TEDGlobal 2012
Daphne Koller: What we're learning from online education
Daphne Koller: Mit tanulunk az online oktatásból
Filmed:
Readability: 4.8
2,603,043 views
Daphne Koller arra csábít vezető egyetemeket, hogy a legérdekesebb kurzusaikat online, ingyenesen tegyék elérhetővé -- nemcsak szolgáltatásként, hanem az emberi tanulást vizsgálandó kutatás eszközeként. Minden egyes billentyűleütés, tesztkérdés, hallgatói fórum beszélgetés és saját munka értékelése építi a példátlan adatbankot arról, hogy a tudás hogyan keletkezik és legfőképpen, hogyan mélyül el.
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. Full bio
With Coursera, Daphne Koller and co-founder Andrew Ng are bringing courses from top colleges online, free, for anyone who wants to take them. Full bio
Double-click the English transcript below to play the video.
00:16
Like many of you, I'm one of the lucky people.
0
725
3111
Akárcsak sokan közületek, én is egy vagyok a szerencsések közül.
00:19
I was born to a family where education was pervasive.
1
3836
3400
Egy olyan családba születtem, amit áthatott az oktatás.
00:23
I'm a third-generation PhD, a daughter of two academics.
2
7236
4238
Harmadik generációs doktorandusz vagyok, két akadémikus lánya.
00:27
In my childhood, I played around in my father's university lab.
3
11474
3794
Gyerekkoromban édesapám egyetemi laboratóriumában játszottam.
00:31
So it was taken for granted that I attend some of the best universities,
4
15268
3849
Így biztosra vettük, hogy a legjobb egyetemek egyikére fogok járni,
00:35
which in turn opened the door to a world of opportunity.
5
19117
3801
ami aztán a lehetőségek tárházát nyitja meg.
00:38
Unfortunately, most of the people in the world are not so lucky.
6
22918
4120
Sajnos a legtöbb ember a világon nem ilyen szerencsés.
00:42
In some parts of the world, for example, South Africa,
7
27038
3135
A világ egyes tájain, például Dél-Afrikában,
00:46
education is just not readily accessible.
8
30173
2705
az oktatás nem könnyen elérhető.
00:48
In South Africa, the educational system was constructed
9
32878
2975
Dél-Afrikában az oktatási rendszert a fehér kisebbség
00:51
in the days of apartheid for the white minority.
10
35853
2873
apartheidrendszerének napjaiban alakították ki.
00:54
And as a consequence, today there is just not enough spots
11
38726
2700
Következésképpen, ma nincs elég hely rengeteg ember számára,
00:57
for the many more people who want and deserve a high quality education.
12
41426
3852
akik tanulni akarnak és megérdemlik a magas színvonalú oktatást.
01:01
That scarcity led to a crisis in January of this year
13
45278
3880
Ez a hiány krízishez vezetett idén januárban
01:05
at the University of Johannesburg.
14
49158
1836
a Johannesburgi Egyetemen.
01:06
There were a handful of positions left open
15
50994
2131
Csupán maréknyi hely maradt betöltetlen
01:09
from the standard admissions process, and the night before
16
53125
2969
a hagyományos felvételi eljárásban,
01:11
they were supposed to open that for registration,
17
56094
2560
ám a helyek nyilvános kihirdetését megelőző éjszaka
01:14
thousands of people lined up outside the gate in a line a mile long,
18
58654
4052
emberek ezrei sorakoztak föl mérföld hosszan,
01:18
hoping to be first in line to get one of those positions.
19
62706
3880
azt remélve, hogy a sorban elsőként hozzájuthatnak a még elérhető helyekhez.
01:22
When the gates opened, there was a stampede,
20
66586
2308
Amikor a kapukat kinyitották, pánik tört ki
01:24
and 20 people were injured and one woman died.
21
68894
3652
és 20 ember megsérült, valamint egy nő életét vesztette.
01:28
She was a mother who gave her life
22
72546
1940
A nő egy anya volt, aki az életét vesztette,
01:30
trying to get her son a chance at a better life.
23
74486
4063
mert esélyt próbált biztosítani a fiának a jobb jövőre.
01:34
But even in parts of the world like the United States
24
78549
3157
De a világ még azon részein is, mint az Egyesült Államok,
01:37
where education is available, it might not be within reach.
25
81706
4356
ahol az oktatás elérhető, nem biztos, hogy hozzáférhető is.
01:41
There has been much discussed in the last few years
26
86062
2672
Az elmúlt években sokat emlegettük
01:44
about the rising cost of health care.
27
88734
1989
az egészségügyi ellátás emelkedő költségét.
01:46
What might not be quite as obvious to people
28
90723
2642
Ami nem annyira nyilvánvaló az emberek számára,
01:49
is that during that same period the cost of higher education tuition
29
93365
4022
az az, hogy ugyanannyi idő alatt a felsőoktatás költsége
01:53
has been increasing at almost twice the rate,
30
97387
2480
majdnem kétszer annyival emelkedett,
01:55
for a total of 559 percent since 1985.
31
99867
4280
1985 óta összesen 559%-kal.
02:00
This makes education unaffordable for many people.
32
104147
4534
Ez számos ember számára megfizethetetlenné teszi az oktatást.
02:04
Finally, even for those who do manage to get the higher education,
33
108681
3801
Végül, még azoknak sem mindig nyílik meg a lehetőségek tárháza,
02:08
the doors of opportunity might not open.
34
112482
2625
akiknek sikerül bejutni a felsőoktatásba.
02:11
Only a little over half of recent college graduates
35
115107
3207
Az Egyesült Államok felsőoktatásában egyetemi
02:14
in the United States who get a higher education
36
118314
2313
diplomát szerzettek alig több, mint fele
02:16
actually are working in jobs that require that education.
37
120627
3463
rendelkezik olyan állással, ahol alkalmazhatja megszerzett tudását.
02:19
This, of course, is not true for the students
38
124090
1840
Ez természetesen nem igaz azokra,
02:21
who graduate from the top institutions,
39
125930
1952
akik a vezető egyetemeken végeznek,
02:23
but for many others, they do not get the value
40
127882
2632
de sokaknak nem térül meg a befektetett
02:26
for their time and their effort.
41
130514
3536
idő és erőfeszítés.
02:29
Tom Friedman, in his recent New York Times article,
42
134050
3030
Tom Friedman, egy a New York Times-ban nemrégiben megjelent cikkében
02:32
captured, in the way that no one else could, the spirit behind our effort.
43
137080
4368
úgy ragadta meg az erőfeszítésünk szellemiségét, ahogy még senki sem.
02:37
He said the big breakthroughs are what happen
44
141448
3120
Azt írta, hogy a nagy áttörések akkor történnek,
02:40
when what is suddenly possible meets what is desperately necessary.
45
144568
3899
amikor a váratlanul felbukkanó lehetőség találkozik az égetően szükségessel.
02:44
I've talked about what's desperately necessary.
46
148467
2621
Eddig arról beszéltem, hogy mi az, ami égetően szükséges.
02:46
Let's talk about what's suddenly possible.
47
151088
2512
Most nézzük, mi az, ami váratlanul lehetővé vált.
