TEDGlobal 2012
Beau Lotto + Amy O'Toole: Science is for everyone, kids included
Beau Lotto + Amy O’Toole: Wissenschaft ist für jeden, auch für Kinder
Filmed:
Readability: 3.5
1,504,898 views
Was haben Wissenschaft und Spiel gemeinsam? Der Neuro-Wissenschaftler Beau Lotto glaubt, dass alle Menschen (auch Kinder) an der Wissenschaft teilhaben und so, durch den Entdeckungsprozess, ihre Wahrnehmung verändern sollten. Ihm zur Seite steht die 12jährige Amy O'Toole, die gemeinsam mit ihren 25 Klassenkameraden, den ersten von Schulkindern erstellten und von Experten begutachteten Artikel über das Blackawton-Bienen-Projekt veröffentlichte. Er beginnt mit: "Es war einmal..."
Beau Lotto - Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bioAmy O'Toole - Student
Amy O'Toole is a 12-year-old student who helped run a science experiment inspired by Beau Lotto's participative science approach. At age 10 she became one of the youngest people ever to publish a peer-reviewed science paper. Full bio
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bioAmy O'Toole - Student
Amy O'Toole is a 12-year-old student who helped run a science experiment inspired by Beau Lotto's participative science approach. At age 10 she became one of the youngest people ever to publish a peer-reviewed science paper. Full bio
Double-click the English transcript below to play the video.
00:17
Beau Lotto: So, this game is very simple.
0
1487
2169
Beau Lotto: Also, das Spiel
ist ganz einfach.
ist ganz einfach.
00:19
All you have to do is read what you see. Right?
1
3656
4047
Ihr müsst nur vorlesen,
was ihr seht. In Ordnung?
was ihr seht. In Ordnung?
00:23
So, I'm going to count to you, so we don't all do it together.
2
7703
3201
Ich zähle für euch, dann müssen wir das
nicht alle zusammen machen.
nicht alle zusammen machen.
00:26
Okay, one, two, three.Audience: Can you read this?
3
10904
2499
Eins, zwei, drei.
Publikum: Könnt ihr das lesen?
Publikum: Könnt ihr das lesen?
00:29
BL: Amazing. What about this one? One, two, three.Audience: You are not reading this.
4
13403
4379
BL: Faszinierend. Wie steht's damit? 1, 2, 3.
Publikum: Das lest ihr nicht.
Publikum: Das lest ihr nicht.
00:33
BL: All right. One, two, three. (Laughter)
5
17782
5316
BL: In Ordnung.
Eins, zwei, drei. (Gelächter)
Eins, zwei, drei. (Gelächter)
00:38
If you were Portuguese, right? How about this one? One, two, three.
6
23098
4797
Vielleicht als Portugiesen.
Und das? Eins, zwei, drei
Und das? Eins, zwei, drei
00:43
Audience: What are you reading?
7
27895
1978
Publikum: Was lest Ihr?
00:45
BL: What are you reading? There are no words there.
8
29873
3458
BL: Was lest ihr da vor?
Da stehen keine Worte.
Da stehen keine Worte.
00:49
I said, read what you're seeing. Right?
9
33331
2537
Ich sagte, lest vor, was ihr seht, oder?
00:51
It literally says, "Wat ar ou rea in?" (Laughter) Right?
10
35868
3850
Eigentlich steht da, "Wa le t i r d?"
(Gelächter) Richtig?
(Gelächter) Richtig?
00:55
That's what you should have said. Right? Why is this?
11
39718
3828
Das hättet ihr sagen sollen, oder?
Wie kommt das?
Wie kommt das?
00:59
It's because perception is grounded in our experience.
12
43546
3536
Weil Wahrnehmung
auf unserer Erfahrung beruht.
auf unserer Erfahrung beruht.
01:02
Right? The brain takes meaningless information
13
47082
2897
Das Gehirn nimmt sinnlose Informationen
01:05
and makes meaning out of it, which means we never see
14
49979
2959
und macht sie verständlich,
was bedeutet, dass wir nie sehen,
was bedeutet, dass wir nie sehen,
01:08
what's there, we never see information,
15
52938
2256
was da ist. Wir sehen
niemals die Information,
niemals die Information,
01:11
we only ever see what was useful to see in the past.
16
55194
3275
nur das, was in der Vergangenheit sinnvoll war.
01:14
All right? Which means, when it comes to perception,
17
58469
2736
Das bedeutet, dass wir in unserer Wahrnehmung
01:17
we're all like this frog.
18
61205
6795
alle wie dieser Frosch sind.
01:23
(Laughter)
19
68000
912
(Gelächter)
01:24
Right? It's getting information. It's generating behavior
20
68912
3395
Es geht darum,
Informationen zu bekommen.
Informationen zu bekommen.
01:28
that's useful. (Laughter)
21
72307
4468
Es generiert nützliches Verhalten. (Gelächter)
01:32
(Laughter)
22
76775
7032
(Gelächter)
01:39
(Video) Man: Ow! Ow! (Laughter) (Applause)
23
83807
5982
(Video) Mann: Autsch, au!
(Gelächter) (Applaus)
(Gelächter) (Applaus)
01:45
BL: And sometimes, when things don't go our way,
24
89789
2712
BL: Wenn es nicht so läuft,
wie wir es gern hätten,
wie wir es gern hätten,
01:48
we get a little bit annoyed, right?
25
92501
2259
ärgern wir uns, nicht wahr?
01:50
But we're talking about perception here, right?
26
94760
2730
Aber die Rede ist hier von Wahrnehmung
01:53
And perception underpins everything we think, we know,
27
97490
4365
und die Wahrnehmung untermauert
alles, was wir denken,
alles, was wir denken,
01:57
we believe, our hopes, our dreams, the clothes we wear,
28
101855
2871
glauben, unsere Hoffnungen,
unsere Träume, unsere Kleidung,
unsere Träume, unsere Kleidung,
02:00
falling in love, everything begins with perception.
