TEDGlobal 2012
Daphne Koller: What we're learning from online education
Daphne Koller: Czego nas uczy edukacja online
Filmed:
Readability: 4.8
2,603,043 views
Daphne Koller próbuje zachęcić najlepsze ośrodki akademickie do umieszczania swoich najatrakcyjniejszych kursów za darmo online. Nie chodzi tylko o usługę, ale również jako nowy sposób badań nad sposobami zdobywania wiedzy. Każde naciśnięcie klawisza, quiz, forum dyskusyjne i system samooceny buduje bezprecedensową bazę danych na temat tego, w jaki sposób wiedza jest przetwarzana i, co najważniejsze, przyswajana.
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
Jak wielu z was jestem szczęściarą.
00:19
I was born to a family where education was pervasive.
1
3836
3400
Pochodzę z rodziny,
w której nauka była wszechobecna.
w której nauka była wszechobecna.
00:23
I'm a third-generation PhD, a daughter of two academics.
2
7236
4238
Rodzice to akademicy.
Jestem 3 pokoleniem z doktoratem.
Jestem 3 pokoleniem z doktoratem.
00:27
In my childhood, I played around in my father's university lab.
3
11474
3794
Dzieciństwo spędziłam
w laboratorium uniwersyteckim ojca.
w laboratorium uniwersyteckim ojca.
00:31
So it was taken for granted that I attend some of the best universities,
4
15268
3849
Uczęszczałam na najlepsze uczelnie,
00:35
which in turn opened the door to a world of opportunity.
5
19117
3801
które otworzyły drogę
do świata nieskończonych możliwości.
do świata nieskończonych możliwości.
00:38
Unfortunately, most of the people in the world are not so lucky.
6
22918
4120
Niestety, nie wszyscy mają tyle szczęścia.
00:42
In some parts of the world, for example, South Africa,
7
27038
3135
W niektórych częściach świata, jak w RPA,
00:46
education is just not readily accessible.
8
30173
2705
edukacja nie jest ogólnie dostępna.
00:48
In South Africa, the educational system was constructed
9
32878
2975
System edukacyjny został tam stworzony
00:51
in the days of apartheid for the white minority.
10
35853
2873
przez białą mniejszość w czasie apartheidu.
00:54
And as a consequence, today there is just not enough spots
11
38726
2700
Dlatego nadal brakuje miejsc dla wielu,
00:57
for the many more people who want and deserve a high quality education.
12
41426
3852
którzy zasługują
na edukację na wysokim poziomie.
na edukację na wysokim poziomie.
01:01
That scarcity led to a crisis in January of this year
13
45278
3880
Ten deficyt, doprowadził w styczniu do kryzysu
01:05
at the University of Johannesburg.
14
49158
1836
na uniwersytecie w Johannesburgu.
01:06
There were a handful of positions left open
15
50994
2131
Po pierwszym etapie procesu rekrutacji,
01:09
from the standard admissions process, and the night before
16
53125
2969
została garstka wolnych miejsc
01:11
they were supposed to open that for registration,
17
56094
2560
i miały zostać udostępnione rano,
01:14
thousands of people lined up outside the gate in a line a mile long,
18
58654
4052
tysiące ludzi ustawiło się w kolejce,
01:18
hoping to be first in line to get one of those positions.
19
62706
3880
w nadziei, że miejsc wystarczy i dla nich.
01:22
When the gates opened, there was a stampede,
20
66586
2308
Po otwarciu bram wybuchła panika,
01:24
and 20 people were injured and one woman died.
21
68894
3652
20 osób rannych, jedna straciła życie.
01:28
She was a mother who gave her life
22
72546
1940
Była to matka, która oddała życie
01:30
trying to get her son a chance at a better life.
23
74486
4063
próbując zapewnić synowi lepszą przyszłość.
01:34
But even in parts of the world like the United States
24
78549
3157
Ale nawet w kraju z edukacją powszechną, jak USA,
01:37
where education is available, it might not be within reach.
25
81706
4356
nie każdy ma do niej dostęp.
01:41
There has been much discussed in the last few years
26
86062
2672
Dużo mówi się
01:44
about the rising cost of health care.
27
88734
1989
o wzroście kosztów opieki medycznej.
01:46
What might not be quite as obvious to people
28
90723
2642
Wielu uwadze umknęło,
01:49
is that during that same period the cost of higher education tuition
29
93365
4022
że w tym samym czasie,
01:53
has been increasing at almost twice the rate,
30
97387
2480
koszt opłat za studia od 1985 roku
01:55
for a total of 559 percent since 1985.
31
99867
4280
wzrósł o całe 559%
02:00
This makes education unaffordable for many people.
32
104147
4534
Dlatego edukacja jest dla wielu osób niedostępna.
02:04
Finally, even for those who do manage to get the higher education,
33
108681
3801
Nawet dla tych,
którzy zdobyli wyższe wykształcenie,
którzy zdobyli wyższe wykształcenie,
02:08
the doors of opportunity might not open.
34
112482
2625
często drzwi do lepszego życia są zamknięte.
02:11
Only a little over half of recent college graduates
35
115107
3207
Niewiele ponad połowa absolwentów
02:14
in the United States who get a higher education
36
118314
2313
szkół wyższych w USA
02:16
actually are working in jobs that require that education.
37
120627
3463
pracuje w zawodzie zgodnym z wykształceniem.
02:19
This, of course, is not true for the students
38
124090
1840
Nie dotyczy to, rzecz jasna,
02:21
who graduate from the top institutions,
39
125930
1952
studentów czołowych uczelni wyższych.
02:23
but for many others, they do not get the value
40
127882
2632
Czas i wysiłek wielu absolwentów
02:26
for their time and their effort.
41
130514
3536
nie jest ceniony na rynku pracy.
02:29
Tom Friedman, in his recent New York Times article,
42
134050
3030
Tom Friedman, z New York Timesa,
02:32
captured, in the way that no one else could, the spirit behind our effort.
43
137080
4368
świetnie to ujął pisząc o "duchu naszych starań".
02:37
He said the big breakthroughs are what happen
44
141448
3120
Napisał: "Największe przełomy następują,
02:40
when what is suddenly possible meets what is desperately necessary.
45
144568
3899
kiedy nowa możliwość
pomaga sprostać rozpaczliwej potrzebie.
pomaga sprostać rozpaczliwej potrzebie.
02:44
I've talked about what's desperately necessary.
46
148467
2621
Mówiłam już o rozpaczliwych potrzebach.
