TEDGlobal 2012
Beau Lotto + Amy O'Toole: Science is for everyone, kids included
Beau Lotto + Amy O'Toole: La ciencia es para todos, incluidos los niños
Filmed:
Readability: 3.5
1,504,898 views
¿Qué tienen en común la ciencia y el juego? El neurocientífico Beau Lotto piensa que todas las personas (incluidos los niños) deben participar en la ciencia y, mediante el descubrimiento, cambiar las percepciones. Lo acompaña Amy O'Toole, de 12 años de edad, quien junto con 25 de sus compañeros de clase, publicó el primer artículo conjunto redactado por escolares, sobre el Proyecto Abejas de Blackawton. Comienza así: "Erase una vez...."
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: Este juego es muy simple.
00:19
All you have to do is read what you see. Right?
1
3656
4047
Hay que leer lo que se ve. ¿Sí?
00:23
So, I'm going to count to you, so we don't all do it together.
2
7703
3201
Contaré para que todos lo hagamos juntos.
00:26
Okay, one, two, three.Audience: Can you read this?
3
10904
2499
Bueno, uno, dos, tres.
Audiencia: ¿pueden leer esto?
Audiencia: ¿pueden leer esto?
00:29
BL: Amazing. What about this one? One, two, three.Audience: You are not reading this.
4
13403
4379
BL: Asombroso. ¿Qué tal esta? Uno, dos, tres.
Audiencia: No estás leyendo esto.
Audiencia: No estás leyendo esto.
00:33
BL: All right. One, two, three. (Laughter)
5
17782
5316
BL: Muy bien. Uno, dos, tres. (Risas)
00:38
If you were Portuguese, right? How about this one? One, two, three.
6
23098
4797
¿Si fuera portugués, sí? ¿Qué tal esta? Uno, dos, tres.
00:43
Audience: What are you reading?
7
27895
1978
Audiencia: ¿Qué están leyendo?
00:45
BL: What are you reading? There are no words there.
8
29873
3458
BL: ¿Qué están leyendo? No hay palabras allí.
00:49
I said, read what you're seeing. Right?
9
33331
2537
Dije, lean lo que ven, ¿sí?
00:51
It literally says, "Wat ar ou rea in?" (Laughter) Right?
10
35868
3850
Dice literalmente: "Q e tas le endo?" (Risas) ¿Sí?
00:55
That's what you should have said. Right? Why is this?
11
39718
3828
Deberían haber dicho eso. ¿Sí? ¿Por qué ocurre esto?
00:59
It's because perception is grounded in our experience.
12
43546
3536
Porque la percepción se basa en la experiencia.
01:02
Right? The brain takes meaningless information
13
47082
2897
¿Sí? El cerebro toma información sin sentido
01:05
and makes meaning out of it, which means we never see
14
49979
2959
y le da significado, por eso nunca veremos
01:08
what's there, we never see information,
15
52938
2256
qué hay allí, nunca vemos la información,
01:11
we only ever see what was useful to see in the past.
16
55194
3275
siempre vemos lo que fue útil de ver en el pasado.
01:14
All right? Which means, when it comes to perception,
17
58469
2736
¿Sí? Por eso, en materia de percepción,
01:17
we're all like this frog.
18
61205
6795
somos todos como esta rana.
01:23
(Laughter)
19
68000
912
(Risas)
01:24
Right? It's getting information. It's generating behavior
20
68912
3395
¿Sí? Tiene información. Genera comportamiento
01:28
that's useful. (Laughter)
21
72307
4468
útil. (Risas)
01:32
(Laughter)
22
76775
7032
(Risas)
01:39
(Video) Man: Ow! Ow! (Laughter) (Applause)
23
83807
5982
(Video) Hombre: ¡Ou, ou! (Risas) (Aplausos)
01:45
BL: And sometimes, when things don't go our way,
24
89789
2712
BL: A veces si las cosas no salen como queremos
01:48
we get a little bit annoyed, right?
25
92501
2259
nos enojamos un poco, ¿no?
01:50
But we're talking about perception here, right?
26
94760
2730
Pero aquí estamos hablando de percepción, ¿sí?
01:53
And perception underpins everything we think, we know,
27
97490
4365
Y la percepción sustenta todo lo que pensamos, sabemos,
01:57
we believe, our hopes, our dreams, the clothes we wear,
28
101855
2871
creemos, esperamos, soñamos, lo que vestimos,
02:00
falling in love, everything begins with perception.
29
104726
3743
el amor, todo empieza con la percepción.