29
104726
3743
verliebt sein, alles beginnt
mit der Wahrnehmung.
mit der Wahrnehmung.
02:04
Now if perception is grounded in our history, it means
30
108469
2945
Wenn Wahrnehmung auf
unserer Geschichte beruht,
unserer Geschichte beruht,
02:07
we're only ever responding according to what we've done before.
31
111414
3459
heißt das, wir reagieren nur auf etwas,
das wir schon mal gemacht haben.
das wir schon mal gemacht haben.
02:10
But actually, it's a tremendous problem,
32
114873
3076
Aber das schafft ein gewaltiges Problem,
02:13
because how can we ever see differently?
33
117949
3617
denn wie sollen wir je etwas anders sehen?
02:17
Now, I want to tell you a story about seeing differently,
34
121566
4063
Ich möchte euch eine Geschichte über
das "anders sehen" erzählen,
das "anders sehen" erzählen,
02:21
and all new perceptions begin in the same way.
35
125629
3988
und jede neue Wahrnehmung beginnt gleich.
02:25
They begin with a question.
36
129617
2582
Sie fängt mit einer Frage an.
02:28
The problem with questions is they create uncertainty.
37
132199
3238
Das Problem mit Fragen ist,
dass sie Unsicherheit erschaffen.
dass sie Unsicherheit erschaffen.
02:31
Now, uncertainty is a very bad thing. It's evolutionarily
38
135437
2729
Unsicherheit ist evolutionär
eine schlimme Sache.
eine schlimme Sache.
02:34
a bad thing. If you're not sure that's a predator, it's too late.
39
138166
3601
Wenn man nicht sicher ist,
ob das ein Feind ist, ist es zu spät!
ob das ein Feind ist, ist es zu spät!
02:37
Okay? (Laughter)
40
141767
1360
Okay? (Gelächter)
02:39
Even seasickness is a consequence of uncertainty.
41
143127
3160
Sogar Seekrankheit basiert auf Unsicherheit.
02:42
Right? If you go down below on a boat, your inner ears
42
146287
2252
Unter Deck sagt euch das Innenohr,
02:44
are you telling you you're moving. Your eyes, because
43
148539
2176
ihr bewegt euch.
Aber die Augen bewegen sich
Aber die Augen bewegen sich
02:46
it's moving in register with the boat, say I'm standing still.
44
150715
2316
im Einklang mit dem Boot,
und sagen: "Ich stehe still."
und sagen: "Ich stehe still."
02:48
Your brain cannot deal with the uncertainty of that information, and it gets ill.
45
153031
4655
Das Gehirn kann die Unsicherheit
nicht verarbeiten und wird krank.
nicht verarbeiten und wird krank.
02:53
The question "why?" is one of the most dangerous things you can do,
46
157686
3929
Die Frage nach dem "Warum" ist sehr gefährlich,
02:57
because it takes you into uncertainty.
47
161615
2992
weil es euch unsicher macht.
03:00
And yet, the irony is, the only way we can ever
48
164607
2879
Die Ironie daran ist, dass wir nur dann
03:03
do anything new is to step into that space.
49
167486
3536
etwas Neues tun können,
wenn wir diesen Schritt wagen.
wenn wir diesen Schritt wagen.
03:06
So how can we ever do anything new? Well fortunately,
50
171022
3224
Wie können wir je
etwas Neues tun? Zum Glück
etwas Neues tun? Zum Glück
03:10
evolution has given us an answer, right?
51
174246
3584
hat die Evolution die Antwort für uns.
03:13
And it enables us to address even the most difficult
52
177830
3595
Sie befähigt uns,
die schwierigsten Fragen zu stellen.
die schwierigsten Fragen zu stellen.
03:17
of questions. The best questions are the ones that create the most uncertainty.
53
181425
4679
Die besten Fragen sind die, welche die
größte Unsicherheit schaffen.
größte Unsicherheit schaffen.
03:22
They're the ones that question the things we think to be true already. Right?
54
186104
3956
Es sind solche, die unsere Wahrheit hinterfragen.
03:25
It's easy to ask questions about how did life begin,
55
190060
1989
Es ist leicht, nach dem Ursprung
des Lebens zu fragen
des Lebens zu fragen
03:27
or what extends beyond the universe, but to question what you think to be true already
56
192049
3308
oder den Grenzen des Universums,
aber zu hinterfragen, woran man glaubt,
aber zu hinterfragen, woran man glaubt,
03:31
is really stepping into that space.
57
195357
3001
lässt einen erst wirklich Neuland betreten.
03:34
So what is evolution's answer to the problem of uncertainty?
58
198358
4810
Was also ist die Antwort der Evolution
auf das Problem mit der Unsicherheit?
auf das Problem mit der Unsicherheit?
03:39
It's play.
59
203168
1773
Spielen!
03:40
Now play is not simply a process. Experts in play will tell you
60
204941
4193
Spielen ist nicht nur ein Prozess.
Experten im Spielen werden sagen,
Experten im Spielen werden sagen,
03:45
that actually it's a way of being.
61
209134
2615
dass es eher eine Frage des Seins ist.
03:47
Play is one of the only human endeavors where uncertainty
62
211749
2891
Nur beim Spielen wird die Unsicherheit gefeiert.
03:50
is actually celebrated. Uncertainty is what makes play fun.
63
214640
4326
Die Unsicherheit ist der Spaß am Spiel.
03:54
Right? It's adaptable to change. Right? It opens possibility,
64
218966
4275
Es passt sich Veränderungen an.
Es eröffnet Möglichkeiten
Es eröffnet Möglichkeiten
03:59
and it's cooperative. It's actually how we do our social bonding,
65
223241
4109
und ist kooperativ.
