482786
1625
ne pas savoir ce qui va se passer à la fin de la journée --
08:20
so much of the credit goes to Dave Strudwick, who was
146
484411
2599
donc la plupart du mérite revient à Dave Strudwick, qui était
08:22
the collaborator on this project. Okay?
147
487010
2209
le collaborateur sur ce projet. D'accord?
08:25
So I'm not going to go through the whole details of the study
148
489219
2732
Donc je ne vais pas énumérer tous les détails de la recherche
08:27
because actually you can read about it, but the next step
149
491951
2638
parce que vous pouvez en fait la lire, mais la prochaine étape
08:30
is observation. So here are some of the students
150
494589
3645
c'est l'observation. Donc voici quelques-uns des élèves
08:34
doing the observations. They're recording the data
151
498234
2768
en train de faire des observations. Ils enregistrent des données
08:36
of where the bees fly.
152
501002
5044
concernant le lieu où les abeilles volent.
08:41
(Video) Dave Strudwick: So what we're going to do —Student: 5C.
153
506046
2023
(Vidéo) Dave Strudwick: Donc ce que nous allons faire -
Elève : 5C.
Elève : 5C.
08:43
Dave Strudwick: Is she still going up here?Student: Yeah.
154
508069
3990
Dave Strudwick: Est-ce qu'elle continue là ?
Elève : Ouais.
Elève : Ouais.
08:47
Dave Strudwick: So you keep track of each.Student: Henry, can you help me here?
155
512059
3597
Dave Strudwick : Donc vous suivez chacune d'elle.
Elève : Henri, tu peux m'aider ici ?
Elève : Henri, tu peux m'aider ici ?
08:51
BL: "Can you help me, Henry?" What good scientist says that, right?
156
515656
2904
BL: « Tu peux m'aider, Henry ? » Quel scientifique dit ça, n'est-ce pas ?
08:54
Student: There's two up there.
157
518560
4710
Elève : Il y en a deux là.
08:59
And three in here.
158
523270
2874
Et trois ici.
09:02
BL: Right? So we've got our observations. We've got our data.
159
526144
2275
BL : D'accord ? Donc nous avons nos observations. Nous avons nos données.
09:04
They do the simple mathematics, averaging, etc., etc.
160
528419
3773
Ils font des mathématiques simples, ils font des moyennes, etc...
09:08
And now we want to share. That's the next step.
161
532192
1931
Et maintenant, nous voulons partager ça. C'est la prochaine étape.
09:10
So we're going to write this up and try to submit this
162
534123
1608
Donc nous allons écrire ça et essayer de le faire publier.
09:11
for publication. Right? So we have to write it up.
163
535731
2856
D'accord ? Nous devons donc l'écrire.
09:14
So we go, of course, to the pub. All right? (Laughter)
164
538587
4513
Alors, nous allons bien sûr au pub. Pas vrai ?
(Rires)
(Rires)
09:19
The one on the left is mine, okay? (Laughter)
165
543100
2284
Celui à gauche, c'est le mien, d'accord ?
(Rires)
(Rires)
09:21
Now, I tell them, a paper has four different sections:
166
545384
2086
Alors, je leur dis, un article a quatre parties différentes :
09:23
an introduction, a methods, a results, a discussion.
167
547470
2807
une introduction, une partie méthode, une partie résultat et une partie discussion.
09:26
The introduction says, what's the question and why?
168
550277
2604
Dans l'introduction on a: quelle est la question et pourquoi ?
09:28
Methods, what did you do? Results, what was the observation?
169
552881
3119
dans la partie méthode: qu'avez-vous fait ? Dans les résultats: qu'avez-vous observé ?
09:31
And the discussion is, who cares? Right?
170
556000
2143
Et dans la discussion, c'est... : on s'en fiche ? non ?
09:34
That's a science paper, basically. (Laughter)
171
558143
2459
C'est ça un article scientifique.
(Rires)
(Rires)
09:36
So the kids give me the words, right? I put it into a narrative,
172
560602
4529
Donc les enfants me dictent les mots, d'accord ? Je les transcris en phrases,
09:41
which means that this paper is written in kidspeak.