02:46
Let's talk about what's suddenly possible.
47
151088
2512
Pomówmy o nowych możliwościach.
02:49
What's suddenly possible was demonstrated by
48
153600
3119
Pokazały to ostatnio
02:52
three big Stanford classes,
49
156719
1568
3 kursy Uniwersytetu Stanford.
02:54
each of which had an enrollment of 100,000 people or more.
50
158287
3880
Każdy z nich liczył około 100 tys. słuchaczy.
02:58
So to understand this, let's look at one of those classes,
51
162167
3384
Przyjrzyjmy się jednemu: "Uczenie maszynowe",
03:01
the Machine Learning class offered by my colleague
52
165551
1920
prowadzone przez mojego kolegę
03:03
and cofounder Andrew Ng.
53
167471
1729
i współzałożyciela platformy, Andrew Ng.
03:05
Andrew teaches one of the bigger Stanford classes.
54
169200
2319
Jego kurs jest bardzo popularny.
03:07
It's a Machine Learning class,
55
171519
1209
Gdy pojawia się w ofercie,
03:08
and it has 400 people enrolled every time it's offered.
56
172728
3518
przyciąga około 400 słuchaczy.
03:12
When Andrew taught the Machine Learning class to the general public,
57
176246
3265
Kiedy kurs udostępniono online,
03:15
it had 100,000 people registered.
58
179511
2616
zapisało się 100 tys. osób.
03:18
So to put that number in perspective,
59
182127
2009
Gdyby Andrew chciał zgromadzić
03:20
for Andrew to reach that same size audience
60
184136
2359
tyle samo osób w audytorium
03:22
by teaching a Stanford class,
61
186495
1826
w Stanford,
03:24
he would have to do that for 250 years.
62
188321
3926
musiałby wykładać przez 250 lat.
03:28
Of course, he'd get really bored.
63
192247
3486
W końcu by się znudził.
03:31
So, having seen the impact of this,
64
195733
2737
Widząc wpływ tego przedsięwzięcia,
03:34
Andrew and I decided that we needed to really try and scale this up,
65
198470
3128
postanowiliśmy rozszerzyć skalę,
03:37
to bring the best quality education to as many people as we could.
66
201598
4120
udostępniając najlepszą edukację
jak największej ilości osób.
jak największej ilości osób.
03:41
So we formed Coursera,
67
205718
1495
Tak powstała Coursera,
03:43
whose goal is to take the best courses
68
207213
3137
która dostarcza najlepsze kursy
03:46
from the best instructors at the best universities
69
210350
3317
najlepszych wykładowców
z najlepszych uniwersytetów,
z najlepszych uniwersytetów,
03:49
and provide it to everyone around the world for free.
70
213667
4028
za darmo, wszystkim na całym świecie.
03:53
We currently have 43 courses on the platform
71
217695
2600
Są na niej 43 kursy z różnych dziedzin,
03:56
from four universities across a range of disciplines,
72
220295
3199
z 4 uniwersytetów.
03:59
and let me show you a little bit of an overview
73
223494
1833
Pokażę wam jak to działa.
04:01
of what that looks like.
74
225327
3278
(Wideo) Robert Ghrist:
04:04
(Video) Robert Ghrist: Welcome to Calculus.
75
228605
1213
Witam na analizie matematycznej.
04:05
Ezekiel Emanuel: Fifty million people are uninsured.
76
229818
1880
Ezekiel Emanuel: 50 mln osób nie ma bezpieczenia.
04:07
Scott Page: Models help us design more effective institutions and policies.
77
231698
3271
Scott Page: Modele pozwalają tworzyć
04:10
We get unbelievable segregation.
78
234969
2408
skuteczniejsze strategie i instytucje.
04:13
Scott Klemmer: So Bush imagined that in the future,
79
237377
1792
Scott Klemmer: Bush myślał, że w przyszłości
04:15
you'd wear a camera right in the center of your head.
80
239169
2378
ludzie będą nosić kamery na głowie.
04:17
Mitchell Duneier: Mills wants the student of sociology to develop the quality of mind ...
81
241547
4254
Mitchell Duneier: Mills chce,
by student socjologii rozwijał umysł...
by student socjologii rozwijał umysł...
04:21
RG: Hanging cable takes on the form of a hyperbolic cosine.
82
245801
3665
RG: Wiszący kabel przybiera postać
hiperbolicznego cosinusa.
hiperbolicznego cosinusa.
04:25
Nick Parlante: For each pixel in the image, set the red to zero.
83
249466
3071
Nick Parlante: Dla każdego piksela
wyzeruj kolor czerwony.
wyzeruj kolor czerwony.
04:28
Paul Offit: ... Vaccine allowed us to eliminate polio virus.
84
252537
2977
Paul Offit: Szczepionki umożliwiły
eliminację wirusa polio.
eliminację wirusa polio.
04:31
Dan Jurafsky: Does Lufthansa serve breakfast and San Jose? Well, that sounds funny.
85
255514
3623
Dan Jurafsky: Czy Lufthansa serwuje śniadanie
w San Jose? Brzmi śmiesznie.
w San Jose? Brzmi śmiesznie.
04:35
Daphne Koller: So this is which coin you pick, and this is the two tosses.
86
259137
3616
Daphne Koller: To wybrana moneta,
a to dwa kolejne rzuty.
a to dwa kolejne rzuty.
04:38
Andrew Ng: So in large-scale machine learning, we'd like to come up with computational ...
87
262753
3687
Andrew Ng: By wprowadzić uczenie maszynowe
na szeroką skalę,
na szeroką skalę,
04:42
(Applause)
88
266440
5609
musielibyśmy wymyślić obliczeniowe...(Brawa)
04:47
DK: It turns out, maybe not surprisingly,
89
272049
2274
DK: Zgodnie z zamierzeniem,
04:50
that students like getting the best content
90
274323
2238
studenci za darmo otrzymują materiał
04:52
from the best universities for free.
91
276561
2887
z najlepszych uniwersytetów.
04:55
Since we opened the website in February,
92
279448
2522
Od otwarcia portalu w lutym,
04:57
we now have 640,000 students from 190 countries.
93
281970
4358
mamy 640 tys. studentów ze 190 krajów
05:02
We have 1.5 million enrollments,
94
286328
2152
i 1.5 mln zapisów, 6 mln testów
05:04
6 million quizzes in the 15 classes that have launched
95
288480
2850
z 15 kursów, które rozpoczęliśmy.