So knüpfen wir soziale Kontakte.
So knüpfen wir soziale Kontakte.
04:03
and it's intrinsically motivated. What that means
66
227350
1726
Und es ist selbstmotivierend.
Das bedeutet,
Das bedeutet,
04:04
is that we play to play. Play is its own reward.
67
229076
4606
dass wir spielen um zu spielen.
Das Spiel ist selbstbelohnend.
Das Spiel ist selbstbelohnend.
04:09
Now if you look at these five ways of being,
68
233682
3891
Wenn ihr diese fünf Lebensweisen betrachtet,
04:13
these are the exact same ways of being you need
69
237573
2721
sind es genau die, die ihr braucht,
04:16
in order to be a good scientist.
70
240294
2036
um ein guter Wissenschaftler zu sein.
04:18
Science is not defined by the method section of a paper.
71
242330
3027
Wissenschaft ist kein Abschnitt
auf einem Arbeitsblatt.
auf einem Arbeitsblatt.
04:21
It's actually a way of being, which is here, and this is true
72
245357
3140
Es ist eine Frage der Sichtweise, dieser hier,
04:24
for anything that is creative.
73
248497
2653
und das gilt für alles Kreative.
04:27
So if you add rules to play, you have a game.
74
251150
4203
Fügt ihr Spielregeln hinzu, habt ihr ein Spiel.
04:31
That's actually what an experiment is.
75
255353
2790
So funktioniert auch ein Experiment.
04:34
So armed with these two ideas,
76
258143
1919
Bewaffnet mit diesen zwei Ideen,
04:35
that science is a way of being and experiments are play,
77
260062
4322
dass Wissenschaft eine Sichtweise
und Experimente Spiele sind,
und Experimente Spiele sind,
04:40
we asked, can anyone become a scientist?
78
264384
3453
fragten wir, ob jeder Wissenschaftler werden kann?
04:43
And who better to ask than 25 eight- to 10-year-old children?
79
267837
3500
Wen könnte man besser fragen,
als 25 8- bis 10-jährige Kinder?
als 25 8- bis 10-jährige Kinder?
04:47
Because they're experts in play. So I took my bee arena
80
271337
3507
Das sind die Experten im Spiel.
Ich nahm meine Bienenzucht
Ich nahm meine Bienenzucht
04:50
down to a small school in Devon, and the aim of this
81
274844
3547
mit in eine kleine Schule in Devon, mit dem Ziel,
04:54
was to not just get the kids to see science differently,
82
278391
4244
die Kinder die Wissenschaft mit
anderen Augen sehen zu lassen,
anderen Augen sehen zu lassen,
04:58
but, through the process of science, to see themselves differently. Right?
83
282635
4598
aber auch sich selbst
durch Wissenschaft anders zu sehen.
durch Wissenschaft anders zu sehen.
05:03
The first step was to ask a question.
84
287233
3408
Zunächst sollten sie eine Frage stellen.
05:06
Now, I should say that we didn't get funding for this study
85
290641
2880
Wir bekamen kein Geld für diese Studie,
05:09
because the scientists said small children couldn't make
86
293521
3330
weil Wissenschaftler behaupteten,
dass kleine Kinder keinen
dass kleine Kinder keinen
05:12
a useful contribution to science, and the teachers said kids couldn't do it.
87
296851
4302
sinnvollen Beitrag zur Wissenschaft leisten können.
Das Gleiche sagten die Lehrer.
Das Gleiche sagten die Lehrer.
05:17
So we did it anyway. Right? Of course.
88
301153
3734
Natürlich haben wir es dennoch gemacht.
05:20
So, here are some of the questions. I put them in small print
89
304887
2819
Hier nur ein paar dieser Fragen.
Klein gedruckt,
Klein gedruckt,
05:23
so you wouldn't bother reading it. Point is that five of the questions that the kids came up with
90
307706
4440
damit ihr nicht versucht, es zu lesen.
Der Punkt ist, dass fünf dieser Fragen
Der Punkt ist, dass fünf dieser Fragen
05:28
were actually the basis of science publication the last five to 15 years. Right?
91
312146
4618
die Basis jeder wissenschaftlichen Veröffentlichung
der letzten fünf bis 15 Jahre waren.
der letzten fünf bis 15 Jahre waren.
05:32
So they were asking questions that were significant
92
316764
2660
Sie fragten also die richtigen Fragen
05:35
to expert scientists.
93
319424
2130
für Wissenschaftler.
05:37
Now here, I want to share the stage with someone quite special. Right?
94
321554
4134
Ab hier möchte ich die Bühne mit
jemand ganz Besonderem teilen.
jemand ganz Besonderem teilen.
05:41
She was one of the young people who was involved in this study,
95
325688
2612
Sie war einer der jungen Menschen,
die an der Studie mitwirkten.
die an der Studie mitwirkten.
05:44
and she's now one of the youngest published scientists
96
328300
2334
Jetzt ist sie eine der jüngsten
veröffentlichten Wissenschaftler
veröffentlichten Wissenschaftler
05:46
in the world. Right? She will now, once she comes onto stage,
97
330634
3883
der Welt. Und wenn sie gleich
auf die Bühne kommt,
auf die Bühne kommt,
05:50
will be the youngest person to ever speak at TED. Right?
98
334517
3698
ist sie auch der jüngste Mensch, der je
bei TED gesprochen hat.
bei TED gesprochen hat.
05:54
Now, science and asking questions is about courage.
99
338215
2875
Für Wissenschaft und Fragen braucht es Mut.
05:56
Now she is the personification of courage, because she's
100
341090
3200
Sie ist die Personifizierung von Mut, weil sie
06:00
going to stand up here and talk to you all.
101
344290
1387
hier zu euch sprechen wird.