173
565131
3247
ce qui veut dire que cet article est écrit dans un langage d'enfant.
09:44
It's not written by me. It's written by Amy
174
568378
2528
Il n'est pas écrit par moi. Il est écrit par Amy
09:46
and the other students in the class. As a consequence,
175
570906
3320
et les autres élèves de la classe.
Par conséquent,
Par conséquent,
09:50
this science paper begins, "Once upon a time ... " (Laughter)
176
574226
6017
cet article scientifique commence par : « Il était une fois... »
(Rires)
(Rires)
09:56
The results section, it says: "Training phase, the puzzle ... duh duh duuuuuhhh." Right? (Laughter)
177
580243
5312
Pour la partie « résultats », ça donne : « phase d'entraînement, le puzzle... tin, tin, tinnnn. » D'accord? (Rires)
10:01
And the methods, it says, "Then we put the bees
178
585555
2196
Et la partie méthode dit : « Ensuite nous avons mis les abeilles
10:03
into the fridge (and made bee pie)," smiley face. Right? (Laughter)
179
587751
3317
dans le frigo et nous avons fait une tarte d'abeilles », smiley.
(Rires)
(Rires)
10:06
This is a science paper. We're going to try to get it published.
180
591068
3833
C'est un article scientifique. Nous allons essayer d'être publié.
10:10
So here's the title page. We have a number of authors there.
181
594901
2834
Donc voici la page de présentation. Nous avons un certain nombre d'auteurs ici.
10:13
All the ones in bold are eight to 10 years old.
182
597735
2851
Tous ceux en gras ont entre huit et dix ans.
10:16
The first author is Blackawton Primary School, because
183
600586
2050
Le premier auteur est l'Ecole Primaire de Blackawton, parce que
10:18
if it were ever referenced, it would be "Blackawton et al,"
184
602636
3246
s'il est un jour référencé, ce serait « Blackawton et al »,
10:21
and not one individual. So we submit it to a public access journal,
185
605882
3057
et pas seulement un individu. Donc on l'envoie à un journal grand public,
10:24
and it says this. It said many things, but it said this.
186
608939
3332
and voici ce que ça dit. Ça disait beaucoup de choses, mais ça disait surtout ça.
10:28
"I'm afraid the paper fails our initial quality control checks in several different ways." (Laughter)
187
612271
3919
« Je crains que votre article n'ait pas rempli plusieurs de nos critères de qualité. »
(Rires)
(Rires)
10:32
In other words, it starts off "once upon a time,"
188
616190
2560
En d'autres termes, ça commence par « Il était une fois, »
10:34
the figures are in crayon, etc. (Laughter)
189
618750
2526
les données sont au pastel, etc...
(Rires)
(Rires)
10:37
So we said, we'll get it reviewed. So I sent it to Dale Purves,
190
621276
4353
Donc on s'est dit que on allait le faire réviser. Alors, je l'ai envoyé à Dale Purves,
10:41
who is at the National Academy of Science, one of the leading neuroscientists in the world,
191
625629
3533
qui est, à l'Académie Nationale des Sciences, un des neuroscientifiques les plus renommés du monde,
10:45
and he says, "This is the most original science paper I have ever read" — (Laughter) —
192
629162
3449
et il a dit : « C’est l'article scientifique le plus original que j'ai jamais lu » -- (Rires) --
10:48
"and it certainly deserves wide exposure."
193
632611
2097
« et il mérite une large couverture. »
10:50
Larry Maloney, expert in vision, says, "The paper is magnificent.
194
634708
4271
Larry Maloney, un expert en vision, a dit: « Cet article est magnifique.
10:54
The work would be publishable if done by adults."
195
638979
3366
Ce travail serait susceptible d'être publié s'il était fait par des adultes. »
10:58
So what did we do? We send it back to the editor.
196
642345
1979
Alors qu'avons-nous fait ? Nous l'avons renvoyé à l'éditeur.
11:00
They say no.
197
644324
1589
Ils ont dit Non.