05:07
so far have been submitted, and 14 million videos have been viewed.
96
291330
4916
14 milionów obejrzało nasze filmy.
05:12
But it's not just about the numbers,
97
296246
2518
Ale nie chodzi o liczby.
05:14
it's also about the people.
98
298764
1641
Chodzi o ludzi.
05:16
Whether it's Akash, who comes from a small town in India
99
300405
2976
Może to Akash z Indii,
05:19
and would never have access in this case
100
303381
2175
który nigdy nie miałby dostępu
05:21
to a Stanford-quality course
101
305556
1489
do kursów na poziomie Stanford
05:22
and would never be able to afford it.
102
307045
2515
i nie byłoby go na nie stać.
05:25
Or Jenny, who is a single mother of two
103
309560
2038
Czy Jenny, samotna matka dwójki,
05:27
and wants to hone her skills
104
311598
1967
która pragnie wrócić na uczelnię,
05:29
so that she can go back and complete her master's degree.
105
313565
3135
by dokończyć studia magisterskie.
05:32
Or Ryan, who can't go to school,
106
316700
3136
Czy też Ryan, który nie może chodzić na wykłady,
05:35
because his immune deficient daughter
107
319836
1865
bo jego córeczka cierpi na immunopatię,
05:37
can't be risked to have germs come into the house,
108
321701
3383
i nie można ryzykować
05:40
so he couldn't leave the house.
109
325084
1840
przyniesienia zarazków do domu.
05:42
I'm really glad to say --
110
326924
1632
Miło mi poinformować,
05:44
recently, we've been in correspondence with Ryan --
111
328556
2252
że ta historia
05:46
that this story had a happy ending.
112
330808
1932
znalazła szczęśliwe zakończenie.
05:48
Baby Shannon -- you can see her on the left --
113
332740
1903
Shannon, po prawej, ma się lepiej,
05:50
is doing much better now,
114
334643
1351
a Ryan dostał pracę
05:51
and Ryan got a job by taking some of our courses.
115
335994
4198
dzięki kilku naszym kursom.
05:56
So what made these courses so different?
116
340192
2244
Co wyróżnia nasze kursy?
05:58
After all, online course content has been available for a while.
117
342436
3720
Nauka online jest dostępna od jakiegoś czasu.
06:02
What made it different was that this was real course experience.
118
346156
3712
Ale nasze kursy pozwalają doświadczyć szkoły.
06:05
It started on a given day,
119
349868
1726
Zaczynają się w konkretnym dniu,
06:07
and then the students would watch videos on a weekly basis
120
351594
3634
studenci oglądają wykłady co tydzień,
06:11
and do homework assignments.
121
355228
1855
i rozwiązują prawdziwe zadania domowe,
06:12
And these would be real homework assignments
122
357083
1791
i rozwiązują prawdziwe zadania domowe,
06:14
for a real grade, with a real deadline.
123
358874
3304
w określonym terminie i na ocenę.
06:18
You can see the deadlines and the usage graph.
124
362178
2056
Możecie to zobaczyć na wykresie.
06:20
These are the spikes showing
125
364234
2088
Jasno pokazuje on,
06:22
that procrastination is global phenomenon.
126
366322
3789
że zwłoka jest zjawiskiem globalnym.
06:26
(Laughter)
127
370111
2576
(Śmiech)
06:28
At the end of the course,
128
372687
1672
Na koniec kursu
06:30
the students got a certificate.
129
374359
1856
każdy otrzymuje certyfikat.
06:32
They could present that certificate
130
376215
2160
Mogą go przedstawić przyszłemu pracodawcy
06:34
to a prospective employer and get a better job,
131
378375
2153
i otrzymać lepszą pracę.
06:36
and we know many students who did.
132
380528
2060
Znamy wiele takich przypadków.
06:38
Some students took their certificate
133
382588
1919
Niektórzy, przedstawili go swojej uczelni
06:40
and presented this to an educational institution at which they were enrolled
134
384507
3122
Niektórzy, przedstawili go swojej uczelni
06:43
for actual college credit.
135
387629
1841
i otrzymali punkty zaliczeniowe.
06:45
So these students were really getting something meaningful
136
389470
2214
Ich czas i trud został doceniony
06:47
for their investment of time and effort.
137
391684
2834
i miało to znaczenie.
06:50
Let's talk a little bit about some of the components
138
394518
2555
Porozmawiajmy teraz
06:52
that go into these courses.
139
397073
1892
o składniowych kursów.
06:54
The first component is that when you move away
140
398965
2628
Kiedy pozbywamy się fizycznych ograniczeń klasy,
06:57
from the constraints of a physical classroom
141
401593
2297
i projektujemy zawartość kursów
06:59
and design content explicitly for an online format,
142
403890
2840
w formacie odpowiednim dla internetu,
07:02
you can break away from, for example,
143
406730
2528
można odejść od monolitu
07:05
the monolithic one-hour lecture.
144
409258
2415
godzinnego wykładu;
07:07
You can break up the material, for example,
145
411673
1785
podzielić materiał na krótkie,
07:09
into these short, modular units of eight to 12 minutes,
146
413458
3376
8-12 minutowe fragmenty,
07:12
each of which represents a coherent concept.
147
416834
2974
dotyczące konkretnego zagadnienia.
07:15
Students can traverse this material in different ways,
148
419808
2570
Studenci przyswajać materiał na różne sposoby,
07:18
depending on their background, their skills or their interests.
149
422378
3704
zależnie od dotychczasowej wiedzy,
umiejętności i zainteresowań.
umiejętności i zainteresowań.
07:21
So, for example, some students might benefit
150
426082
2520
Niektórzy mogą skorzystać
07:24
from a little bit of preparatory material
151
428602
2760
z materiału przygotowawczego,
07:27
that other students might already have.
152
431362
2071
który innym jest już znany.
07:29
Other students might be interested in a particular
153
433433
2440
Inni mogą być zainteresowani
07:31
enrichment topic that they want to pursue individually.
154
435873
3086
szczegółowym wzbogaceniem tematyki.
07:34
So this format allows us to break away
155
438959
3235
Ten format pozwala na zerwanie
07:38
from the one-size-fits-all model of education,
156
442194
2824
z tradycyjnym podejściem do nauczania,
07:40
and allows students to follow a much more personalized curriculum.
157
445018
3992
umożliwiając rozwój edukacji spersonalizowanej.