02:04
Now if perception is grounded in our history, it means
30
108469
2945
Pero si la percepción se basa en nuestra historia, significa
02:07
we're only ever responding according to what we've done before.
31
111414
3459
que sólo responderemos en función de lo hecho con anterioridad.
02:10
But actually, it's a tremendous problem,
32
114873
3076
Pero en realidad eso es un gran problema,
02:13
because how can we ever see differently?
33
117949
3617
porque, ¿cómo podemos ver otra cosa?
02:17
Now, I want to tell you a story about seeing differently,
34
121566
4063
Quiero contarles una historia respecto de ver algo de manera diferente
02:21
and all new perceptions begin in the same way.
35
125629
3988
y cómo todas las percepciones nuevas empiezan igual.
02:25
They begin with a question.
36
129617
2582
Empiezan con una pregunta.
02:28
The problem with questions is they create uncertainty.
37
132199
3238
El problema de las preguntas es que generan incertidumbre.
02:31
Now, uncertainty is a very bad thing. It's evolutionarily
38
135437
2729
Y la incertidumbre es algo muy malo. En términos evolutivos
02:34
a bad thing. If you're not sure that's a predator, it's too late.
39
138166
3601
es algo malo. Si uno no está seguro de estar ante un predador, es muy tarde.
02:37
Okay? (Laughter)
40
141767
1360
¿De acuerdo? (Risas)
02:39
Even seasickness is a consequence of uncertainty.
41
143127
3160
Incluso el mareo es consecuencia de la incertidumbre.
02:42
Right? If you go down below on a boat, your inner ears
42
146287
2252
¿Sí? Si uno baja en un bote, el oido interno
02:44
are you telling you you're moving. Your eyes, because
43
148539
2176
nos dice que nos movemos. Los ojos, dado que
02:46
it's moving in register with the boat, say I'm standing still.
44
150715
2316
se mueven en relación al bote, dicen que estoy en reposo.
02:48
Your brain cannot deal with the uncertainty of that information, and it gets ill.
45
153031
4655
El cerebro no puede procesar la incertidumbre de esa información y se enferma.
02:53
The question "why?" is one of the most dangerous things you can do,
46
157686
3929
La pregunta "¿por qué?" es una de las cosas más peligrosas,
02:57
because it takes you into uncertainty.
47
161615
2992
porque genera incertidumbre.
03:00
And yet, the irony is, the only way we can ever
48
164607
2879
Y la ironía es que la única forma de hacer
03:03
do anything new is to step into that space.
49
167486
3536
algo nuevo es moverse en ese espacio.
03:06
So how can we ever do anything new? Well fortunately,
50
171022
3224
Entonces, ¿cómo podemos hacer algo nuevo? Afortunadamente,
03:10
evolution has given us an answer, right?
51
174246
3584
la evolución nos ha dado una respuesta, ¿sí?
03:13
And it enables us to address even the most difficult
52
177830
3595
Y nos permite abordar incluso las preguntas
03:17
of questions. The best questions are the ones that create the most uncertainty.
53
181425
4679
más difíciles. Las mejores preguntas son aquellas que generan más incertidumbre.
03:22
They're the ones that question the things we think to be true already. Right?
54
186104
3956
Ponen en duda las cosas que ya pensamos verdaderas, ¿sí?
03:25
It's easy to ask questions about how did life begin,
55
190060
1989
Es fácil formular preguntas sobre el origen de la vida,
03:27
or what extends beyond the universe, but to question what you think to be true already
56
192049
3308
o qué hay más allá del universo, pero cuestionarse lo que uno ya piensa que es correcto
03:31
is really stepping into that space.
57
195357
3001
realmente es adentrarse en ese espacio.
03:34
So what is evolution's answer to the problem of uncertainty?
58
198358
4810
¿Cuál es la respuesta de la evolución al problema de la incerteza?
03:39
It's play.
59
203168
1773
El juego.
03:40
Now play is not simply a process. Experts in play will tell you
60
204941
4193
Pero el juego no es simplemente un proceso. Los expertos dirán
03:45
that actually it's a way of being.
61
209134
2615
que en realidad es una forma de ser.
03:47
Play is one of the only human endeavors where uncertainty
62
211749
2891
El juego es una de las aventuras humanas en las que se celebra
03:50
is actually celebrated. Uncertainty is what makes play fun.
63
214640
4326
la incertidumbre. La incertidumbre hace del juego algo divertido.
