ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Daphne Koller | Speaker | TED.com
TEDGlobal 2012

Daphne Koller: What we're learning from online education

Daphne Koller: Was wir vom Online-Lernen lernen

Filmed:
2,603,043 views

Daphne Koller verführt Top-Universitäten, ihre faszinierendsten Kurse kostenlos online zu stellen – nicht bloß als Service, sondern als Weg, das menschliche Lernverhalten zu untersuchen. Jeder Tastenanschlag, jedes Verständnisquiz, Peer-to-Peer-Forum-Diskussionen und selbstbewertete Hausaufgaben ergeben einen noch nie dagewesenen Datenpool nicht nur zu der Frage, wie Wissen verarbeitet wird, sondern vor allem, wie es absorbiert wird.
- 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

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

00:16
Like manyviele of you, I'm one of the luckyglücklich people.
0
725
3111
Wie so viele hier gehöre ich
zu den Glücklichen.
00:19
I was borngeboren to a familyFamilie where educationBildung was pervasivedurchdringend.
1
3836
3400
In meiner Familie wurde
Bildung großgeschrieben.
00:23
I'm a third-generationdritten generation PhDPhD, a daughterTochter of two academicsAkademiker.
2
7236
4238
Doktorin in der dritten Generation,
Tochter zweier Akademiker.
00:27
In my childhoodKindheit, I playedgespielt around in my father'sVaters universityUniversität labLabor.
3
11474
3794
Als Kind spielte ich oft
im Universitätslabor meines Vaters.
00:31
So it was takengenommen for grantedgewährt that I attendbesuchen some of the bestBeste universitiesUniversitäten,
4
15268
3849
Es war also selbstverständlich, dass ich
einige der besten Universitäten besuchte,
00:35
whichwelche in turnWende openedgeöffnet the doorTür to a worldWelt of opportunityGelegenheit.
5
19117
3801
was mir wiederum eine Welt
voller Möglichkeiten eröffnete.
00:38
UnfortunatelyLeider, mostdie meisten of the people in the worldWelt are not so luckyglücklich.
6
22918
4120
Leider haben die meisten Menschen
auf der Welt nicht so viel Glück.
00:42
In some partsTeile of the worldWelt, for exampleBeispiel, SouthSüden AfricaAfrika,
7
27038
3135
In einigen Teilen der Welt,
z. B. in Südafrika,
00:46
educationBildung is just not readilyleicht accessiblezugänglich.
8
30173
2705
ist Bildung nur schwer zugänglich.
00:48
In SouthSüden AfricaAfrika, the educationalBildungs systemSystem was constructedgebaut
9
32878
2975
Das Bildungssystem in Südafrika wurde
00:51
in the daysTage of apartheidApartheid for the whiteWeiß minorityMinderheit.
10
35853
2873
zu Zeiten der Apartheid
für die weiße Minderheit entwickelt.
00:54
And as a consequenceFolge, todayheute there is just not enoughgenug spotsFlecken
11
38726
2700
Dadurch gibt es heutzutage
einfach nicht genügend Plätze
00:57
for the manyviele more people who want and deserveverdienen a highhoch qualityQualität educationBildung.
12
41426
3852
für die vielen Menschen, die eine hochwertige
Ausbildung wollen und verdienen.
01:01
That scarcityKnappheit led to a crisisKrise in JanuaryJanuar of this yearJahr
13
45278
3880
Dieser Mangel führte
im Januar diesen Jahres zu einer Krise
01:05
at the UniversityUniversität of JohannesburgJohannesburg.
14
49158
1836
an der University of Johannesburg.
01:06
There were a handfulHandvoll of positionsPositionen left openöffnen
15
50994
2131
Es gab noch ein paar freie Studienplätze
01:09
from the standardStandard admissionsKinobesuche processverarbeiten, and the night before
16
53125
2969
im Standardzulassungsverfahren,
und in der Nacht,
01:11
they were supposedsoll to openöffnen that for registrationAnmeldung,
17
56094
2560
bevor die Registrierung für
diese Plätze beginnen sollte,
01:14
thousandsTausende of people linedliniert up outsidedraußen the gateTor in a lineLinie a mileMeile long,
18
58654
4052
stellten sich Tausende von Menschen
in einer kilometerlangen Schlange vor dem Tor an.
01:18
hopinghoffend to be first in lineLinie to get one of those positionsPositionen.
19
62706
3880
Sie hofften,
einen dieser Plätze zu ergattern.
01:22
When the gatesTore openedgeöffnet, there was a stampedeStampede,
20
66586
2308
Als sich die Tore öffneten,
kam es zu einer Massenpanik,
01:24
and 20 people were injuredverletzt and one womanFrau diedist verstorben.
21
68894
3652
bei der 20 Menschen verletzt wurden
und eine Frau starb.
01:28
She was a motherMutter who gavegab her life
22
72546
1940
Es war eine Mutter,
die bei dem Versuch,
01:30
tryingversuchen to get her sonSohn a chanceChance at a better life.
23
74486
4063
ihrem Sohn ein besseres Leben zu
ermöglichen, ihr Leben verlor.
01:34
But even in partsTeile of the worldWelt like the UnitedVereinigte StatesStaaten
24
78549
3157
Aber selbst in Teilen der Welt
wie den Vereinigten Staaten,
01:37
where educationBildung is availableverfügbar, it mightMacht not be withininnerhalb reacherreichen.
25
81706
4356
wo Bildung vorhanden ist, ist sie
nicht unbedingt erreichbar.
01:41
There has been much discusseddiskutiert in the last fewwenige yearsJahre
26
86062
2672
In den letzten Jahren wurde viel
01:44
about the risingsteigend costKosten of healthGesundheit carePflege.
27
88734
1989
über die steigenden Kosten
im Gesundheitswesen diskutiert.
01:46
What mightMacht not be quiteganz as obviousoffensichtlich to people
28
90723
2642
Viele wissen vielleicht nicht,
01:49
is that duringwährend that samegleich periodPeriode the costKosten of higherhöher educationBildung tuitionNachhilfe
29
93365
4022
dass sich in der gleichen Zeit
die Studiengebühren
01:53
has been increasingsteigend at almostfast twicezweimal the ratePreis,
30
97387
2480
um fast das Zweifache erhöht haben,
01:55
for a totalgesamt of 559 percentProzent sinceschon seit 1985.
31
99867
4280
seit 1985 um insgesamt 559%.
02:00
This makesmacht educationBildung unaffordableunbezahlbar for manyviele people.
32
104147
4534
Dadurch wird Bildung für viele unbezahlbar.
02:04
FinallySchließlich, even for those who do manageverwalten to get the higherhöher educationBildung,
33
108681
3801
Selbst jenen mit einer Hochschulausbildung
02:08
the doorsTüren of opportunityGelegenheit mightMacht not openöffnen.
34
112482
2625
bietet sich nicht unbedingt
die passende Gelegenheit.
02:11
Only a little over halfHälfte of recentkürzlich collegeHochschule graduatesAbsolventen
35
115107
3207
Nun knapp über die Hälfte der derzeitigen
02:14
in the UnitedVereinigte StatesStaaten who get a higherhöher educationBildung
36
118314
2313
Hochschulabsolventen
in den Vereinigten Staaten
02:16
actuallytatsächlich are workingArbeiten in jobsArbeitsplätze that requireerfordern that educationBildung.
37
120627
3463
hat tatsächlich einen Job,
der diese Qualifikation voraussetzt.
02:19
This, of courseKurs, is not truewahr for the studentsStudenten
38
124090
1840
Natürlich gilt dies nicht für Studierende,
02:21
who graduateAbsolvent from the topoben institutionsInstitutionen,
39
125930
1952
die an Top-Hochschulen abschließen,
02:23
but for manyviele othersAndere, they do not get the valueWert
40
127882
2632
doch für viele andere zahlen sich die investierte
02:26
for theirihr time and theirihr effortAnstrengung.
41
130514
3536
Zeit und Mühe nicht aus.
02:29
TomTom FriedmanFriedman, in his recentkürzlich NewNeu YorkYork TimesMale articleArtikel,
42
134050
3030
Tom Friedman brachte unsere
Bemühung in seinem jüngsten
02:32
capturedgefangen, in the way that no one elsesonst could, the spiritGeist behindhinter our effortAnstrengung.
43
137080
4368
Artikel in der New York Times
unnachahmbar auf den Punkt:
02:37
He said the biggroß breakthroughsDurchbrüche are what happengeschehen
44
141448
3120
"Große Durchbrüche finden statt,
02:40
when what is suddenlyplötzlich possiblemöglich meetserfüllt what is desperatelyverzweifelt necessarynotwendig.
45
144568
3899
wenn das plötzlich Mögliche auf
das verzweifelt Benötigte trifft."
02:44
I've talkedsprach about what's desperatelyverzweifelt necessarynotwendig.
46
148467
2621
Über das verzweifelt Benötigte
habe ich bereits gesprochen.
02:46
Let's talk about what's suddenlyplötzlich possiblemöglich.
47
151088
2512
Kommen wir zu dem plötzlich Möglichen.
