TED2011
Sal Khan: Let's use video to reinvent education
סלמאן חאן: הבה נשתמש בוידאו כדי להמציא מחדש את החינוך
Filmed:
Readability: 3.7
5,578,134 views
סלמאן חאן מספר מדוע וכיצד הוא יצר את אקדמיית חאן המופלאה -- סדרות של סרטוני וידאו חינוכיים הבנויות בצורה מוקפדת אשר מעלות תוכניות לימודים במתמטיקה, וכעת, גם בנושאים אחרים. הוא מציג את העוצמה שבתירגולים אינטראקטיביים, וקורא למורים לשים בצד את הטקסט המסורתי של הכיתה -- תנו לתלמידים הרצאות בוידאו לצפייה בביתם, ועשו "שיעורי-בית" בכיתה כאשר המורה זמין לעזור.
Sal Khan - Educator and social entrepreneur
In 2004, Sal Khan, a hedge fund analyst, began making math tutorials for his cousins. Twelve years later, Khan Academy has more than 42 million registered users from 190 countries, with tutorials on subjects from basic math through economics, art history, computer science, health, medicine and more. Full bio
In 2004, Sal Khan, a hedge fund analyst, began making math tutorials for his cousins. Twelve years later, Khan Academy has more than 42 million registered users from 190 countries, with tutorials on subjects from basic math through economics, art history, computer science, health, medicine and more. Full bio
Double-click the English transcript below to play the video.
00:15
The Khan Academy is most known
0
0
2000
אקדמיית חאן ידועה בעיקר
00:17
for its collection of videos,
1
2000
2000
בשל אוספי הוידאו שלה,
00:19
so before I go any further,
2
4000
2000
ולכן לפני שאמשיך,
00:21
let me show you a little bit of a montage.
3
6000
3000
אראה לכם מחרוזת של קטעים קצרים מהם.
00:24
(Video) Salman Khan: So the hypotenuse is now going to be five.
4
9000
3000
(סרטון) סלמאן חאן: לכן היתר במשולש הולך להיות עכשיו חמש.
00:27
This animal's fossils are only found in this area of South America --
5
12000
3000
המאובנים של חיה זו נמצאים רק באזור זה בדרום-אמריקה --
00:30
a nice clean band here --
6
15000
2000
ברצועה הברורה והמוגדרת הזו --
00:32
and this part of Africa.
7
17000
2000
ובאזור זה של אפריקה.
00:34
We can integrate over the surface,
8
19000
2000
אנו יכולים לבצע אינטגרציה על השטח,
00:36
and the notation usually is a capital sigma.
9
21000
3000
והסימון בדרך-כלל הוא אות סיגמה גדולה.
00:39
National Assembly: They create the Committee of Public Safety,
10
24000
3000
אסיפה לאומית: הם יוצרים את ה"ועדה לביטחון הציבור",
00:42
which sounds like a very nice committee.
11
27000
2000
אשר נשמעת כועדה מאוד נחמדה.
00:44
Notice, this is an aldehyde,
12
29000
2000
שימו לב, זהו אלדהיד,
00:46
and it's an alcohol.
13
31000
2000
והוא אלכוהול.
00:48
Start differentiating into effector and memory cells.
14
33000
3000
התחילו לחלקו למוציא לפועל ותאי זיכרון.
00:51
A galaxy. Hey, there's another galaxy.
15
36000
2000
גלקסיה. הנה, עוד גלקסיה.
00:53
Oh look, there's another galaxy.
16
38000
2000
ותראו, יש שם עוד אחת.
00:55
And for dollars, is their 30 million,
17
40000
3000
ובדולרים, יש כאן 30 מיליון,
00:58
plus the 20 million dollars from the American manufacturer.
18
43000
3000
ועוד 20 מיליון דולר מיצרן אמריקאי.
01:01
If this does not blow your mind,
19
46000
3000
אם זה לא מרשים אתכם,
01:04
then you have no emotion.
20
49000
2000
סימן שאתם חסרי-רגש.