02:49
What's suddenly possible was demonstrated by
48
153600
3119
Ami váratlanul lehetővé vált, azt jól szemlélteti
02:52
three big Stanford classes,
49
156719
1568
három nagy Stanford-i kurzus,
02:54
each of which had an enrollment of 100,000 people or more.
50
158287
3880
melyek közül mindegyikre legalább 100.000 tanuló iratkozott be.
02:58
So to understand this, let's look at one of those classes,
51
162167
3384
Ahhoz hogy jobban megértsük mi történt, nézzük meg közelebbről az egyiket:
03:01
the Machine Learning class offered by my colleague
52
165551
1920
a Gépi Tanulás kurzust, melyet kollégám
03:03
and cofounder Andrew Ng.
53
167471
1729
és alapítótársam Andrew Ng tart.
03:05
Andrew teaches one of the bigger Stanford classes.
54
169200
2319
Andrew tartja az egyik legnagyobb Stanford-i kurzust.
03:07
It's a Machine Learning class,
55
171519
1209
Ez egy Gépi Tanulás kurzus,
03:08
and it has 400 people enrolled every time it's offered.
56
172728
3518
és eddig minden alkalommal 400 diák
iratkozott be rá, amikor meghirdették.
iratkozott be rá, amikor meghirdették.
03:12
When Andrew taught the Machine Learning class to the general public,
57
176246
3265
Amikor Andrew a nagyközönségnek tartotta
a Gépi Tanulás kurzust,
a Gépi Tanulás kurzust,
03:15
it had 100,000 people registered.
58
179511
2616
százezren iratkoztak be.
03:18
So to put that number in perspective,
59
182127
2009
Ahhoz, hogy jobban megértsük mit jelent ez a szám,
03:20
for Andrew to reach that same size audience
60
184136
2359
elmondom, hogy Andrewnak ahhoz,
hogy ezt a részvételi mértéket
hogy ezt a részvételi mértéket
03:22
by teaching a Stanford class,
61
186495
1826
egy Stanford-i kurzus tartásával elérje,
03:24
he would have to do that for 250 years.
62
188321
3926
250 évig kellene tanítania.
03:28
Of course, he'd get really bored.
63
192247
3486
Természetesen halálra unná magát.
03:31
So, having seen the impact of this,
64
195733
2737
Így, ezt a hatást látva, Andrew és én úgy döntöttünk,
03:34
Andrew and I decided that we needed to really try and scale this up,
65
198470
3128
hogy komolyan meg kell próbálnunk ezt kiterjeszteni,
03:37
to bring the best quality education to as many people as we could.
66
201598
4120
hogy annyi embernek juttassuk el a legjobb minőségű oktatást, amennyinek csak lehet.
03:41
So we formed Coursera,
67
205718
1495
Ezért megalapítottuk Coursera-t,
03:43
whose goal is to take the best courses
68
207213
3137
aminek az a célja, hogy a legjobb kurzusokat
03:46
from the best instructors at the best universities
69
210350
3317
a legjobb tanárokkal a legjobb egyetemekről
03:49
and provide it to everyone around the world for free.
70
213667
4028
eljutassa bárkinek a világon ingyen.
03:53
We currently have 43 courses on the platform
71
217695
2600
Jelenleg 43 kurzus elérhető a platformon
03:56
from four universities across a range of disciplines,
72
220295
3199
négy egyetemről egy sor tudományág területéről.
03:59
and let me show you a little bit of an overview
73
223494
1833
Hadd mutassam meg röviden,
04:01
of what that looks like.
74
225327
3278
hogy hogyan is néz ki.
04:04
(Video) Robert Ghrist: Welcome to Calculus.
75
228605
1213
(video) Robert Ghrist: Üdvözölöm az Analízis órán.
04:05
Ezekiel Emanuel: Fifty million people are uninsured.
76
229818
1880
Ezekiel Emanuel: Ötven millió ember nincs biztosítva.
04:07
Scott Page: Models help us design more effective institutions and policies.
77
231698
3271
Scott Page: Modellek abban segítenek minket, hogy hatékonyabb intézményeket és politikát tervezzünk.
04:10
We get unbelievable segregation.
78
234969
2408
Hihetetlen szegregáció az eredmény.
04:13
Scott Klemmer: So Bush imagined that in the future,
79
237377
1792
Scott Klemmer: Bush úgy képzelte, hogy a jövőben
04:15
you'd wear a camera right in the center of your head.
80
239169
2378
egy kamerát viselnél a fejed kellős közepében.
04:17
Mitchell Duneier: Mills wants the student of sociology to develop the quality of mind ...
81
241547
4254
Mitchell Duneier: Mills azt akarja, hogy a szociológia hallgató minőségi gondolkodást fejlesszen ki...
04:21
RG: Hanging cable takes on the form of a hyperbolic cosine.
82
245801
3665
RG: A függő kábel a hiperbólikus koszinusz formáját veszi fel.
04:25
Nick Parlante: For each pixel in the image, set the red to zero.
83
249466
3071
Nick Parlante: A kép minden pixeljén állítsd a pirosat nullára.
04:28
Paul Offit: ... Vaccine allowed us to eliminate polio virus.
84
252537
2977
Paul Offit: ... A védőoltás lehetővé tette, hogy kiírtsuk poliovírust.
04:31
Dan Jurafsky: Does Lufthansa serve breakfast and San Jose? Well, that sounds funny.
85
255514
3623
Dan Jurafsky: Lufthansa reggelit és San Jose-t szolgál fel? Na ez viccesen hangzik.
04:35
Daphne Koller: So this is which coin you pick, and this is the two tosses.
86
259137
3616
Daphne Koller: Tehát ez az az érem, amit választasz, és ez a két dobás.
04:38
Andrew Ng: So in large-scale machine learning, we'd like to come up with computational ...
87
262753
3687
Andrew Ng: Tehát a széleskörű gépi tanulás esetén valami olyannal szeretnénk előállni, ami számítógépes...
04:42
(Applause)
88
266440
5609
(taps)
04:47
DK: It turns out, maybe not surprisingly,
89
272049
2274
DK: Kiderült, talán nem meglepően,
04:50
that students like getting the best content
90
274323
2238
hogy a hallgatók szeretik a legjobb tartalmat
04:52
from the best universities for free.
91
276561
2887
a legjobb egyetemekről ingyen megkapni.
04:55
Since we opened the website in February,
92
279448
2522
Amióta februárban megnyitottuk a weboldalt,
04:57
we now have 640,000 students from 190 countries.
93
281970
4358
640.000 diákunk lett 190 országból.
05:02
We have 1.5 million enrollments,
94
286328
2152
1,5 millió beiratkozást regisztráltunk,
05:04
6 million quizzes in the 15 classes that have launched
95
288480
2850
a meghirdetett 15 kurzuson 6 millió tesztet töltöttek ki és nyújtottak be eddig,
05:07
so far have been submitted, and 14 million videos have been viewed.
96
291330
4916
és 14 millió videót játszottak le.
05:12
But it's not just about the numbers,
97
296246
2518
De mindez nem csak a számokról szól,
05:14
it's also about the people.