02:49
What's suddenlyplötzlich possiblemöglich was demonstratedgezeigt by
48
153600
3119
Das plötzlich Mögliche wurde durch
02:52
threedrei biggroß StanfordStanford classesKlassen,
49
156719
1568
drei große Stanford-Kurse gezeigt,
02:54
eachjede einzelne of whichwelche had an enrollmentAnmeldung of 100,000 people or more.
50
158287
3880
die alle jeweils mehr als
100.000 Teilnehmende hatten.
02:58
So to understandverstehen this, let's look at one of those classesKlassen,
51
162167
3384
Zur Verdeutlichung sehen Sie hier den Kurs
03:01
the MachineMaschine LearningLernen classKlasse offeredangeboten by my colleagueKollege
52
165551
1920
"Maschinelles Lernen" meines Kollegen
03:03
and cofounderMitbegründer AndrewAndrew NgNG.
53
167471
1729
und Mitbegründers Andrew Ng.
03:05
AndrewAndrew teacheslehrt one of the biggergrößer StanfordStanford classesKlassen.
54
169200
2319
Andrew unterrichtet einen
der größeren Stanford-Kurse.
03:07
It's a MachineMaschine LearningLernen classKlasse,
55
171519
1209
Er handelt von maschinellem Lernen
03:08
and it has 400 people enrolledangemeldet everyjeden time it's offeredangeboten.
56
172728
3518
und jedes Mal nehmen 400 Studierende teil.
03:12
When AndrewAndrew taughtgelehrt the MachineMaschine LearningLernen classKlasse to the generalGeneral publicÖffentlichkeit,
57
176246
3265
Als Andrew den Kurs Maschinelles Lernen
öffentlich unterrichtete,
03:15
it had 100,000 people registeredregistriert.
58
179511
2616
registrierten sich 100.000 Menschen.
03:18
So to put that numberNummer in perspectivePerspektive,
59
182127
2009
Um Ihnen die Dimension zu verdeutlichen:
03:20
for AndrewAndrew to reacherreichen that samegleich sizeGröße audiencePublikum
60
184136
2359
Wenn Andrew die gleiche Zahl an Zuhörern
03:22
by teachingLehren a StanfordStanford classKlasse,
61
186495
1826
mit seinem Stanford-Kurs erreichen wollte,
03:24
he would have to do that for 250 yearsJahre.
62
188321
3926
würde dies 250 Jahre in Anspruch nehmen.
03:28
Of courseKurs, he'der würde get really boredgelangweilt.
63
192247
3486
Das wäre für ihn natürlich ziemlich langweilig.
03:31
So, havingmit seengesehen the impactEinfluss of this,
64
195733
2737
Als wir die Wirkung des Angebots sahen,
03:34
AndrewAndrew and I decidedbeschlossen that we needederforderlich to really try and scaleRahmen this up,
65
198470
3128
entschieden Andrew und ich,
dass wir es vergrößern mussten
03:37
to bringbringen the bestBeste qualityQualität educationBildung to as manyviele people as we could.
66
201598
4120
um so vielen Menschen wie möglich
die bestmögliche Bildung anzubieten.
03:41
So we formedgebildet CourseraCoursera,
67
205718
1495
Wir gründeten Coursera
03:43
whosederen goalTor is to take the bestBeste coursesKurse
68
207213
3137
mit dem Ziel, die besten Kurse
03:46
from the bestBeste instructorsInstruktoren at the bestBeste universitiesUniversitäten
69
210350
3317
der besten Dozenten
an den besten Universitäten
03:49
and providezu Verfügung stellen it to everyonejeder around the worldWelt for freefrei.
70
213667
4028
Menschen rund um die Welt
kostenlos anzubieten.
03:53
We currentlyzur Zeit have 43 coursesKurse on the platformPlattform
71
217695
2600
Derzeit bieten wir auf der Plattform 43 Kurse
03:56
from fourvier universitiesUniversitäten acrossüber a rangeAngebot of disciplinesDisziplinen,
72
220295
3199
von vier Universitäten aus den
unterschiedlichsten Fachrichtungen an.
03:59
and let me showShow you a little bitBit of an overviewÜberblick
73
223494
1833
Ich möchte Ihnen einen kurzen
04:01
of what that lookssieht aus like.
74
225327
3278
Überblick geben, wie das aussieht.
04:04
(VideoVideo) RobertRobert GhristGhrist: WelcomeHerzlich Willkommen to CalculusKalkül.
75
228605
1213
(Video) Robert Ghrist:
Willkommen bei "Analysis".
04:05
EzekielHesekiel EmanuelEmanuel: FiftyFünfzig millionMillion people are uninsuredunversichert.
76
229818
1880
Ezekiel Emanuel: Fünfzig Millionen
Menschen sind nicht versichert.
04:07
ScottScott PageSeite: ModelsModelle help us designEntwurf more effectiveWirksam institutionsInstitutionen and policiesRichtlinien.
77
231698
3271
Scott Page: Anhand von Modellen können wir
effizientere Institutionen und Richtlinien entwerfen.
04:10
We get unbelievablenicht zu fassen segregationSegregation.
78
234969
2408
Wir erreichen unglaubliche Segregation.
04:13
ScottScott KlemmerKlemmer: So BushBush imaginedvorgestellt that in the futureZukunft,
79
237377
1792
Scott Klemmer: Bush nahm
also an, dass man zukünftig
04:15
you'ddu würdest weartragen a cameraKamera right in the centerCenter of your headKopf.
80
239169
2378
eine Kamera mitten auf der Stirn tragen würde.
04:17
MitchellMitchell DuneierDuneier: MillsMills wants the studentSchüler of sociologySoziologie to developentwickeln the qualityQualität of mindVerstand ...
81
241547
4254
Mitchell Duneier: Mills möchte, dass Soziologie-
studenten eine Qualität der Denkweise entwickeln.
04:21
RGRG: HangingHängende cableKabel takes on the formbilden of a hyperbolichyperbolische cosineKosinus.
82
245801
3665
RG: Das hängende Kabel nimmt die Form
eines hyperbolischen Kosinus an.
04:25
NickNick ParlanteParlante: For eachjede einzelne pixelPixel in the imageBild, setSet the redrot to zeroNull.
83
249466
3071
Nick Parlante: Setzen Sie bei allen Pixeln
des Bildes 'rot' auf Null.
04:28
PaulPaul OffitOffit: ... VaccineImpfstoff alloweddürfen us to eliminatebeseitigen polioPolio virusVirus.
84
252537
2977
Paul Offit: ... Durch Impfungen
konnte Polio ausgerottet werden.
04:31
DanDan JurafskyJurafsky: Does LufthansaLufthansa servedienen breakfastFrühstück and SanSan JoseJose? Well, that soundsGeräusche funnykomisch.
85
255514
3623
Dan Jurafsky: Bedient Lufthansa Frühstück
und San Jose? Das klingt sehr komisch.
04:35
DaphneDaphne KollerKoller: So this is whichwelche coinMünze you pickwähle, and this is the two tosseswirft.
86
259137
3616
Daphne Koller: Welche Münze wählen Sie also
und wie werden Sie sie werfen?
04:38
AndrewAndrew NgNG: So in large-scalegroß angelegte machineMaschine learningLernen, we'dheiraten like to come up with computationalrechnerisch ...
87
262753
3687
Andrew Ng: Beim maschinellen Lernen
erstellen wir rechnerische ...
04:42
(ApplauseApplaus)
88
266440
5609
(Applaus)
04:47
DKDK: It turnswendet sich out, maybe not surprisinglyüberraschenderweise,
89
272049
2274
DK: Es ist nicht überraschend,
04:50
that studentsStudenten like gettingbekommen the bestBeste contentInhalt
90
274323
2238
dass es Studierenden gefällt, die besten Inhalte
04:52
from the bestBeste universitiesUniversitäten for freefrei.
91
276561
2887
von den besten Universitäten
kostenlos zu erhalten.
04:55
SinceSeit we openedgeöffnet the websiteWebseite in FebruaryFebruar,
92
279448
2522
Seit dem Launch der Website im Februar
04:57
we now have 640,000 studentsStudenten from 190 countriesLänder.
93
281970
4358
hatten wir 640.000 Studierende
aus 190 Ländern.
05:02
We have 1.5 millionMillion enrollmentsAnmeldungen,
94
286328
2152
Es gab 1.5 Millionen Anmeldungen,
05:04
6 millionMillion quizzesQuiz in the 15 classesKlassen that have launchedgestartet
95
288480
2850
und in den 15 angebotenen Kursen
wurden bisher 6 Millionen Quizze
05:07
so farweit have been submittedeingereicht, and 14 millionMillion videosVideos have been viewedangesehen.
96
291330
4916
eingereicht und 14 Millionen Videos angeschaut.
05:12
But it's not just about the numbersNummern,
97
296246
2518
Aber es geht nicht nur um Zahlen,
05:14
it's alsoebenfalls about the people.
98
298764
1641
es geht auch um Menschen.
05:16
WhetherOb it's AkashAkash, who comeskommt from a smallklein townStadt in IndiaIndien
99
300405
2976
So wie Akash, der aus
einer kleinen indischen Stadt kommt
05:19
and would never have accessZugriff in this caseFall
100
303381
2175
und wohl nie Zugang zu einem
05:21
to a Stanford-qualityStanford-Qualität courseKurs
101
305556
1489
hochwertigen Stanford-Kurs gehabt hätte
05:22
and would never be ablefähig to affordgewähren it.