07:44
Of course, we all know as educators
158
449010
2343
Jako wykładowcy wiemy,
07:47
that students don't learn by sitting and passively watching videos.
159
451353
3360
że studenci nie uczą się pasywnie słuchając.
07:50
Perhaps one of the biggest components of this effort
160
454713
2945
Ważnym elementem tego procesu,
07:53
is that we need to have students
161
457658
2592
jest praca studentów,
07:56
who practice with the material
162
460250
2409
którzy muszą przećwiczyć materiał,
07:58
in order to really understand it.
163
462659
3156
aby go naprawdę zrozumieć.
08:01
There's been a range of studies that demonstrate the importance of this.
164
465815
3268
To przekonanie potwierdza szereg badań.
08:04
This one that appeared in Science last year, for example,
165
469083
2532
W zeszłorocznym numerze "Science"
08:07
demonstrates that even simple retrieval practice,
166
471615
2832
ukazał się artykuł pokazujący,
08:10
where students are just supposed to repeat
167
474447
2792
że nawet proste techniki powtórzeniowe
08:13
what they already learned
168
477239
1400
znanego już materiału,
08:14
gives considerably improved results
169
478639
1920
dają znacznie lepsze rezultaty
08:16
on various achievement tests down the line
170
480559
2269
w różnych testach osiągnięć,
08:18
than many other educational interventions.
171
482828
4304
niż inne edukacyjne zabiegi.
08:23
We've tried to build in retrieval practice into the platform,
172
487132
2962
Staramy się uwzględniać to na naszej platformie,
08:25
as well as other forms of practice in many ways.
173
490094
2254
na równi z innymi metodami.
08:28
For example, even our videos are not just videos.
174
492348
4144
Nasze wykłady to nie tylko filmy.
08:32
Every few minutes, the video pauses
175
496492
2043
Co kilka minut wykład zostaje zatrzymany
08:34
and the students get asked a question.
176
498535
2151
a studenci dostają pytania.
08:36
(Video) SP: ... These four things. Prospect theory, hyperbolic discounting,
177
500686
2221
(Wideo) SP: 4 rzeczy. Teoria perspektywy, hiperboliczne obniżenie wartości,
08:38
status quo bias, base rate bias. They're all well documented.
178
502907
3092
błąd statusu quo, zaniedbywanie miarodajności.
08:41
So they're all well documented deviations from rational behavior.
179
505999
2767
To dobrze udokumentowane odchylenia
od racjonalnego zachowania.
od racjonalnego zachowania.
08:44
DK: So here the video pauses,
180
508766
1624
DK: W tym momencie film się zatrzymuje,
08:46
and the student types in the answer into the box
181
510390
2256
a student wpisuje odpowiedź w ramkę i zatwierdza.
[Odpowiedź błędna]
Najwyraźniej nie uważał.
Najwyraźniej nie uważał.
08:48
and submits. Obviously they weren't paying attention.
182
512646
3223
08:51
(Laughter)
183
515884
869
(Śmiech)
08:52
So they get to try again,
184
516753
2010
Może spróbować ponownie.
08:54
and this time they got it right.
185
518763
2536
Tym razem odpowiedź poprawna.
08:57
There's an optional explanation if they want.
186
521299
2193
Może też skorzystać z dodatkowego wyjaśnienia.
Następuje dalsza część wykładu.
08:59
And now the video moves on to the next part of the lecture.
187
523492
4257
09:03
This is a kind of simple question
188
527749
1878
Kiedy zadaję takie pytania
09:05
that I as an instructor might ask in class,
189
529627
2081
podczas wykładu,
09:07
but when I ask that kind of a question in class,
190
531708
2500
który prowadzę,
09:10
80 percent of the students
191
534208
1300
80% studentów
09:11
are still scribbling the last thing I said,
192
535508
1866
notuje jeszcze moje słowa,
09:13
15 percent are zoned out on Facebook,
193
537374
3321
15% przegląda Facebooka,
09:16
and then there's the smarty pants in the front row
194
540695
2456
i tylko mądrala z pierwszego rzędu
09:19
who blurts out the answer
195
543151
1359
wyskakuje z odpowiedzią,
09:20
before anyone else has had a chance to think about it,
196
544510
2207
zanim inni zdołali pomyśleć.
09:22
and I as the instructor am terribly gratified
197
546717
2872
Jako wykładowca, jestem zadowolona,
09:25
that somebody actually knew the answer.
198
549589
1648
że ktoś w ogóle znał odpowiedź.
09:27
And so the lecture moves on before, really,
199
551237
2792
Wykład idzie dalej, zanim większość studentów
09:29
most of the students have even noticed that a question had been asked.
200
554029
3529
zdążyła choćby zauważyć, że zadano pytanie.
09:33
Here, every single student
201
557558
2607
Tutaj każdy student musi poznać materiał.
09:36
has to engage with the material.
202
560165
2784
Tutaj każdy student musi poznać materiał.
09:38
And of course these simple retrieval questions
203
562949
1936
Pytania powtórzeniowe
09:40
are not the end of the story.
204
564885
1662
to nie wszystko.
09:42
One needs to build in much more meaningful practice questions,
205
566547
2970
Potrzebne są dogłębniejsze pytania
09:45
and one also needs to provide the students with feedback
206
569517
2353
i umożliwienie studentom
09:47
on those questions.
207
571870
1663
konsultacji odpowiedzi.
09:49
Now, how do you grade the work of 100,000 students
208
573533
2888
Ale jak oceniać pracę 100 tys. studentów
09:52
if you do not have 10,000 TAs?
209
576421
3082
bez 100 tys. asystentów?
09:55
The answer is, you need to use technology
210
579503
2354
Należy używać technologii.
09:57
to do it for you.
211
581857
1495
Należy używać technologii.
09:59
Now, fortunately, technology has come a long way,
212
583352
2648
Nowa technologia umożliwia nam,
10:01
and we can now grade a range of interesting types of homework.
213
586000
3268
ocenę różnych zadań domowych.
10:05
In addition to multiple choice
214
589268
1527
Oprócz testów wielokrotnego wyboru,
10:06
and the kinds of short answer questions that you saw in the video,
215
590795
3153
i krótkich pytań, jakie widzieliśmy na filmie,
10:09
we can also grade math, mathematical expressions
216
593948
3260
możemy oceniać wyrażenia matematyczne
10:13
as well as mathematical derivations.