98
298764
1641
hanem az emberekről is.
05:16
Whether it's Akash, who comes from a small town in India
99
300405
2976
Legyen szó Akash-ról, aki kis indiai faluból származik,
05:19
and would never have access in this case
100
303381
2175
és soha nem lenne lehetősége, hogy hozzáférjen
05:21
to a Stanford-quality course
101
305556
1489
-ebben az esetben- egy Stanford minőségű kurzushoz,
05:22
and would never be able to afford it.
102
307045
2515
soha nem is engedhetné meg magának.
05:25
Or Jenny, who is a single mother of two
103
309560
2038
Vagy Jenny, aki egy egyedülálló anya két gyermekkel
05:27
and wants to hone her skills
104
311598
1967
és a képességeit szeretné fejleszteni
05:29
so that she can go back and complete her master's degree.
105
313565
3135
hogy visszamehessen befejezni a mesterkurzusát.
05:32
Or Ryan, who can't go to school,
106
316700
3136
Vagy Ryan, aki nem járhat iskolába,
05:35
because his immune deficient daughter
107
319836
1865
mert van egy immunhiányos lánya,
05:37
can't be risked to have germs come into the house,
108
321701
3383
és nem kockáztathatja meg, hogy baktériumok kerüljenek a házba,
05:40
so he couldn't leave the house.
109
325084
1840
így nem mehet el otthonról.
05:42
I'm really glad to say --
110
326924
1632
Őszinte örömmel jelenthetem be, --
05:44
recently, we've been in correspondence with Ryan --
111
328556
2252
a minap Ryan-nel folytatott levelezésünk alapján,--
05:46
that this story had a happy ending.
112
330808
1932
ez a történet happyend-del végződött.
05:48
Baby Shannon -- you can see her on the left --
113
332740
1903
Shannon baba, akit bal oldalon láthattok,
05:50
is doing much better now,
114
334643
1351
sokkal jobban van,
05:51
and Ryan got a job by taking some of our courses.
115
335994
4198
és Ryan talált munkát a nálunk szerzett végzettségének köszönhetően.
05:56
So what made these courses so different?
116
340192
2244
Nos, mitől lettek ezek a kurzusok olyan mások?
05:58
After all, online course content has been available for a while.
117
342436
3720
Végülis online tanfolyamok elérhetőek már egy ideje.
06:02
What made it different was that this was real course experience.
118
346156
3712
A különbséget az teszi, hogy ezek igazi egyetemi kurzus élményét nyújtják.
06:05
It started on a given day,
119
349868
1726
Egy adott napon kezdődnek,
06:07
and then the students would watch videos on a weekly basis
120
351594
3634
a hallgatók heti rendszerességgel nézik a videókat,
06:11
and do homework assignments.
121
355228
1855
és beadandó dolgozatokat készítenek.
06:12
And these would be real homework assignments
122
357083
1791
És ezek igazi házi dolgozatok
06:14
for a real grade, with a real deadline.
123
358874
3304
valódi jegyekért, igazi határidőkkel.
06:18
You can see the deadlines and the usage graph.
124
362178
2056
Ezen az ábrán láthatóak a határidők és a használat mértéke.
06:20
These are the spikes showing
125
364234
2088
Ezek a csúcsok pedig azt mutatják,
06:22
that procrastination is global phenomenon.
126
366322
3789
hogy a halogatás globális jelenség.
06:26
(Laughter)
127
370111
2576
(nevetés)
06:28
At the end of the course,
128
372687
1672
A kurzus végén,
06:30
the students got a certificate.
129
374359
1856
a hallgatók oklevelet kapnak.
06:32
They could present that certificate
130
376215
2160
Ezt az oklevelet megmutathatják
06:34
to a prospective employer and get a better job,
131
378375
2153
egy leendő munkáltatónak, hogy jobb munkát kapjanak,
06:36
and we know many students who did.
132
380528
2060
és mi számtalan diákot ismerünk, akikkel ez megtörtént.
06:38
Some students took their certificate
133
382588
1919
Néhány hallgató bemutatta az oklevelét
06:40
and presented this to an educational institution at which they were enrolled
134
384507
3122
az oktatási intézménynél, ahová járt,
06:43
for actual college credit.
135
387629
1841
hogy valódi krediteket kapjanak.
06:45
So these students were really getting something meaningful
136
389470
2214
Tehát ezek a diákok valami értékeset kaptak
06:47
for their investment of time and effort.
137
391684
2834
a befektetett idejükért és erőfeszítésükért.
06:50
Let's talk a little bit about some of the components
138
394518
2555
Most beszéljünk kicsit a kurzust lehetővé tevő
06:52
that go into these courses.
139
397073
1892
néhány összetevőről.
06:54
The first component is that when you move away
140
398965
2628
Az első összetevő az, hogy amikor
06:57
from the constraints of a physical classroom
141
401593
2297
a fizikai előadóterem kötöttségeit hátrahagyjuk
06:59
and design content explicitly for an online format,
142
403890
2840
és a tananyagot kizárólag online
07:02
you can break away from, for example,
143
406730
2528
formátumba öntjük, szakíthatunk például
07:05
the monolithic one-hour lecture.
144
409258
2415
a merev, egy órás előadás-szerkezettel.
07:07
You can break up the material, for example,
145
411673
1785
Feloszthatjuk a tananyagot, például
07:09
into these short, modular units of eight to 12 minutes,
146
413458
3376
8-12 perces rövid modulokra,
07:12
each of which represents a coherent concept.
147
416834
2974
melyekből mindegyik egy összefüggő gondolatmenetet mutat be.
07:15
Students can traverse this material in different ways,
148
419808
2570
A hallgatók különböző módon haladhatnak végig ezen az anyagon,
07:18
depending on their background, their skills or their interests.
149
422378
3704
a hátterüktől, képességeiktől és érdeklődésüktől függően.
07:21
So, for example, some students might benefit
150
426082
2520
Így például néhány hallgató hasznát veheti
07:24
from a little bit of preparatory material
151
428602
2760
egy kis felkészítő anyagnak,
07:27
that other students might already have.
152
431362
2071
amit más hallgatók már tudhatnak.
07:29
Other students might be interested in a particular
153
433433
2440
Megint más hallgatókat érdekelhet egy speciális,
07:31
enrichment topic that they want to pursue individually.
154
435873
3086
részletekbe menő kiegészítő, amiben ők személyesen érdekeltek.
07:34
So this format allows us to break away
155
438959
3235
Tehát ez a forma lehetővé teszi, hogy elszakadjunk
07:38
from the one-size-fits-all model of education,
156
442194
2824
az egy kaptafára készült oktatási modelltől,
07:40
and allows students to follow a much more personalized curriculum.
157
445018
3992
és lehetővé tegyük a hallgatók számára, hogy egy sokkal személyreszabottabb tantervet kövessenek.
07:44
Of course, we all know as educators
158
449010
2343
Természetesen, mi oktatók mind tudjuk,
07:47
that students don't learn by sitting and passively watching videos.