102
307045
2515
und ihn wohl auch nie hätte bezahlen können.
05:25
Or JennyJenny, who is a singleSingle motherMutter of two
103
309560
2038
Oder die alleinerziehende
zweifache Mutter Jenny,
05:27
and wants to honeHone her skillsFähigkeiten
104
311598
1967
die ihre Kenntnisse aufbessern möchte,
05:29
so that she can go back and completekomplett her master'sMaster degreeGrad.
105
313565
3135
damit sie ihren Master-Studiengang
abschließen kann.
05:32
Or RyanRyan, who can't go to schoolSchule,
106
316700
3136
Das ist Ryan, der nicht zur Universität gehen kann,
05:35
because his immuneimmun deficientmangelhaft daughterTochter
107
319836
1865
da seine Tochter an Immundefizienz litt
05:37
can't be riskedriskiert to have germsKeime come into the houseHaus,
108
321701
3383
und er nicht riskieren wollte,
Bakterien ins Haus zu bringen.
05:40
so he couldn'tkonnte nicht leaveverlassen the houseHaus.
109
325084
1840
Deswegen konnte er das Haus nicht verlassen.
05:42
I'm really gladfroh to say --
110
326924
1632
Es freut mich sehr Ihnen mitzuteilen –
05:44
recentlyvor kurzem, we'vewir haben been in correspondenceKorrespondenz with RyanRyan --
111
328556
2252
wir haben vor kurzem mit Ryan korrespondiert –
05:46
that this storyGeschichte had a happyglücklich endingEnde.
112
330808
1932
diese Geschichte hat ein Happyend.
05:48
BabyBaby ShannonShannon -- you can see her on the left --
113
332740
1903
Seiner kleinen Tochter
Shannon – hier links im Bild –
05:50
is doing much better now,
114
334643
1351
geht es viel besser,
05:51
and RyanRyan got a jobJob by takingunter some of our coursesKurse.
115
335994
4198
und Ryan fand einen Job, nachdem
er einige unserer Kurse belegt hatte.
05:56
So what madegemacht these coursesKurse so differentanders?
116
340192
2244
Was war das Besondere an diesen Kursen?
05:58
After all, onlineonline courseKurs contentInhalt has been availableverfügbar for a while.
117
342436
3720
Online-Kurse gibt es ja schließlich
schon eine ganze Weile.
06:02
What madegemacht it differentanders was that this was realecht courseKurs experienceErfahrung.
118
346156
3712
Das Besondere war die Erfahrung,
einen echten Kurs zu belegen.
06:05
It startedhat angefangen on a givengegeben day,
119
349868
1726
Er begann an einem festgelegten Tag,
06:07
and then the studentsStudenten would watch videosVideos on a weeklywöchentlich basisBasis
120
351594
3634
und ab da schauten die
Studierenden wöchentlich Videos
06:11
and do homeworkHausaufgaben assignmentsZuordnungen.
121
355228
1855
und machten Hausaufgaben.
06:12
And these would be realecht homeworkHausaufgaben assignmentsZuordnungen
122
357083
1791
Diese Hausaufgaben waren echt,
06:14
for a realecht gradeKlasse, with a realecht deadlineFrist.
123
358874
3304
mit echten Noten und
einem echten Abgabetermin.
06:18
You can see the deadlinesTermine and the usageVerwendung graphGraph.
124
362178
2056
Hier sind die Abgabetermine
und die Nutzungskurve.
06:20
These are the spikesSpitzen showingzeigt
125
364234
2088
Die Spitzen zeigen,
06:22
that procrastinationZaudern is globalglobal phenomenonPhänomen.
126
366322
3789
dass Prokrastination ein
weltweites Phänomen ist.
06:26
(LaughterLachen)
127
370111
2576
(Lachen)
06:28
At the endEnde of the courseKurs,
128
372687
1672
Nach Abschluss
des Kurses erhielten
06:30
the studentsStudenten got a certificateZertifikat.
129
374359
1856
die Studierenden ein Zertifikat.
06:32
They could presentGeschenk that certificateZertifikat
130
376215
2160
Sie konnten das Zertifikat
06:34
to a prospectiveprospektive employerArbeitgeber and get a better jobJob,
131
378375
2153
einer Bewerbung beilegen
und einen besseren Job bekommen,
06:36
and we know manyviele studentsStudenten who did.
132
380528
2060
was viele unserer
Studierenden gemacht haben.
06:38
Some studentsStudenten tookdauerte theirihr certificateZertifikat
133
382588
1919
Einige Studierende legten ihr Zertifikat
06:40
and presentedvorgeführt this to an educationalBildungs institutionInstitution at whichwelche they were enrolledangemeldet
134
384507
3122
bei ihrer Bildungseinrichtung vor
06:43
for actualtatsächlich collegeHochschule creditKredit.
135
387629
1841
und ihnen wurden dafür
echte Leistungspunkte angerechnet.
06:45
So these studentsStudenten were really gettingbekommen something meaningfulsinnvoll
136
389470
2214
Für diese Studierende zahlten sich
06:47
for theirihr investmentInvestition of time and effortAnstrengung.
137
391684
2834
die investierte Zeit und Mühe aus.
06:50
Let's talk a little bitBit about some of the componentsKomponenten
138
394518
2555
Ich möchte nun ein wenig über
06:52
that go into these coursesKurse.
139
397073
1892
die Merkmale der Kurse sprechen.
06:54
The first componentKomponente is that when you moveBewegung away
140
398965
2628
Zum einen führt das Fehlen eines
06:57
from the constraintsEinschränkungen of a physicalphysisch classroomKlassenzimmer
141
401593
2297
wirklichen Unterrichtsraums
06:59
and designEntwurf contentInhalt explicitlyausdrücklich for an onlineonline formatFormat,
142
403890
2840
und die Nutzung von Material,
das explizit für Online-Formate entworfen wird,
07:02
you can breakUnterbrechung away from, for exampleBeispiel,
143
406730
2528
beispielsweise zur Loslösung von
07:05
the monolithicmonolithisch one-hour1 Stunde lectureVorlesung.
144
409258
2415
der starren 60-minütigen Vorlesung.
07:07
You can breakUnterbrechung up the materialMaterial, for exampleBeispiel,
145
411673
1785
Das Material kann zum Beispiel
07:09
into these shortkurz, modularmodular unitsEinheiten of eightacht to 12 minutesProtokoll,
146
413458
3376
in kleine, modulare Einheiten von
8 bis 12 Minuten aufgebrochen werden,
07:12
eachjede einzelne of whichwelche representsrepräsentiert a coherentkohärente conceptKonzept.
147
416834
2974
die jeweils ein kohärentes Konzept aufweisen.
07:15
StudentsStudenten can traverseTraverse this materialMaterial in differentanders waysWege,
148
419808
2570
Studierende können das Material
entsprechend ihres Vorwissens,
07:18
dependingabhängig on theirihr backgroundHintergrund, theirihr skillsFähigkeiten or theirihr interestsInteressen.
149
422378
3704
ihrer Fähigkeiten und ihres Interesses
auf unterschiedliche Weise bearbeiten.
07:21
So, for exampleBeispiel, some studentsStudenten mightMacht benefitVorteil
150
426082
2520
So können manche Studierende von
07:24
from a little bitBit of preparatoryvorbereitende materialMaterial
151
428602
2760
Vorbereitungsmaterialien, die andere
07:27
that other studentsStudenten mightMacht alreadybereits have.
152
431362
2071
Studierende schon besitzen, profitieren.
07:29
Other studentsStudenten mightMacht be interestedinteressiert in a particularinsbesondere
153
433433
2440
Andere Studierende sind
vielleicht an Zusatzmaterial
07:31
enrichmentAnreicherung topicThema that they want to pursueverfolgen individuallyindividuell.
154
435873
3086
interessiert, mit dem sie sich
genauer befassen möchten.
07:34
So this formatFormat allowserlaubt us to breakUnterbrechung away
155
438959
3235
Dieses Format erlaubt es also, von
dem Bildungsmodell abzukommen,
07:38
from the one-size-fits-allOne size fits all modelModell- of educationBildung,
156
442194
2824
bei dem jeder das Gleiche
vorgesetzt bekommt.
07:40
and allowserlaubt studentsStudenten to followFolgen a much more personalizedpersonalisiert curriculumLehrplan.
157
445018
3992
Es erlaubt Studierenden einen stark
individualisierten Studienplan.
07:44
Of courseKurs, we all know as educatorsErzieher
158
449010
2343
Uns Ausbildern ist natürlich klar, dass
07:47
that studentsStudenten don't learnlernen by sittingSitzung and passivelypassiv watchingAufpassen videosVideos.
159
451353
3360
Studierende nichts lernen, wenn sie
bloß dasitzen und Videos anschauen.
07:50
PerhapsVielleicht one of the biggestgrößte componentsKomponenten of this effortAnstrengung
160
454713
2945
Das wichtigste Merkmal unserer
Überlegungen ist daher vielleicht,
07:53
is that we need to have studentsStudenten
161
457658
2592
dass wir Studierende anregen müssen,
07:56
who practicetrainieren with the materialMaterial
162
460250
2409
das Material anzuwenden,
07:58
in orderAuftrag to really understandverstehen it.