01:06
(Laughter)
21
51000
2000
(צחוק)
01:08
(Applause)
22
53000
5000
(מחיאות כפיים)
01:13
SK: We now have on the order
23
58000
2000
ס.ח.: יש לנו הזמנה
01:15
of 2,200 videos
24
60000
2000
ל-2,200 סרטי וידאו
01:17
covering everything from basic arithmetic
25
62000
2000
המכסים הכל מחשבון בסיסי
01:19
all the way to vector calculus
26
64000
2000
ועד חשבון אינפיניטסימלי (אינפי) וקטורי
01:21
and some of the stuff you saw there.
27
66000
3000
וחלק ממה שראיתם כאן.
01:24
We have a million students a month using the site,
28
69000
3000
יש לנו מיליון תלמידים בחודש המשתמשים באתר זה,
01:27
watching on the order of 100 to 200,000 videos a day.
29
72000
4000
הצופים בסדר גודל של 100 עד 200,000 סרטונים ביום.
01:31
But what we're going to talk about in this
30
76000
2000
אבל מה שאני עומד לדבר עליו
01:33
is how we're going to the next level.
31
78000
2000
זה כיצד עוברים לשלב הבא.
01:35
But before I do that,
32
80000
2000
אבל לפני שאני עושה זאת,
01:37
I want to talk a little bit about really just how I got started.
33
82000
3000
ברצוני לדבר קצת על איך באמת התחלתי עם כל זה.
01:41
And some of you all might know,
34
86000
2000
אולי חלקכם כבר יודעים,
01:43
about five years ago I was an analyst at a hedge fund,
35
88000
3000
לפני כחמש שנים הייתי אנליסט בקרן גידור.
01:46
and I was in Boston,
36
91000
2000
גרתי בבוסטון,
01:48
and I was tutoring my cousins in New Orleans, remotely.
37
93000
3000
והייתי מעביר שיעורים לבני-דודים שלי בניו-אורלינס, מרחוק.
01:51
And I started putting the first YouTube videos up
38
96000
3000
התחלתי להעלות ליוטיוב את סרטי הוידאו הראשונים
01:54
really just as a kind of nice-to-have,
39
99000
2000
רק במקרה שמישהו יצטרך אותם,
01:56
just a supplement for my cousins --
40
101000
2000
כתוספת משלימה לבני-דודים שלי --
01:58
something that might give them a refresher or something.
41
103000
3000
משהו שבעזרתו יוכלו לרענן את ידיעותיהם.
02:01
And as soon as I put those first YouTube videos up,
42
106000
2000
ומייד לאחר שהעלתי את הסרטונים הראשונים ליוטיוב,
02:03
something interesting happened --
43
108000
2000
קרה משהו מעניין --
02:05
actually a bunch of interesting things happened.
44
110000
2000
בעצם קרו מספר דברים מעניינים.
02:07
The first was the feedback from my cousins.
45
112000
3000
הראשון היה התגובה של בני-דודיי.
02:10
They told me
46
115000
2000
הם אמרו לי
02:12
that they preferred me on YouTube than in person.
47
117000
3000
שהם מעדיפים לראות אותי ביוטיוב מאשר פנים מול פנים.
02:15
(Laughter)
48
120000
7000
(צחוק)
02:23
And once you get over the backhanded nature of that,
49
128000
3000
לאחר שמתגברים על העוקצנות הזו,
02:26
there was actually something very profound there.
50
131000
2000
מבינים שיש כאן משהו עמוק מאוד.
02:28
They were saying
51
133000
2000
הם בעצם אמרו שהם מעדיפים
02:30
that they preferred the automated version of their cousin
52
135000
2000
את הגירסה הממוכנת של בן-דודם
02:32
to their cousin.
53
137000
2000
מאשר את הבן-דוד עצמו.
02:34
At first, it's very unintuitive,
54
139000
2000
תחילה זה לא מובן מאליו,
02:36
but when you actually think about it from their point of view, it makes a ton of sense.
55
141000
3000
אבל כאשר חושבים על כך מנקודת מבטם, זה נראה מאוד הגיוני.