159
451353
3360
hogy a hallgatók nem tanulnak, ha passzívan, csupán videókat néznek
07:50
Perhaps one of the biggest components of this effort
160
454713
2945
Ennek a törekvésnek talán a legnagyobb összetevője,
07:53
is that we need to have students
161
457658
2592
hogy olyan diákok kellenek ehhez,
07:56
who practice with the material
162
460250
2409
akik gyakorolják is az anyagot,
07:58
in order to really understand it.
163
462659
3156
annak érdekében, hogy valóban megértsék azt.
08:01
There's been a range of studies that demonstrate the importance of this.
164
465815
3268
Számos tanulmány bizonyította ennek fontosságát.
08:04
This one that appeared in Science last year, for example,
165
469083
2532
Ez például a Science magazinban jelent meg tavaly,
08:07
demonstrates that even simple retrieval practice,
166
471615
2832
és azt mutatja be, hogy még az egyszerű felidézést segítő gyakorló feladatok,
08:10
where students are just supposed to repeat
167
474447
2792
amikor a hallgatóknak csak ismételniük kell,
08:13
what they already learned
168
477239
1400
amit már megtanultak,
08:14
gives considerably improved results
169
478639
1920
jelentősen jobb eredményt hoznak
08:16
on various achievement tests down the line
170
480559
2269
különféle teszteken az idő során,
08:18
than many other educational interventions.
171
482828
4304
mint sok más oktatási eszköz.
08:23
We've tried to build in retrieval practice into the platform,
172
487132
2962
Így megpróbáltunk ilyen és más gyakorló feladatokat
08:25
as well as other forms of practice in many ways.
173
490094
2254
többféleképpen beépíteni a platformba.
08:28
For example, even our videos are not just videos.
174
492348
4144
Például a videóink, nem csupán videók.
08:32
Every few minutes, the video pauses
175
496492
2043
Pár percenként megáll a videó,
08:34
and the students get asked a question.
176
498535
2151
és kérdéseket tesz fel a hallgatóknak.
08:36
(Video) SP: ... These four things. Prospect theory, hyperbolic discounting,
177
500686
2221
(videó) SP: ... Ez a négy dolog. Kilátáselmélet, hiperbólikus diszkontálás,
08:38
status quo bias, base rate bias. They're all well documented.
178
502907
3092
status quo torzítás, és az alapgyakoriság figyelmen kívül hagyása. Mind jól dokumentált.
08:41
So they're all well documented deviations from rational behavior.
179
505999
2767
Tehát ezek mind széleskörűen dokumentált eltérések a racionális viselkedéstől.
08:44
DK: So here the video pauses,
180
508766
1624
DK: Tehát itt a videó megáll,
08:46
and the student types in the answer into the box
181
510390
2256
és a diák begépeli a választ a mezőbe
08:48
and submits. Obviously they weren't paying attention.
182
512646
3223
és elküldi azt. Szemlátomást nem figyeltek.
08:51
(Laughter)
183
515884
869
(nevetés)
08:52
So they get to try again,
184
516753
2010
Így újra meg kell, hogy próbálják,
08:54
and this time they got it right.
185
518763
2536
és most már eltalálják.
08:57
There's an optional explanation if they want.
186
521299
2193
A tetszőlegesen elérhető magyarázatot is elolvashatják, ha akarják.
08:59
And now the video moves on to the next part of the lecture.
187
523492
4257
És most a videó folytatódik az előadás következő részével.
09:03
This is a kind of simple question
188
527749
1878
Ez egy egyszerű kérdés,
09:05
that I as an instructor might ask in class,
189
529627
2081
amit én, mint oktató, feltehetek az órán,
09:07
but when I ask that kind of a question in class,
190
531708
2500
de amikor én kérdezek egy ilyen kérdést az órán,
09:10
80 percent of the students
191
534208
1300
a hallgatók 80%-a
09:11
are still scribbling the last thing I said,
192
535508
1866
még azt jegyzeteli, amit utoljára mondtam,
09:13
15 percent are zoned out on Facebook,
193
537374
3321
15% a facebook-ra mered,
09:16
and then there's the smarty pants in the front row
194
540695
2456
és itt van az okoska az első sorban,
09:19
who blurts out the answer
195
543151
1359
aki kiböki a választ
09:20
before anyone else has had a chance to think about it,
196
544510
2207
mielőtt másnak esélye lett volna akár csak elgondolkodni rajta,
09:22
and I as the instructor am terribly gratified
197
546717
2872
és én, mint az oktató, repesek az örömtől,
09:25
that somebody actually knew the answer.
198
549589
1648
hogy valaki egyáltalán tudta a választ.
09:27
And so the lecture moves on before, really,
199
551237
2792
És így az előadás folytatódik, mielőtt a legtöbb hallgató
09:29
most of the students have even noticed that a question had been asked.
200
554029
3529
ténylegesen észre vette volna, hogy egy kérdés egyáltalán fel lett téve.
09:33
Here, every single student
201
557558
2607
Itt minden egyes hallgatónak
09:36
has to engage with the material.
202
560165
2784
bele kell mélyednie az anyagba.
09:38
And of course these simple retrieval questions
203
562949
1936
És természetesen ezek az egyszerű ismétlő kérdések
09:40
are not the end of the story.
204
564885
1662
nem jelentik a történet végét.
09:42
One needs to build in much more meaningful practice questions,
205
566547
2970
Sokkal jelentőségteljesebb gyakorlókérdéseket is be kell építeni,
09:45
and one also needs to provide the students with feedback
206
569517
2353
és a visszajelzést is kell adni a hallgatóknak
09:47
on those questions.
207
571870
1663
a válaszokra.
09:49
Now, how do you grade the work of 100,000 students
208
573533
2888
Nos, hogy osztályozzuk 100.000 hallgató munkáját,
09:52
if you do not have 10,000 TAs?
209
576421
3082
ha nincs 10.000 tanársegédünk?
09:55
The answer is, you need to use technology
210
579503
2354
A válasz az, hogy a technológiát kell segítségül hívni,
09:57
to do it for you.
211
581857
1495
hogy megtegye ezt nekünk.
09:59
Now, fortunately, technology has come a long way,
212
583352
2648
Szerencsére, a technológia hosszú utat tett már meg,
10:01
and we can now grade a range of interesting types of homework.
213
586000
3268
és így már egy sor érdekes típusú házi feladatot értékelhetünk.
10:05
In addition to multiple choice
214
589268
1527
A feleletválasztós és
10:06
and the kinds of short answer questions that you saw in the video,
215
590795
3153
a rövid válaszos kérdéseken túl, amiket a videón láttak,
10:09
we can also grade math, mathematical expressions
216
593948
3260
osztályozhatunk matekot, és matematikai kifejezéseket,
10:13
as well as mathematical derivations.
217
597208
1952
illetve matematikai levezetéseket.
10:15
We can grade models, whether it's
218
599160
2874
Értékelhetünk modelleket, legyen az
10:17
financial models in a business class
219
602034
2176
pénzügyi modell egy üzleti kurzuson
10:20
or physical models in a science or engineering class
220
604210
2984
vagy fizikai modell egy reál, vagy mérnöki kurzuson
10:23
and we can grade some pretty sophisticated programming assignments.
