ABOUT THE SPEAKER
Conrad Wolfram - Mathematician
Conrad Wolfram runs the worldwide arm of Wolfram Research, the mathematical lab behind the cutting-edge knowledge engine Wolfram Alpha.

Why you should listen

Conrad Wolfram is the strategic director of Wolfram Research, where his job, in a nutshell, is understanding and finding new uses for the Mathematica technology. Wolfram is especially passionate about finding uses for Mathematica outside of pure computation, using it as a development platform for products that help communicate big ideas. The Demonstrations tool, for instance, makes a compelling case for never writing out another equation -- instead displaying data in interactive, graphical form.

Wolfram's work points up the changing nature of math in the past 30 years, as we've moved from adding machines to calculators to sophisticated math software, allowing us to achieve ever more complex computational feats. But, Wolfram says, many schools are still focused on hand-calculating; using automation, such as a piece of software, to do math is sometimes seen as cheating. This keeps schools from spending the time they need on the new tools of science and mathematics. As they gain significance for everyday living, he suggests, we need to learn to take advantage of these tools and learn to use them young. Learn more at computerbasedmath.org.

More profile about the speaker
Conrad Wolfram | Speaker | TED.com
TEDGlobal 2010

Conrad Wolfram: Teaching kids real math with computers

Conrad Wolfram: Kindern wirkliche Mathematik mit Hilfe von Computern lehren

Filmed:
1,742,493 views

Von Raketen bis zur Börse, die interessantesten Schöpfungen der Menschheit wurden durch Mathematik erst möglich. Warum verlieren Kinder also das Interesse daran? Conrad Wolfram sagt, dass der Teil der Mathematik, den wir unterrichten -- das Rechnen per Hand -- nicht nur lästig ist, er ist größtenteils irrelevant für die wirkliche Mathematik und die reale Welt. Er präsentiert seine radikale Idee: Kindern Mathematik mit Hilfe von Computer-Programmierung zu lehren.
- Mathematician
Conrad Wolfram runs the worldwide arm of Wolfram Research, the mathematical lab behind the cutting-edge knowledge engine Wolfram Alpha. Full bio

Double-click the English transcript below to play the video.