02:39
You have this situation
56
144000
2000
המצב הוא
02:41
where now they can pause and repeat their cousin,
57
146000
2000
שכעת הם יכולים לעצור ולחזור על בן-דודם,
02:43
without feeling like they're wasting my time.
58
148000
3000
מבלי שירגישו שהם מבזבזים את זמני.
02:46
If they have to review something
59
151000
3000
אם עליהם לחזור למשהו
02:49
that they should have learned a couple of weeks ago,
60
154000
2000
שהיה עליהם ללמוד לפני מספר שבועות,
02:51
or maybe a couple of years ago,
61
156000
3000
או אולי לפני שנים,
02:54
they don't have to be embarrassed and ask their cousin.
62
159000
2000
הם אינם צריכים להרגיש לא נעים בשביל לשאול שאלות.
02:56
They can just watch those videos. If they're bored, they can go ahead.
63
161000
3000
הם פשוט יכולים לצפות בסרטונים. אם משעמם להם, הם יכולים לעשות משהו אחר.
02:59
They can watch it at their own time, at their own pace.
64
164000
2000
הם יכולים לצפות בהם בביתם, בקצב שלהם.
03:01
And probably the least appreciated aspect of this
65
166000
5000
וקרוב לוודאי, ההיבט הפחות מוערך של זה
03:06
is the notion that the very first time,
66
171000
2000
הוא שבפעם הראשונה,
03:08
the very first time
67
173000
2000
בפעם הראשונה,
03:10
that you're trying to get your brain around a new concept,
68
175000
3000
שתצטרכו להרגיל את מוחותיכם לתפיסה חדשה,
03:13
the very last thing you need
69
178000
2000
שהדבר האחרון שאתם צריכים
03:15
is another human being saying, "Do you understand this?"
70
180000
3000
הוא אדם אחר השואל "האם הבנתם את זה?"
03:18
And that's what was happening with the interaction with my cousins before,
71
183000
3000
וזה מה שהתרחש במגע הישיר שלי עם בני-דודיי.
03:21
and now they can just do it
72
186000
3000
ועכשיו הם יכולים פשוט לעשות זאת
03:24
in the intimacy of their own room.
73
189000
3000
בפרטיות בחדרם בבית.
03:28
The other thing that happened is --
74
193000
2000
הדבר האחר שקרה הוא --
03:30
I put them on YouTube just --
75
195000
3000
העלתי אותם ליוטיוב --
03:33
I saw no reason to make it private,
76
198000
2000
לא ראיתי סיבה להגבילם לצפיה פרטית,
03:35
so I let other people watch it,
77
200000
2000
ולכן הנחתי לכולם לצפות בהם.
03:37
and then people started stumbling on it,
78
202000
2000
ואנשים התחילו להיתקל בהם.
03:39
and I started getting some comments and some letters
79
204000
3000
התחלתי לקבל הערות ומכתבים
03:42
and all sorts of feedback
80
207000
2000
ועוד כל מיני תגובות
03:44
from random people from around the world.
81
209000
2000
באופן אקראי מאנשים מכל העולם.
03:46
And these are just a few.
82
211000
3000
והנה רק כמה מהן.
03:49
This is actually from one of the original calculus videos.
83
214000
3000
זהו אחד מסרטוני אינפי המקוריים ביותר.
03:52
And someone wrote just on YouTube --
84
217000
2000
ומישהו אחר כתב ביוטיוב --
03:54
it was a YouTube comment:
85
219000
2000
זו היתה הערה ביוטיוב:
03:56
"First time I smiled doing a derivative."
86
221000
3000
"פעם ראשונה שחייכתי בעודי עושה נגזרת."
03:59
(Laughter)
87
224000
2000
(צחוק)
04:01
And let's pause here.
88
226000
2000
ונעצור כאן.
04:03
This person did a derivative
89
228000
2000
אדם זה עשה נגזרת
04:05
and then they smiled.
90
230000
3000
ואז הוא חייך.
04:08
And then in a response to that same comment -- this is on the thread.
91
233000
3000
ובמענה לאותה תגובה -- באותה שרשרת תגובות.