221
607194
3744
és osztályozhatunk rendkívül kifinomult programozási feladatokat.
10:26
Let me show you one that's actually pretty simple
222
610938
1919
Hadd mutassak meg egyet, ami éppenséggel pofonegyszerű,
10:28
but fairly visual.
223
612857
1480
ám meglehetősen látványos.
10:30
This is from Stanford's Computer Science 101 class,
224
614337
2477
Ez egy kezdő óra a Stanford-i Számítástechnika kurzuson,
10:32
and the students are supposed to color-correct
225
616814
1604
és a hallgatónak ki kell javítania annak a homályos,
10:34
that blurry red image.
226
618418
1592
vörös képnek a színét.
10:35
They're typing their program into the browser,
227
620010
2018
Begépelik a programkódot a böngészőjükbe;
10:37
and you can see they didn't get it quite right, Lady Liberty is still seasick.
228
622028
4058
láthatják, nem igazán sikerült, mert a Szabadság-szobor még mindig tengeribeteg.
10:41
And so, the student tries again, and now they got it right, and they're told that,
229
626086
3756
Így aztán a hallgató újra megpróbálja, és most sikerült,
10:45
and they can move on to the next assignment.
230
629842
2359
és így következhet egy újabb feladat.
10:48
This ability to interact actively with the material
231
632201
3148
A lehetőség, hogy interaktívan dolgozzunk az anyaggal,
10:51
and be told when you're right or wrong
232
635349
1684
és megtudjuk, hogy helyes-e a válaszunk vagy sem,
10:52
is really essential to student learning.
233
637033
3126
rendkívül meghatározó a tanulás szempontjából.
10:56
Now, of course we cannot yet grade
234
640159
2275
Nos, nyilvánvalóan még nem tudjuk osztályozni
10:58
the range of work that one needs for all courses.
235
642434
2834
az összes feladattípust, amit minden kurzus megkövetelne.
11:01
Specifically, what's lacking is the kind of critical thinking work
236
645268
3301
Különösképpen hiányzik az érvelésen alapuló munkák osztályozása,
11:04
that is so essential in such disciplines
237
648569
1922
ami annyira alapvető az olyan tudományágakban,
11:06
as the humanities, the social sciences, business and others.
238
650491
3597
mint a humán tárgyak, társadalomtudományok, gazdasági és más területek.
11:09
So we tried to convince, for example,
239
654088
2249
Így megpróbáltunk meggyőzni néhányat
11:12
some of our humanities faculty
240
656337
1616
például a humán tudományi karjaink közül,
11:13
that multiple choice was not such a bad strategy.
241
657953
2696
hogy a feleletválasztós kérdés nem is olyan rossz stratégia.
11:16
That didn't go over really well.
242
660649
2191
Hát ez nem ment valami fényesen.
11:18
So we had to come up with a different solution.
243
662840
2433
Valami mással kellett előállnunk.
11:21
And the solution we ended up using is peer grading.
244
665273
3074
A megoldás, ami mellett döntöttünk, az egymás osztályozása volt.
11:24
It turns out that previous studies show,
245
668347
2422
Kiderült, hogy korábbi tanulmányok kimutatták,
11:26
like this one by Saddler and Good,
246
670769
1672
mint ez is, Saddler-től és Good-tól,
11:28
that peer grading is a surprisingly effective strategy
247
672441
2488
hogy az egymás osztályozása egy meglepően hatékony stratégia
11:30
for providing reproducible grades.
248
674929
3214
nagy mennyiségű osztályozás esetén.
11:34
It was tried only in small classes,
249
678143
1770
Csak kis osztályokban próbálták ki,
11:35
but there it showed, for example,
250
679913
1487
de az eredmény kimutatta, hogy például
11:37
that these student-assigned grades on the y-axis
251
681400
2482
ezek a hallgatók által adott osztályzatok -az y tengelyen-
11:39
are actually very well correlated
252
683882
1311
valójában elég jól megközelítették
11:41
with the teacher-assigned grade on the x-axis.
253
685193
2296
a tanár által adott osztályzatot -ld. az x tengelyen.
11:43
What's even more surprising is that self-grades,
254
687489
3160
Ami még meglepőbb, hogy önmaguk osztályozása esetén
11:46
where the students grade their own work critically --
255
690649
2311
amikor a hallgatók kritikusan értékelték a saját munkájukat, --
11:48
so long as you incentivize them properly
256
692960
1737
amíg megfelelően ösztönözzük őket,
11:50
so they can't give themselves a perfect score --
257
694697
1938
hogy maguknak ne adjanak tökéletes pontokat --
11:52
are actually even better correlated with the teacher grades.
258
696635
3191
ezek még ténylegesen jobban is közelítenek a tanári értékeléshez.
11:55
And so this is an effective strategy
259
699826
1607
És így ez egy hatékony stratégia,
11:57
that can be used for grading at scale,
260
701433
2104
amit nagy mennyiség esetén is használhatunk,
11:59
and is also a useful learning strategy for the students,
261
703537
2736
és egy hatékony tanulási stratégia a diákoknak,
12:02
because they actually learn from the experience.
262
706273
2255
mert valóban tanulnak a tapasztalásból.
12:04
So we now have the largest peer-grading pipeline ever devised,
263
708528
4649
Tehát mi most rendelkezünk a legnagyobb egymást osztályozó közösséggel,
12:09
where tens of thousands of students
264
713177
2504
amit valaha létrehoztak, ahol hallgatók tízezrei
12:11
are grading each other's work,
265
715681
1198
osztályozzák egymás munkáját,
12:12
and quite successfully, I have to say.
266
716879
3069
és meg kell mondjam, egész sikeresen.
12:15
But this is not just about students
267
719948
2260
De ez nem csak azokról a hallgatókról szól,
12:18
sitting alone in their living room working through problems.
268
722208
3041
akik a szobájukban egyedül ülve oldják meg a feladatokat.
12:21
Around each one of our courses,
269
725249
1807
Minden egyes kurzus körül
12:22
a community of students had formed,
270
727056
2160
kialakult egy hallgatói közössége,
12:25
a global community of people
271
729216
1880
egy globális emberi közössége,
12:26
around a shared intellectual endeavor.
272
731096
2532
egy közös intellektuális érdeklődési kör mentén.
12:29
What you see here is a self-generated map
273
733628
2652
Amit itt látnak, az egy automatikus térkép
12:32
from students in our Princeton Sociology 101 course,
274
736280
2961
a Princeton-i Szociológia bevezető kurzusának hallgatóiról,
12:35
where they have put themselves on a world map,
275
739241
2759
mely megmutatja, hogy, hova helyezték magukat a világtérképen,
12:37
and you can really see the global reach of this kind of effort.
276
742000
2960
s így valóban láthatják egy ilyen erőfeszítés globális kiterjedését.
12:40
Students collaborated in these courses in a variety of different ways.
277
744960
4567
A hallgatók különféle módokon működtek együtt ezeken a kurzusokon.
12:45
First of all, there was a question and answer forum,
278
749527
2639
Először is volt egy kérdés-felelet fórum,
12:48
where students would pose questions,
279
752166
2144
ahol a hallgatók feltehetnek kérdéseket,
12:50
and other students would answer those questions.