00:15
We'veWir haben got a realecht problemProblem with mathMathe educationBildung right now.
0
0
4000
Wir haben heutzutage ein echtes Problem mit dem Mathematikunterricht
00:19
BasicallyIm Grunde, no one'sEinsen very happyglücklich.
1
4000
3000
Eigentlich ist niemand so wirklich glücklich damit.
00:22
Those learningLernen it
2
7000
2000
Diejenigen, die Mathematik lernen,
00:24
think it's disconnectedgetrennt,
3
9000
2000
halten sie für abgehoben,
00:26
uninterestinguninteressant and hardhart.
4
11000
2000
uninteressant und schwierig.
00:28
Those tryingversuchen to employbeschäftigen them
5
13000
2000
Diejenigen, die versuchen sie anzuwenden,
00:30
think they don't know enoughgenug.
6
15000
2000
denken sie wissen nicht genug.
00:32
GovernmentsRegierungen realizerealisieren that it's a biggroß dealDeal for our economiesVolkswirtschaften,
7
17000
3000
Die Regierungen erkennen, dass es ein wichtiges Thema für unsere Wirtschaft ist,
00:35
but don't know how to fixFix it.
8
20000
3000
aber sie wissen nicht, was man ändern könnte.
00:38
And teachersLehrer are alsoebenfalls frustratedfrustriert.
9
23000
2000
Und die Lehrer sind auch frustriert.
00:40
YetNoch mathMathe is more importantwichtig to the worldWelt
10
25000
3000
Dabei ist die Mathematik für die Welt jetzt wichtiger
00:43
than at any pointPunkt in humanMensch historyGeschichte.
11
28000
2000
als je zuvor in der Menschheitsgeschichte.
00:45
So at one endEnde we'vewir haben got fallingfallend interestinteressieren
12
30000
2000
Wir haben also auf der einen Seite ein sinkendes Interesse
00:47
in educationBildung in mathMathe,
13
32000
2000
am Mathematikunterricht
00:49
and at the other endEnde we'vewir haben got a more mathematicalmathematisch worldWelt,
14
34000
3000
und auf der anderen Seite eine immer mathematischere Welt,
00:52
a more quantitativequantitativ worldWelt than we ever have had.
15
37000
3000
eine quantitativere Welt, als wir sie jemals hatten.
00:56
So what's the problemProblem, why has this chasmAbgrund openedgeöffnet up,
16
41000
2000
Was ist also das Problem, warum hat sich diese Kluft gebildet,
00:58
and what can we do to fixFix it?
17
43000
3000
und was können wir tun um es zu lösen?
01:01
Well actuallytatsächlich, I think the answerAntworten
18
46000
2000
Ich denke, die Antwort
01:03
is staringstarrend us right in the faceGesicht:
19
48000
2000
drängt sich geradezu auf.
01:05
Use computersComputer.
20
50000
2000
Verwendet Computer.
01:07
I believe
21
52000
2000
Ich glaube,
01:09
that correctlykorrekt usingmit computersComputer
22
54000
2000
dass der richtige Einsatz von Computern
01:11
is the silverSilber- bulletKugel
23
56000
2000
die Wunderwaffe
01:13
for makingHerstellung mathMathe educationBildung work.
24
58000
3000
für einen funktionierenden Mathematikunterricht ist.
01:16
So to explainerklären that,
25
61000
2000
Um das zu erklären,
01:18
let me first talk a bitBit about what mathMathe lookssieht aus like in the realecht worldWelt
26
63000
3000
lassen Sie mich zuerst ein bisschen darüber sprechen wie die Mathematik in der wirklichen Welt aussieht
01:21
and what it lookssieht aus like in educationBildung.
27
66000
2000
und wie sie im Unterricht aussieht.
01:23
See, in the realecht worldWelt
28
68000
2000
In der wirklichen Welt
01:25
mathMathe isn't necessarilyNotwendig doneerledigt by mathematiciansMathematiker.
29
70000
3000
wird Mathematik nicht notwendigerweise von Mathematikern betrieben.
01:28
It's doneerledigt by geologistsGeologen,
30
73000
2000
Sie wird von Geologen,
01:30
engineersIngenieure, biologistsBiologen,
31
75000
2000
Ingenieuren, Biologen,
01:32
all sortssortiert of differentanders people --
32
77000
2000
allen möglichen Leuten verwendet –
01:34
modelingModellieren and simulationSimulation.
33
79000
2000
Modellierung und Simulation.
01:36
It's actuallytatsächlich very popularBeliebt.
34
81000
2000
Sie ist eigentlich ziemlich beliebt.
01:38
But in educationBildung it lookssieht aus very differentanders --
35
83000
3000
Aber im Unterricht sieht das ganz anders aus –
01:41
dumbed-downdumbed down problemsProbleme, lots of calculatingBerechnung,
36
86000
2000
stark vereinfachte Probleme, viel Rechenarbeit –
01:43
mostlymeist by handHand.
37
88000
2000
hauptsächlich von Hand.
01:46
Lots of things that seemscheinen simpleeinfach
38
91000
2000
Vieles scheint einfach zu sein,
01:48
and not difficultschwer like in the realecht worldWelt,
39
93000
2000
so wie in der realen Welt,
01:50
exceptaußer if you're learningLernen it.
40
95000
2000
außer wenn man es lernt.
01:53
And anotherein anderer thing about mathMathe:
41
98000
2000
Und noch etwas über die Mathematik:
01:55
mathMathe sometimesmanchmal lookssieht aus like mathMathe --
42
100000
2000
Mathematik sieht manchmal aus wie Mathematik –
01:57
like in this exampleBeispiel here --
43
102000
3000
wie in diesem Beispiel hier –
02:00
and sometimesmanchmal it doesn't --
44
105000
2000
und manchmal tut sie es nicht –
02:02
like "Am I drunkbetrunken?"
45
107000
3000
wie „Bin ich betrunken?“
02:07
And then you get an answerAntworten that's quantitativequantitativ in the modernmodern worldWelt.
46
112000
3000
Darauf bekommt man in der heutigen Zeit eine quantitative Antwort.
02:10
You wouldn'twürde nicht have expectederwartet that a fewwenige yearsJahre back.
47
115000
3000
Man hätte diese vor ein paar Jahren nicht erwartet.
02:13
But now you can find out all about --
48
118000
3000
Aber jetzt kann man alles herausfinden über –
02:16
unfortunatelyUnglücklicherweise, my weightGewicht is a little higherhöher than that, but --
49
121000
3000
leider bin ich ein bisschen schwerer als das –
02:19
all about what happensdas passiert.
50
124000
2000
über alles was passiert.
02:21
So let's zoomZoomen out a bitBit and askFragen,
51
126000
2000
Werfen wir einen Blick auf den größeren Zusammenhang und fragen wir uns:
02:23
why are we teachingLehren people mathMathe?
52
128000
2000
warum unterrichten wir Mathematik?
02:25
What's the pointPunkt of teachingLehren people mathMathe?
53
130000
3000
Was hat es für einen Sinn Mathematik zu unterrichten?
02:28
And in particularinsbesondere, why are we teachingLehren them mathMathe in generalGeneral?
54
133000
3000
Und im Speziellen, warum unterrichten wir alle in Mathematik?
02:31
Why is it sucheine solche an importantwichtig partTeil of educationBildung
55
136000
3000
Warum ist sie ein so wichtiger Teil der Ausbildung
02:34
as a sortSortieren of compulsoryobligatorische subjectFach?
56
139000
2000
ein Pflichtfach?
02:36
Well, I think there are about threedrei reasonsGründe dafür:
57
141000
3000
Also, ich denke es gibt ungefähr drei Gründe:
02:39
technicaltechnisch jobsArbeitsplätze
58
144000
2000
technische Berufe,
02:41
so criticalkritisch to the developmentEntwicklung of our economiesVolkswirtschaften,
59
146000
3000
die so wichtig für die Entwicklung unserer Wirtschaften sind,
02:44
what I call "everydayjeden Tag livingLeben" --
60
149000
3000
was ich das tägliche Leben nenne.
02:48
to functionFunktion in the worldWelt todayheute,
61
153000
2000
Um heute in der Welt zu bestehen,
02:50
you've got to be prettyziemlich quantitativequantitativ,
62
155000
2000
muss man ganz schön quantitativ sein,
02:52
much more so than a fewwenige yearsJahre agovor:
63
157000
2000
viel mehr als noch vor ein paar Jahren.
02:54
figureZahl out your mortgagesHypotheken,
64
159000
2000
Seine Kredite verstehen,
02:56
beingSein skepticalskeptisch of governmentRegierung statisticsStatistiken, those kindsArten of things --
65
161000
3000
Regierungsstatistiken kritisch betrachten, diese Art von Dingen.