217
597208
1952
czy pochodne;
10:15
We can grade models, whether it's
218
599160
2874
modele,
10:17
financial models in a business class
219
602034
2176
czy to finansowe na kursie biznesu,
10:20
or physical models in a science or engineering class
220
604210
2984
czy też fizyczne na zajęciach z inżynierii lub fizyki.
10:23
and we can grade some pretty sophisticated programming assignments.
221
607194
3744
Możemy też oceniać skomplikowane
zadania programistyczne.
zadania programistyczne.
10:26
Let me show you one that's actually pretty simple
222
610938
1919
Pokażę wam prosty,
10:28
but fairly visual.
223
612857
1480
ale wyrazisty przykład.
10:30
This is from Stanford's Computer Science 101 class,
224
614337
2477
Stanfordzki kurs informatyki.
10:32
and the students are supposed to color-correct
225
616814
1604
Studenci mają poprawić kolorystykę
10:34
that blurry red image.
226
618418
1592
rozmazanego czerwonego obrazu.
10:35
They're typing their program into the browser,
227
620010
2018
Wpisują swój program w przeglądarkę.
10:37
and you can see they didn't get it quite right, Lady Liberty is still seasick.
228
622028
4058
Jeśli się pomylą, Statua Wolności będzie zielona.
10:41
And so, the student tries again, and now they got it right, and they're told that,
229
626086
3756
Jeśli wpiszą program poprawnie,
10:45
and they can move on to the next assignment.
230
629842
2359
przechodzą do następnego zadania.
10:48
This ability to interact actively with the material
231
632201
3148
Możliwość interaktywnej pracy z materiałem,
10:51
and be told when you're right or wrong
232
635349
1684
na zasadzie złych i dobrych odpowiedzi,
10:52
is really essential to student learning.
233
637033
3126
jest niezbędna w procesie nauczania.
10:56
Now, of course we cannot yet grade
234
640159
2275
Oczywiście, nie możemy ocenić
10:58
the range of work that one needs for all courses.
235
642434
2834
szerokiego zakresu prac wszystkich kierunków.
11:01
Specifically, what's lacking is the kind of critical thinking work
236
645268
3301
Brakuje możliwości oceny myślenia krytycznego,
11:04
that is so essential in such disciplines
237
648569
1922
tak potrzebnego w dyscyplinach humanistycznych,
11:06
as the humanities, the social sciences, business and others.
238
650491
3597
społecznych, biznesie i wielu innych.
11:09
So we tried to convince, for example,
239
654088
2249
Próbowaliśmy przekonać
11:12
some of our humanities faculty
240
656337
1616
wydział nauk humanistycznych
11:13
that multiple choice was not such a bad strategy.
241
657953
2696
do testów wielokrotnego wyboru.
11:16
That didn't go over really well.
242
660649
2191
Nie poszło najlepiej.
11:18
So we had to come up with a different solution.
243
662840
2433
Musieliśmy znaleźć inne rozwiązanie.
11:21
And the solution we ended up using is peer grading.
244
665273
3074
To system wzajemnej oceny studentów.
11:24
It turns out that previous studies show,
245
668347
2422
Badania Saddlera czy Good'a,
11:26
like this one by Saddler and Good,
246
670769
1672
jasno wskazują,
11:28
that peer grading is a surprisingly effective strategy
247
672441
2488
że to zaskakująco skuteczna
11:30
for providing reproducible grades.
248
674929
3214
strategia oceniania.
11:34
It was tried only in small classes,
249
678143
1770
Badania w małych klasach
11:35
but there it showed, for example,
250
679913
1487
jasno pokazały,
11:37
that these student-assigned grades on the y-axis
251
681400
2482
że oceny studentów, na osi rzędnych
11:39
are actually very well correlated
252
683882
1311
były bardzo zbliżone
11:41
with the teacher-assigned grade on the x-axis.
253
685193
2296
do ocen nauczycieli, na osi odciętych.
11:43
What's even more surprising is that self-grades,
254
687489
3160
Ciekawy jest też fakt,
11:46
where the students grade their own work critically --
255
690649
2311
że studenci oceniający własną pracę,
11:48
so long as you incentivize them properly
256
692960
1737
przy odpowiedniej zachęcie,
11:50
so they can't give themselves a perfect score --
257
694697
1938
by nie dawać sobie najwyższych ocen,
11:52
are actually even better correlated with the teacher grades.
258
696635
3191
oceniają bardzo podobnie do nauczycieli.
11:55
And so this is an effective strategy
259
699826
1607
Zatem to bardzo skuteczna metoda oceniania,
11:57
that can be used for grading at scale,
260
701433
2104
Zatem to bardzo skuteczna metoda oceniania,
11:59
and is also a useful learning strategy for the students,
261
703537
2736
jak również nauczania,
12:02
because they actually learn from the experience.
262
706273
2255
bo studenci uczą się też przez doświadczenie.
12:04
So we now have the largest peer-grading pipeline ever devised,
263
708528
4649
Tak stworzyliśmy największy system wzajemnej oceny ,
12:09
where tens of thousands of students
264
713177
2504
gdzie tysiące studentów
12:11
are grading each other's work,
265
715681
1198
z powodzeniem ocenia
12:12
and quite successfully, I have to say.
266
716879
3069
pracę swoich kolegów.
12:15
But this is not just about students
267
719948
2260
Nie chodzi jednak o samotne
12:18
sitting alone in their living room working through problems.
268
722208
3041
rozwiązywanie zadań.
12:21
Around each one of our courses,
269
725249
1807
Każdy kurs tworzy wokół siebie
12:22
a community of students had formed,
270
727056
2160
studencką społeczność,
12:25
a global community of people
271
729216
1880
zgrupowaną wokół
12:26
around a shared intellectual endeavor.
272
731096
2532
wspólnego wysiłku intelektualnego.
12:29
What you see here is a self-generated map
273
733628
2652
To mapa samoistnie wygenerowana
12:32
from students in our Princeton Sociology 101 course,
274
736280
2961
przez studentów socjologii Princeton.
12:35
where they have put themselves on a world map,
275
739241
2759
Umieścili miejsca zamieszkania na mapie.
12:37
and you can really see the global reach of this kind of effort.
276
742000
2960
Dokładnie obrazuje globalny zasięg
tego przedsięwzięcia.
tego przedsięwzięcia.
12:40
Students collaborated in these courses in a variety of different ways.
277
744960
4567
Studenci współpracowali na wiele różnych sposobów.