163
462659
3156
damit sie es wirklich verstehen.
08:01
There's been a rangeAngebot of studiesStudien that demonstratezeigen the importanceBedeutung of this.
164
465815
3268
Eine Reihe von Studien belegt
die Bedeutung von Übungen.
08:04
This one that appearederschienen in ScienceWissenschaft last yearJahr, for exampleBeispiel,
165
469083
2532
Diese erschien letztes Jahr in "Science" und
08:07
demonstrateszeigt that even simpleeinfach retrievalAbruf practicetrainieren,
166
471615
2832
zeigt beispielsweise, dass
schon einfache Abfragen,
08:10
where studentsStudenten are just supposedsoll to repeatwiederholen
167
474447
2792
bei denen Studierende
nur wiederholen müssen,
08:13
what they alreadybereits learnedgelernt
168
477239
1400
was sie schon gelernt haben,
08:14
givesgibt considerablywesentlich improvedverbessert resultsErgebnisse
169
478639
1920
zu auffällig verbesserten Ergebnissen
08:16
on variousverschiedene achievementLeistung testsTests down the lineLinie
170
480559
2269
bei späteren Leistungstests führt
08:18
than manyviele other educationalBildungs interventionsEingriffe.
171
482828
4304
als viele andere Ausbildungsmaßnahmen.
08:23
We'veWir haben triedversucht to buildbauen in retrievalAbruf practicetrainieren into the platformPlattform,
172
487132
2962
Daher haben wir versucht, Abfragen
und viele andere Übungsformen
08:25
as well as other formsFormen of practicetrainieren in manyviele waysWege.
173
490094
2254
auf der Plattform zu integrieren.
08:28
For exampleBeispiel, even our videosVideos are not just videosVideos.
174
492348
4144
So sind auch unsere Videos
nicht nur bloß Videos.
08:32
EveryJedes fewwenige minutesProtokoll, the videoVideo pausesPausen
175
496492
2043
Das Video wird alle paar Minuten unterbrochen
08:34
and the studentsStudenten get askedaufgefordert a questionFrage.
176
498535
2151
und den Studierenden wird eine Frage gestellt.
08:36
(VideoVideo) SPSP: ... These fourvier things. ProspectAussicht auf theoryTheorie, hyperbolichyperbolische discountingDiskontierung,
177
500686
2221
(Video) SP: Diese vier Aspekte.
Prospect Theory, hyperbolische Diskontierung,
08:38
statusStatus quoQuo biasvorspannen, baseBase ratePreis biasvorspannen. They're all well documenteddokumentiert.
178
502907
3092
Tendenz zum Status quo, Prävalenzfehler.
Alle sind gut dokumentiert.
08:41
So they're all well documenteddokumentiert deviationsAbweichungen from rationalrational behaviorVerhalten.
179
505999
2767
Alle sind gut dokumentierte
Abweichungen des rationalen Verhaltens.
08:44
DKDK: So here the videoVideo pausesPausen,
180
508766
1624
DK: Hier unterbricht das Video
08:46
and the studentSchüler typesTypen in the answerAntworten into the boxBox
181
510390
2256
und die Studierenden tippen
die Antwort in die Box
08:48
and submitslegt. ObviouslyOffensichtlich they weren'twaren nicht payingzahlend attentionAufmerksamkeit.
182
512646
3223
und senden sie ab. Es ist klar,
sie haben nicht aufgepasst.
08:51
(LaughterLachen)
183
515884
869
(Lachen)
08:52
So they get to try again,
184
516753
2010
Also versuchen sie es noch einmal,
08:54
and this time they got it right.
185
518763
2536
und dieses Mal stimmt die Antwort.
08:57
There's an optionaloptional explanationErläuterung if they want.
186
521299
2193
Auf Wunsch gibt es
eine optionale Erklärung.
08:59
And now the videoVideo movesbewegt on to the nextNächster partTeil of the lectureVorlesung.
187
523492
4257
Dann geht das Video mit
dem nächsten Teil weiter.
09:03
This is a kindArt of simpleeinfach questionFrage
188
527749
1878
Es mag eine recht
einfache Frage sein,
09:05
that I as an instructorLehrer mightMacht askFragen in classKlasse,
189
529627
2081
die ich als Dozentin
im Kurs stelle,
09:07
but when I askFragen that kindArt of a questionFrage in classKlasse,
190
531708
2500
aber wenn ich so etwas im Kurs frage,
09:10
80 percentProzent of the studentsStudenten
191
534208
1300
sind 80% der Studierenden immer noch
09:11
are still scribblingkritzeln the last thing I said,
192
535508
1866
damit beschäftigt, meine
letzten Worte zu notieren,
09:13
15 percentProzent are zonedZonen out on FacebookFacebook,
193
537374
3321
15% sind abgelenkt von Facebook
09:16
and then there's the smartySmarty pantsHose in the frontVorderseite rowReihe
194
540695
2456
und dann gibt es diesen
Besserwisser in der ersten Reihe,
09:19
who blurtsplatzt out the answerAntworten
195
543151
1359
der die Antwort heraus posaunt,
09:20
before anyonejemand elsesonst has had a chanceChance to think about it,
196
544510
2207
bevor irgendjemand sonst die Möglichkeit hatte,
darüber nachzudenken,
09:22
and I as the instructorLehrer am terriblyfürchterlich gratifiederfreut
197
546717
2872
und ich als Dozentin bin super glücklich,
09:25
that somebodyjemand actuallytatsächlich knewwusste the answerAntworten.
198
549589
1648
dass tatsächlich jemand die Antwort wusste.
09:27
And so the lectureVorlesung movesbewegt on before, really,
199
551237
2792
Und die Vorlesung geht weiter, bevor
09:29
mostdie meisten of the studentsStudenten have even noticedbemerkt that a questionFrage had been askedaufgefordert.
200
554029
3529
die meisten Studierenden überhaupt gemerkt haben,
dass eine Frage gestellt worden ist.
09:33
Here, everyjeden singleSingle studentSchüler
201
557558
2607
Hier muss sich jeder einzelne Studierende
09:36
has to engageengagieren with the materialMaterial.
202
560165
2784
mit dem Material befassen.
09:38
And of courseKurs these simpleeinfach retrievalAbruf questionsFragen
203
562949
1936
Diese einfachen Abfragen sind natürlich nicht
09:40
are not the endEnde of the storyGeschichte.
204
564885
1662
das Ende vom Lied.
09:42
One needsBedürfnisse to buildbauen in much more meaningfulsinnvoll practicetrainieren questionsFragen,
205
566547
2970
Es müssen viel mehr sinnvolle
Übungsaufgaben eingebaut werden,
09:45
and one alsoebenfalls needsBedürfnisse to providezu Verfügung stellen the studentsStudenten with feedbackFeedback
206
569517
2353
und die Studierenden müssen Feedback
09:47
on those questionsFragen.
207
571870
1663
zu diesen Übungsaufgaben erhalten.
09:49
Now, how do you gradeKlasse the work of 100,000 studentsStudenten
208
573533
2888
Doch wie kann man die Übungen
von 100.000 Studierenden bewerten,
09:52
if you do not have 10,000 TAsTAs?
209
576421
3082
wenn nicht 10.000 Tutoren zur Verfügung stehen?
09:55
The answerAntworten is, you need to use technologyTechnologie
210
579503
2354
Die Lösung – wir müssen Technologie benutzen,
09:57
to do it for you.
211
581857
1495
um dies zu bewerkstelligen.
09:59
Now, fortunatelyglücklicherweise, technologyTechnologie has come a long way,
212
583352
2648
Glücklicherweise hat sich
die Technologie weit entwickelt,
10:01
and we can now gradeKlasse a rangeAngebot of interestinginteressant typesTypen of homeworkHausaufgaben.
213
586000
3268
und wir können heutzutage eine ganze Reihe
von interessanten Aufgabentypen bewerten.
10:05
In additionZusatz to multiplemehrere choiceWahl
214
589268
1527
Zusätzlich zu Multiple Choice
10:06
and the kindsArten of shortkurz answerAntworten questionsFragen that you saw in the videoVideo,
215
590795
3153
und den kompakten Frage-Antwort-Aufgaben
aus dem Video
10:09
we can alsoebenfalls gradeKlasse mathMathe, mathematicalmathematisch expressionsAusdrücke
216
593948
3260
können wir auch Mathematik,
mathematische Begriffe
10:13
as well as mathematicalmathematisch derivationsAbleitungen.
217
597208
1952
und auch mathematische Abweichungen bewerten.
10:15
We can gradeKlasse modelsModelle, whetherob it's
218
599160
2874
Wir können Modelle bewerten, egal ob
10:17
financialfinanziell modelsModelle in a businessGeschäft classKlasse
219
602034
2176
Finanzmodelle in einem Wirtschaftskurs
10:20
or physicalphysisch modelsModelle in a scienceWissenschaft or engineeringIngenieurwesen classKlasse
220
604210
2984
oder physikalische Modelle in einem natur-
oder ingenieurwissenschaftlichen Kurs.
10:23
and we can gradeKlasse some prettyziemlich sophisticatedanspruchsvoll programmingProgrammierung assignmentsZuordnungen.
221
607194
3744
Wir können ebenso einige sehr komplizierte Programmieraufgaben bewerten.