03:54
Right? It's adaptable to change. Right? It opens possibility,
64
218966
4275
¿Sí? Se adapta al cambio. ¿Verdad? Abre posibilidades,
03:59
and it's cooperative. It's actually how we do our social bonding,
65
223241
4109
y es algo cooperativo. Es nuestra forma de relacionarnos socialmente,
04:03
and it's intrinsically motivated. What that means
66
227350
1726
y tiene una motivación intrínseca. Eso significa
04:04
is that we play to play. Play is its own reward.
67
229076
4606
que jugamos por jugar. El juego es su propia recompensa.
04:09
Now if you look at these five ways of being,
68
233682
3891
Ahora, si vemos estas cinco formas de ser,
04:13
these are the exact same ways of being you need
69
237573
2721
son exactamente las mismas formas de ser necesarias
04:16
in order to be a good scientist.
70
240294
2036
para ser un buen científico.
04:18
Science is not defined by the method section of a paper.
71
242330
3027
La ciencia no se define en la sección del método de un artículo.
04:21
It's actually a way of being, which is here, and this is true
72
245357
3140
En realidad es una forma de ser, que está aquí, y esto es verdad
04:24
for anything that is creative.
73
248497
2653
para todo lo creativo.
04:27
So if you add rules to play, you have a game.
74
251150
4203
Si al jugar le añadimos reglas, tenemos el juego.
04:31
That's actually what an experiment is.
75
255353
2790
Eso en realidad es un experimento.
04:34
So armed with these two ideas,
76
258143
1919
Así, con estas dos ideas
04:35
that science is a way of being and experiments are play,
77
260062
4322
la ciencia es una forma de ser y los experimentos son un juego,
04:40
we asked, can anyone become a scientist?
78
264384
3453
nos preguntamos, ¿todos podemos ser científicos?
04:43
And who better to ask than 25 eight- to 10-year-old children?
79
267837
3500
Y qué mejor que preguntarle a 25 niños de 8 a 10 años.
04:47
Because they're experts in play. So I took my bee arena
80
271337
3507
Son expertos en juegos. Llevé mi equipo
04:50
down to a small school in Devon, and the aim of this
81
274844
3547
a una pequeña escuela de Devon, y el objetivo
04:54
was to not just get the kids to see science differently,
82
278391
4244
era no sólo hacer que los niños vean la ciencia de otra manera,
04:58
but, through the process of science, to see themselves differently. Right?
83
282635
4598
sino que, mediante el proceso científico, se vean a sí mismos de modo diferente, ¿sí?
05:03
The first step was to ask a question.
84
287233
3408
El primer paso fue plantear una pregunta.
05:06
Now, I should say that we didn't get funding for this study
85
290641
2880
Tengo que decir que no recibimos financiamiento para el estudio
05:09
because the scientists said small children couldn't make
86
293521
3330
porque los científicos dijeron que los niños pequeños no podían
05:12
a useful contribution to science, and the teachers said kids couldn't do it.
87
296851
4302
contribuir de manera útil a la ciencia, y los maestros dijeron que los niños no podrían hacerlo.
05:17
So we did it anyway. Right? Of course.
88
301153
3734
Así que lo hicimos de todos modos, ¿sí? Claro.
05:20
So, here are some of the questions. I put them in small print
89
304887
2819
Estas son algunas preguntas. Las puse en letra chica
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
para que no se molesten en leerlas. La cuestión es que cinco de las preguntas surgidas de los niños
05:28
were actually the basis of science publication the last five to 15 years. Right?
91
312146
4618
fueron en realidad la base de la publicación científica en los últimos 5 a 15 años, ¿sí?
05:32
So they were asking questions that were significant
92
316764
2660
Es decir, preguntaron cosas significativas para
05:35
to expert scientists.
93
319424
2130
los científicos expertos.
05:37
Now here, I want to share the stage with someone quite special. Right?
94
321554
4134
En este punto quiero compartir escenario con alguien muy especial, ¿sí?
05:41
She was one of the young people who was involved in this study,
95
325688
2612
Ella fue una joven de los que participaron en este estudio
05:44
and she's now one of the youngest published scientists
96
328300
2334
y es ahora una de las publicadoras científicas más jóvenes
05:46
in the world. Right? She will now, once she comes onto stage,
97
330634
3883
del mundo. ¿Sí? Lo hará ahora, en cuanto suba al escenario,
05:50
will be the youngest person to ever speak at TED. Right?
98
334517
3698
será la oradora más joven de TED. ¿Sí?
05:54
Now, science and asking questions is about courage.
99
338215
2875
Tanto la ciencia como hacerse preguntas requiere coraje.
05:56
Now she is the personification of courage, because she's
100
341090
3200
Ella es la personificación del coraje dado que
06:00
going to stand up here and talk to you all.