12:45
First of all, there was a question and answer forum,
278
749527
2639
Stworzono forum pytań i odpowiedzi,
12:48
where students would pose questions,
279
752166
2144
gdzie studenci mogli
12:50
and other students would answer those questions.
280
754310
2424
zadawać i odpowiadać na pytania.
12:52
And the really amazing thing is,
281
756734
1713
Niezwykłe było to,
12:54
because there were so many students,
282
758447
1670
że grupa była tak liczna,
12:56
it means that even if a student posed a question
283
760117
2365
że nawet jeśli ktoś
12:58
at 3 o'clock in the morning,
284
762482
1632
zadał pytanie o 3 nad ranem,
13:00
somewhere around the world,
285
764114
1582
gdzieś na świecie
13:01
there would be somebody who was awake
286
765696
2074
znalazł się ktoś,
13:03
and working on the same problem.
287
767770
2313
kto właśnie pracował nad tym problemem.
13:05
And so, in many of our courses,
288
770083
1958
W wielu kursach
13:07
the median response time for a question
289
772041
2329
średni czas odpowiedzi
13:10
on the question and answer forum was 22 minutes.
290
774370
3418
wynosił zaledwie 22 minuty.
13:13
Which is not a level of service I have ever offered to my Stanford students.
291
777788
4577
Takiego poziomu usług
nigdy nie zapewnię studentom na Stanford.
nigdy nie zapewnię studentom na Stanford.
13:18
(Laughter)
292
782365
1341
(Śmiech)
13:19
And you can see from the student testimonials
293
783706
1942
Z opinii studentów
13:21
that students actually find
294
785648
1687
jasno wynika,
13:23
that because of this large online community,
295
787335
2521
że dzięki tej olbrzymiej społeczności
13:25
they got to interact with each other in many ways
296
789856
2599
mogli nawiązać kontakty
13:28
that were deeper than they did in the context of the physical classroom.
297
792455
4193
głębsze niż podczas kontaktu w klasie.
13:32
Students also self-assembled,
298
796648
2344
Bez naszej ingerencji,
13:34
without any kind of intervention from us,
299
798992
1863
samodzielnie formowali
13:36
into small study groups.
300
800855
1903
mniejsze grupy.
13:38
Some of these were physical study groups
301
802758
2362
Niektóre z nich na poziomie lokalnym,
13:41
along geographical constraints
302
805120
1826
zgodnie z miejscem pobytu.
13:42
and met on a weekly basis to work through problem sets.
303
806946
2722
Co tydzień wspólnie pracowano nad zadaniami.
13:45
This is the San Francisco study group,
304
809668
1900
To grupa naukowa z San Francisco,
13:47
but there were ones all over the world.
305
811568
2319
ale były też gdzie indziej na świecie.
13:49
Others were virtual study groups,
306
813887
2032
Tworzono też wirtualne grupy naukowe,
13:51
sometimes along language lines or along cultural lines,
307
815919
2989
ze względu na wspólnotę języka czy kultury.
13:54
and on the bottom left there,
308
818908
1444
W lewym dolnym rogu,
13:56
you see our multicultural universal study group
309
820352
3796
możecie zobaczyć grupę wielokulturową,
14:00
where people explicitly wanted to connect
310
824148
1763
stworzoną przez ludzi
14:01
with people from other cultures.
311
825911
3006
chcących poznać inne kultury.
14:04
There are some tremendous opportunities
312
828917
2111
Tego rodzaju struktury
14:06
to be had from this kind of framework.
313
831028
3325
mają ogromny potencjał.
14:10
The first is that it has the potential of giving us
314
834353
3654
Dają możliwość
14:13
a completely unprecedented look
315
838007
2434
bezprecedensowego spojrzenia
14:16
into understanding human learning.
316
840441
2289
i zrozumienia procesu ludzkiej nauki.
14:18
Because the data that we can collect here is unique.
317
842730
3463
Zbierane przez nas dane są unikatowe.
14:22
You can collect every click, every homework submission,
318
846193
4009
Można rejestrować każde kliknięcie, prace domową
14:26
every forum post from tens of thousands of students.
319
850202
4363
i post na forum dla setek tysięcy studentów.
14:30
So you can turn the study of human learning
320
854565
2343
Stan badań nad zdobywaniem wiedzy
14:32
from the hypothesis-driven mode
321
856908
1933
przejdzie od hipotez
14:34
to the data-driven mode, a transformation that,
322
858841
2858
do analizy danych.
14:37
for example, has revolutionized biology.
323
861699
3041
Ta metoda zrewolucjonizowała biologię.
14:40
You can use these data to understand fundamental questions
324
864740
3424
Te dane mogą pomóc zrozumieć
14:44
like, what are good learning strategies
325
868164
1880
jakie metody nauki są efektywne
14:45
that are effective versus ones that are not?
326
870044
2696
a jakie nie.
14:48
And in the context of particular courses,
327
872740
2240
Przy konkretnych kursach
14:50
you can ask questions
328
874980
1537
można zadać pytanie
14:52
like, what are some of the misconceptions that are more common
329
876517
3255
o najbardziej powszechne błędy
14:55
and how do we help students fix them?
330
879772
2177
i pomóc je studentom rozwiązać.
14:57
So here's an example of that,
331
881949
1424
Ponownie "Uczenie maszynowe".
14:59
also from Andrew's Machine Learning class.
332
883373
2016
To wykres
15:01
This is a distribution of wrong answers
333
885389
2208
błędnych odpowiedzi
15:03
to one of Andrew's assignments.
334
887597
1610
na jedno z zadań Andrew.
15:05
The answers happen to be pairs of numbers,
335
889207
1893
Odpowiedź wyrażono w formie dwóch liczb,
15:07
so you can draw them on this two-dimensional plot.
336
891100
2271
dlatego obrazuje ją dwuwymiarowa podziałka.
15:09
Each of the little crosses that you see is a different wrong answer.
337
893371
3778
Dwa krzyżyki to dwie różne błędne odpowiedzi.
15:13
The big cross at the top left
338
897149
2406
Duży krzyżyk w lewy górnym rogu
15:15
is where 2,000 students
339
899555
2148
obrazuje kumulację błędnych odpowiedzi
15:17
gave the exact same wrong answer.
340
901703
3045
około 2 tys. studentów.
15:20
Now, if two students in a class of 100
341
904748
2327
Kiedy w klasie liczącej 100 osób
15:22
give the same wrong answer,
342
907075
1287
zaledwie 2 studentów odpowiada błędnie,
15:24
you would never notice.