10:26
Let me showShow you one that's actuallytatsächlich prettyziemlich simpleeinfach
222
610938
1919
Das hier ist wirklich ziemlich einfach
10:28
but fairlyziemlich visualvisuell.
223
612857
1480
und sehr anschaulich.
10:30
This is from Stanford'sStanfords ComputerComputer ScienceWissenschaft 101 classKlasse,
224
614337
2477
Informatik-Studierende aus dem Stanford Kurs 101
10:32
and the studentsStudenten are supposedsoll to color-correctFarb-Korrektur
225
616814
1604
sollen die Farben
10:34
that blurryverschwommen redrot imageBild.
226
618418
1592
des verschwommenen roten Bilds korrigieren.
10:35
They're typingTippen theirihr programProgramm into the browserBrowser,
227
620010
2018
Sie tippen ihre Antwort in den Browser,
10:37
and you can see they didn't get it quiteganz right, LadyLady LibertyLiberty is still seasickseekrank.
228
622028
4058
und sie sehen, die Antwort ist nicht ganz richtig,
die Freiheitsstatue ist noch ein wenig seekrank.
10:41
And so, the studentSchüler triesversucht again, and now they got it right, and they're told that,
229
626086
3756
Also versuchen es die Studierenden noch einmal
und nun klappt es. Sie bekommen grünes Licht
10:45
and they can moveBewegung on to the nextNächster assignmentZuordnung.
230
629842
2359
und können die nächste Aufgabe beginnen.
10:48
This abilityFähigkeit to interactinteragieren activelyaktiv with the materialMaterial
231
632201
3148
Die Möglichkeit, aktiv mit
dem Material zu interagieren
10:51
and be told when you're right or wrongfalsch
232
635349
1684
und zu wissen, ob man falsch oder richtig liegt,
10:52
is really essentialwesentlich to studentSchüler learningLernen.
233
637033
3126
ist eine elementare Lernerfahrung.
10:56
Now, of courseKurs we cannotnicht können yetnoch gradeKlasse
234
640159
2275
Es ist klar, dass wir noch nicht
10:58
the rangeAngebot of work that one needsBedürfnisse for all coursesKurse.
235
642434
2834
den gesamten Umfang an Aufgaben
für alle Kurse bewerten können.
11:01
SpecificallySpeziell, what's lackingfehlend is the kindArt of criticalkritisch thinkingDenken work
236
645268
3301
Insbesondere fehlt es noch
an kritischer Denkweise,
11:04
that is so essentialwesentlich in sucheine solche disciplinesDisziplinen
237
648569
1922
die so elementar für Bereiche wie
11:06
as the humanitiesGeisteswissenschaften, the socialSozial sciencesWissenschaften, businessGeschäft and othersAndere.
238
650491
3597
Geistes-, Sozialwissenschaften,
Wirtschaft und so weiter ist.
11:09
So we triedversucht to convinceüberzeugen, for exampleBeispiel,
239
654088
2249
So wollten wir einige unserer Kollegen der
11:12
some of our humanitiesGeisteswissenschaften facultyFakultät
240
656337
1616
Geisteswissenschaften überzeugen,
11:13
that multiplemehrere choiceWahl was not sucheine solche a badschlecht strategyStrategie.
241
657953
2696
dass Multiple Choice keine so schlechte Sache ist.
11:16
That didn't go over really well.
242
660649
2191
Das hat nicht wirklich gut geklappt.
11:18
So we had to come up with a differentanders solutionLösung.
243
662840
2433
Wir mussten alternative Lösungen finden.
11:21
And the solutionLösung we endedendete up usingmit is peerPeer gradingVerschneidung.
244
665273
3074
So kamen wir schlussendlich zur Peer-Bewertung.
11:24
It turnswendet sich out that previousbisherige studiesStudien showShow,
245
668347
2422
Frühere Untersuchungen wie die von Saddler
11:26
like this one by SaddlerSattler and Good,
246
670769
1672
und Good hatten festgestellt,
11:28
that peerPeer gradingVerschneidung is a surprisinglyüberraschenderweise effectiveWirksam strategyStrategie
247
672441
2488
dass Peer-Bewertung ein
erstaunlich effektiver Weg ist,
11:30
for providingBereitstellung reproduciblereproduzierbare gradesKlasse.
248
674929
3214
reproduzierbare Bewertungen zu erhalten.
11:34
It was triedversucht only in smallklein classesKlassen,
249
678143
1770
Es wurde nur in kleinen Kursen getestet,
11:35
but there it showedzeigte, for exampleBeispiel,
250
679913
1487
doch dort zeigte sich z. B.,
11:37
that these student-assignedSchüler-zugeordnet gradesKlasse on the y-axisy-Achse
251
681400
2482
dass die Bewertung durch
die Studierenden auf der y-Achse
11:39
are actuallytatsächlich very well correlatedkorreliert
252
683882
1311
ziemlich genau denen der Dozenten
11:41
with the teacher-assignedLehrer zugewiesen gradeKlasse on the x-axisx-Achse.
253
685193
2296
auf der x-Achse entsprachen.
11:43
What's even more surprisingüberraschend is that self-gradesselbst Klasse,
254
687489
3160
Noch erstaunlicher ist,
dass Selbstbewertung,
11:46
where the studentsStudenten gradeKlasse theirihr ownbesitzen work criticallykritisch --
255
690649
2311
wo Studierende also ihre
eigenen Aufgaben kritisch prüfen –
11:48
so long as you incentivizeAnreize them properlyrichtig
256
692960
1737
so lange Sie ihnen
einen passenden Anreiz bieten,
11:50
so they can't give themselvessich a perfectperfekt scoreErgebnis --
257
694697
1938
so dass sie sich selbst
nicht die volle Punktzahl geben –
11:52
are actuallytatsächlich even better correlatedkorreliert with the teacherLehrer gradesKlasse.
258
696635
3191
noch genauer mit den Bewertungen
des Dozenten übereinstimmen.
11:55
And so this is an effectiveWirksam strategyStrategie
259
699826
1607
Dies ist also ein wirkungsvoller Weg,
11:57
that can be used for gradingVerschneidung at scaleRahmen,
260
701433
2104
um in diesem Umfang zu bewerten,
11:59
and is alsoebenfalls a usefulsinnvoll learningLernen strategyStrategie for the studentsStudenten,
261
703537
2736
und es ist eine sehr gute Lernstrategie
für Studierende,
12:02
because they actuallytatsächlich learnlernen from the experienceErfahrung.
262
706273
2255
denn sie lernen von dieser Erfahrung.
12:04
So we now have the largestgrößten peer-gradingPeer-Einstufung pipelinePipeline ever devisedentwickelt,
263
708528
4649
Wir haben also die größte jemals
erdachte Peer-Bewertung-Abfolge,
12:09
where tenszehn of thousandsTausende of studentsStudenten
264
713177
2504
in der abertausende Studierende
12:11
are gradingVerschneidung eachjede einzelne other'sAndere work,
265
715681
1198
gegenseitig die Aufgaben bewerten,
12:12
and quiteganz successfullyerfolgreich, I have to say.
266
716879
3069
und zwar – offen gesagt – sehr erfolgreich.
12:15
But this is not just about studentsStudenten
267
719948
2260
Doch das alles dreht sich
nicht nur um Studierende,
12:18
sittingSitzung aloneallein in theirihr livingLeben roomZimmer workingArbeiten throughdurch problemsProbleme.
268
722208
3041
die allein zu Hause hocken und
sich durch Aufgaben arbeiten.
12:21
Around eachjede einzelne one of our coursesKurse,
269
725249
1807
Zu jedem Kurs
12:22
a communityGemeinschaft of studentsStudenten had formedgebildet,
270
727056
2160
haben sich Gruppen
von Studierenden formiert,
12:25
a globalglobal communityGemeinschaft of people
271
729216
1880
eine globale Menschengruppe
12:26
around a sharedgeteilt intellectualgeistig endeavorEndeavor.
272
731096
2532
versammelte sich um eine
intellektuelle Herausforderung.
12:29
What you see here is a self-generatedEigenerzeugung mapKarte
273
733628
2652
Das hier ist eine selbst gestaltete Karte
12:32
from studentsStudenten in our PrincetonPrinceton SociologySoziologie 101 courseKurs,
274
736280
2961
von Studierenden des
Princeton-Kurses Soziologie 101,
12:35
where they have put themselvessich on a worldWelt mapKarte,
275
739241
2759
in dem sie sich auf einer
Weltkarte markiert haben,
12:37
and you can really see the globalglobal reacherreichen of this kindArt of effortAnstrengung.
276
742000
2960
und man kann wirklich die weltumspannende
Reichweite dieser Sache sehen.
12:40
StudentsStudenten collaboratedzusammengearbeitet in these coursesKurse in a varietyVielfalt of differentanders waysWege.
277
744960
4567
In diesen Kursen haben Studierende
auf verschiedenste Arten zusammen gearbeitet.
12:45
First of all, there was a questionFrage and answerAntworten forumForum,
278
749527
2639
Zuallererst gab es ein
Frage-Antwort-Forum,
12:48
where studentsStudenten would posePose questionsFragen,
279
752166
2144
in dem Studierende Fragen stellten,
12:50
and other studentsStudenten would answerAntworten those questionsFragen.