101
344290
1387
se parará aquí y hablará para todos.
06:01
So Amy, would you please come up? (Applause)
102
345677
5254
Por eso, Amy, ¿puedes venir, por favor? (Aplausos)
06:06
(Applause)
103
350931
7185
(Aplausos)
06:14
So Amy's going to help me tell the story of what we call
104
358116
2519
Amy me ayudará a contarles la historia de lo que llamamos
06:16
the Blackawton Bees Project, and first she's going to tell you
105
360635
2666
"Proyecto Abejas de Blackawton" pero antes ella les contará
06:19
the question that they came up with. So go ahead, Amy.
106
363301
2545
la pregunta que se les ocurrió. Adelante, Amy.
06:21
Amy O'Toole: Thank you, Beau. We thought
107
365846
1719
Amy O'Toole: Gracias, Beau. Pensamos
06:23
that it was easy to see the link between humans and apes
108
367565
3401
que era fácil ver el vínculo entre humanos y simios
06:26
in the way that we think, because we look alike.
109
370966
3024
en la forma de pensar, porque nos parecemos.
06:29
But we wondered if there's a possible link
110
373990
2689
Pero nos preguntábamos si existiría un vínculo
06:32
with other animals. It'd be amazing if humans and bees
111
376679
4704
con otros animales. Sorprendería si humanos y abejas
06:37
thought similar, since they seem so different from us.
112
381383
4113
pensaran de forma similar, porque parecen muy diferentes de nosotros.
06:41
So we asked if humans and bees might solve
113
385496
3053
Así, nos preguntábamos si humanos y abejas pueden resolver
06:44
complex problems in the same way.
114
388549
2407
problemas complejos de la misma manera.
06:46
Really, we wanted to know if bees can also adapt
115
390956
3287
También queríamos saber si las abejas pueden adaptarse
06:50
themselves to new situations using previously learned rules
116
394243
3707
a nuevas situaciones usando reglas y condiciones previamente
06:53
and conditions. So what if bees can think like us?
117
397950
4214
aprendidas. ¿Y si las abejas pueden pensar como nosotros?
06:58
Well, it'd be amazing, since we're talking about an insect
118
402164
2552
Bueno, sería sorprendente, porque hablamos de un insecto
07:00
with only one million brain cells.
119
404716
2525
que tiene sólo un millón de células cerebrales.
07:03
But it actually makes a lot of sense they should,
120
407241
2142
Pero tiene mucho sentido que así sea
07:05
because bees, like us, can recognize a good flower
121
409383
3277
porque las abejas, como nosotros, pueden reconocer buenas flores
07:08
regardless of the time of day, the light, the weather,
122
412660
3613
independientemente de la hora del día, la luz, el clima,
07:12
or from any angle they approach it from. (Applause)
123
416273
5742
o del ángulo desde el que se aproximen. (Aplausos)
07:17
BL: So the next step was to design an experiment,
124
422015
3782
BL: El siguiente paso fue diseñar un experimento
07:21
which is a game. So the kids went off and they designed
125
425797
3302
en forma de juego. Los niños diseñaron
07:24
this experiment, and so -- well, game -- and so,
126
429099
3301
este experimento y así --bueno, este juego--
07:28
Amy, can you tell us what the game was,
127
432400
1466
Amy, ¿puedes contarnos cómo era el juego
07:29
and the puzzle that you set the bees?
128
433866
2143
y el acertijo de las abejas?
07:31
AO: The puzzle we came up with was an if-then rule.
129
436009
3023
AO: El acertijo que pensamos era una regla si-entonces.
07:34
We asked the bees to learn not just to go to a certain color,
130
439032
3645
Le pedimos a las abejas que aprendan no sólo a ir a cierto color,
07:38
but to a certain color flower only
131
442677
2668
sino a ir a cierto color de flor, sólo
07:41
when it's in a certain pattern.
132
445345
1632
si está en determinado patrón.
07:42
They were only rewarded if they went to the yellow flowers
133
446977
3259
Sólo recibían premio si iban a las flores amarillas,
07:46
if the yellow flowers were surrounded by the blue,
134
450236
3060
si las flores amarillas estaban rodeadas de azul,
07:49
or if the blue flowers were surrounded by the yellow.
135
453296
3268
o si las flores azules estaban rodeadas de amarillo.
07:52
Now there's a number of different rules the bees can learn
136
456564
2585
Hay muchas reglas diferentes que las abejas pueden aprender
07:55
to solve this puzzle. The interesting question is, which?