343
908362
1351
ciężko to zauważyć.
15:25
But when 2,000 students give the same wrong answer,
344
909713
2560
Ale jeśli 2 tys. daje tą samą błędną odpowiedź,
15:28
it's kind of hard to miss.
345
912273
1697
ten fakt trudno przegapić.
15:29
So Andrew and his students went in,
346
913970
2192
Andrew wraz ze studentami,
15:32
looked at some of those assignments,
347
916162
1520
przejrzeli niektóre zadania,
15:33
understood the root cause of the misconception,
348
917682
4088
aby zrozumieć, skąd wziął się błąd.
15:37
and then they produced a targeted error message
349
921770
2520
Stworzyli też zindywidualizowany komunikat błedu
15:40
that would be provided to every student
350
924290
2249
dla każdego studenta,
15:42
whose answer fell into that bucket,
351
926539
2179
który wyszedł z tego błędnego założenia.
15:44
which means that students who made that same mistake
352
928718
2084
Studenci, którzy popełnili te same błędy
15:46
would now get personalized feedback
353
930802
2026
otrzymali spersonalizowaną informację,
15:48
telling them how to fix their misconception much more effectively.
354
932828
4399
jak skutecznie poprawić błędne założenie.
15:53
So this personalization is something that one can then build
355
937227
3811
Personalizację można rozbudowywać
15:56
by having the virtue of large numbers.
356
941038
3140
właśnie dzięki dużej ilości studentów.
16:00
Personalization is perhaps
357
944178
2312
Może personalizacja
16:02
one of the biggest opportunities here as well,
358
946490
2423
jest również ogromną szansą
16:04
because it provides us with the potential
359
948913
2345
na rozwiązanie problemu
16:07
of solving a 30-year-old problem.
360
951258
2690
mającego już 30 lat.
16:09
Educational researcher Benjamin Bloom, in 1984,
361
953948
3349
W 1984 roku, Benjamin Bloom
16:13
posed what's called the 2 sigma problem,
362
957297
2251
przedstawił fenomen zwany problemem 2 sigma,
16:15
which he observed by studying three populations.
363
959548
3062
który zaobserwował badając 3 grupy uczniów.
16:18
The first is the population that studied in a lecture-based classroom.
364
962610
3608
Pierwsza grupa słuchała tradycyjnych wykładów.
16:22
The second is a population of students that studied
365
966218
2777
Druga uczyła się również w klasie,
16:24
using a standard lecture-based classroom,
366
968995
1719
ale przy użyciu metody zakładającej,
16:26
but with a mastery-based approach,
367
970714
2080
że studenci nie mogą
16:28
so the students couldn't move on to the next topic
368
972794
1920
przejść do następnego tematu,
16:30
before demonstrating mastery of the previous one.
369
974714
3354
zanim nie opanują mistrzowsko poprzedniego.
16:33
And finally, there was a population of students
370
978068
2294
Ostatnia, trzecia grupa
16:36
that were taught in a one-on-one instruction using a tutor.
371
980362
4528
nauczana była indywidualnie.
16:40
The mastery-based population was a full standard deviation,
372
984890
3272
Wyniki metody mistrzowskiej były lepsze
16:44
or sigma, in achievement scores better
373
988162
2288
o całe odchylenie standardowe, czyli sigma,
16:46
than the standard lecture-based class,
374
990450
2394
od standardowych wykładów.
16:48
and the individual tutoring gives you 2 sigma
375
992844
2144
Nauczanie indywidualne różniło się o dwie sigmy
16:50
improvement in performance.
376
994988
1830
czyli dwa odchylenia standardowe.
16:52
To understand what that means,
377
996818
1463
Aby zrozumieć, co to dokładnie oznacza,
16:54
let's look at the lecture-based classroom,
378
998281
1833
przyjrzyjmy się tradycyjnemu nauczaniu
16:56
and let's pick the median performance as a threshold.
379
1000114
2919
i wybierzmy średnią ocen jako próg.
16:58
So in a lecture-based class,
380
1003033
1338
Połowa studentów znajdzie się powyżej przeciętnej,
17:00
half the students are above that level and half are below.
381
1004371
3879
a połowa poniżej.
17:04
In the individual tutoring instruction,
382
1008250
2098
W nauczaniu indywidualnym,
17:06
98 percent of the students are going to be above that threshold.
383
1010348
4801
98% znajduje się powyżej przeciętnej.
17:11
Imagine if we could teach so that 98 percent of our students
384
1015149
3920
Wyobraźmy sobie takie kształcenie,
17:14
would be above average.
385
1019069
2198
gdzie 98% studentów jest ponad przeciętną.
17:17
Hence, the 2 sigma problem.
386
1021267
3423
Problem 2 odchyleń standardowych bierze się stąd,
17:20
Because we cannot afford, as a society,
387
1024690
2399
że społeczeństwa nie stać
17:22
to provide every student with an individual human tutor.
388
1027089
3072
na indywidualne nauczanie wszystkich studentów.
17:26
But maybe we can afford to provide each student
389
1030161
2249
Ale może stać nas na zapewnienie im
17:28
with a computer or a smartphone.
390
1032410
2019
dostępu do komputera czy smartfona.
17:30
So the question is, how can we use technology
391
1034429
2189
Jak użyć technologii,
by błękitna krzywa wykresu
17:32
to push from the left side of the graph, from the blue curve,
392
1036618
3375
przesunęła się w prawo, do zielonej krzywej?
17:35
to the right side with the green curve?
393
1039993
2738
17:38
Mastery is easy to achieve using a computer,
394
1042731
2337
Z komputerem łatwiej jest opanowywać materiał,
17:40
because a computer doesn't get tired
395
1045068
1405
bo nie męczy go
17:42
of showing you the same video five times.
396
1046473
3073
pokazywanie tego samego materiału 5 razy z rzędu,
17:45
And it doesn't even get tired of grading the same work multiple times,
397
1049546
3251
czy ocenianie tej samej pracy kilka razy.
17:48
we've seen that in many of the examples that I've shown you.
398
1052802
3026
Mieliśmy okazję już to zauważyć.
17:51
And even personalization
399
1055828
1854
Zaczynamy również widzieć początki
17:53
is something that we're starting to see the beginnings of,
400
1057682
2136
personalizacji nauczania,
17:55
whether it's via the personalized trajectory through the curriculum
401
1059818
3192
np. indywidualny tok studiów
17:58
or some of the personalized feedback that we've shown you.