280
754310
2424
und andere Studierende
beantworteten diese.
12:52
And the really amazingtolle thing is,
281
756734
1713
Das wirkliche Tolle ist:
12:54
because there were so manyviele studentsStudenten,
282
758447
1670
Es gab so viele Studierende,
12:56
it meansmeint that even if a studentSchüler posedgestellt a questionFrage
283
760117
2365
und wenn ein Studierender eine Frage
12:58
at 3 o'clockUhr in the morningMorgen,
284
762482
1632
um drei Uhr morgens stellte,
13:00
somewhereirgendwo around the worldWelt,
285
764114
1582
gab es irgendwo auf der Welt
13:01
there would be somebodyjemand who was awakewach
286
765696
2074
jemanden, der wach war
13:03
and workingArbeiten on the samegleich problemProblem.
287
767770
2313
und an der gleichen Aufgabe saß.
13:05
And so, in manyviele of our coursesKurse,
288
770083
1958
So kam es in vielen
unserer Kurse dazu,
13:07
the medianMedian responseAntwort time for a questionFrage
289
772041
2329
dass die durchschnittliche
Reaktionszeit bei einer Frage
13:10
on the questionFrage and answerAntworten forumForum was 22 minutesProtokoll.
290
774370
3418
in einem Frage-Antwort-Forum
bei 22 Minuten lag.
13:13
WhichDie is not a levelEbene of serviceBedienung I have ever offeredangeboten to my StanfordStanford studentsStudenten.
291
777788
4577
Ich konnte so einen Service meinen
Studierenden bei Stanford nie bieten.
13:18
(LaughterLachen)
292
782365
1341
(Lachen)
13:19
And you can see from the studentSchüler testimonialsErfahrungsberichte
293
783706
1942
Die Aussagen der Studierenden
besagen folgendes:
13:21
that studentsStudenten actuallytatsächlich find
294
785648
1687
Sie sind der Meinung,
13:23
that because of this largegroß onlineonline communityGemeinschaft,
295
787335
2521
dass sie sich aufgrund der
großen Online-Gemeinschaft
13:25
they got to interactinteragieren with eachjede einzelne other in manyviele waysWege
296
789856
2599
auf vielerlei Arten miteinander
austauschen konnten,
13:28
that were deeperTiefer than they did in the contextKontext of the physicalphysisch classroomKlassenzimmer.
297
792455
4193
und das war intensiver als zu
gleicher Gelegenheit im Kursraum.
13:32
StudentsStudenten alsoebenfalls self-assembledselbst montiert,
298
796648
2344
Studierende organisierten sich auch
13:34
withoutohne any kindArt of interventionIntervention from us,
299
798992
1863
ohne unser Zutun
13:36
into smallklein studyStudie groupsGruppen.
300
800855
1903
in kleinen Studiengruppen.
13:38
Some of these were physicalphysisch studyStudie groupsGruppen
301
802758
2362
Einige waren reale Studiengruppen
13:41
alongeine lange geographicalgeografischen constraintsEinschränkungen
302
805120
1826
mit geographischen Beschränkungen,
13:42
and metgetroffen on a weeklywöchentlich basisBasis to work throughdurch problemProblem setssetzt.
303
806946
2722
und sie trafen sich einmal pro Woche,
um die Aufgaben durchzuarbeiten.
13:45
This is the SanSan FranciscoFrancisco studyStudie groupGruppe,
304
809668
1900
Das ist die Studiengruppe in San Francisco,
13:47
but there were onesEinsen all over the worldWelt.
305
811568
2319
doch es gab sie überall auf der Welt.
13:49
OthersAndere were virtualvirtuell studyStudie groupsGruppen,
306
813887
2032
Andere waren
virtuelle Studiengruppen,
13:51
sometimesmanchmal alongeine lange languageSprache linesLinien or alongeine lange culturalkulturell linesLinien,
307
815919
2989
organisiert nach
Sprachen oder Kulturen,
13:54
and on the bottomBoden left there,
308
818908
1444
und hier unten links
13:56
you see our multiculturalmultikulturelle universalUniversal- studyStudie groupGruppe
309
820352
3796
sehen Sie unsere multikulturelle,
universelle Studiengruppe
14:00
where people explicitlyausdrücklich wanted to connectverbinden
310
824148
1763
mit Menschen, die explizit
mit Menschen aus anderen
14:01
with people from other culturesKulturen.
311
825911
3006
Kulturen Kontakt aufnehmen wollten.
14:04
There are some tremendousenorm opportunitiesChancen
312
828917
2111
Aus diesem Gefüge ergaben sich
14:06
to be had from this kindArt of frameworkRahmen.
313
831028
3325
einige bedeutende Möglichkeiten.
14:10
The first is that it has the potentialPotenzial of givinggeben us
314
834353
3654
Zuallererst ermöglicht es uns,
14:13
a completelyvollständig unprecedentedbeispiellos look
315
838007
2434
einen beispiellosen Einblick auf das
14:16
into understandingVerstehen humanMensch learningLernen.
316
840441
2289
menschliche Lernen zu bekommen.
14:18
Because the dataDaten that we can collectsammeln here is uniqueeinzigartig.
317
842730
3463
Die Daten, die wir hier gewinnen,
sind nämlich einzigartig.
14:22
You can collectsammeln everyjeden clickklicken, everyjeden homeworkHausaufgaben submissionEinreichung,
318
846193
4009
Man kann jeden Klick,
jede Einsendung von Hausaufgaben,
14:26
everyjeden forumForum postPost from tenszehn of thousandsTausende of studentsStudenten.
319
850202
4363
jeden Foren-Beitrag von Tausenden
von Studierenden sammeln.
14:30
So you can turnWende the studyStudie of humanMensch learningLernen
320
854565
2343
Man kann also bei der Untersuchung
des menschlichen Lernens
14:32
from the hypothesis-drivenHypothese-getrieben modeModus
321
856908
1933
vom hypothetischen Modus
14:34
to the data-drivendatengesteuerte modeModus, a transformationTransformation that,
322
858841
2858
zum datenbasierten Modus wechseln.
Das ist eine Transformation,
14:37
for exampleBeispiel, has revolutionizedrevolutioniert biologyBiologie.
323
861699
3041
die zum Beispiel die
Biologie revolutionierte.
14:40
You can use these dataDaten to understandverstehen fundamentalgrundlegend questionsFragen
324
864740
3424
Man kann die Daten verwenden und
solch fundamentale Fragen beantworten wie
14:44
like, what are good learningLernen strategiesStrategien
325
868164
1880
den Unterschied zwischen
guten Lernstrategien und
14:45
that are effectiveWirksam versusgegen onesEinsen that are not?
326
870044
2696
solchen, die nicht effektiv sind.
14:48
And in the contextKontext of particularinsbesondere coursesKurse,
327
872740
2240
Im Bezug auf bestimmte Kurse
14:50
you can askFragen questionsFragen
328
874980
1537
kann man sich fragen,
14:52
like, what are some of the misconceptionsfalsche Vorstellungen that are more commonverbreitet
329
876517
3255
welche die häufigsten
Missverständnisse sind und wie
14:55
and how do we help studentsStudenten fixFix them?
330
879772
2177
man den Studierenden helfen kann,
diese zu beheben.
14:57
So here'shier ist an exampleBeispiel of that,
331
881949
1424
Hier ist ein Beispiel,
14:59
alsoebenfalls from Andrew'sAndreaskirche MachineMaschine LearningLernen classKlasse.
332
883373
2016
das auch aus Andrews Kurs
zum maschinellem Lernen stammt.
15:01
This is a distributionVerteilung of wrongfalsch answersAntworten
333
885389
2208
Hier sehen wir die Verteilung
der falschen Antworten
15:03
to one of Andrew'sAndreaskirche assignmentsZuordnungen.
334
887597
1610
bei einer von Andrews Aufgaben.
15:05
The answersAntworten happengeschehen to be pairsPaare of numbersNummern,
335
889207
1893
Die Antwort sind ein paar Zahlen,
15:07
so you can drawzeichnen them on this two-dimensionalzweidimensional plotHandlung.
336
891100
2271
also kann man sie in dieser
zweidimensionalen Grafik eintragen.
15:09
EachJedes of the little crossesKreuze that you see is a differentanders wrongfalsch answerAntworten.
337
893371
3778
Jedes kleine Kreuz ist eine
andere, falsche Antwort.
15:13
The biggroß crossKreuz at the topoben left
338
897149
2406
Das große Kreuz oben links zeigt,
15:15
is where 2,000 studentsStudenten
339
899555
2148
dass 2000 Studierende
15:17
gavegab the exactgenau samegleich wrongfalsch answerAntworten.
340
901703
3045
die gleiche falsche Antwort gaben.
15:20
Now, if two studentsStudenten in a classKlasse of 100
341
904748
2327
Wenn zwei Studierende unter 100
15:22
give the samegleich wrongfalsch answerAntworten,
342
907075
1287
die gleiche falsche Antwort gäben,
15:24
you would never noticebeachten.
343
908362
1351
würde man es niemals wahrnehmen.
15:25
But when 2,000 studentsStudenten give the samegleich wrongfalsch answerAntworten,
344
909713
2560
Aber wenn 2000 Studierende
die gleiche falsche Antwort geben,
15:28
it's kindArt of hardhart to missFräulein.