137
459149
3425
para resolver el problema. La pregunta interesante es, ¿cuál?
07:58
What was really exciting about this project was we,
138
462574
2780
Lo realmente interesante de este proyecto fue que ni nosotros
08:01
and Beau, had no idea whether it would work.
139
465354
2343
ni Beau teníamos idea de si iba a funcionar o no.
08:03
It was completely new, and no one had done it before,
140
467697
2454
Era algo completamente nuevo y nadie lo había hecho antes,
08:06
including adults. (Laughter)
141
470151
3723
tampoco los adultos. (Risas)
08:09
BL: Including the teachers, and that was really hard for the teachers.
142
473874
3464
BL: Incluso los maestros, y eso era muy difícil de asumir para ellos.
08:13
It's easy for a scientist to go in and not have a clue what he's doing,
143
477338
2904
Es fácil para un científico no tener ni idea de lo que está ocurriendo,
08:16
because that's what we do in the lab, but for a teacher
144
480242
2544
porque de eso se trata el laboratorio, pero para un maestro
08:18
not to know what's going to happen at the end of the day --
145
482786
1625
no saber qué ocurrirá al final del día...
08:20
so much of the credit goes to Dave Strudwick, who was
146
484411
2599
gran parte del mérito corresponde a Dave Strudwick,
08:22
the collaborator on this project. Okay?
147
487010
2209
colaborador de este proyecto. ¿Sí?
08:25
So I'm not going to go through the whole details of the study
148
489219
2732
No voy a entrar en los detalles del estudio
08:27
because actually you can read about it, but the next step
149
491951
2638
porque pueden leerlo, pero el siguiente paso
08:30
is observation. So here are some of the students
150
494589
3645
es la observación. Por eso aquí hay algunos estudiantes
08:34
doing the observations. They're recording the data
151
498234
2768
haciendo observaciones. Están registrando datos
08:36
of where the bees fly.
152
501002
5044
de la posición de las abejas.
08:41
(Video) Dave Strudwick: So what we're going to do —Student: 5C.
153
506046
2023
(Video) Dave Strudwick: Lo que haremos...
Alumna: 5C.
Alumna: 5C.
08:43
Dave Strudwick: Is she still going up here?Student: Yeah.
154
508069
3990
David Strudwick: ¿Sigue pasando por aquí?
Alumna: Así es.
Alumna: Así es.
08:47
Dave Strudwick: So you keep track of each.Student: Henry, can you help me here?
155
512059
3597
Dave Strudwick: O sea que le sigues el rastro a cada una.
Alumna: Henry, ¿puedes ayudarme?
Alumna: Henry, ¿puedes ayudarme?
08:51
BL: "Can you help me, Henry?" What good scientist says that, right?
156
515656
2904
BL: ¿Puedes ayudarme, Henry?" ¿Qué buen científico dice eso, no?
08:54
Student: There's two up there.
157
518560
4710
Alumna: Hay dos allí.
08:59
And three in here.
158
523270
2874
Y tres aquí.
09:02
BL: Right? So we've got our observations. We've got our data.
159
526144
2275
BL: ¿Sí? Conseguimos nuestras observaciones. Obtuvimos los datos.
09:04
They do the simple mathematics, averaging, etc., etc.
160
528419
3773
Hicimos cálculos simples, promedios, etc., etc.
09:08
And now we want to share. That's the next step.
161
532192
1931
Y ahora queremos compartir. Ese es el paso siguiente.
09:10
So we're going to write this up and try to submit this
162
534123
1608
Así que lo redactaremos e intentaremos enviarlo
09:11
for publication. Right? So we have to write it up.
163
535731
2856
para publicar. ¿Sí? Tenemos que redactarlo.
09:14
So we go, of course, to the pub. All right? (Laughter)
164
538587
4513
Para eso, claro, fuimos al pub. ¿Sí? (Risas)
09:19
The one on the left is mine, okay? (Laughter)
165
543100
2284
El de la izquierda es mío, ¿bien? (Risas)
09:21
Now, I tell them, a paper has four different sections:
166
545384
2086
Les dije que un artículo tiene cuatro secciones diferentes:
09:23
an introduction, a methods, a results, a discussion.
167
547470
2807
introducción, métodos, resultados, discusión.
09:26
The introduction says, what's the question and why?
168
550277
2604
La introducción dice cuál es la pregunta y por qué.
09:28
Methods, what did you do? Results, what was the observation?
169
552881
3119
Los métodos, qué hiciste. Los resultados, cuál fue la observación.