280
754310
2424
és más hallgatók megválaszolhatják azokat.
12:52
And the really amazing thing is,
281
756734
1713
És az igazán bámulatos dolog az az,
12:54
because there were so many students,
282
758447
1670
hogy mivel olyan sok hallgató volt,
12:56
it means that even if a student posed a question
283
760117
2365
ez azt jelentette, hogy ha egy hallgató
12:58
at 3 o'clock in the morning,
284
762482
1632
hajnali 3 órakor tett fel egy kérdést,
13:00
somewhere around the world,
285
764114
1582
valahol a világon akadt valaki,
13:01
there would be somebody who was awake
286
765696
2074
aki ébren volt,
13:03
and working on the same problem.
287
767770
2313
és ugyanazon a problémán dolgozott.
13:05
And so, in many of our courses,
288
770083
1958
És így, számos kurzuson
13:07
the median response time for a question
289
772041
2329
a válaszolási idő közép értéke
13:10
on the question and answer forum was 22 minutes.
290
774370
3418
22 perc volt a kérdés-felelet fórumon.
13:13
Which is not a level of service I have ever offered to my Stanford students.
291
777788
4577
IIyen szintű szolgáltatást én soha nem is ajánlhatnék fel egy Stanford-i hallgatómnak.
13:18
(Laughter)
292
782365
1341
(nevetés)
13:19
And you can see from the student testimonials
293
783706
1942
Látható a hallgatók visszajelzéseiből,
13:21
that students actually find
294
785648
1687
hogy tényleg úgy vélik,
13:23
that because of this large online community,
295
787335
2521
hogy a hatalmas online közösség miatt,
13:25
they got to interact with each other in many ways
296
789856
2599
sok szempontból mélyebben kapcsolódhattak egymással,
13:28
that were deeper than they did in the context of the physical classroom.
297
792455
4193
mint egy fizikailag létező tanteremben tették volna.
13:32
Students also self-assembled,
298
796648
2344
A diákok maguktól összejártak,
13:34
without any kind of intervention from us,
299
798992
1863
tőlünk érkező bármilyen beavatkozás nélkül,
13:36
into small study groups.
300
800855
1903
kis tanuló csoportokba.
13:38
Some of these were physical study groups
301
802758
2362
Néhány ezek közül a valóságban találkozó csoport volt
13:41
along geographical constraints
302
805120
1826
földrajzi korlátok szerint,
13:42
and met on a weekly basis to work through problem sets.
303
806946
2722
és hetente találkoztak, hogy kidolgozzanak feladatokat.
13:45
This is the San Francisco study group,
304
809668
1900
Ez a San Francisco-i tanuló csoport,
13:47
but there were ones all over the world.
305
811568
2319
de a világ minden táján alakultak ilyen csoportok.
13:49
Others were virtual study groups,
306
813887
2032
Mások virtuális tanuló csoportok voltak,
13:51
sometimes along language lines or along cultural lines,
307
815919
2989
néha nyelvi vagy kulturális jellemzők mentén
13:54
and on the bottom left there,
308
818908
1444
és a bal alsó sarokban,
13:56
you see our multicultural universal study group
309
820352
3796
láthatják a multikulturális, univerzális tanuló csoportot,
14:00
where people explicitly wanted to connect
310
824148
1763
ahol az emberek kifejezetten más kultúrákkal
14:01
with people from other cultures.
311
825911
3006
akartak kapcsolatba lépni.
14:04
There are some tremendous opportunities
312
828917
2111
Óriási lehetőségek rejlenek itt,
14:06
to be had from this kind of framework.
313
831028
3325
hogy egy ilyen keretek között dolgozhatunk.
14:10
The first is that it has the potential of giving us
314
834353
3654
Az első, hogy lehetőségünk nyílik
14:13
a completely unprecedented look
315
838007
2434
egy teljesen példa nélküli betekintést nyerni
14:16
into understanding human learning.
316
840441
2289
az emberi tanulás megértésébe.
14:18
Because the data that we can collect here is unique.
317
842730
3463
Mivel a gyűjthető adatok egyedülállóak.
14:22
You can collect every click, every homework submission,
318
846193
4009
Adatot gyűjthetsz minden egyes klikkelésről, házi feladat beküldésről
14:26
every forum post from tens of thousands of students.
319
850202
4363
hallgatók tízezreinek minden fórumhozzászólásáról.
14:30
So you can turn the study of human learning
320
854565
2343
Így az emberi tanulás kutatását
14:32
from the hypothesis-driven mode
321
856908
1933
a hipotézis-vezéreltről
14:34
to the data-driven mode, a transformation that,
322
858841
2858
adatvezéreltre állíthatjuk át, ami egy olyan átalakulás,
14:37
for example, has revolutionized biology.
323
861699
3041
ami például forradalmasította a biológiát.
14:40
You can use these data to understand fundamental questions
324
864740
3424
Ezeket az adatokat használhatjuk arra, hogy alapvető kérdéseket értsünk meg,
14:44
like, what are good learning strategies
325
868164
1880
mint: mik a jó tanulási stratégiák,
14:45
that are effective versus ones that are not?
326
870044
2696
melyek hatékonyak és melyek nem.
14:48
And in the context of particular courses,
327
872740
2240
És az egyes kurzusok esetében,
14:50
you can ask questions
328
874980
1537
feltehetünk kérdéseket,
14:52
like, what are some of the misconceptions that are more common
329
876517
3255
mint: melyek az általánosan téves feltevések,
14:55
and how do we help students fix them?
330
879772
2177
és hogyan segíthetünk a hallgatóknak kijavítani azokat?
14:57
So here's an example of that,
331
881949
1424
Álljon itt egy példa erre,
14:59
also from Andrew's Machine Learning class.
332
883373
2016
szintén Andrew Gépi Tanulás órájáról.
15:01
This is a distribution of wrong answers
333
885389
2208
Ez a rossz válaszok eloszlását mutatja
15:03
to one of Andrew's assignments.
334
887597
1610
Andrew egyik beadandója esetében.
15:05
The answers happen to be pairs of numbers,
335
889207
1893
A válaszok itt történetesen számpárok,
15:07
so you can draw them on this two-dimensional plot.
336
891100
2271
így ezeket ezen a kétdimenziós ábrán vázolhatjuk.
15:09
Each of the little crosses that you see is a different wrong answer.
337
893371
3778
Minden kis kereszt különböző rossz válaszokat jelöl.
15:13
The big cross at the top left
338
897149
2406
A nagy kereszt a bal felső sarokban
15:15
is where 2,000 students
339
899555
2148
azt jelzi, amikor 2.000 hallgató
15:17
gave the exact same wrong answer.
340
901703
3045
ugyanazt a rossz választ adta.
15:20
Now, if two students in a class of 100
341
904748
2327
Nos, ha két hallgató egy 100 fős osztályban
15:22
give the same wrong answer,
342
907075
1287
ugyanazt a rossz választ adja,
15:24
you would never notice.
343
908362
1351
soha nem vennénk észre.