345
912273
1697
ist es schwer zu übersehen.
15:29
So AndrewAndrew and his studentsStudenten wentging in,
346
913970
2192
Andrew schaute sich also mit seinen
15:32
lookedsah at some of those assignmentsZuordnungen,
347
916162
1520
Studierenden ein paar Aufgaben an.
15:33
understoodverstanden the rootWurzel causeUrsache of the misconceptionMissverständnis,
348
917682
4088
Sie erkannten den Grund
für das Missverständnis
15:37
and then they producedhergestellt a targetedgezielt errorError messageNachricht
349
921770
2520
und dann formulierten sie
eine passgenaue Fehlermeldung,
15:40
that would be providedunter der Voraussetzung to everyjeden studentSchüler
350
924290
2249
die alle Studierende erreichte,
15:42
whosederen answerAntworten fellfiel into that bucketEimer,
351
926539
2179
deren Antwort diesen Fehler aufwies.
15:44
whichwelche meansmeint that studentsStudenten who madegemacht that samegleich mistakeFehler
352
928718
2084
Das bedeutet, dass Studierende,
die den gleichen Fehler machten,
15:46
would now get personalizedpersonalisiert feedbackFeedback
353
930802
2026
nun ein personalisiertes Feedback erhielten
15:48
tellingErzählen them how to fixFix theirihr misconceptionMissverständnis much more effectivelyeffektiv.
354
932828
4399
und viel exakter erfuhren,
wie sie das Missverständnis beheben konnten.
15:53
So this personalizationPersonalisierung is something that one can then buildbauen
355
937227
3811
Diese Personalisierung ist etwas, das man
15:56
by havingmit the virtueTugend of largegroß numbersNummern.
356
941038
3140
durch große Zahlen aufbauen kann.
16:00
PersonalizationPersonalisierung is perhapsvielleicht
357
944178
2312
Personalisierung ist dabei vielleicht
16:02
one of the biggestgrößte opportunitiesChancen here as well,
358
946490
2423
eine der besten Gelegenheiten,
16:04
because it providesbietet us with the potentialPotenzial
359
948913
2345
denn sie ermöglicht uns, ein
16:07
of solvingLösung a 30-year-old-Jahr alt problemProblem.
360
951258
2690
30 Jahre altes Rätsel zu lösen.
16:09
EducationalPädagogische researcherForscher BenjaminBenjamin BloomBloom, in 1984,
361
953948
3349
1984 veröffentlichte der
Bildungsforscher Benjamin Bloom
16:13
posedgestellt what's callednamens the 2 sigmaSigma problemProblem,
362
957297
2251
etwas, das '2-Sigma-Problem' heißt.
16:15
whichwelche he observedbeobachtete by studyingstudieren threedrei populationsPopulationen.
363
959548
3062
Er beobachtete dies bei drei Populationen.
16:18
The first is the populationBevölkerung that studiedstudiert in a lecture-basedVortrag-basierte classroomKlassenzimmer.
364
962610
3608
Die erste Population
studierte vorlesungsbasiert.
16:22
The secondzweite is a populationBevölkerung of studentsStudenten that studiedstudiert
365
966218
2777
Die zweite Studierendenpopulation lernte
16:24
usingmit a standardStandard lecture-basedVortrag-basierte classroomKlassenzimmer,
366
968995
1719
vorlesungsbasiert,
16:26
but with a mastery-basedMeisterschaft-basierte approachAnsatz,
367
970714
2080
doch basierend auf dem Konzept des Könnens,
16:28
so the studentsStudenten couldn'tkonnte nicht moveBewegung on to the nextNächster topicThema
368
972794
1920
sodass Studierende nur mit dem
nächsten Thema beginnen konnten,
16:30
before demonstratingdemonstrieren masteryMeisterschaft of the previousbisherige one.
369
974714
3354
wenn sie ihr Können beim vorherigen
unter Beweis gestellt hatten.
16:33
And finallyendlich, there was a populationBevölkerung of studentsStudenten
370
978068
2294
Schließlich gab es noch
eine Studierendenpopulation,
16:36
that were taughtgelehrt in a one-on-oneEinzel- instructionAnweisung usingmit a tutorTutor.
371
980362
4528
die persönlich durch
einen Tutor betreut wurde.
16:40
The mastery-basedMeisterschaft-basierte populationBevölkerung was a fullvoll standardStandard deviationAbweichung,
372
984890
3272
Die könnenbasierte Population
wies die Standard-Abweichung, d. h.
16:44
or sigmaSigma, in achievementLeistung scoresNoten better
373
988162
2288
Sigma, auf, denn ihre Leistungen waren besser
16:46
than the standardStandard lecture-basedVortrag-basierte classKlasse,
374
990450
2394
als im regulären, vorlesungsbasierten Kurs.
16:48
and the individualPerson tutoringNachhilfe givesgibt you 2 sigmaSigma
375
992844
2144
Die individuelle Betreuung ergibt eine Verbesserung
16:50
improvementVerbesserung in performancePerformance.
376
994988
1830
der Leistung von 2 Sigma.
16:52
To understandverstehen what that meansmeint,
377
996818
1463
Um zu verstehen, was das bedeutet,
16:54
let's look at the lecture-basedVortrag-basierte classroomKlassenzimmer,
378
998281
1833
schauen wir uns den
vorlesungsbasierten Kurs an
16:56
and let's pickwähle the medianMedian performancePerformance as a thresholdSchwelle.
379
1000114
2919
und nehmen die durchschnittliche
Leistung als Schwellenwert.
16:58
So in a lecture-basedVortrag-basierte classKlasse,
380
1003033
1338
In dem vorlesungsbasiertem
Kurs sind nun also
17:00
halfHälfte the studentsStudenten are aboveüber that levelEbene and halfHälfte are belowunten.
381
1004371
3879
die Hälfte der Studierenden über diesem Wert
und die andere Hälfte darunter.
17:04
In the individualPerson tutoringNachhilfe instructionAnweisung,
382
1008250
2098
Bei der individuellen Betreuung
17:06
98 percentProzent of the studentsStudenten are going to be aboveüber that thresholdSchwelle.
383
1010348
4801
sind 98% der Studierenden
über dem Schwellenwert.
17:11
ImagineStellen Sie sich vor if we could teachlehren so that 98 percentProzent of our studentsStudenten
384
1015149
3920
Stellen Sie sich vor, wir könnten so unterrichten,
dass 98% der Studierenden
17:14
would be aboveüber averagedurchschnittlich.
385
1019069
2198
überdurchschnittlich wären.
17:17
HenceDaher, the 2 sigmaSigma problemProblem.
386
1021267
3423
Deswegen das 2-Sigma-Problem,
17:20
Because we cannotnicht können affordgewähren, as a societyGesellschaft,
387
1024690
2399
denn wir können es uns als
Gesellschaft nicht leisten,
17:22
to providezu Verfügung stellen everyjeden studentSchüler with an individualPerson humanMensch tutorTutor.
388
1027089
3072
jedem Studierenden einen
menschlichen Tutor zur Seite zu stellen.
17:26
But maybe we can affordgewähren to providezu Verfügung stellen eachjede einzelne studentSchüler
389
1030161
2249
Doch vielleicht können wir es uns leisten,
jedem Studierenden
17:28
with a computerComputer or a smartphoneSmartphone.
390
1032410
2019
einen Computer oder ein
Smartphone zu verschaffen.
17:30
So the questionFrage is, how can we use technologyTechnologie
391
1034429
2189
Die Frage ist also, wie wir
Technologie nutzen können,
17:32
to pushdrücken from the left sideSeite of the graphGraph, from the blueblau curveKurve,
392
1036618
3375
um von der linken Seite des Graphen,
von der blauen Kurve,
17:35
to the right sideSeite with the greenGrün curveKurve?
393
1039993
2738
zur rechten Seite mit der
grünen Kurve zu drängen?
17:38
MasteryMeisterschaft is easyeinfach to achieveleisten usingmit a computerComputer,
394
1042731
2337
Können kann mithilfe eines
Computers leicht erreicht werden,
17:40
because a computerComputer doesn't get tiredmüde
395
1045068
1405
denn Computer ermüden nicht,
17:42
of showingzeigt you the samegleich videoVideo fivefünf timesmal.
396
1046473
3073
wenn sie ein Video fünf Mal zeigen.
17:45
And it doesn't even get tiredmüde of gradingVerschneidung the samegleich work multiplemehrere timesmal,
397
1049546
3251
Ebenso ermüden sie nicht, wenn sie
eine Arbeit viele Male bewerten.
17:48
we'vewir haben seengesehen that in manyviele of the examplesBeispiele that I've showngezeigt you.
398
1052802
3026
Das haben wir bei etlichen Beispielen
gesehen, die ich vorgestellt habe.
17:51
And even personalizationPersonalisierung
399
1055828
1854
Wir sehen sogar den Beginn von
17:53
is something that we're startingbeginnend to see the beginningsAnfänge of,
400
1057682
2136
Personalisierung,
17:55
whetherob it's viaüber the personalizedpersonalisiert trajectoryFlugbahn throughdurch the curriculumLehrplan
401
1059818
3192
entweder durch einen
personalisierten Studienplan
17:58
or some of the personalizedpersonalisiert feedbackFeedback that we'vewir haben showngezeigt you.