06:01
So Amy, would you please come up? (Applause)
102
345677
5254
Amy, kommst du bitte nach oben? (Applaus)
06:06
(Applause)
103
350931
7185
(Applaus)
06:14
So Amy's going to help me tell the story of what we call
104
358116
2519
Amy hilft mir dabei, die Geschichte vom
06:16
the Blackawton Bees Project, and first she's going to tell you
105
360635
2666
"Blackawton-Bienen-Projekt" zu erzählen.
Anfangen wird sie mit der Frage,
Anfangen wird sie mit der Frage,
06:19
the question that they came up with. So go ahead, Amy.
106
363301
2545
auf die sie gekommen waren. Fang an, Amy.
06:21
Amy O'Toole: Thank you, Beau. We thought
107
365846
1719
Amy O'Toole: Danke, Beau. Wir dachten,
06:23
that it was easy to see the link between humans and apes
108
367565
3401
es wäre leicht, eine Verbindung von
Menschen und Affen zu sehen,
Menschen und Affen zu sehen,
06:26
in the way that we think, because we look alike.
109
370966
3024
weil wir uns ähnlich sehen.
06:29
But we wondered if there's a possible link
110
373990
2689
Also fragten wir uns,
ob es eine Verbindung
ob es eine Verbindung
06:32
with other animals. It'd be amazing if humans and bees
111
376679
4704
zu anderen Tieren gibt. Es wäre doch faszinierend,
wenn Menschen und Bienen
wenn Menschen und Bienen
06:37
thought similar, since they seem so different from us.
112
381383
4113
ähnlich dachten, obwohl sie so
anders als wir scheinen.
anders als wir scheinen.
06:41
So we asked if humans and bees might solve
113
385496
3053
Also fragten wir, ob Menschen und Bienen
06:44
complex problems in the same way.
114
388549
2407
komplexe Probleme ähnlich lösten.
06:46
Really, we wanted to know if bees can also adapt
115
390956
3287
Wir wollten wissen, ob Bienen
ähnlich anpassungsfähig
ähnlich anpassungsfähig
06:50
themselves to new situations using previously learned rules
116
394243
3707
neuen Situationen gegenüber waren
und zuvor gelernte Regeln
und zuvor gelernte Regeln
06:53
and conditions. So what if bees can think like us?
117
397950
4214
und Bedingungen anwandten.
Was, wenn Bienen denken wie wir?
Was, wenn Bienen denken wie wir?
06:58
Well, it'd be amazing, since we're talking about an insect
118
402164
2552
Das wäre faszinierend.
Wir reden ja von einem Insekt
Wir reden ja von einem Insekt
07:00
with only one million brain cells.
119
404716
2525
mit nur einer Million Gehirnzellen.
07:03
But it actually makes a lot of sense they should,
120
407241
2142
Aber eigentlich macht es sogar großen Sinn.
07:05
because bees, like us, can recognize a good flower
121
409383
3277
Bienen erkennen, genau wie wir,
eine gute Blume,
eine gute Blume,
07:08
regardless of the time of day, the light, the weather,
122
412660
3613
unabhängig von der Tageszeit,
dem Licht, dem Wetter,
dem Licht, dem Wetter,
07:12
or from any angle they approach it from. (Applause)
123
416273
5742
oder dem Anflugwinkel. (Applaus)
07:17
BL: So the next step was to design an experiment,
124
422015
3782
BL: Im nächsten Schritt sollte
ein Experiment entworfen werden,
ein Experiment entworfen werden,
07:21
which is a game. So the kids went off and they designed
125
425797
3302
das ein Spiel ist. Die Kinder
zogen los und entwarfen
zogen los und entwarfen
07:24
this experiment, and so -- well, game -- and so,
126
429099
3301
das Experiment oder auch Spiel.
07:28
Amy, can you tell us what the game was,
127
432400
1466
Amy, was war das für ein Spiel?
07:29
and the puzzle that you set the bees?
128
433866
2143
Welches Rätsel mussten die Bienen lösen?
07:31
AO: The puzzle we came up with was an if-then rule.
129
436009
3023
AO: Das Rätsel war eine Wenn-Dann-Regel.
07:34
We asked the bees to learn not just to go to a certain color,
130
439032
3645
Die Bienen sollten nicht nur
zu einer bestimmten Farbe fliegen,
zu einer bestimmten Farbe fliegen,
07:38
but to a certain color flower only
131
442677
2668
sondern zu einer bestimmten farbigen Blume
07:41
when it's in a certain pattern.
132
445345
1632
mit einem bestimmten Muster.
07:42
They were only rewarded if they went to the yellow flowers
133
446977
3259
Sie wurden nur belohnt, wenn sie
zu den gelben Blumen flogen,
zu den gelben Blumen flogen,
07:46
if the yellow flowers were surrounded by the blue,
134
450236
3060
wenn die gelben Blumen
von blauen umgeben waren,
von blauen umgeben waren,
07:49
or if the blue flowers were surrounded by the yellow.
135
453296
3268
oder wenn die blauen Blumen
von gelben umgeben waren.
von gelben umgeben waren.
07:52
Now there's a number of different rules the bees can learn
136
456564
2585
Die Bienen können ein paar
unterschiedliche Regeln lernen,
unterschiedliche Regeln lernen,
07:55
to solve this puzzle. The interesting question is, which?
137
459149
3425
um das Rätsel zu lösen.
Die interessante Frage ist, welche?
Die interessante Frage ist, welche?
07:58
What was really exciting about this project was we,
138
462574
2780
Spannend an dem Projekt war,
dass weder Beau
dass weder Beau
08:01
and Beau, had no idea whether it would work.
139
465354
2343
noch wir wussten, ob es klappen würde.
08:03
It was completely new, and no one had done it before,
140
467697
2454
Es war etwas völlig Neues.