03:00
and thirdlydrittens, what I would call something like
66
165000
3000
Und drittens, was ich
03:03
logicallogisch mindVerstand trainingAusbildung, logicallogisch thinkingDenken.
67
168000
3000
logisches Hirntraining, logisches Denken, nennen würde.
03:06
Over the yearsJahre
68
171000
2000
Über die Jahre
03:08
we'vewir haben put so much in societyGesellschaft
69
173000
2000
haben wir so viel in die Gesellschaft investiert
03:10
into beingSein ablefähig to processverarbeiten and think logicallylogisch. It's partTeil of humanMensch societyGesellschaft.
70
175000
3000
um logisch vorzugehen und zu denken; es ist Teil der menschlichen Gesellschaft.
03:13
It's very importantwichtig to learnlernen that
71
178000
2000
Es ist sehr wichtig, das zu erlernen.
03:15
mathMathe is a great way to do that.
72
180000
2000
Mathematik ist ein großartiger Weg das zu tun.
03:17
So let's askFragen anotherein anderer questionFrage.
73
182000
2000
Stellen wir noch eine andere Frage.
03:19
What is mathMathe?
74
184000
2000
Was ist Mathematik?
03:21
What do we mean when we say we're doing mathMathe,
75
186000
2000
Was meinen wir, wenn wir sagen, dass wir Mathematik betreiben
03:23
or educatingerziehen people to do mathMathe?
76
188000
2000
oder es anderen Leuten beibringen?
03:25
Well, I think it's about fourvier stepsSchritte, roughlygrob speakingApropos,
77
190000
3000
Nun, ich denke, dass es grob gesagt etwa vier Schritte sind,
03:28
startingbeginnend with posingposiert the right questionFrage.
78
193000
2000
beginnend mit dem Stellen der richtigen Frage.
03:30
What is it that we want to askFragen? What is it we're tryingversuchen to find out here?
79
195000
3000
Was wollen wir wissen? Was versuchen wir herauszufinden?
03:33
And this is the thing mostdie meisten screwedgeschraubt up in the outsidedraußen worldWelt,
80
198000
2000
Und das ist es, was da draußen in der Welt so verkehrt läuft
03:35
beyonddarüber hinaus virtuallyvirtuell any other partTeil of doing mathMathe.
81
200000
3000
mehr als alles andere bei der Anwendung von Mathematik..
03:38
People askFragen the wrongfalsch questionFrage,
82
203000
2000
Die Leute stellen die falschen Fragen
03:40
and surprisinglyüberraschenderweise enoughgenug, they get the wrongfalsch answerAntworten,
83
205000
2000
und bekommen aus diesem Grund
03:42
for that reasonGrund, if not for othersAndere.
84
207000
2000
promt die falschen Antworten.
03:44
So the nextNächster thing is take that problemProblem
85
209000
2000
Der nächste Schritt ist also, das Problem
03:46
and turnWende it from a realecht worldWelt problemProblem
86
211000
2000
aus der wirklichen Welt
03:48
into a mathMathe problemProblem.
87
213000
2000
in die Sprache der Mathematik zu übersetzen.
03:50
That's stageStufe two.
88
215000
2000
Das ist der zweite Schritt.
03:52
OnceEinmal you've doneerledigt that, then there's the computationBerechnung stepSchritt.
89
217000
3000
Wenn man das einmal hat, dann kommt die Berechnung..
03:55
TurnSchalten Sie it from that into some answerAntworten
90
220000
2000
Man erhält eine Antwort
03:57
in a mathematicalmathematisch formbilden.
91
222000
3000
in mathematischer Form.
04:00
And of courseKurs, mathMathe is very powerfulmächtig at doing that.
92
225000
2000
Darin ist die Mathematik sehr gut.
04:02
And then finallyendlich, turnWende it back to the realecht worldWelt.
93
227000
2000
Und schlussendlich, wandle es wieder um für die wirkliche Welt.
04:04
Did it answerAntworten the questionFrage?
94
229000
2000
Ist die Frage damit beantwortet?
04:06
And alsoebenfalls verifyüberprüfen it -- crucialentscheidend stepSchritt.
95
231000
3000
Überprüfe es – wichtiger Schritt.
04:10
Now here'shier ist the crazyverrückt thing right now.
96
235000
2000
Jetzt kommt das Verrückte an der Sache.
04:12
In mathMathe educationBildung,
97
237000
2000
Im Mathematikunterricht
04:14
we're spendingAusgaben about perhapsvielleicht 80 percentProzent of the time
98
239000
3000
verwenden wir ungefähr 80% der Zeit
04:17
teachingLehren people to do stepSchritt threedrei by handHand.
99
242000
3000
um die Menschen zu lehren, wie man Schritt drei von Hand erledigt.
04:20
YetNoch, that's the one stepSchritt computersComputer can do
100
245000
2000
Allerdings ist das der Schritt, den Computer
04:22
better than any humanMensch after yearsJahre of practicetrainieren.
101
247000
3000
besser als jeder Mensch mit jahrelanger Übung ausführen können.
04:25
InsteadStattdessen, we oughtsollen to be usingmit computersComputer
102
250000
3000
Stattdessen sollten wir Computer verwenden,
04:28
to do stepSchritt threedrei
103
253000
2000
um Schritt drei auszuführen
04:30
and usingmit the studentsStudenten to spendverbringen much more effortAnstrengung
104
255000
3000
und die Anstrengung der Schüler viel mehr auf die Schritte
04:33
on learningLernen how to do stepsSchritte one, two and fourvier --
105
258000
2000
eins, zwei und vier lenken –
04:35
conceptualizingKonzeption problemsProbleme, applyingbewirbt sich them,
106
260000
3000
Problemstellungen zu konzeptualisieren, sie anzuwenden,
04:38
gettingbekommen the teacherLehrer to runLauf them throughdurch how to do that.
107
263000
3000
den Lehrer dazu zu bringen, sie da durch zu begleiten.
04:41
See, crucialentscheidend pointPunkt here:
108
266000
2000
Sehen Sie, der wichtige Punkt ist hier:
04:43
mathMathe is not equalgleich to calculatingBerechnung.
109
268000
2000
Mathematik ist nicht gleich Rechnen.
04:45
MathMathematik is a much broaderbreiter subjectFach than calculatingBerechnung.
110
270000
3000
Mathematik ist ein viel breiteres Thema als Rechnen.
04:48
Now it's understandableverständlich that this has all got intertwinedmiteinander verflochten
111
273000
3000
Nun, es ist verständlich, dass das alles miteinander verwoben
04:51
over hundredsHunderte of yearsJahre.
112
276000
2000
über hunderte von Jahren wurde.
04:53
There was only one way to do calculatingBerechnung and that was by handHand.
113
278000
3000
Es gab eben nur eine Art zu rechnen, und das war von Hand.
04:56
But in the last fewwenige decadesJahrzehnte
114
281000
2000
Aber in den letzten paar Jahrzehnten
04:58
that has totallytotal changedgeändert.
115
283000
2000
hat sich das grundlegend geändert.
05:00
We'veWir haben had the biggestgrößte transformationTransformation of any ancientAntike subjectFach
116
285000
3000
Wir erlebten die größte Transformation eines uralten Fachs,
05:03
that I could ever imaginevorstellen with computersComputer.
117
288000
3000
die ich mir jemals vorstellen könnte, durch Computer.
05:07
CalculatingBerechnung was typicallytypischerweise the limitingbegrenzend stepSchritt,
118
292000
2000
Die Berechnung war typischerweise der limitierende Faktor,
05:09
and now oftenhäufig it isn't.
119
294000
2000
und jetzt ist sie es oft nicht mehr.
05:11
So I think in termsBegriffe of the factTatsache that mathMathe
120
296000
2000
Ich denke also im Sinne von
05:13
has been liberatedbefreit from calculatingBerechnung.
121
298000
3000
der Befreiung der Mathematik vom Rechenprozess.
05:16
But that mathMathe liberationBefreiung didn't get into educationBildung yetnoch.
122
301000
3000
Aber diese Befreiung der Mathematik ist noch nicht im Unterricht angekommen.
05:19
See, I think of calculatingBerechnung, in a senseSinn,
123
304000
2000
Sehen Sie, ich betrachte das Rechnen als eine Art
05:21
as the machineryMaschinen of mathMathe.
124
306000
2000
Handwerkszeug der Mathematik.
05:23
It's the chorelästige Pflicht.
125
308000
2000
Es ist die lästige Pflicht.
05:25