09:31
And the discussion is, who cares? Right?
170
556000
2143
Y la discusión es a quién le importa, ¿sí?
09:34
That's a science paper, basically. (Laughter)
171
558143
2459
Eso, en esencia, es un artículo científico. (Risas)
09:36
So the kids give me the words, right? I put it into a narrative,
172
560602
4529
Los niños me dieron las palabras, ¿sí? Yo las puse en una narrativa,
09:41
which means that this paper is written in kidspeak.
173
565131
3247
de modo que este artículo está escrito en lenguaje de niños.
09:44
It's not written by me. It's written by Amy
174
568378
2528
No está escrito por mí. Está escrito por Amy
09:46
and the other students in the class. As a consequence,
175
570906
3320
y los otros alumnos de la clase. En consecuencia,
09:50
this science paper begins, "Once upon a time ... " (Laughter)
176
574226
6017
este artículo empieza: "Érase una vez...." (Risas)
09:56
The results section, it says: "Training phase, the puzzle ... duh duh duuuuuhhh." Right? (Laughter)
177
580243
5312
La sección de resultados dice: "Fase de entrenamiento, el acertijo ta ta taa". ¿Sí? (Risas)
10:01
And the methods, it says, "Then we put the bees
178
585555
2196
Y en los métodos dice: "Luego pusimos las abejas
10:03
into the fridge (and made bee pie)," smiley face. Right? (Laughter)
179
587751
3317
en el refrigerador (e hicimos tarta de abeja)", sonrisa. ¿Bien? (Risas)
10:06
This is a science paper. We're going to try to get it published.
180
591068
3833
Es un artículo científico. Intentaremos publicarlo.
10:10
So here's the title page. We have a number of authors there.
181
594901
2834
Esta es la portada. Hay varios autores.
10:13
All the ones in bold are eight to 10 years old.
182
597735
2851
Los alumnos en negrita tienen de 8 a 10 años.
10:16
The first author is Blackawton Primary School, because
183
600586
2050
El primer autor es Blackawton Primary School porque
10:18
if it were ever referenced, it would be "Blackawton et al,"
184
602636
3246
de ser citada diría "Blackawton et al",
10:21
and not one individual. So we submit it to a public access journal,
185
605882
3057
y no una persona. Lo enviamos a una revista pública
10:24
and it says this. It said many things, but it said this.
186
608939
3332
y dice, entre otras cosas, lo siguiente:
10:28
"I'm afraid the paper fails our initial quality control checks in several different ways." (Laughter)
187
612271
3919
"Temo que el artículo no pasó distintas instancias del control de calidad". (Risas)
10:32
In other words, it starts off "once upon a time,"
188
616190
2560
En otras palabras, empieza con "érase una vez",
10:34
the figures are in crayon, etc. (Laughter)
189
618750
2526
las cifras están en crayón, etc. (Risas)
10:37
So we said, we'll get it reviewed. So I sent it to Dale Purves,
190
621276
4353
Así que dijimos, haremos que lo revisen. Se lo envié a Dale Purves,
10:41
who is at the National Academy of Science, one of the leading neuroscientists in the world,
191
625629
3533
de la Academia Nacional de Ciencias, uno de los neurocientíficos más importantes del mundo,
10:45
and he says, "This is the most original science paper I have ever read" — (Laughter) —
192
629162
3449
y dijo: "Este es el artículo científico más original que he leído" (Risas)
10:48
"and it certainly deserves wide exposure."
193
632611
2097
"y sin duda merece amplia difusión".
10:50
Larry Maloney, expert in vision, says, "The paper is magnificent.
194
634708
4271
Larry Maloney, experto en visión dijo: "El artículo es magnífico.
10:54
The work would be publishable if done by adults."
195
638979
3366
El trabajo se publicaría de estar hecho por adultos".
10:58
So what did we do? We send it back to the editor.
196
642345
1979
Entonces, ¿qué hicimos? Lo enviamos nuevamente al editor.
11:00
They say no.
197
644324
1589
Dijeron que no.
11:01
So we asked Larry and Natalie Hempel to write
198
645913
2454
Así que le pedimos a Larry y Natalie Hempel que escribieran
11:04
a commentary situating the findings for scientists, right,
199
648367
4007
un comentario sobre los hallazgos científicos, ¿sí?
11:08
putting in the references, and we submit it to Biology Letters.
200
652374
4128
colocando las referencias, y lo enviamos a "Biology Letters".