Niemand hatte es je zuvor gemacht,
Niemand hatte es je zuvor gemacht,
08:06
including adults. (Laughter)
141
470151
3723
auch die Erwachsenen nicht. (Gelächter)
08:09
BL: Including the teachers, and that was really hard for the teachers.
142
473874
3464
BL: Das war hart für die Lehrer.
08:13
It's easy for a scientist to go in and not have a clue what he's doing,
143
477338
2904
Einem Wissenschaftler fällt es leicht,
nicht zu wissen, was er tut,
nicht zu wissen, was er tut,
08:16
because that's what we do in the lab, but for a teacher
144
480242
2544
nichts anderes machen wir im Labor.
Aber einem Lehrer fällt es schwer,
Aber einem Lehrer fällt es schwer,
08:18
not to know what's going to happen at the end of the day --
145
482786
1625
das Ergebnis nicht zu kennen.
08:20
so much of the credit goes to Dave Strudwick, who was
146
484411
2599
Vielen Dank an Dave Strudwick,
08:22
the collaborator on this project. Okay?
147
487010
2209
der uns bei diesem Projekt half.
08:25
So I'm not going to go through the whole details of the study
148
489219
2732
Ich erläutere die Studie nicht in allen Details,
08:27
because actually you can read about it, but the next step
149
491951
2638
weil ihr sie nachlesen könnt.
Die nächste Stufe
Die nächste Stufe
08:30
is observation. So here are some of the students
150
494589
3645
war die Beobachtung.
Hier sehen wir einige Schüler
Hier sehen wir einige Schüler
08:34
doing the observations. They're recording the data
151
498234
2768
bei der Beobachtung.
Sie dokumentieren,
Sie dokumentieren,
08:36
of where the bees fly.
152
501002
5044
wohin die Bienen fliegen.
08:41
(Video) Dave Strudwick: So what we're going to do —Student: 5C.
153
506046
2023
(Video) Dave Strudwick:
Was machen wir also? Student: 5C
Was machen wir also? Student: 5C
08:43
Dave Strudwick: Is she still going up here?Student: Yeah.
154
508069
3990
DS: Fliegt sie immer noch nach hier oben?
Student: Ja
Student: Ja
08:47
Dave Strudwick: So you keep track of each.Student: Henry, can you help me here?
155
512059
3597
DS: Ihr verfolgt also jeden Flug.
Student: Henry, kannst du mir helfen?
Student: Henry, kannst du mir helfen?
08:51
BL: "Can you help me, Henry?" What good scientist says that, right?
156
515656
2904
BL: "Kannst du mir helfen, Henry?"
Welcher gute Wissenschaftler sagt das?
Welcher gute Wissenschaftler sagt das?
08:54
Student: There's two up there.
157
518560
4710
Student: Hier oben sind zwei.
08:59
And three in here.
158
523270
2874
Und drei hier.
09:02
BL: Right? So we've got our observations. We've got our data.
159
526144
2275
BL: Wir haben unsere Beobachtungen
und unsere Daten.
und unsere Daten.
09:04
They do the simple mathematics, averaging, etc., etc.
160
528419
3773
Einfache Mathematik, schätzen, etc. etc.
09:08
And now we want to share. That's the next step.
161
532192
1931
Jetzt wollen wir das mitteilen.
Das ist der nächste Schritt.
Das ist der nächste Schritt.
09:10
So we're going to write this up and try to submit this
162
534123
1608
Wir schreiben es auf und wollen
09:11
for publication. Right? So we have to write it up.
163
535731
2856
es veröffentlichen.
Dazu müssen wir es verfassen
Dazu müssen wir es verfassen
09:14
So we go, of course, to the pub. All right? (Laughter)
164
538587
4513
und natürlich machen wir
das im Pub. (Gelächter)
das im Pub. (Gelächter)
09:19
The one on the left is mine, okay? (Laughter)
165
543100
2284
Das Linke ist meines, okay? (Gelächter)
09:21
Now, I tell them, a paper has four different sections:
166
545384
2086
Ich sagte ihnen, so ein Schriftstück hat
vier verschiedene Bereiche:
vier verschiedene Bereiche:
09:23
an introduction, a methods, a results, a discussion.
167
547470
2807
Eine Einleitung, die Methode,
das Ergebnis, die Diskussion.
das Ergebnis, die Diskussion.
09:26
The introduction says, what's the question and why?
168
550277
2604
Die Einleitung erklärt die Frage und das Warum.
09:28
Methods, what did you do? Results, what was the observation?
169
552881
3119
Die Methode: Was habt ihr gemacht?
Das Ergebnis: Was habt ihr beobachtet?
Das Ergebnis: Was habt ihr beobachtet?
09:31
And the discussion is, who cares? Right?
170
556000
2143
Und die Diskussion: Wen interessiert's?
09:34
That's a science paper, basically. (Laughter)
171
558143
2459
Das ist eine wissenschaftliche Abhandlung.
(Gelächter)
(Gelächter)
09:36
So the kids give me the words, right? I put it into a narrative,
172
560602
4529
Die Kinder nannten mir Worte
und ich schrieb den Bericht,
und ich schrieb den Bericht,
09:41
which means that this paper is written in kidspeak.
173
565131
3247
also wurde dieses Schriftstück in
Kindersprache geschrieben.
Kindersprache geschrieben.
09:44
It's not written by me. It's written by Amy
174
568378
2528
Es wurde nicht von mir geschrieben,
sondern von Amy
sondern von Amy
09:46
and the other students in the class. As a consequence,
175
570906
3320
und ihren Mitschülern.
Konsequenterweise
Konsequenterweise
09:50
this science paper begins, "Once upon a time ... " (Laughter)
176
574226
6017
beginnt die Abhandlung mit: "Es war einmal ..."