It's the thing you'ddu würdest like to avoidvermeiden if you can, like to get a machineMaschine to do.
126
310000
3000
Es ist das, was man vermeiden möchte, wenn man es mit Hilfe einer Maschine tun kann.
05:29
It's a meansmeint to an endEnde, not an endEnde in itselfselbst,
127
314000
3000
Es ist ein Mittel zum Zweck, nicht Selbstzweck.
05:34
and automationAutomatisierung allowserlaubt us
128
319000
2000
Und die Automatisierung bietet uns
05:36
to have that machineryMaschinen.
129
321000
2000
dieses Werkzeug.
05:38
ComputersComputer allowzulassen us to do that --
130
323000
2000
Computer erlauben uns, das zu tun.
05:40
and this is not a smallklein problemProblem by any meansmeint.
131
325000
3000
Und das keinesfalls ein kleines Problem.
05:43
I estimatedgeschätzt that, just todayheute, acrossüber the worldWelt,
132
328000
3000
Ich schätze, dass wir heute weltweit
05:46
we spentverbraucht about 106 averagedurchschnittlich worldWelt lifetimesLebenszeiten
133
331000
3000
durchschnittlich 106 Erdalter damit zugebracht haben,
05:49
teachingLehren people how to calculateberechnen by handHand.
134
334000
3000
Leuten beizubringen, von Hand zu rechnen.
05:52
That's an amazingtolle amountMenge of humanMensch endeavorEndeavor.
135
337000
3000
Das ist eine erstaunliche menschliche Leistung.
05:55
So we better be damnVerdammt sure --
136
340000
2000
Wir sollten uns also verdammt sicher sein –
05:57
and by the way, they didn't even have funSpaß doing it, mostdie meisten of them --
137
342000
3000
nebenbei die meisten hatten noch nicht einmal Spaß daran.
06:00
so we better be damnVerdammt sure
138
345000
2000
Wir sollten uns also lieber verdammt sicher sein,
06:02
that we know why we're doing that
139
347000
2000
dass wir wissen warum wir das tun
06:04
and it has a realecht purposeZweck.
140
349000
2000
und dass es einen echten Zweck erfüllt.
06:06
I think we should be assumingunter der Annahme computersComputer
141
351000
2000
Ich denke, wir sollten Computern
06:08
for doing the calculatingBerechnung
142
353000
2000
das Rechnen überlassen
06:10
and only doing handHand calculationsBerechnungen where it really makesmacht senseSinn to teachlehren people that.
143
355000
3000
und das von Hand rechnen nur da lehren, wo es wirklich sinnvoll ist.
06:13
And I think there are some casesFälle.
144
358000
2000
Es gibt da ein paar Fälle.
06:15
For exampleBeispiel: mentalgeistig arithmeticArithmetik.
145
360000
2000
Zum Beispiel: Kopfrechnen.
06:17
I still do a lot of that, mainlyhauptsächlich for estimatingSchätzung.
146
362000
3000
Ich mache das immer noch häufig, hauptsächlich zum Abschätzen.
06:20
People say, "Is sucheine solche and sucheine solche truewahr?"
147
365000
2000
Wenn Leute mich fragen: Stimmt das?
06:22
And I'll say, "HmmHmm, not sure." I'll think about it roughlygrob.
148
367000
2000
dann sage ich: Hmmm, bin mir nicht sicher. Ich werde es mal grob überdenken.
06:24
It's still quickerschneller to do that and more practicalpraktisch.
149
369000
2000
Es ist immer noch schneller und praktischer.
06:26
So I think practicalityPraktikabilität is one caseFall
150
371000
2000
Ich denke, dass es sich aus diesem Grund
06:28
where it's worthwert teachingLehren people by handHand.
151
373000
2000
lohnt, den Leuten das Rechnen von Hand beizubringen.
06:30
And then there are certainsicher conceptualBegriffs things
152
375000
2000
Außerdem gibt es ein paar bestimmte konzeptionelle Dinge,
06:32
that can alsoebenfalls benefitVorteil from handHand calculatingBerechnung,
153
377000
2000
die das Rechnen per Hand rechtfertigen,
06:34
but I think they're relativelyverhältnismäßig smallklein in numberNummer.
154
379000
2000
aber ich glaube es sind sehr wenige.
06:36
One thing I oftenhäufig askFragen about
155
381000
2000
Eine Sache, die ich mich oft frage,
06:38
is ancientAntike GreekGriechisch and how this relatesbezieht sich.
156
383000
3000
ist Altgriechisch, und wie das zusammengehört.
06:41
See, the thing we're doing right now
157
386000
2000
Schauen Sie, was wir im Moment tun ist,
06:43
is we're forcingzwingen people to learnlernen mathematicsMathematik.
158
388000
2000
Leute zu zwingen, Mathematik zu erlernen.
06:45
It's a majorHaupt subjectFach.
159
390000
2000
Es ist ein Hauptfach.
06:47
I'm not for one minuteMinute suggestingschlägt vor that, if people are interestedinteressiert in handHand calculatingBerechnung
160
392000
3000
Ich will es keinem verbieten, wenn er sich für das Rechnen von Hand interessiert
06:50
or in followinges folgen theirihr ownbesitzen interestsInteressen
161
395000
2000
oder seinen Interessen
06:52
in any subjectFach howeveraber bizarreBizarre --
162
397000
2000
in einem Gebiet, wie bizarr es auch sein mag, nachgeht,
06:54
they should do that.
163
399000
2000
sie sollen das tun.
06:56
That's absolutelyunbedingt the right thing,
164
401000
2000
Es ist absolut richtig
06:58
for people to followFolgen theirihr self-interestEigennutz.
165
403000
2000
von ihnen, ihre eigenen Interessen zu verfolgen.
07:00
I was somewhatetwas interestedinteressiert in ancientAntike GreekGriechisch,
166
405000
2000
Ich habe mich ein bisschen für Altgriechisch interessiert,
07:02
but I don't think that we should forceKraft the entireganz populationBevölkerung
167
407000
3000
aber ich glaube nicht, dass wir die gesamte Bevölkerung dazu zwingen sollten,
07:05
to learnlernen a subjectFach like ancientAntike GreekGriechisch.
168
410000
2000
ein Fach wie Altgriechisch zu lernen.
07:07
I don't think it's warrantedgarantiert.
169
412000
2000
Ich glaube nicht, dass es berechtigt ist.
07:09
So I have this distinctionUnterscheidung betweenzwischen what we're makingHerstellung people do
170
414000
3000
Ich unterscheide also zwischen den Dingen, die wir die Leute lernen lassen
07:12
and the subjectFach that's sortSortieren of mainstreamMainstream
171
417000
2000
und im irgendwie im Mainstream sind
07:14
and the subjectFach that, in a senseSinn, people mightMacht followFolgen with theirihr ownbesitzen interestinteressieren
172
419000
3000
und den Dingen, denen die Leute aus eigenem Interesse nachgehen
07:17
and perhapsvielleicht even be spikedversetzt into doing that.
173
422000
2000
oder sich vielleicht sogar darin verbissen haben.
07:19
So what are the issuesProbleme people bringbringen up with this?
174
424000
3000
Was sind also die Probleme, die Leute darin sehen?
07:22
Well one of them is, they say, you need to get the basicsGrundlagen first.
175
427000
3000
Nun gut, eines davon ist, wie sie sagen, dass man zuerst die Grundbegriffe drauf haben muss.
07:25
You shouldn'tsollte nicht use the machineMaschine
176
430000
2000
Man sollte die Maschine nicht verwenden,
07:27
untilbis you get the basicsGrundlagen of the subjectFach.
177
432000
2000
bevor man die Grundbegriffe der Materie verstanden hat.
07:29
So my usualgewöhnlich questionFrage is, what do you mean by "basicsGrundlagen?"
178
434000
3000
Meine übliche Gegenfrage ist, was meinen sie mit Grundbegriffen?
07:32
BasicsGrundlagen of what?
179
437000
2000
Grundbegriffe wovon?
07:34
Are the basicsGrundlagen of drivingFahren a carAuto
180
439000
2000
Sind die Grundbegriffe des Autofahrens
07:36
learningLernen how to serviceBedienung it, or designEntwurf it for that matterAngelegenheit?
181
441000
3000
ein Auto zu warten oder es zu entwerfen?
07:39
Are the basicsGrundlagen of writingSchreiben learningLernen how to sharpenzu schärfen a quillFeder?
182
444000
3000
Sind die Grundbegriffe des Schreibens zu lernen wie man eine Feder spitzt?
07:43
I don't think so.
183
448000
2000
Ich glaube nicht.
07:45