11:12
And there, it was reviewed by five independent referees,
201
656502
3327
Allí fue revisado por cinco árbitros independientes,
11:15
and it was published. Okay? (Applause)
202
659829
4421
y fue publicado. ¿Bien? (Aplausos)
11:20
(Applause)
203
664250
6000
(Aplausos)
11:26
It took four months to do the science,
204
670250
3021
Nos llevó cuatro meses hacerlo
11:29
two years to get it published. (Laughter)
205
673271
3228
y dos años publicarlo. (Risas)
11:32
Typical science, actually, right? So this makes Amy and
206
676499
4835
Ciencia típica, ¿verdad? Esto hizo de Amy y sus amigos
11:37
her friends the youngest published scientists in the world.
207
681334
2433
los científicos más jóvenes del mundo, que han publicado.
11:39
What was the feedback like?
208
683767
2016
¿Cuál fue la respuesta?
11:41
Well, it was published two days before Christmas,
209
685783
2885
Bueno, se publicó dos días antes de Navidad,
11:44
downloaded 30,000 times in the first day, right?
210
688668
4003
tuvo 30 000 descargas el primer día, ¿sí?
11:48
It was the Editors' Choice in Science, which is a top science magazine.
211
692671
4040
Fue elegida por los editores científicos, en la mejor revista de ciencias.
11:52
It's forever freely accessible by Biology Letters.
212
696711
2542
Esta disponible gratuitamente de por vida en "Biology Letters".
11:55
It's the only paper that will ever be freely accessible by this journal.
213
699253
3680
Es el único artículo que siempre estará disponible gratuitamente en esta revista.
11:58
Last year, it was the second-most downloaded paper
214
702933
2699
El año pasado fue el segundo artículo más descargado
12:01
by Biology Letters, and the feedback from not just scientists
215
705632
4104
en "Biology Letters", y la reacción no sólo es de los científicos
12:05
and teachers but the public as well.
216
709736
2548
y maestros sino también del público.
12:08
And I'll just read one.
217
712284
1772
Les leeré una.
12:09
"I have read 'Blackawton Bees' recently. I don't have
218
714056
2490
"Hace poco leí 'Abejas de Blackawton'. No tengo palabras
12:12
words to explain exactly how I am feeling right now.
219
716546
2313
para expresar exactamente lo que siento en este momento.
12:14
What you guys have done is real, true and amazing.
220
718859
2479
Lo que han hecho es real, verdadero y asombroso.
12:17
Curiosity, interest, innocence and zeal are the most basic
221
721338
3109
La curiosidad, el interés, la inocencia y el fervor es lo elemental
12:20
and most important things to do science.
222
724447
1724
y lo más importante para la ciencia.
12:22
Who else can have these qualities more than children?
223
726171
2478
¿Quién más puede tener estas cualidades que los niños?
12:24
Please congratulate your children's team from my side."
224
728649
3541
Por favor, felicite a sus alumnos de mi parte".
12:28
So I'd like to conclude with a physical metaphor.
225
732190
3383
Me gustaría concluir con una metáfora física.
12:31
Can I do it on you? (Laughter)
226
735573
2968
¿Puedo hacerlo contigo? (Risas)
12:34
Oh yeah, yeah, yeah, come on. Yeah yeah. Okay.
227
738541
3093
Oh, vamos, ven. Sí, sí. Bueno.
12:37
Now, science is about taking risks, so this is an incredible risk, right? (Laughter)
228
741634
5177
La ciencia implica asumir riesgos, y esto es un riesgo increíble, ¿no? (Risas)
12:42
For me, not for him. Right? Because we've only done this once before. (Laughter)
229
746811
6098
Para mí, no para él. ¿Sí? Porque lo hemos hecho sólo una vez antes. (Risas)
12:48
And you like technology, right?
230
752909
1576
Y te gusta la tecnología, ¿no?
12:50
Shimon Schocken: Right, but I like myself.
231
754485
2176
Shimon Schocken: Sí, pero también me gusto yo.
12:52
BL: This is the epitome of technology. Right. Okay.
232
756661
2951
BL: Esto es el epítome de la tecnología. Bien, vamos.
12:55
Now ... (Laughter)
233
759612
3608
Ahora... (Risas)
12:59
Okay. (Laughter)
234
763220
2880
Bien. (Risas)
13:02
Now, we're going to do a little demonstration, right?
235
766100
4084
Haremos una pequeña demostración, ¿sí?
13:06
You have to close your eyes, and you have to point
236
770184
4019
Tienes que cerrar los ojos, y tienes que señalar
13:10
where you hear me clapping. All right?
237
774203
3157
dónde oyes mis aplausos. ¿Sí?