(Gelächter)
(Gelächter)
09:56
The results section, it says: "Training phase, the puzzle ... duh duh duuuuuhhh." Right? (Laughter)
177
580243
5312
Beim Ergebnis steht: "Trainingsphase,
das Rätsel ... ta ta taaaahhh." (Gelächter)
das Rätsel ... ta ta taaaahhh." (Gelächter)
10:01
And the methods, it says, "Then we put the bees
178
585555
2196
Bei der Methode:
"Dann steckten wir die Bienen
"Dann steckten wir die Bienen
10:03
into the fridge (and made bee pie)," smiley face. Right? (Laughter)
179
587751
3317
in den Kühlschrank
(und machten Bienenkuchen)," Smiley. (Gelächter)
(und machten Bienenkuchen)," Smiley. (Gelächter)
10:06
This is a science paper. We're going to try to get it published.
180
591068
3833
Das ist die wissenschaftliche Abhandlung
und wir wollen sie veröffentlichen.
und wir wollen sie veröffentlichen.
10:10
So here's the title page. We have a number of authors there.
181
594901
2834
Das ist die Titelseite.
Wir haben eine Reihe von Autoren.
Wir haben eine Reihe von Autoren.
10:13
All the ones in bold are eight to 10 years old.
182
597735
2851
Alle in fett gedruckt sind acht bis 10 Jahre alt.
10:16
The first author is Blackawton Primary School, because
183
600586
2050
Der erste Autor ist die Blackawton-Grundschule.
10:18
if it were ever referenced, it would be "Blackawton et al,"
184
602636
3246
Wenn es jemals zitiert wird,
hieße es "Blackawton et al",
hieße es "Blackawton et al",
10:21
and not one individual. So we submit it to a public access journal,
185
605882
3057
und nicht einer allein. Wir schickten es
an ein öffentliches Journal
an ein öffentliches Journal
10:24
and it says this. It said many things, but it said this.
186
608939
3332
und das war u. a. die Antwort:
10:28
"I'm afraid the paper fails our initial quality control checks in several different ways." (Laughter)
187
612271
3919
"Das Schriftstück unterschreitet unsere
Qualitätsstandards auf vielfältige Art." (Gelächter)
Qualitätsstandards auf vielfältige Art." (Gelächter)
10:32
In other words, it starts off "once upon a time,"
188
616190
2560
Es fängt schon bei: "Es war einmal" an,
10:34
the figures are in crayon, etc. (Laughter)
189
618750
2526
die Figuren sind mit Kreide gemalt, etc. (Gelächter)
10:37
So we said, we'll get it reviewed. So I sent it to Dale Purves,
190
621276
4353
Also ließen wir es gegenlesen.
Ich schickte es an Dale Purves,
Ich schickte es an Dale Purves,
10:41
who is at the National Academy of Science, one of the leading neuroscientists in the world,
191
625629
3533
der in der "National Academy of Science" und
ein führender Neurowissenschaftler der Welt ist.
ein führender Neurowissenschaftler der Welt ist.
10:45
and he says, "This is the most original science paper I have ever read" — (Laughter) —
192
629162
3449
Er sagte: "Das ist die originellste Abhandlung,
die ich je gelesen habe." (Gelächter)
die ich je gelesen habe." (Gelächter)
10:48
"and it certainly deserves wide exposure."
193
632611
2097
"Sie verdient es, weit verbreitet zu werden."
10:50
Larry Maloney, expert in vision, says, "The paper is magnificent.
194
634708
4271
Larry Maloney, Experte für Farbensehen, sagt:
"Die Abhandlung ist hervorragend."
"Die Abhandlung ist hervorragend."
10:54
The work would be publishable if done by adults."
195
638979
3366
"Wenn sie von Erwachsenen geschrieben wäre,
könnte man sie veröffentlichen."
könnte man sie veröffentlichen."
10:58
So what did we do? We send it back to the editor.
196
642345
1979
Was taten wir?
Wir schickten sie zum Verleger zurück.
Wir schickten sie zum Verleger zurück.
11:00
They say no.
197
644324
1589
Sie sagten Nein.
11:01
So we asked Larry and Natalie Hempel to write
198
645913
2454
Also baten wir Larry und Natalie Hempel,
11:04
a commentary situating the findings for scientists, right,
199
648367
4007
eine Erläuterung für Wissenschaftler über die
aufgestellten Ergebnisse zu verfassen.
aufgestellten Ergebnisse zu verfassen.
11:08
putting in the references, and we submit it to Biology Letters.
200
652374
4128
Diese reichten wir mitsamt der Empfehlungen
bei "Biology Letters" (Wissenschaftsmagazin) ein.
bei "Biology Letters" (Wissenschaftsmagazin) ein.
11:12
And there, it was reviewed by five independent referees,
201
656502
3327
Dort wurde es von fünf unabhängigen
Sachverständigen begutachtet
Sachverständigen begutachtet
11:15
and it was published. Okay? (Applause)
202
659829
4421
und veröffentlicht. Okay? (Applaus)
11:20
(Applause)
203
664250
6000
(Applaus)
11:26
It took four months to do the science,
204
670250
3021
Die wissenschaftliche Arbeit dauerte vier Monate,
11:29
two years to get it published. (Laughter)
205
673271
3228
es zu veröffentlichen zwei Jahre. (Gelächter)
11:32
Typical science, actually, right? So this makes Amy and
206
676499
4835
Typisch Wissenschaft, was?
Das also macht Amy
Das also macht Amy
11:37
her friends the youngest published scientists in the world.
207
681334
2433
und ihre Freunde zu den jüngsten
veröffentlichten Wissenschaftlern der Welt.
veröffentlichten Wissenschaftlern der Welt.
11:39
What was the feedback like?
208
683767
2016
Und wie war das Feedback?