I think you need to separategetrennte the basicsGrundlagen of what you're tryingversuchen to do
184
450000
3000
Ich glaube man muss unterscheiden zwischen den Grundbegriffen dessen, was man tun will,
07:48
from how it getsbekommt doneerledigt
185
453000
2000
und wie man das macht
07:50
and the machineryMaschinen of how it getsbekommt doneerledigt
186
455000
3000
und wie der mechanische Ablauf funktioniert.
07:54
and automationAutomatisierung allowserlaubt you to make that separationTrennung.
187
459000
3000
Und die Automatisierung erlaubt es uns diese Unterscheidung zu machen.
07:57
A hundredhundert yearsJahre agovor, it's certainlybestimmt truewahr that to driveFahrt a carAuto
188
462000
3000
Vor hundert Jahren war es sicherlich richtig, dass man, um ein Auto zu fahren,
08:00
you kindArt of needederforderlich to know a lot about the mechanicsMechanik of the carAuto
189
465000
2000
vieles über die Mechanik des Autos
08:02
and how the ignitionZündung timingzeitliche Koordinierung workedhat funktioniert and all sortssortiert of things.
190
467000
3000
und wie die Zündung funktioniert und alle möglichen Dinge wissen musste.
08:06
But automationAutomatisierung in carsAutos
191
471000
2000
Aber die Automatisierung in Autos
08:08
alloweddürfen that to separategetrennte,
192
473000
2000
erlaubte es, diese Dinge zu trennen,
08:10
so drivingFahren is now a quiteganz separategetrennte subjectFach, so to speaksprechen,
193
475000
3000
so ist das Fahren heute etwas anderes,
08:13
from engineeringIngenieurwesen of the carAuto
194
478000
3000
als das Bauen eines Autos
08:16
or learningLernen how to serviceBedienung it.
195
481000
3000
und das Erlernen seiner Wartung.
08:20
So automationAutomatisierung allowserlaubt this separationTrennung
196
485000
2000
Automatisierung erlaubt also diese Trennung
08:22
and alsoebenfalls allowserlaubt -- in the caseFall of drivingFahren,
197
487000
2000
und erlaubt auch – im Falle des Autofahrens,
08:24
and I believe alsoebenfalls in the futureZukunft caseFall of mathsMathematik --
198
489000
2000
und ich glaube auch in der Zukunft der Mathematik –
08:26
a democratizeddemokratisiert way of doing that.
199
491000
2000
einen demokratischen Zugang.
08:28
It can be spreadVerbreitung acrossüber a much largergrößer numberNummer of people
200
493000
2000
Es kann auf eine viel größere Anzahl von Menschen aufgeteilt werden,
08:30
who can really work with that.
201
495000
3000
die tatsächlich damit arbeiten können.
08:33
So there's anotherein anderer thing that comeskommt up with basicsGrundlagen.
202
498000
2000
Es gibt da noch etwas, das im Zusammenhang mit den Grundbegriffen auftaucht.
08:35
People confuseverwirren, in my viewAussicht,
203
500000
2000
Meiner Ansicht nach gibt es eine Verwechslung
08:37
the orderAuftrag of the inventionErfindung of the toolsWerkzeuge
204
502000
3000
der Reihenfolge in der Werkzeuge erfunden werden
08:40
with the orderAuftrag in whichwelche they should use them for teachingLehren.
205
505000
3000
mit der Reihenfolge, in der sie für den Unterricht gebraucht werden sollen.
08:43
So just because paperPapier- was inventederfunden before computersComputer,
206
508000
3000
Nur weil das Papier vor dem Computer erfunden wurde,
08:46
it doesn't necessarilyNotwendig mean you get more to the basicsGrundlagen of the subjectFach
207
511000
3000
heißt das nicht notwendigerweise, dass man den Grundbegriffen eines Themas näher kommt,
08:49
by usingmit paperPapier- insteadstattdessen of a computerComputer
208
514000
2000
nur weil man Papier statt eines Computers
08:51
to teachlehren mathematicsMathematik.
209
516000
2000
zum Unterrichten von Mathematik verwendet.
08:55
My daughterTochter gavegab me a ratherlieber nicenett anecdoteAnekdote on this.
210
520000
3000
Meine Tochter lieferte mir eine nette Anekdote dazu.
08:58
She enjoysgenießt makingHerstellung what she callsAnrufe "paperPapier- laptopsLaptops."
211
523000
3000
Ihr macht es Spaß, wie sie es nennt, Papier-Laptops zu basteln.
09:01
(LaughterLachen)
212
526000
2000
(Gelächter)
09:03
So I askedaufgefordert her one day, "You know, when I was your ageAlter,
213
528000
2000
Ich habe sie also eines Tages gefragt, „Weißt du, als ich so alt war wie du,
09:05
I didn't make these.
214
530000
2000
habe ich so etwas nicht gemacht.
09:07
Why do you think that was?"
215
532000
2000
Warum glaubst du war das so?“
09:09
And after a secondzweite or two, carefullyvorsichtig reflectingreflektierend,
216
534000
2000
Und nach kurzem, sorgfältigem Überlegen
09:11
she said, "No paperPapier-?"
217
536000
2000
sagte sie: „Kein Papier?“
09:13
(LaughterLachen)
218
538000
5000
(Gelächter)
09:19
If you were borngeboren after computersComputer and paperPapier-,
219
544000
2000
Wenn man mit Computern und Papier aufgewachsen ist,
09:21
it doesn't really matterAngelegenheit whichwelche orderAuftrag you're taughtgelehrt with them in,
220
546000
3000
ist es eigentlich egal, in welcher Reihenfolge man mit ihnen unterrichtet wird,
09:24
you just want to have the bestBeste toolWerkzeug.
221
549000
2000
man will einfach das beste Werkzeug zur Verfügung haben.
09:26
So anotherein anderer one that comeskommt up is "ComputersComputer dumbstumm mathMathe down."
222
551000
3000
Ein weiterer Kritikpunkt der aufkommt ist „Computer verdummen die Mathematik“.
09:29
That somehowirgendwie, if you use a computerComputer,
223
554000
2000
So auf die Art, dass wenn man einen Computer benutzt,
09:31
it's all mindlessgeistlose button-pushingTaste drücken,
224
556000
2000
alles nur hirnloses Knöpfedrücken ist,
09:33
but if you do it by handHand,
225
558000
2000
aber wenn man es mit der Hand macht,
09:35
it's all intellectualgeistig.
226
560000
2000
ist es alles intellektuell.
09:37
This one kindArt of annoysärgert me, I mustsollen say.
227
562000
3000
Das stört mich irgendwie, muss ich sagen.
09:40
Do we really believe
228
565000
2000
Glauben wir wirklich,
09:42
that the mathMathe that mostdie meisten people are doing in schoolSchule
229
567000
2000
dass die Mathematik, die täglich in den Schulen
09:44
practicallypraktisch todayheute
230
569000
2000
praktiziert wird heutzutage,
09:46
is more than applyingbewirbt sich proceduresVerfahren
231
571000
2000
wirklich mehr ist als das Anwenden von Prozeduren
09:48
to problemsProbleme they don't really understandverstehen, for reasonsGründe dafür they don't get?
232
573000
3000
auf Probleme, die die Schüler nicht verstehen, aus Gründen die sie nicht kapieren?
09:51
I don't think so.
233
576000
2000
Ich glaube nicht.
09:53
And what's worseschlechter, what they're learningLernen there isn't even practicallypraktisch usefulsinnvoll anymorenicht mehr.
234
578000
3000
Und was noch schlimmer ist, was sie lernen nützt ihnen nichts.
09:56
MightKönnte have been 50 yearsJahre agovor, but it isn't anymorenicht mehr.
235
581000
3000
Vor ca. 50 Jahren vielleicht schon, aber jetzt nicht mehr.
09:59
When they're out of educationBildung, they do it on a computerComputer.
236
584000
3000
Wenn sie aus der Ausbildung draußen sind, werden sie auf einem Computer rechnen.
10:02
Just to be clearklar, I think computersComputer can really help with this problemProblem,
237
587000
3000
Um mich klar auszudrücken, ich glaube Computer können bei diesem Problem helfen,
10:05
actuallytatsächlich make it more conceptualBegriffs.
238
590000
2000
es wirklich konzeptioneller machen.
10:07
Now, of courseKurs, like any great toolWerkzeug,
239
592000
2000
Natürlich, wie bei jedem guten Werkzeug,
10:09
they can be used completelyvollständig mindlesslygedankenlos,
240
594000
2000
können sie völlig gedankenlos eingesetzt werden,