11:01
So we asked Larry and Natalie Hempel to write
198
645913
2454
Donc nous avons demandé à Larry et Natalie Hempel d'écrire
11:04
a commentary situating the findings for scientists, right,
199
648367
4007
un commentaire pour resituer les trouvailles pour les scientifiques, d'accord,
11:08
putting in the references, and we submit it to Biology Letters.
200
652374
4128
inclure les sources et nous l'avons envoyé à Biology Letters.
11:12
And there, it was reviewed by five independent referees,
201
656502
3327
Et là, il a été relu par cinq juges indépendants,
11:15
and it was published. Okay? (Applause)
202
659829
4421
et il a été publié. Ok ?
(Applaudissements)
(Applaudissements)
11:20
(Applause)
203
664250
6000
(Applaudissements)
11:26
It took four months to do the science,
204
670250
3021
Ça a pris quatre mois pour le côté scientifique,
11:29
two years to get it published. (Laughter)
205
673271
3228
deux ans pour se faire publier.
(Rires)
(Rires)
11:32
Typical science, actually, right? So this makes Amy and
206
676499
4835
Typiquement scientifique, pas vrai ? Donc ce qui fait d'Amy
11:37
her friends the youngest published scientists in the world.
207
681334
2433
et ses amis, les plus jeunes scientifiques à être publiés dans le monde.
11:39
What was the feedback like?
208
683767
2016
Quelle a été la réaction ?
11:41
Well, it was published two days before Christmas,
209
685783
2885
Eh bien, ça a été publié deux jours avant Noël,
11:44
downloaded 30,000 times in the first day, right?
210
688668
4003
téléchargé 30000 fois le premier jour, hein ?
11:48
It was the Editors' Choice in Science, which is a top science magazine.
211
692671
4040
C'était le Choix Editorial dans Science, qui est un des meilleurs magazines scientifiques.
11:52
It's forever freely accessible by Biology Letters.
212
696711
2542
C'est désormais accessible gratuitement sur Biology Letters.
11:55
It's the only paper that will ever be freely accessible by this journal.
213
699253
3680
C'est le seul article qui sera toujours accessible gratuitement dans ce journal.
11:58
Last year, it was the second-most downloaded paper
214
702933
2699
L'année dernière, c'était le deuxième article le plus téléchargé
12:01
by Biology Letters, and the feedback from not just scientists
215
705632
4104
par Biology Letters, et ce retour venait non seulement des scientifiques
12:05
and teachers but the public as well.
216
709736
2548
et des enseignants mais aussi du public.
12:08
And I'll just read one.
217
712284
1772
Et je vais juste vous lire une chose.
12:09
"I have read 'Blackawton Bees' recently. I don't have
218
714056
2490
« J'ai lu 'Les Abeilles de Blackawton' récemment. Je n'ai pas
12:12
words to explain exactly how I am feeling right now.
219
716546
2313
de mots pour exprimer ce que je ressens en ce moment.
12:14
What you guys have done is real, true and amazing.
220
718859
2479
ce que vous avez fait est réel, vrai et stupéfiant.
12:17
Curiosity, interest, innocence and zeal are the most basic
221
721338
3109
La curiosité, l'intérêt, l'innocence et le zèle sont les choses
12:20
and most important things to do science.
222
724447
1724
les plus basiques et importantes pour faire de la science.
12:22
Who else can have these qualities more than children?
223
726171
2478
Qui, plus que les enfants, peut avoir ses qualités ?
12:24
Please congratulate your children's team from my side."
224
728649
3541
Je vous prie de féliciter les enfants de votre équipe de ma part. »
12:28
So I'd like to conclude with a physical metaphor.
225
732190
3383
Donc j'aimerais conclure avec une métaphore physique.
12:31
Can I do it on you? (Laughter)
226
735573
2968
Je peux le faire sur vous ?
(Rires)
(Rires)
12:34
Oh yeah, yeah, yeah, come on. Yeah yeah. Okay.
227
738541
3093
Oh, ouais, ouais, ouais, allez. Ok.