11:41
Well, it was published two days before Christmas,
209
685783
2885
Es wurde zwei Tage vor Weihnachten veröffentlicht,
11:44
downloaded 30,000 times in the first day, right?
210
688668
4003
und 30.000 Mal am ersten Tag runtergeladen!
11:48
It was the Editors' Choice in Science, which is a top science magazine.
211
692671
4040
Es war Redaktionsempfehlung in "Science",
einem der Top-Wissenschaftsmagazine.
einem der Top-Wissenschaftsmagazine.
11:52
It's forever freely accessible by Biology Letters.
212
696711
2542
Es steht für immer kostenlos bei
"Biology Letters" zur Verfügung.
"Biology Letters" zur Verfügung.
11:55
It's the only paper that will ever be freely accessible by this journal.
213
699253
3680
Es ist die einzige Abhandlung, die es jemals
kostenlos bei diesem Magazin geben wird.
kostenlos bei diesem Magazin geben wird.
11:58
Last year, it was the second-most downloaded paper
214
702933
2699
Letztes Jahr war es das am zweithäufigsten
runtergeladene Dokument
runtergeladene Dokument
12:01
by Biology Letters, and the feedback from not just scientists
215
705632
4104
bei "Biology Letters" und bekam
nicht nur von Wissenschaftlern
nicht nur von Wissenschaftlern
12:05
and teachers but the public as well.
216
709736
2548
und Lehrern, sondern auch von
der Öffentlichkeit Zuschriften.
der Öffentlichkeit Zuschriften.
12:08
And I'll just read one.
217
712284
1772
Ich lese nur eine vor.
12:09
"I have read 'Blackawton Bees' recently. I don't have
218
714056
2490
"Ich las kürzlich 'Blackawton-Bienen'. Mir fehlen
12:12
words to explain exactly how I am feeling right now.
219
716546
2313
die Worte, um meine Gefühle zu beschreiben.
12:14
What you guys have done is real, true and amazing.
220
718859
2479
Was ihr getan habt ist echt,
wahrhaft und erstaunlich.
wahrhaft und erstaunlich.
12:17
Curiosity, interest, innocence and zeal are the most basic
221
721338
3109
Neugier, Interesse, Unschuld
und Begeisterung sind die Basis
und Begeisterung sind die Basis
12:20
and most important things to do science.
222
724447
1724
und das Wichtigste in der Wissenschaft.
12:22
Who else can have these qualities more than children?
223
726171
2478
Wer, wenn nicht Kinder,
hat sonst diese Qualitäten?
hat sonst diese Qualitäten?
12:24
Please congratulate your children's team from my side."
224
728649
3541
Bitte gratuliert eurem Kinder-Team von mir."
12:28
So I'd like to conclude with a physical metaphor.
225
732190
3383
Ich möchte mit einer physischen Metapher enden.
12:31
Can I do it on you? (Laughter)
226
735573
2968
Kann ich es bei Ihnen versuchen? (Gelächter)
12:34
Oh yeah, yeah, yeah, come on. Yeah yeah. Okay.
227
738541
3093
Oh ja, ja, ja komm schon. Ja. Okay.
12:37
Now, science is about taking risks, so this is an incredible risk, right? (Laughter)
228
741634
5177
In der Wissenschaft geht man Risiken ein.
Das ist ein enormes Risiko. (Gelächter)
Das ist ein enormes Risiko. (Gelächter)
12:42
For me, not for him. Right? Because we've only done this once before. (Laughter)
229
746811
6098
Für mich, nicht für ihn. Denn wir haben es erst
einmal zuvor getan. (Gelächter)
einmal zuvor getan. (Gelächter)
12:48
And you like technology, right?
230
752909
1576
Sie mögen doch Technik, oder?
12:50
Shimon Schocken: Right, but I like myself.
231
754485
2176
Shimon Schocken: Schon,
aber ich mag mich auch.
aber ich mag mich auch.
12:52
BL: This is the epitome of technology. Right. Okay.
232
756661
2951
BL: Das ist der Inbegriff von Technik. In Ordnung.
12:55
Now ... (Laughter)
233
759612
3608
Jetzt ... (Gelächter)
12:59
Okay. (Laughter)
234
763220
2880
Okay. (Gelächter)
13:02
Now, we're going to do a little demonstration, right?
235
766100
4084
Jetzt machen wir eine kleine Demonstration.
13:06
You have to close your eyes, and you have to point
236
770184
4019
Schließen Sie die Augen und zeigen Sie dahin,
13:10
where you hear me clapping. All right?
237
774203
3157
wo Sie mich klatschen hören. Okay?
13:13
(Clapping)
238
777360
4398
(Klatschen)
13:17
(Clapping)
239
781758
3144
(Klatschen)
13:20
Okay, how about if everyone over there shouts. One, two, three?
240
784902
2903
Ihr alle dort schreit jetzt. 1, 2, 3.
13:23
Audience: (Shouts)
241
787805
2901
Publikum: (Schreit)
13:26
(Laughter)
242
790706
4446
(Gelächter)
13:31
(Shouts) (Laughter)
243
795152
3171
(Schreie) (Gelächter)
13:34
Brilliant. Now, open your eyes. We'll do it one more time.
244
798323
3641
Brillant. Öffne deine Augen. Noch einmal.
13:37
Everyone over there shout. (Shouts)
245
801964
2802
Ihr alle dort schreit. (Schreie)
13:40
Where's the sound coming from? (Laughter) (Applause)
246
804766
5932
Wo kommt das Geräusch her?
(Gelächter) (Applaus)
(Gelächter) (Applaus)
13:46
Thank you very much. (Applause)
247
810698
4230
Vielen Dank. (Applaus)
13:50
What's the point? The point is what science does for us.
248
814928
3713
Was soll das? Es geht darum,
was Wissenschaft für uns tut.
was Wissenschaft für uns tut.