10:11
like turningDrehen everything into a multimediaMultimedia showShow,
241
596000
3000
und alles in eine Multimedia-Show verwandeln,
10:14
like the exampleBeispiel I was showngezeigt of solvingLösung an equationGleichung by handHand,
242
599000
3000
wie im folgenden Beispiel, als für das Lehren einer Gleichung von Hand,
10:17
where the computerComputer was the teacherLehrer --
243
602000
2000
der Computer der Lehrer war -
10:19
showShow the studentSchüler how to manipulatemanipulieren and solvelösen it by handHand.
244
604000
3000
und dem Schüler zeigte, wie man sie per Hand umformt und löst.
10:22
This is just nutsNüsse.
245
607000
2000
Das ist einfach nur verrückt.
10:24
Why are we usingmit computersComputer to showShow a studentSchüler how to solvelösen a problemProblem by handHand
246
609000
3000
Warum verwenden wir Computer um einem Schüler zu zeigen, wie er ein Problem von Hand lösen kann,
10:27
that the computerComputer should be doing anywaysowieso?
247
612000
2000
was eigentlich sowieso vom Computer erledigt werden sollte?
10:29
All backwardsrückwärts.
248
614000
2000
Völlig verkehrt.
10:31
Let me showShow you
249
616000
2000
Lassen Sie mich Ihnen zeigen,
10:33
that you can alsoebenfalls make problemsProbleme harderSchwerer to calculateberechnen.
250
618000
3000
dass man Probleme auch komplizierter kann kann.
10:36
See, normallynormalerweise in schoolSchule,
251
621000
2000
Normalerweise, im Schulunterricht,
10:38
you do things like solvelösen quadraticquadratische equationsGleichungen.
252
623000
3000
macht man Sachen wie das Lösen von quadratischen Gleichungen.
10:41
But you see, when you're usingmit a computerComputer,
253
626000
3000
Aber wenn man einen Computer benutzt,
10:44
you can just substituteErsatz.
254
629000
4000
kann man einfach substituieren.
10:48
You can make it a quarticQuartic equationGleichung. Make it kindArt of harderSchwerer, calculating-wiseBerechnung-Weise.
255
633000
2000
Machen wir daraus eine biquadratische Gleichung; machen wir es ein bisschen schwieriger, von der Berechnung her.
10:50
SameGleichen principlesPrinzipien appliedangewendet --
256
635000
2000
Die gleichen Prinzipien werden verwendet –
10:52
calculationsBerechnungen, harderSchwerer.
257
637000
2000
die Berechnungen: schwieriger.
10:54
And problemsProbleme in the realecht worldWelt
258
639000
2000
Und die Probleme der wirklichen Welt
10:56
look nuttynussig and horribleschrecklich like this.
259
641000
2000
sehen so irre und schrecklich aus wie das hier.
10:58
They'veSie haben got hairHaar all over them.
260
643000
2000
Sie sind verzwickt.
11:00
They're not just simpleeinfach, dumbed-downdumbed down things that we see in schoolSchule mathMathe.
261
645000
3000
Sie sind nicht einfach nur simple, vereinfachte Dinge, die wir in der Schulmathematik sehen.
11:04
And think of the outsidedraußen worldWelt.
262
649000
2000
Und denken Sie an die Welt da draußen.
11:06
Do we really believe that engineeringIngenieurwesen and biologyBiologie
263
651000
2000
Glauben wir wirklich, dass Technik und Biologie
11:08
and all of these other things
264
653000
2000
und all die anderen Gebiete,
11:10
that have so benefitedprofitiert from computersComputer and mathsMathematik
265
655000
2000
die so von Computern und Mathematik profitiert haben,
11:12
have somehowirgendwie conceptuallykonzeptionell gottenbekommen reducedreduziert by usingmit computersComputer?
266
657000
3000
durch den Einsatz von Computern konzeptionell reduziert wurden?
11:15
I don't think so -- quiteganz the oppositeGegenteil.
267
660000
3000
Ich glaube nicht, ganz im Gegenteil.
11:18
So the problemProblem we'vewir haben really got in mathMathe educationBildung
268
663000
3000
Also, das Problem, das wir im Mathematikunterricht wirklich haben
11:21
is not that computersComputer mightMacht dumbstumm it down,
269
666000
3000
ist nicht, dass Computer die Dinge vereinfachen könnten,
11:24
but that we have dumbed-downdumbed down problemsProbleme right now.
270
669000
3000
sondern dass wir jetzt vereinfachte Probleme haben.
11:27
Well, anotherein anderer issueProblem people bringbringen up
271
672000
2000
Gut, ein anderer Punkt, den manche einwerfen ist,
11:29
is somehowirgendwie that handHand calculatingBerechnung proceduresVerfahren
272
674000
2000
dass das händische Rechnen von Abläufen
11:31
teachlehren understandingVerstehen.
273
676000
2000
das Verständnis lehrt.
11:33
So if you go throughdurch lots of examplesBeispiele,
274
678000
2000
Wenn man also viele Beispiele durchrechnet,
11:35
you can get the answerAntworten,
275
680000
2000
kann man die Antwort finden –
11:37
you can understandverstehen how the basicsGrundlagen of the systemSystem work better.
276
682000
3000
man kann besser verstehen, wie die zugrundeliegenden Begriffe des Systems funktionieren.
11:40
I think there is one thing that I think very validgültig here,
277
685000
3000
Ich glaube, daran ist ein Punkt, der große Gültigkeit hat,
11:43
whichwelche is that I think understandingVerstehen proceduresVerfahren and processesProzesse is importantwichtig.
278
688000
3000
nämlich dass ich denke, dass das Verständnis von Prozeduren und Prozessen wichtig ist.
11:47
But there's a fantasticfantastisch way to do that in the modernmodern worldWelt.
279
692000
3000
Aber es gibt einen fantastischen Weg, genau das in der heutigen Zeit zu tun:
11:50
It's callednamens programmingProgrammierung.
280
695000
3000
er heißt Programmierung.
11:53
ProgrammingProgrammierung is how mostdie meisten proceduresVerfahren and processesProzesse
281
698000
2000
Programmierung ist die Art, wie die meisten Abläufe und Prozesse
11:55
get writtengeschrieben down these daysTage,
282
700000
2000
heutzutage niedergeschrieben werden,
11:57
and it's alsoebenfalls a great way
283
702000
2000
und sie ist auch ein großartiger Weg,
11:59
to engageengagieren studentsStudenten much more
284
704000
2000
um Schüler mehr einzubinden
12:01
and to checkprüfen they really understandverstehen.
285
706000
2000
und zu überprüfen, ob sie wirklich verstehen.
12:03
If you really want to checkprüfen you understandverstehen mathMathe
286
708000
2000
Wenn du wirklich überprüfen willst, ob du Mathematik verstehst,
12:05
then writeschreiben a programProgramm to do it.
287
710000
3000
dann schreibe ein Programm dafür.
12:08
So programmingProgrammierung is the way I think we should be doing that.
288
713000
3000
Programmieren ist also das, was wir meiner Meinung nach tun sollten.
12:11
So to be clearklar, what I really am suggestingschlägt vor here
289
716000
2000
Um es auf den Punkt zu bringen, was ich hier nahelege ist,
12:13
is we have a uniqueeinzigartig opportunityGelegenheit
290
718000
2000
dass wir hier eine einzigartige Chance haben,
12:15
to make mathsMathematik bothbeide more practicalpraktisch
291
720000
2000
Mathematik sowohl praktischer
12:17
and more conceptualBegriffs, simultaneouslygleichzeitig.
292
722000
3000
als auch konzeptioneller zu machen, beides gleichzeitig.
12:20
I can't think of any other subjectFach where that's recentlyvor kurzem been possiblemöglich.
293
725000
3000
Mir fällt kein anderes Fach ein, wo das in letzter Zeit möglich gewesen wäre.
12:23
It's usuallygewöhnlich some kindArt of choiceWahl
294
728000
2000
Normalerweise ist es eine Entscheidung
12:25
betweenzwischen the vocationalberufliche and the intellectualgeistig.
295
730000
2000
zwischen dem Beruflichen und dem Intellektuellen.
12:27
But I think we can do bothbeide at the samegleich time here.
296
732000
3000
Aber ich denke, wir können hier beides gleichzeitig machen.