13:13
(Clapping)
238
777360
4398
(Aplauso)
13:17
(Clapping)
239
781758
3144
(Aplauso)
13:20
Okay, how about if everyone over there shouts. One, two, three?
240
784902
2903
Bueno, ¿qué tal si todos gritan? Uno, dos, tres...
13:23
Audience: (Shouts)
241
787805
2901
Audiencia: (Gritos)
13:26
(Laughter)
242
790706
4446
(Risas)
13:31
(Shouts) (Laughter)
243
795152
3171
(Gritos) (Risas)
13:34
Brilliant. Now, open your eyes. We'll do it one more time.
244
798323
3641
Brillante. Ahora abre tus ojos. Lo haremos una vez más.
13:37
Everyone over there shout. (Shouts)
245
801964
2802
Griten todos por allí. (Risas)
13:40
Where's the sound coming from? (Laughter) (Applause)
246
804766
5932
¿De dónde viene el sonido? (Risas) (Aplausos)
13:46
Thank you very much. (Applause)
247
810698
4230
Muchas gracias. (Aplausos)
13:50
What's the point? The point is what science does for us.
248
814928
3713
¿Cuál es la idea? La idea es qué hace la ciencia por nosotros.
13:54
Right? We normally walk through life responding,
249
818641
2406
¿Sí? Normalmente vamos por la vida respondiendo
13:56
but if we ever want to do anything different, we have to
250
821047
2212
pero si alguna vez queremos hacer algo diferente, tenemos que
13:59
step into uncertainty. When he opened his eyes,
251
823259
2689
adentrarnos en la incertidumbre. Cuando abrió los ojos
14:01
he was able to see the world in a new way.
252
825948
2382
pudo ver el mundo de una nueva forma.
14:04
That's what science offers us. It offers the possibility
253
828330
3168
Eso nos ofrece la ciencia. Nos da la posibilidad
14:07
to step on uncertainty through the process of play, right?
254
831498
4016
de adentrarnos en la incertidumbre mediante el juego, ¿sí?
14:11
Now, true science education I think should be about
255
835514
3024
Ahora, creo que la verdadera educación científica debería
14:14
giving people a voice and enabling to express that voice,
256
838538
3399
consistir en darle voz a la gente y permitirle expresar esa voz,
14:17
so I've asked Amy to be the last voice in this short story.
257
841937
4369
por eso le pedí a Amy que sea la última voz en esta breve historia.
14:22
So, Amy?
258
846306
3105
¿Amy?
14:25
AO: This project was really exciting for me,
259
849411
2553
AO: Este proyecto fue apasionante para mí
14:27
because it brought the process of discovery to life,
260
851964
2671
porque le dio vida al proceso de descubrimiento
14:30
and it showed me that anyone, and I mean anyone,
261
854635
2911
y me mostró que todos, me refiero a cada uno,
14:33
has the potential to discover something new,
262
857546
2753
tenemos el potencial de descubrir algo nuevo,
14:36
and that a small question can lead into a big discovery.
263
860299
4072
y que una pequeña pregunta puede llevar a un gran descubrimiento.
14:40
Changing the way a person thinks about something
264
864371
2652
Cambiar la manera en que una persona piensa algo
14:42
can be easy or hard. It all depends on the way the person
265
867023
3712
puede ser fácil o difícil. Todo depende de la forma en que la persona
14:46
feels about change.
266
870735
1488
se sienta respecto del cambio.
14:48
But changing the way I thought about science was
267
872223
2452
Pero cambiar mi manera de pensar en la ciencia fue
14:50
surprisingly easy. Once we played the games
268
874675
2275
sorprendentemente fácil. Una vez que empezamos a jugar
14:52
and then started to think about the puzzle,
269
876950
2418
y luego a pensar los acertijos
14:55
I then realized that science isn't just a boring subject,
270
879368
3857
me di cuenta que la ciencia no es sólo un tema aburrido
14:59
and that anyone can discover something new.
271
883225
3194
y que todos podemos descubrir algo nuevo.
15:02
You just need an opportunity. My opportunity came
272
886419
3200
Sólo necesitamos una oportunidad. Mi oportunidad
15:05
in the form of Beau, and the Blackawton Bee Project.
273
889619
2636
llegó en forma de Beau, y del Proyecto Abeja de Blackawton.
15:08
Thank you.BL: Thank you very much. (Applause)
274
892255
4361
Gracias.
BL: Muchas gracias. (Aplausos)
BL: Muchas gracias. (Aplausos)
15:12
(Applause)
275
896616
7747
(Aplausos)
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