13:54
Right? We normally walk through life responding,
249
818641
2406
Wir gehen durchs Leben und reagieren nur.
13:56
but if we ever want to do anything different, we have to
250
821047
2212
Wenn wir je etwas anderes
tun möchten, müssen wir
tun möchten, müssen wir
13:59
step into uncertainty. When he opened his eyes,
251
823259
2689
in die Unsicherheit eintreten.
Als er die Augen öffnete,
Als er die Augen öffnete,
14:01
he was able to see the world in a new way.
252
825948
2382
konnte er die Welt mit neuen Augen betrachten.
14:04
That's what science offers us. It offers the possibility
253
828330
3168
Das bietet uns die Wissenschaft.
Sie bietet uns die Möglichkeit,
Sie bietet uns die Möglichkeit,
14:07
to step on uncertainty through the process of play, right?
254
831498
4016
in die Unsicherheit einzutreten,
indem wir spielen.
indem wir spielen.
14:11
Now, true science education I think should be about
255
835514
3024
Echte wissenschaftliche Bildung sollte den Menschen
14:14
giving people a voice and enabling to express that voice,
256
838538
3399
eine Stimme geben und sie dazu befähigen,
diese auch auszudrücken.
diese auch auszudrücken.
14:17
so I've asked Amy to be the last voice in this short story.
257
841937
4369
Deshalb soll Amy das letzte Wort in
dieser kurzen Geschichte haben.
dieser kurzen Geschichte haben.
14:22
So, Amy?
258
846306
3105
Also, Amy?
14:25
AO: This project was really exciting for me,
259
849411
2553
AO: Dieses Projekt war wirklich aufregend für mich,
14:27
because it brought the process of discovery to life,
260
851964
2671
weil es den Entdeckungsprozess
zum Leben erweckte
zum Leben erweckte
14:30
and it showed me that anyone, and I mean anyone,
261
854635
2911
und mir zeigte, dass jeder, und ich meine jeder,
14:33
has the potential to discover something new,
262
857546
2753
das Potential hat, etwas Neues zu entdecken.
14:36
and that a small question can lead into a big discovery.
263
860299
4072
Und dass eine kleine Frage zu einer
großen Entdeckung führen kann.
großen Entdeckung führen kann.
14:40
Changing the way a person thinks about something
264
864371
2652
Die Meinung eines Menschen zu ändern,
14:42
can be easy or hard. It all depends on the way the person
265
867023
3712
kann leicht oder hart sein.
Es kommt darauf an, wie diese Person
Es kommt darauf an, wie diese Person
14:46
feels about change.
266
870735
1488
über Veränderung denkt.
14:48
But changing the way I thought about science was
267
872223
2452
Meine Meinung über die Wissenschaft zu ändern
14:50
surprisingly easy. Once we played the games
268
874675
2275
war erstaunlich einfach.
Als wir anfingen, zu spielen
Als wir anfingen, zu spielen
14:52
and then started to think about the puzzle,
269
876950
2418
und über das Rätsel nachzudenken,
14:55
I then realized that science isn't just a boring subject,
270
879368
3857
wurde mir klar, dass Naturwissenschaft
nicht bloß ein langweiliges Fach ist
nicht bloß ein langweiliges Fach ist
14:59
and that anyone can discover something new.
271
883225
3194
und dass jeder etwas Neues entdecken kann.
15:02
You just need an opportunity. My opportunity came
272
886419
3200
Man braucht nur die Gelegenheit. Meine kam mit
15:05
in the form of Beau, and the Blackawton Bee Project.
273
889619
2636
Beau und dem "Blackawton-Bienen-Projekt".
15:08
Thank you.BL: Thank you very much. (Applause)
274
892255
4361
Danke!
BL: Vielen Dank! (Applaus)
BL: Vielen Dank! (Applaus)
15:12
(Applause)
275
896616
7747
(Applaus)
ABOUT THE SPEAKERS
Beau Lotto - Neuroscientist, ArtistBeau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system.
Why you should listen
"Let there be perception," was evolution's proclamation, and so it was that all creatures, from honeybees to humans, came to see the world not as it is, but as was most useful. This uncomfortable place--where what an organism's brain sees diverges from what is actually out there--is what Beau Lotto and his team at Lottolab are exploring through their dazzling art-sci experiments and public illusions. Their Bee Matrix installation, for example, places a live bee in a transparent enclosure where gallerygoers may watch it seek nectar in a virtual meadow of luminous Plexiglas flowers. (Bees, Lotto will tell you, see colors much like we humans do.) The data captured isn't just discarded, either: it's put to good use in probing scientific papers, and sometimes in more exhibits.
At their home in London’s Science Museum, the lab holds "synesthetic workshops" where kids and adults make abstract paintings that computers interpret into music, and they host regular Lates--evenings of science, music and "mass experiments." Lotto is passionate about involving people from all walks of life in research on perception--both as subjects and as fellow researchers. One such program, called "i,scientist," in fact led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," December 2010). It starts, "Once upon a time ..."
These and Lotto's other conjurings are slowly, charmingly bending the science of perception--and our perceptions of what science can be.
Beau Lotto | Speaker | TED.com
Amy O'Toole - Student
Amy O'Toole is a 12-year-old student who helped run a science experiment inspired by Beau Lotto's participative science approach. At age 10 she became one of the youngest people ever to publish a peer-reviewed science paper.
Why you should listen
Amy O'Toole is a 12-year-old student with a peer-reviewed scientific publication under her belt. She took part in a participative science program led by Beau Lotto , called "i, scientist," which inspired a science experiment by a group of 26 primary school students in Blackawton, Devon, UK. O'Toole was never interested in science before this project, but now intends to study the human mind and body. The project led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," Royal Society's Biology Letters, December 2010). It starts: "Once upon a time ... ."
Amy O'Toole | Speaker | TED.com