12:32
And we openöffnen up so manyviele more possibilitiesMöglichkeiten.
297
737000
3000
Und wir eröffnen so viel mehr Möglichkeiten.
12:35
You can do so manyviele more problemsProbleme.
298
740000
2000
Man kann so viel mehr Fragestellungen angehen.
12:37
What I really think we gaingewinnen from this
299
742000
2000
Was ich glaube zu gewinnen ist,
12:39
is studentsStudenten gettingbekommen intuitionIntuition and experienceErfahrung
300
744000
3000
dass Schüler eine Intuition und Erfahrung
12:42
in farweit greatergrößer quantitiesMengen than they'veSie haben ever got before.
301
747000
3000
in viel größerer Mengen bekommen können als jemals zuvor.
12:45
And experienceErfahrung of harderSchwerer problemsProbleme --
302
750000
2000
Und die Erfahrung mit schwierigeren Problemen –
12:47
beingSein ablefähig to playspielen with the mathMathe, interactinteragieren with it,
303
752000
2000
fähig sein, mit der Mathematik zu spielen, mit ihr zu interagieren,
12:49
feel it.
304
754000
2000
sie zu fühlen.
12:51
We want people who can feel the mathMathe instinctivelyinstinktiv.
305
756000
3000
Wir wollen Leute, die die Mathematik instinktiv spüren können.
12:54
That's what computersComputer allowzulassen us to do.
306
759000
3000
Das ist es, was Computer uns erlauben zu tun.
12:57
AnotherEin weiterer thing it allowserlaubt us to do is reorderneu anordnen the curriculumLehrplan.
307
762000
3000
Noch etwas, es erlaubt uns den Lehrplan umzuordnen.
13:00
TraditionallyTraditionell it's been by how difficultschwer it is to calculateberechnen,
308
765000
2000
Traditionell wurde nach der Schwierigkeit der Berechnung geordnet,
13:02
but now we can reorderneu anordnen it
309
767000
2000
aber jetzt könnten wir ihn danach umstellen,
13:04
by how difficultschwer it is to understandverstehen the conceptsKonzepte,
310
769000
2000
wie schwierig es ist, die Konzepte zu verstehen,
13:06
howeveraber hardhart the calculatingBerechnung.
311
771000
2000
egal wie schwierig die Berechnungen sind.
13:08
So calculusKalkül has traditionallytraditionell been taughtgelehrt very latespät.
312
773000
3000
Die Infinitesimalrechnung wurde traditionell sehr spät unterrichtet.
13:11
Why is this?
313
776000
2000
Warum?
13:13
Well, it's damnVerdammt hardhart doing the calculationsBerechnungen, that's the problemProblem.
314
778000
3000
Tja, es ist verdammt schwierig die Rechnungen durchzuführen, das ist das Problem.
13:17
But actuallytatsächlich manyviele of the conceptsKonzepte
315
782000
2000
Aber eigentlich sind viele der Konzepte
13:19
are amenablezugänglich to a much youngerjünger ageAlter groupGruppe.
316
784000
3000
für eine viel jüngere Altersgruppe zugänglich.
13:22
This was an exampleBeispiel I builtgebaut for my daughterTochter.
317
787000
3000
Das ist ein Beispiel, das ich für meine Tochter erstellt habe.
13:25
And very, very simpleeinfach.
318
790000
2000
Und sehr, sehr einfach.
13:28
We were talkingim Gespräch about what happensdas passiert
319
793000
2000
Wir reden davon, was passiert,
13:30
when you increaseerhöhen, ansteigen the numberNummer of sidesSeiten of a polygonPolygon
320
795000
2000
wenn man die Anzahl der Seiten eines Polygons
13:32
to a very largegroß numberNummer.
321
797000
2000
auf eine sehr große Zahl erhöht.
13:36
And of courseKurs, it turnswendet sich into a circleKreis.
322
801000
2000
Und selbstverständlich wird daraus ein Kreis.
13:38
And by the way, she was alsoebenfalls very insistenthartnäckig
323
803000
2000
Und übrigens, sie hat sehr darauf bestanden,
13:40
on beingSein ablefähig to changeVeränderung the colorFarbe,
324
805000
2000
die Farbe wählen zu können,
13:42
an importantwichtig featureFeature for this demonstrationDemonstration.
325
807000
3000
ein wichtiges Feature für diese Demonstration.
13:46
You can see that this is a very earlyfrüh stepSchritt
326
811000
3000
Sie sehen, dass ist ein sehr früher Schritt
13:49
into limitsGrenzen and differentialDifferential calculusKalkül
327
814000
2000
in Richtung Grenzwerte und Differentialrechnung
13:51
and what happensdas passiert when you take things to an extremeextrem --
328
816000
3000
und was passiert, wenn man Dinge auf die Spitze treibt –
13:54
and very smallklein sidesSeiten and a very largegroß numberNummer of sidesSeiten.
329
819000
2000
sehr kurze Seiten und eine sehr große Anzahl von Seiten.
13:56
Very simpleeinfach exampleBeispiel.
330
821000
2000
Sehr einfaches Beispiel.
13:58
That's a viewAussicht of the worldWelt
331
823000
2000
Das ist eine Sicht der Welt,
14:00
that we don't usuallygewöhnlich give people for manyviele, manyviele yearsJahre after this.
332
825000
3000
die wir Schülern normalerweise erst viele, viele Jahre später geben.
14:03
And yetnoch, that's a really importantwichtig practicalpraktisch viewAussicht of the worldWelt.
333
828000
3000
Und dennoch ist es eine wirklich wichtige, praktische Sicht auf die Dinge.
14:06
So one of the roadblocksStraßensperren we have
334
831000
3000
Eine der Hürden,
14:09
in movingbewegend this agendaAgenda forwardVorwärts-
335
834000
3000
die wir im Vorantreiben dieser Vorstellungen vorfinden,
14:12
is examsPrüfungen.
336
837000
2000
sind Prüfungen.
14:14
In the endEnde, if we testTest everyonejeder by handHand in examsPrüfungen,
337
839000
3000
Letztlich, wenn wir jede Prüfung von Hand lösen lassen,
14:17
it's kindArt of hardhart to get the curriculaLehrpläne changedgeändert
338
842000
3000
wird es ziemlich schwierig, die Lehrpläne dahingehend zu verändern,
14:20
to a pointPunkt where they can use computersComputer
339
845000
2000
dass Computer
14:22
duringwährend the semestersSemester.
340
847000
3000
während des Semesters eingesetzt werden können.
14:25
And one of the reasonsGründe dafür it's so importantwichtig --
341
850000
2000
Und einer der Gründe, warum das so wichtig ist –
14:27
so it's very importantwichtig to get computersComputer in examsPrüfungen.
342
852000
3000
also, es ist sehr wichtig, Computer in die Prüfungen miteinzubeziehen.
14:30
And then we can askFragen questionsFragen, realecht questionsFragen,
343
855000
3000
Und dann können wir Fragen stellen, echte Fragen,
14:33
questionsFragen like, what's the bestBeste life insuranceVersicherung policyPolitik to get? --
344
858000
3000
Fragen wie: „Welche ist die beste Lebensversicherung?“ –
14:36
realecht questionsFragen that people have in theirihr everydayjeden Tag livesLeben.
345
861000
3000
echte Fragen, die die Leute im täglichen Leben haben.
14:40
And you see, this isn't some dumbed-downdumbed down modelModell- here.
346
865000
2000
Und wie Sie sehen können, ist das kein heruntergebrochenes, vereinfachtes Modell.
14:42
This is an actualtatsächlich modelModell- where we can be askedaufgefordert to optimizeoptimieren what happensdas passiert.
347
867000
3000
Das ist ein reales Modell, dass man verbessern kann.
14:45
How manyviele yearsJahre of protectionSchutz do I need?
348
870000
2000
Wieviele Jahre Schutz brauche ich?
14:47
What does that do to the paymentsZahlungen
349
872000
2000
Wie wirkt sich das auf Zahlungen
14:49
and to the interestinteressieren ratesPreise and so forthher?
350
874000
3000
und Zinsen und so weiter aus?
14:52
Now I'm not for one minuteMinute suggestingschlägt vor it's the only kindArt of questionFrage
351
877000
3000
Ich möchte hier keineswegs suggerieren, dass das die einzige Art von Fragen sein sollte,
14:55
that should be askedaufgefordert in examsPrüfungen,
352
880000
2000
die in Prüfungen gestellt werden sollte,
14:57
but I think it's a very importantwichtig typeArt
353
882000
2000
aber es ist ein wichtiger Typus,
14:59