12:37
Now, science is about taking risks, so this is an incredible risk, right? (Laughter)
228
741634
5177
Alors, la science, c'est prendre des risques et ça, c'est un risque incroyable, n'est-ce pas ? (Rires)
12:42
For me, not for him. Right? Because we've only done this once before. (Laughter)
229
746811
6098
Pour moi, pas pour lui, n'est-ce pas ? Parce que nous avons seulement fait ça une fois avant.
(Rires)
(Rires)
12:48
And you like technology, right?
230
752909
1576
Et vous aimez la technologie, n'est-ce pas ?
12:50
Shimon Schocken: Right, but I like myself.
231
754485
2176
Shimon Schocken : oui, mais je m'aime aussi.
12:52
BL: This is the epitome of technology. Right. Okay.
232
756661
2951
BL : C'est l'exemple même de la technologie. Oui. D'accord.
12:55
Now ... (Laughter)
233
759612
3608
Alors...
(Rires)
(Rires)
12:59
Okay. (Laughter)
234
763220
2880
D'accord.
(Rires)
(Rires)
13:02
Now, we're going to do a little demonstration, right?
235
766100
4084
Maintenant, nous allons faire une petite démonstration, d'accord ?
13:06
You have to close your eyes, and you have to point
236
770184
4019
Vous devez fermer les yeux, et vous devez montrer
13:10
where you hear me clapping. All right?
237
774203
3157
où vous m'entendez taper des mains. D'accord ?
13:13
(Clapping)
238
777360
4398
(Applaudissement)
13:17
(Clapping)
239
781758
3144
(Applaudissement)
13:20
Okay, how about if everyone over there shouts. One, two, three?
240
784902
2903
Ok, et si tout le monde là-bas crie. Un, deux, trois ?
13:23
Audience: (Shouts)
241
787805
2901
Public: (Cris)
13:26
(Laughter)
242
790706
4446
(Rires)
13:31
(Shouts) (Laughter)
243
795152
3171
(Cris) (Rires)
13:34
Brilliant. Now, open your eyes. We'll do it one more time.
244
798323
3641
Fantastique. Maintenant, ouvrez les yeux. Nous allons le faire encore une fois.
13:37
Everyone over there shout. (Shouts)
245
801964
2802
Là-bas, criez. (Cris)
13:40
Where's the sound coming from? (Laughter) (Applause)
246
804766
5932
D'où vient le son ? (Rires)
(Applaudissements)
(Applaudissements)
13:46
Thank you very much. (Applause)
247
810698
4230
Merci beaucoup.
(Applaudissements)
(Applaudissements)
13:50
What's the point? The point is what science does for us.
248
814928
3713
Quel est l'intérêt ? L'intérêt, c'est ce que la science fait pour nous.
13:54
Right? We normally walk through life responding,
249
818641
2406
Pas vrai. Normalement, nous traversons la vie en réponse à quelque chose,
13:56
but if we ever want to do anything different, we have to
250
821047
2212
mais si nous voulons faire quelque chose de différent, nous devons
13:59
step into uncertainty. When he opened his eyes,
251
823259
2689
mettre un pied dans l'incertitude. Quand il a ouvert les yeux,
14:01
he was able to see the world in a new way.
252
825948
2382
il a pu voir le monde de façon différente.
14:04
That's what science offers us. It offers the possibility
253
828330
3168
C'est ce que la science nous offre. Elle offre la possibilité
14:07
to step on uncertainty through the process of play, right?
254
831498
4016
de mettre un pied dans l'incertitude à travers le jeu.
14:11
Now, true science education I think should be about
255
835514
3024
Maintenant, je pense que la vraie éducation aux sciences devrait consister à
14:14
giving people a voice and enabling to express that voice,
256
838538
3399
donner une voix aux gens et leur permettre d'exprimer cette opinion,
14:17
so I've asked Amy to be the last voice in this short story.
257
841937
4369
Donc j'ai demandé à Amy d'être la dernière voix dans cette courte histoire.
14:22
So, Amy?
258
846306
3105
Alors, Amy ?