402
1063010
3264
oder durch personalisiertes Feedback,
dass wir Ihnen zeigten.
18:02
So the goalTor here is to try and pushdrücken,
403
1066274
2488
Das Ziel ist dabei also zu
versuchen und zu drängen,
18:04
and see how farweit we can get towardsin Richtung the greenGrün curveKurve.
404
1068762
3497
und zu sehen, wie weit wir in Richtung
der grünen Kurve kommen können.
18:08
So, if this is so great, are universitiesUniversitäten now obsoleteobsolet?
405
1072259
5359
Nun – wenn dies so grandios ist,
sind Universitäten nun obsolet?
18:13
Well, MarkMark TwainTWAIN certainlybestimmt thought so.
406
1077618
2992
Tja, Mark Twain dachte das jedenfalls.
18:16
He said that, "CollegeCollege is a placeOrt where a professor'sdes Professors lectureVorlesung notesNotizen
407
1080610
2545
Er sagte: "Das College ist ein Ort, an dem
die Vorlesungsnotizen des Professors
18:19
go straightGerade to the students'Studenten' lectureVorlesung notesNotizen,
408
1083155
1703
direkt in die Vorlesungsnotizen
der Studierenden gehen,
18:20
withoutohne passingVorbeigehen throughdurch the brainsGehirne of eitherentweder."
409
1084858
2376
ohne durch das Gehirn des einen
oder anderen gegangen zu sein."
18:23
(LaughterLachen)
410
1087234
4047
(Lachen)
18:27
I begbitten to differabweichen with MarkMark TwainTWAIN, thoughobwohl.
411
1091281
2668
Ich bin jedoch anderer Ansicht als Mark Twain.
18:29
I think what he was complainingbeschwert about is not
412
1093949
2665
Denn meiner Meinung nach
beschwert er sich nicht über
18:32
universitiesUniversitäten but ratherlieber the lecture-basedVortrag-basierte formatFormat
413
1096614
2750
Universitäten, sondern vielmehr über
das vorlesungsbasierte Format,
18:35
that so manyviele universitiesUniversitäten spendverbringen so much time on.
414
1099364
2784
auf das viele Universitäten viel Zeit verwenden.
18:38
So let's go back even furtherdes Weiteren, to PlutarchPlutarch,
415
1102148
3159
Gehen wir noch weiter zurück zu Plutarch,
18:41
who said that, "The mindVerstand is not a vesselSchiff that needsBedürfnisse fillingFüllung,
416
1105307
2227
der sagte: "Der Verstand ist kein Gefäß,
das gefüllt werden muss,
18:43
but woodHolz that needsBedürfnisse ignitingzünden."
417
1107534
2023
sondern Holz, das entfacht werden muss."
18:45
And maybe we should spendverbringen lessWeniger time at universitiesUniversitäten
418
1109557
2190
Vielleicht sollten wir weniger Zeit an den
Universitäten damit verbringen,
18:47
fillingFüllung our students'Studenten' mindsKöpfe with contentInhalt
419
1111747
2571
den Verstand unserer Studierenden
in Vorlesungen
18:50
by lecturingVorträge at them, and more time ignitingzünden theirihr creativityKreativität,
420
1114318
3800
mit Inhalt zu füllen, sondern viel eher
ihre Kreativität entfachen,
18:54
theirihr imaginationPhantasie and theirihr problem-solvingProblemlösung skillsFähigkeiten
421
1118118
3255
ihre Vorstellungskraft und
ihre Problemlösungsfähigkeiten,
18:57
by actuallytatsächlich talkingim Gespräch with them.
422
1121373
2498
indem wir tatsächlich mit ihnen reden.
18:59
So how do we do that?
423
1123871
1367
Wie können wir das erreichen?
19:01
We do that by doing activeaktiv learningLernen in the classroomKlassenzimmer.
424
1125238
3431
Wir schaffen das, indem wir
aktives Lernen im Kursraum fördern.
19:04
So there's been manyviele studiesStudien, includingeinschließlich this one,
425
1128669
2449
Es gibt zahlreiche Studien,
wie diese hier,
19:07
that showShow that if you use activeaktiv learningLernen,
426
1131118
2080
die zeigen, dass die Anwendung
von aktivem Lernen,
19:09
interactinginteragierend with your studentsStudenten in the classroomKlassenzimmer,
427
1133198
2416
von Interaktion mit Studierenden
im Kursraum,
19:11
performancePerformance improvesverbessert on everyjeden singleSingle metricmetrisch --
428
1135614
2696
die Leistung in jedem
Bereich verbessert –
19:14
on attendanceTeilnahme, on engagementEngagement and on learningLernen
429
1138310
2449
Anwesenheit, Beteiligung und Lernen,
19:16
as measuredgemessen by a standardizedstandardisierte testTest.
430
1140759
2055
wie durch einen
standardisierten Test bewiesen.
19:18
You can see, for exampleBeispiel, that the achievementLeistung scoreErgebnis
431
1142814
1864
So kann man etwa sehen,
wie der Wert für Leistung
19:20
almostfast doublesDoppel in this particularinsbesondere experimentExperiment.
432
1144678
2870
sich fast verdoppelt
in diesem Experiment.
19:23
So maybe this is how we should spendverbringen our time at universitiesUniversitäten.
433
1147548
4401
Vielleicht sollten wir so unsere Zeit
an den Universitäten verwenden.
19:27
So to summarizezusammenfassen, if we could offerAngebot a topoben qualityQualität educationBildung
434
1151949
4577
Zusammenfassend lässt sich fragen:
Was würde passieren,
19:32
to everyonejeder around the worldWelt for freefrei,
435
1156526
1903
wenn wir jedem auf der Welt
19:34
what would that do? ThreeDrei things.
436
1158429
2821
hochwertige Bildung bieten könnten.
Drei Dinge.
19:37
First it would establishGründen educationBildung as a fundamentalgrundlegend humanMensch right,
437
1161250
3421
Erstens würde Bildung als
fundamentales Menschenrecht etabliert
19:40
where anyonejemand around the worldWelt
438
1164671
1366
und jeder Mensch auf der Welt,
19:41
with the abilityFähigkeit and the motivationMotivation
439
1166037
1921
der die Fähigkeit und die Motivation besitzt,
19:43
could get the skillsFähigkeiten that they need
440
1167958
1951
könnte sich die Fertigkeiten
aneignen, die man braucht,
19:45
to make a better life for themselvessich,
441
1169909
1585
um ein besseres Leben zu
erreichen, für sich selbst,
19:47
theirihr familiesFamilien and theirihr communitiesGemeinschaften.
442
1171494
2017
die Familie und die Gemeinschaft.
19:49
SecondSekunde, it would enableaktivieren lifelonglebenslang learningLernen.
443
1173511
2631
Zweitens würde es lebenslanges
Lernen ermöglichen.
19:52
It's a shameSchande that for so manyviele people,
444
1176142
1951
Es ist eine Schande,
dass so viele Menschen
19:53
learningLernen stopsstoppt when we finishFertig highhoch schoolSchule or when we finishFertig collegeHochschule.
445
1178093
3312
nicht mehr weiter lernen, wenn sie die
Schule oder Hochschule abschliessen.
19:57
By havingmit this amazingtolle contentInhalt be availableverfügbar,
446
1181405
2481
Wenn diese großartigen
Informationen zugängig wären,
19:59
we would be ablefähig to learnlernen something newneu
447
1183886
2743
könnten wir immer dann
etwas Neues lernen,
20:02
everyjeden time we wanted,
448
1186629
1136
wann immer wir wollten,
20:03
whetherob it's just to expanderweitern our mindsKöpfe
449
1187765
1329
sei es um den Verstand zu erweitern
20:04
or it's to changeVeränderung our livesLeben.
450
1189094
1959
oder unser Leben zu verändern.
20:06
And finallyendlich, this would enableaktivieren a waveWelle of innovationInnovation,
451
1191053
3145
Schließlich würden wir eine
Innovationswelle auslösen,
20:10
because amazingtolle talentTalent can be foundgefunden anywhereirgendwo.
452
1194198
3072
denn tolle Talente gibt es überall.
20:13
Maybe the nextNächster AlbertAlbert EinsteinEinstein or the nextNächster SteveSteve JobsJobs
453
1197270
3008
Vielleicht lebt der nächste Albert Einstein
oder der nächste Steve Jobs
20:16
is livingLeben somewhereirgendwo in a remoteentfernt villageDorf in AfricaAfrika.
454
1200278
2615
irgendwo in einem entlegenen
afrikanischen Dorf.
20:18
And if we could offerAngebot that personPerson an educationBildung,
455
1202893
2656
Wenn wir dieser Person
Bildung bieten könnten,
20:21
they would be ablefähig to come up with the nextNächster biggroß ideaIdee
456
1205549
2356
könnte sie die nächste
große Idee haben
20:23
and make the worldWelt a better placeOrt for all of us.
457
1207905
2404
und die Welt dadurch für
uns alle verbessern.
20:26
Thank you very much.
458
1210309
1160
Vielen Dank.
20:27
(ApplauseApplaus)
459
1211469
7583
(Applaus)
Translated by Sandra Holtermann
Reviewed by Judith Matz

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Daphne Koller | Speaker | TED.com