15:25
But when 2,000 students give the same wrong answer,
344
909713
2560
De ha 2.000 hallgató ugyanazt a rossz választ adja,
15:28
it's kind of hard to miss.
345
912273
1697
azt nehéz eltéveszteni.
15:29
So Andrew and his students went in,
346
913970
2192
Így Andrew és a hallgatói
15:32
looked at some of those assignments,
347
916162
1520
megnéztek néhányat a feladat megoldásokból,
15:33
understood the root cause of the misconception,
348
917682
4088
és megértették a félreértés kiváltó okát,
15:37
and then they produced a targeted error message
349
921770
2520
majd készítettek egy célzott hiba üzenetet,
15:40
that would be provided to every student
350
924290
2249
amit minden egyes diáknak eljuttattak,
15:42
whose answer fell into that bucket,
351
926539
2179
akinek a válasza abba a részbe esett,
15:44
which means that students who made that same mistake
352
928718
2084
s ez azt jelenti, hogy az egyforma hibát elkövető hallgatók,
15:46
would now get personalized feedback
353
930802
2026
most személyre szabott visszajelzést kaptak arról,
15:48
telling them how to fix their misconception much more effectively.
354
932828
4399
hogyan javíthatják ki a téves feltevésüket sokkal hatékonyabban.
15:53
So this personalization is something that one can then build
355
937227
3811
Tehát ez a személyre szabás olyasvalami,
15:56
by having the virtue of large numbers.
356
941038
3140
amit a nagy számoknak köszönhetően hozhatunk létre.
16:00
Personalization is perhaps
357
944178
2312
A személyre szabás talán
16:02
one of the biggest opportunities here as well,
358
946490
2423
az egyik legnagyobb lehetőség itt,
16:04
because it provides us with the potential
359
948913
2345
mert lehetővé teszi számunkra,
16:07
of solving a 30-year-old problem.
360
951258
2690
hogy egy 30 éves problémát oldjunk meg.
16:09
Educational researcher Benjamin Bloom, in 1984,
361
953948
3349
Oktatási kutató, Benjamin Bloom 1984-ben
16:13
posed what's called the 2 sigma problem,
362
957297
2251
vetette fel a 2 szigma problémát,
16:15
which he observed by studying three populations.
363
959548
3062
amit három populáció tanulmányozása által figyelt meg.
16:18
The first is the population that studied in a lecture-based classroom.
364
962610
3608
Az első esetben a hallgatók előadás alapú tantermi oktatásban vettek részt.
16:22
The second is a population of students that studied
365
966218
2777
A másodikban a hallgatók szintén hagyományos előadás alapú
16:24
using a standard lecture-based classroom,
366
968995
1719
tantermi oktatást használtak,
16:26
but with a mastery-based approach,
367
970714
2080
de egy elsajátítás alapú megközelítést alkalmaztak,
16:28
so the students couldn't move on to the next topic
368
972794
1920
így a diák nem léphetett a következő témára,
16:30
before demonstrating mastery of the previous one.
369
974714
3354
amíg nem demonstrálta az előző anyag elsajátítását.
16:33
And finally, there was a population of students
370
978068
2294
És végül, volt egy hallgatói populáció,
16:36
that were taught in a one-on-one instruction using a tutor.
371
980362
4528
ahol a tanár egyenként foglalkozott a diákokkal.
16:40
The mastery-based population was a full standard deviation,
372
984890
3272
Az elsajátítás-alapú populáció teljes körű normál eloszlást mutatott
16:44
or sigma, in achievement scores better
373
988162
2288
vagy szigmát, jobb eredményeket elérve,
16:46
than the standard lecture-based class,
374
990450
2394
mint a hagyományos tanóra alapú órán,
16:48
and the individual tutoring gives you 2 sigma
375
992844
2144
az egyéni oktatás pedig két szigmányi
16:50
improvement in performance.
376
994988
1830
teljesítmény növekedést eredményez.
16:52
To understand what that means,
377
996818
1463
Ahhoz, hogy megértsük mindez mit jelent,
16:54
let's look at the lecture-based classroom,
378
998281
1833
nézzük meg közelebbről a tantermi alapú oktatást,
16:56
and let's pick the median performance as a threshold.
379
1000114
2919
és vegyük a teljesítmény középértékét küszöbértéknek.
16:58
So in a lecture-based class,
380
1003033
1338
Egy tantermi alapú oktatás során
17:00
half the students are above that level and half are below.
381
1004371
3879
a hallgatók fele a szint felett van, a másik fele alatta.
17:04
In the individual tutoring instruction,
382
1008250
2098
Az egyéni oktatás esetén,
17:06
98 percent of the students are going to be above that threshold.
383
1010348
4801
a hallgatók 98%-a a küszöbérték felett van.
17:11
Imagine if we could teach so that 98 percent of our students
384
1015149
3920
Képzeljük el, hogy úgy tudunk tanítani, hogy a hallgatók 98%-a
17:14
would be above average.
385
1019069
2198
átlagon felül teljesít!
17:17
Hence, the 2 sigma problem.
386
1021267
3423
Ebből következik a 2 szigma probléma.
17:20
Because we cannot afford, as a society,
387
1024690
2399
Mivel társadalomként nem engedhetjük meg,
17:22
to provide every student with an individual human tutor.
388
1027089
3072
hogy minden hallgató számára egyéni emberi oktatót biztosítsunk.
17:26
But maybe we can afford to provide each student
389
1030161
2249
Ám lehet, hogy minden hallgató számára biztosíthatunk
17:28
with a computer or a smartphone.
390
1032410
2019
egy számítógépet, vagy okostelefont.
17:30
So the question is, how can we use technology
391
1034429
2189
Így a kérdés az, hogy hogyan használhatjuk a technológiát
17:32
to push from the left side of the graph, from the blue curve,
392
1036618
3375
hogy az ábra bal oldaláról a kék görbétől jobbra
17:35
to the right side with the green curve?
393
1039993
2738
mozduljunk el, a zöld görbe felé.
17:38
Mastery is easy to achieve using a computer,
394
1042731
2337
Az elsajátítást könnyű elérni számítógép segítségével,
17:40
because a computer doesn't get tired
395
1045068
1405
mivel a gép nem fárad el,
17:42
of showing you the same video five times.
396
1046473
3073
ha ötször kell is ugyanazt a videót lejátszania.
17:45
And it doesn't even get tired of grading the same work multiple times,
397
1049546
3251
És attól sem fárad el, ha ugyanazt osztályozza sokszor,
17:48
we've seen that in many of the examples that I've shown you.
398
1052802
3026
ezt láthattuk számos példában, amit mutattam.
17:51
And even personalization
399
1055828
1854
És még a személyre szabás is egy olyan dolog,
17:53
is something that we're starting to see the beginnings of,
400
1057682
2136
aminek kezdjük látni a beindulását,
17:55
whether it's via the personalized trajectory through the curriculum
401
1059818
3192
legyen az személyre szabott röppálya a tananyagon át,
17:58
or some of the personalized feedback that we've shown you.
402
1063010
3264
vagy személyre szabott visszajelzés, amit korábban mutattunk.