14:25
AO: This project was really exciting for me,
259
849411
2553
AO : Ce projet était vraiment excitant pour moi,
14:27
because it brought the process of discovery to life,
260
851964
2671
parce qu'il a donné vie au processus de découverte,
14:30
and it showed me that anyone, and I mean anyone,
261
854635
2911
et il m'a montré que tout le monde, et je dis bien tout le monde,
14:33
has the potential to discover something new,
262
857546
2753
a le potentiel de découvrir quelque chose de nouveau,
14:36
and that a small question can lead into a big discovery.
263
860299
4072
et qu'une petite question peut mener à une grande découverte.
14:40
Changing the way a person thinks about something
264
864371
2652
Changer la façon dont une personne pense à propos de quelque chose
14:42
can be easy or hard. It all depends on the way the person
265
867023
3712
peut être facile ou difficile. Tout dépend de la façon dont la personne
14:46
feels about change.
266
870735
1488
ressent le changement.
14:48
But changing the way I thought about science was
267
872223
2452
Mais changer la façon dont je considérais la science, c'était
14:50
surprisingly easy. Once we played the games
268
874675
2275
étonnamment facile. Dès que nous avons joué aux jeux
14:52
and then started to think about the puzzle,
269
876950
2418
et avons commencé à penser à l'énigme,
14:55
I then realized that science isn't just a boring subject,
270
879368
3857
j'ai alors réalisé que la science n'est pas seulement une matière ennuyeuse,
14:59
and that anyone can discover something new.
271
883225
3194
et que tout le monde peut découvrir quelque chose de nouveau.
15:02
You just need an opportunity. My opportunity came
272
886419
3200
Vous avez juste besoin d'une opportunité. Mon opportunité est arrivée
15:05
in the form of Beau, and the Blackawton Bee Project.
273
889619
2636
avec Beau, et le projet des Abeilles Blackawton.
15:08
Thank you.BL: Thank you very much. (Applause)
274
892255
4361
Merci.
BL : Merci beaucoup. (Applaudissements)
BL : Merci beaucoup. (Applaudissements)
15:12
(Applause)
275
896616
7747
(Applaudissements)
ABOUT THE SPEAKERS
Beau Lotto - Neuroscientist, ArtistBeau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system.
Why you should listen
"Let there be perception," was evolution's proclamation, and so it was that all creatures, from honeybees to humans, came to see the world not as it is, but as was most useful. This uncomfortable place--where what an organism's brain sees diverges from what is actually out there--is what Beau Lotto and his team at Lottolab are exploring through their dazzling art-sci experiments and public illusions. Their Bee Matrix installation, for example, places a live bee in a transparent enclosure where gallerygoers may watch it seek nectar in a virtual meadow of luminous Plexiglas flowers. (Bees, Lotto will tell you, see colors much like we humans do.) The data captured isn't just discarded, either: it's put to good use in probing scientific papers, and sometimes in more exhibits.
At their home in London’s Science Museum, the lab holds "synesthetic workshops" where kids and adults make abstract paintings that computers interpret into music, and they host regular Lates--evenings of science, music and "mass experiments." Lotto is passionate about involving people from all walks of life in research on perception--both as subjects and as fellow researchers. One such program, called "i,scientist," in fact led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," December 2010). It starts, "Once upon a time ..."
These and Lotto's other conjurings are slowly, charmingly bending the science of perception--and our perceptions of what science can be.
Beau Lotto | Speaker | TED.com
Amy O'Toole - Student
Amy O'Toole is a 12-year-old student who helped run a science experiment inspired by Beau Lotto's participative science approach. At age 10 she became one of the youngest people ever to publish a peer-reviewed science paper.
Why you should listen
Amy O'Toole is a 12-year-old student with a peer-reviewed scientific publication under her belt. She took part in a participative science program led by Beau Lotto , called "i, scientist," which inspired a science experiment by a group of 26 primary school students in Blackawton, Devon, UK. O'Toole was never interested in science before this project, but now intends to study the human mind and body. The project led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," Royal Society's Biology Letters, December 2010). It starts: "Once upon a time ... ."
Amy O'Toole | Speaker | TED.com