that right now just getsbekommt completelyvollständig ignoredignoriert
354
884000
3000
der augenblicklich vollkommen ignoriert wird
15:02
and is criticalkritisch for people'sMenschen realecht understandingVerstehen.
355
887000
3000
und der für das wirkliche Verständnis der Leute entscheidend ist.
15:05
So I believe [there is] criticalkritisch reformReformen
356
890000
3000
Ich glaube also daran, dass wir eine entscheidende Reform
15:08
we have to do in computer-basedComputer-basierte mathMathe.
357
893000
2000
in Computer-basierter Mathematik angehen müssen.
15:10
We have got to make sure
358
895000
2000
Wir müssen sicherstellen,
15:12
that we can moveBewegung our economiesVolkswirtschaften forwardVorwärts-,
359
897000
3000
dass unsere Wirtschaften sich weiterentwickeln,
15:15
and alsoebenfalls our societiesGesellschaften,
360
900000
2000
auch unsere Gesellschaften,
15:17
basedbasierend on the ideaIdee that people can really feel mathematicsMathematik.
361
902000
3000
basierend auf der Idee, dass die Menschen Mathematik wirklich fühlen können.
15:22
This isn't some optionaloptional extraextra.
362
907000
3000
Das ist nicht einfach so ein optionales Extra.
15:25
And the countryLand that does this first
363
910000
2000
Und das Land, das es zuerst tut,
15:27
will, in my viewAussicht, leapfrogBockspringen othersAndere
364
912000
3000
wird in meinen Augen andere weit überholen
15:30
in achievingerreichen a newneu economyWirtschaft even,
365
915000
3000
beim Erreichen einer neuen Wirtschaft,
15:33
an improvedverbessert economyWirtschaft,
366
918000
2000
einer besseren Wirtschaft,
15:35
an improvedverbessert outlookAusblick.
367
920000
2000
besseren Perspektiven.
15:37
In factTatsache, I even talk about us movingbewegend
368
922000
2000
Tatsächlich spreche ich sogar von einer Weiterentwicklung
15:39
from what we oftenhäufig call now the "knowledgeWissen economyWirtschaft"
369
924000
3000
von dem, was wir heute als Wissensgesellschaft bezeichnen,
15:42
to what we mightMacht call a "computationalrechnerisch knowledgeWissen economyWirtschaft,"
370
927000
3000
zu etwas, das wir eine Computer-Wissensgesellschaft nennen könnten,
15:45
where high-levelhohes Level mathMathe is integralintegrale to what everyonejeder does
371
930000
3000
in der Mathematik auf hohem Niveau ein integraler Bestandteil davon ist, was jeder tut,
15:48
in the way that knowledgeWissen currentlyzur Zeit is.
372
933000
2000
auf die Art, wie es mit dem Wissen heute ist.
15:50
We can engageengagieren so manyviele more studentsStudenten with this,
373
935000
3000
Wir können so viel mehr Schüler damit erreichen,
15:53
and they can have a better time doing it.
374
938000
3000
und sie hätten mehr Freude daran.
15:56
And let's understandverstehen:
375
941000
2000
Und man muss verstehen,
15:58
this is not an incrementalinkrementell sortSortieren of changeVeränderung.
376
943000
3000
dass das nicht eine schrittweise Veränderung sein kann.
16:02
We're tryingversuchen to crossKreuz the chasmAbgrund here
377
947000
2000
Wir versuchen die Kluft hier
16:04
betweenzwischen schoolSchule mathMathe and the real-worldechte Welt mathMathe.
378
949000
2000
zwischen Schulmathematik und der realer Mathematik zu überwinden.
16:06
And you know if you walkgehen acrossüber a chasmAbgrund,
379
951000
2000
Und Sie wissen, wenn man über eine Kluft geht,
16:08
you endEnde up makingHerstellung it worseschlechter than if you didn't startAnfang at all --
380
953000
3000
wird es viel schlimmer als wäre man gar nicht erst losgegangen –
16:11
biggergrößer disasterKatastrophe.
381
956000
2000
größeres Desaster.
16:13
No, what I'm suggestingschlägt vor
382
958000
2000
Nein, was ich vorschlage ist,
16:15
is that we should leapSprung off,
383
960000
2000
dass wir abspringen sollten,
16:17
we should increaseerhöhen, ansteigen our velocityGeschwindigkeit
384
962000
2000
wir sollten unsere Geschwindigkeit
16:19
so it's highhoch,
385
964000
2000
so erhöhen,
16:21
and we should leapSprung off one sideSeite and go the other --
386
966000
3000
dass wir von einer Seite abspringen und auf die andere kommen –
16:24
of courseKurs, havingmit calculatedberechnet our differentialDifferential equationGleichung very carefullyvorsichtig.
387
969000
3000
natürlich sollten wir unsere Differentialgleichung sehr sorgfältig durchgerechnet haben.
16:27
(LaughterLachen)
388
972000
2000
(Gelächter)
16:29
So I want to see
389
974000
2000
Ich möchte also
16:31
a completelyvollständig renewederneuert, changedgeändert mathMathe curriculumLehrplan
390
976000
2000
einen komplett erneuerten, geänderten Mathematiklehrplan sehen,
16:33
builtgebaut from the groundBoden up,
391
978000
2000
von Grund auf neu aufgebaut,
16:35
basedbasierend on computersComputer beingSein there,
392
980000
2000
auf die Verwendung von Computern gestützt,
16:37
computersComputer that are now ubiquitousallgegenwärtig almostfast.
393
982000
2000
Computer die jetzt fast allgegenwärtig sind.
16:39
CalculatingBerechnung machinesMaschinen are everywhereüberall
394
984000
2000
Rechenmaschinen sind überall
16:41
and will be completelyvollständig everywhereüberall in a smallklein numberNummer of yearsJahre.
395
986000
3000
und werden in ein paar Jahren wirklich überall sein.
16:44
Now I'm not even sure if we should brandMarke the subjectFach as mathMathe,
396
989000
4000
Ich bin mir nicht einmal sicher, ob wir das Fach Mathematik nennen sollten,
16:48
but what I am sure is
397
993000
2000
aber worin ich mir sicher bin ist,
16:50
it's the mainstreamMainstream subjectFach of the futureZukunft.
398
995000
2000
dass es das Hauptfach der Zukunft ist.
16:53
Let's go for it,
399
998000
3000
Lass es uns anpacken!
16:56
and while we're about it,
400
1001000
2000
Und während wir dabei sind,
16:58
let's have a bitBit of funSpaß,
401
1003000
2000
lass uns ein bisschen Spaß haben,
17:00
for us, for the studentsStudenten and for TEDTED here.
402
1005000
3000
für uns, für die Schüler, und für TED hier.
17:03
ThanksVielen Dank.
403
1008000
2000
Danke.
17:05
(ApplauseApplaus)
404
1010000
7000
(Applaus)
Translated by Elmar Laistler
Reviewed by Annegret Krueppel

▲Back to top

ABOUT THE SPEAKER
Conrad Wolfram - Mathematician
Conrad Wolfram runs the worldwide arm of Wolfram Research, the mathematical lab behind the cutting-edge knowledge engine Wolfram Alpha.

Why you should listen

Conrad Wolfram is the strategic director of Wolfram Research, where his job, in a nutshell, is understanding and finding new uses for the Mathematica technology. Wolfram is especially passionate about finding uses for Mathematica outside of pure computation, using it as a development platform for products that help communicate big ideas. The Demonstrations tool, for instance, makes a compelling case for never writing out another equation -- instead displaying data in interactive, graphical form.

Wolfram's work points up the changing nature of math in the past 30 years, as we've moved from adding machines to calculators to sophisticated math software, allowing us to achieve ever more complex computational feats. But, Wolfram says, many schools are still focused on hand-calculating; using automation, such as a piece of software, to do math is sometimes seen as cheating. This keeps schools from spending the time they need on the new tools of science and mathematics. As they gain significance for everyday living, he suggests, we need to learn to take advantage of these tools and learn to use them young. Learn more at computerbasedmath.org.

More profile about the speaker
Conrad Wolfram | Speaker | TED.com