18:02
So the goal here is to try and push,
403
1066274
2488
Tehát a cél itt az, hogy megpróbáljuk véghezvinni,
18:04
and see how far we can get towards the green curve.
404
1068762
3497
és kideríteni milyen messze tudunk a zöld görbe irányába haladni.
18:08
So, if this is so great, are universities now obsolete?
405
1072259
5359
Ha ez annyira nagyszerű, akkor egyetemek elavulttá válnak?
18:13
Well, Mark Twain certainly thought so.
406
1077618
2992
Nos, Mark Twain mindenképpen úgy gondolta!
18:16
He said that, "College is a place where a professor's lecture notes
407
1080610
2545
Azt mondta, "Az egyetem olyan hely, ahol a professzorok előadásjegyzetei
18:19
go straight to the students' lecture notes,
408
1083155
1703
közvetlenül a diákok előadásjegyzeteivé válnak,
18:20
without passing through the brains of either."
409
1084858
2376
anélkül, hogy bármelyikük agyán átfutna."
18:23
(Laughter)
410
1087234
4047
(nevetés)
18:27
I beg to differ with Mark Twain, though.
411
1091281
2668
Én azért bátorkodom ellentmondani Mark Twain-nek.
18:29
I think what he was complaining about is not
412
1093949
2665
Úgy gondolom, hogy az ő panasza nem az egyetemekről,
18:32
universities but rather the lecture-based format
413
1096614
2750
hanem a tantermi előadás alapú oktatásról szól,
18:35
that so many universities spend so much time on.
414
1099364
2784
amire olyan sok egyetem olyan sok időt szán.
18:38
So let's go back even further, to Plutarch,
415
1102148
3159
Úgyhogy menjünk még visszább az időben ehhez, Plutarkhoszig,
18:41
who said that, "The mind is not a vessel that needs filling,
416
1105307
2227
aki azt mondta: "Az elme nem egy edény, amit meg kell tölteni,
18:43
but wood that needs igniting."
417
1107534
2023
hanem fa, amit lángra kell gyújtani."
18:45
And maybe we should spend less time at universities
418
1109557
2190
És talán kevesebb időt kéne töltenünk az egyetemeken azzal,
18:47
filling our students' minds with content
419
1111747
2571
hogy a hallgatóink fejét tartalommal töltsük meg,
18:50
by lecturing at them, and more time igniting their creativity,
420
1114318
3800
eladások tartásával, és több időt kéne tölteni a kreativitásuk,
18:54
their imagination and their problem-solving skills
421
1118118
3255
képzelőerejük és problémamegoldó képességeik lángra lobbantásával,
18:57
by actually talking with them.
422
1121373
2498
mégpedig úgy, hogy ténylegesen beszélünk velünk.
18:59
So how do we do that?
423
1123871
1367
Nos, hogy tehetjük ezt meg?
19:01
We do that by doing active learning in the classroom.
424
1125238
3431
Úgy, hogy aktív tanulást használunk a tantermekben.
19:04
So there's been many studies, including this one,
425
1128669
2449
Nos, számtalan tanulmányt folytattak, ezt is beleértve,
19:07
that show that if you use active learning,
426
1131118
2080
ami azt találta, hogy aktív tanulást használva,
19:09
interacting with your students in the classroom,
427
1133198
2416
a hallgatókkal a tanteremben kapcsolatba lépve,
19:11
performance improves on every single metric --
428
1135614
2696
a teljesítmény növekszik minden egyes mutatón
19:14
on attendance, on engagement and on learning
429
1138310
2449
-- jelenléten, részvételen és tanuláson,
19:16
as measured by a standardized test.
430
1140759
2055
amint azt egy standardizált teszt is kimutatta.
19:18
You can see, for example, that the achievement score
431
1142814
1864
Láthatják, hogy például, a teljesítmény pontszám
19:20
almost doubles in this particular experiment.
432
1144678
2870
majdnem megduplázódott ebben a bizonyos kísérletben.
19:23
So maybe this is how we should spend our time at universities.
433
1147548
4401
Lehet, hogy inkább így kéne töltenünk az időnket az egyetemeken.
19:27
So to summarize, if we could offer a top quality education
434
1151949
4577
Összefoglalva, ha magas színvonalú oktatást tudnánk ajánlani
19:32
to everyone around the world for free,
435
1156526
1903
ingyen mindenkinek a Föld kerekén,
19:34
what would that do? Three things.
436
1158429
2821
mi történne? Három dolog.
19:37
First it would establish education as a fundamental human right,
437
1161250
3421
Először, elérnénk, hogy oktatás alapvető emberi joggá válna,
19:40
where anyone around the world
438
1164671
1366
bárki a világon,
19:41
with the ability and the motivation
439
1166037
1921
a képességek és a motiváció birtokában
19:43
could get the skills that they need
440
1167958
1951
megszerezhetné azokat a készségeket,
19:45
to make a better life for themselves,
441
1169909
1585
amik jobb életet biztosítanak neki,
19:47
their families and their communities.
442
1171494
2017
a családjának és a közösségének.
19:49
Second, it would enable lifelong learning.
443
1173511
2631
Másodszorra, lehetővé tenné az élethosszig tartó tanulást.
19:52
It's a shame that for so many people,
444
1176142
1951
Kár, hogy oly sok ember számára
19:53
learning stops when we finish high school or when we finish college.
445
1178093
3312
véget ér a tanulás, amikor befejezi a középiskolát vagy egyetemet.
19:57
By having this amazing content be available,
446
1181405
2481
Azzal, hogy ez az elképesztő tananyag elérhető válik,
19:59
we would be able to learn something new
447
1183886
2743
képesek lennénk valami újat tanulni minden alkalommal,
20:02
every time we wanted,
448
1186629
1136
amikor csak akarjuk,
20:03
whether it's just to expand our minds
449
1187765
1329
legyen szó gondolkodásmódunk gazdagításáról,
20:04
or it's to change our lives.
450
1189094
1959
vagy életünk megváltoztatásáról.
20:06
And finally, this would enable a wave of innovation,
451
1191053
3145
És végül, lehetővé tenné az innováció egy hullámát,
20:10
because amazing talent can be found anywhere.
452
1194198
3072
mert bámulatos tehetségre bárhol lelhetünk.
20:13
Maybe the next Albert Einstein or the next Steve Jobs
453
1197270
3008
Talán a következő Albert Einstein vagy Steve Jobs
20:16
is living somewhere in a remote village in Africa.
454
1200278
2615
Afrika egy eldugott falujában él.
20:18
And if we could offer that person an education,
455
1202893
2656
Ha annak az embernek oktatást ajánlhatnánk,
20:21
they would be able to come up with the next big idea
456
1205549
2356
előállhatna a következő nagy ötlettel,
20:23
and make the world a better place for all of us.
457
1207905
2404
és jobbá tehetné a világot mindannyiunk számára.
20:26
Thank you very much.
458
1210309
1160
Nagyon szépen köszönöm.
20:27
(Applause)
459
1211469
7583
(Taps)
ABOUT THE SPEAKER
Daphne Koller - EducatorWith 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.
Daphne Koller | Speaker | TED.com