402
1063010
3264
lub spersonalizowane informacje zwrotne.
18:02
So the goal here is to try and push,
403
1066274
2488
Chcemy przesunąć
18:04
and see how far we can get towards the green curve.
404
1068762
3497
niebieską krzywą jeszcze bliżej zielonej.
18:08
So, if this is so great, are universities now obsolete?
405
1072259
5359
Czy uniwersytety przechodzą do lamusa?
18:13
Well, Mark Twain certainly thought so.
406
1077618
2992
Mark Twain tak właśnie sądził mówiąc,
18:16
He said that, "College is a place where a professor's lecture notes
407
1080610
2545
że szkoła to miejsce,
gdzie notatki profesora
gdzie notatki profesora
18:19
go straight to the students' lecture notes,
408
1083155
1703
lądują w notatkach studentów,
18:20
without passing through the brains of either."
409
1084858
2376
nie przelatując przez niczyj mózg.
18:23
(Laughter)
410
1087234
4047
(Śmiech)
18:27
I beg to differ with Mark Twain, though.
411
1091281
2668
Śmiem się nie zgadzać.
18:29
I think what he was complaining about is not
412
1093949
2665
Narzekał nie na uniwersytety per se,
18:32
universities but rather the lecture-based format
413
1096614
2750
ale na formę wykładów,
18:35
that so many universities spend so much time on.
414
1099364
2784
którym uczelnie poświęcają tyle czasu.
18:38
So let's go back even further, to Plutarch,
415
1102148
3159
Plutarch powiedział:
"Umysł nie jest naczyniem,
"Umysł nie jest naczyniem,
18:41
who said that, "The mind is not a vessel that needs filling,
416
1105307
2227
które należy napełnić,
18:43
but wood that needs igniting."
417
1107534
2023
lecz ogniem, który trzeba rozniecić".
18:45
And maybe we should spend less time at universities
418
1109557
2190
Może trzeba spędzać mniej czasu na uniwersytetach
18:47
filling our students' minds with content
419
1111747
2571
wypełniając umysły wiedzą wykładową
18:50
by lecturing at them, and more time igniting their creativity,
420
1114318
3800
i zacząć rozpalać studencką kreatywność
18:54
their imagination and their problem-solving skills
421
1118118
3255
i umiejętności rozwiązywania problemów
18:57
by actually talking with them.
422
1121373
2498
poprzez prawdziwą rozmowę.
18:59
So how do we do that?
423
1123871
1367
Ale jak tego dokonać?
19:01
We do that by doing active learning in the classroom.
424
1125238
3431
Poprzez aktywne nauczanie.
19:04
So there's been many studies, including this one,
425
1128669
2449
To i wiele innych badań wskazuje,
19:07
that show that if you use active learning,
426
1131118
2080
że aktywne nauczanie,
19:09
interacting with your students in the classroom,
427
1133198
2416
faktyczna interakcja na linii nauczyciel-student,
19:11
performance improves on every single metric --
428
1135614
2696
powoduje polepszenie wyników,
19:14
on attendance, on engagement and on learning
429
1138310
2449
lepszą obecność, zaangażowanie w naukę
19:16
as measured by a standardized test.
430
1140759
2055
co można zmierzyć standaryzowanym testem.
19:18
You can see, for example, that the achievement score
431
1142814
1864
Pułap osiągnięć wzrasta niemal dwukrotnie
19:20
almost doubles in this particular experiment.
432
1144678
2870
w tym konkretnym eksperymencie.
19:23
So maybe this is how we should spend our time at universities.
433
1147548
4401
Tak należy spędzać czas na uniwersytetach.
19:27
So to summarize, if we could offer a top quality education
434
1151949
4577
Gdyby zaoferować edukację na najwyższym poziomie
19:32
to everyone around the world for free,
435
1156526
1903
każdemu na świecie za darmo,
19:34
what would that do? Three things.
436
1158429
2821
co by to dało? Trzy rzeczy.
19:37
First it would establish education as a fundamental human right,
437
1161250
3421
Po pierwsze ustanowilibyśmy wykształcenie
19:40
where anyone around the world
438
1164671
1366
jako podstawowe prawo człowieka.
19:41
with the ability and the motivation
439
1166037
1921
Tak, by zdolności i motywacja wystarczyły
19:43
could get the skills that they need
440
1167958
1951
do zdobycia pożądanych umiejętności
19:45
to make a better life for themselves,
441
1169909
1585
i poprawy życia sobie,
19:47
their families and their communities.
442
1171494
2017
swoim rodzinom i społecznościom.
19:49
Second, it would enable lifelong learning.
443
1173511
2631
Po drugie, umożliwiłoby to kształcenie ustawiczne.
19:52
It's a shame that for so many people,
444
1176142
1951
To okropna strata, że dla wielu ludzi,
19:53
learning stops when we finish high school or when we finish college.
445
1178093
3312
nauka kończy się wraz z ukończeniem
liceum czy studiów.
liceum czy studiów.
19:57
By having this amazing content be available,
446
1181405
2481
Mając tą niesamowitą możliwość,
19:59
we would be able to learn something new
447
1183886
2743
możemy uczyć się czegoś nowego
20:02
every time we wanted,
448
1186629
1136
kiedy tylko przyjdzie nam ochota,
20:03
whether it's just to expand our minds
449
1187765
1329
czy to dla poszerzenia własnych horyzontów,
20:04
or it's to change our lives.
450
1189094
1959
czy dla dokonania zmian w życiu.
20:06
And finally, this would enable a wave of innovation,
451
1191053
3145
Pozwoliłoby to na falę innowacji,
20:10
because amazing talent can be found anywhere.
452
1194198
3072
bo niesamowite talenty można znaleźć wszędzie.
20:13
Maybe the next Albert Einstein or the next Steve Jobs
453
1197270
3008
Może kolejny Einstein lub Jobs
20:16
is living somewhere in a remote village in Africa.
454
1200278
2615
mieszka gdzieś w odległym zakątku Afryki.
20:18
And if we could offer that person an education,
455
1202893
2656
Umożliwienie takiej osobie wykształcenia
20:21
they would be able to come up with the next big idea
456
1205549
2356
zaowocowałoby wielkim odkryciem,
20:23
and make the world a better place for all of us.
457
1207905
2404
dzięki któremu świat stałby się lepszy.
20:26
Thank you very much.
458
1210309
1160
Dziękuję bardzo.
20:27
(Applause)
459
1211469
7583
(Brawa)
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