04:11
You can go on YouTube and look at these comments --
92
236000
2000
ניתן לגשת לאתר יוטיוב ולראות את התגובות הללו --
04:13
someone else wrote: "Same thing here.
93
238000
2000
מישהו אחר רשם: "אותו הדבר כאן.
04:15
I actually got a natural high and a good mood for the entire day.
94
240000
3000
הרגשתי התרוממות נפש והיה לי מצב רוח טוב לכל היום.
04:18
Since I remember seeing
95
243000
2000
מאחר ואני זוכר שראיתי
04:20
all of this matrix text in class,
96
245000
3000
את כל מערכי המספרים הללו בכיתה,
04:23
and here I'm all like, 'I know kung fu.'"
97
248000
3000
וכאן אני מרגיש כאילו, 'אני יודע קונג-פו.'"
04:26
(Laughter)
98
251000
4000
(צחוק)
04:30
And we get a lot of feedback all along those lines.
99
255000
2000
ואנו מקבלים המון תגובות לאורך כל השורות הללו.
04:32
This clearly was helping people.
100
257000
2000
מכאן זה ברור שזה עוזר לאנשים.
04:34
But then, as the viewership kept growing and kept growing,
101
259000
3000
אבל אז, ככל שכמות הצופים המשיכה לעלות,
04:37
I started getting letters from people,
102
262000
3000
התחלתי לקבל מכתבים מאנשים,
04:40
and it was starting to become clear
103
265000
2000
והחל להתברר
04:42
that it was actually more than just a nice-to-have.
104
267000
2000
שכל העניין הוא יותר מאשר סתם עוד רעיון.
04:44
This is just an excerpt
105
269000
2000
זוהי רק מובאה
04:46
from one of those letters.
106
271000
2000
מאחד המכתבים האלה.
04:48
"My 12 year-old son has autism
107
273000
2000
"בני בן ה-12 סובל מאוטיזם
04:50
and has had a terrible time with math.
108
275000
2000
ויש לו קשיים גדולים במתמטיקה.
04:52
We have tried everything,
109
277000
2000
כבר ניסינו הכל,
04:54
viewed everything, bought everything.
110
279000
2000
ראינו הכל, קנינו הכל.
04:56
We stumbled on your video on decimals and it got through.
111
281000
3000
נתקלנו בסרטון שלך על שברים עשרוניים והוא נקלט.
04:59
Then we went on to the dreaded fractions. Again, he got it.
112
284000
3000
אחר-כך על השברים, ושוב הוא קלט אותם.
05:02
We could not believe it.
113
287000
2000
לא יכולנו להאמין.
05:04
He is so excited."
114
289000
2000
הוא כל-כך נרגש."
05:06
And so you can imagine,
115
291000
2000
וכך, תנסו לדמיין,
05:08
here I was an analyst at a hedge fund.
116
293000
3000
הייתי אנליסט בקרן גידור.
05:11
It was very strange for me to do something of social value.
117
296000
3000
זה היה מאוד משונה עבורי לעשות משהו בעל ערך חברתי.
05:14
(Laughter)
118
299000
3000
(צחוק)
05:17
(Applause)
119
302000
7000
(מחיאות כפיים)
05:24
But I was excited, so I kept going.
120
309000
3000
אבל הייתי נלהב, ולכן המשכתי.
05:27
And then a few other things started to dawn on me.
121
312000
2000
ואז עלו בדעתי כמה דברים נוספים.
05:29
That, not only would it help my cousins right now,
122
314000
3000
שלא רק שזה יעזור לבני-דודיי באופן מיידי,
05:32
or these people who are sending letters,
123
317000
2000
או לאנשים האלה ששולחים לי מכתבים,
05:34
but that this content will never go old,
124
319000
2000
אלא שהתוכן הזה לעולם לא יתיישן,
05:36
that it could help their kids
125
321000
2000
שהוא יכול לעזור לילדיהם
05:38
or their grandkids.
126
323000
2000
או לנכדיהם.
05:40
If Isaac Newton
127
325000
2000
אם אייזק ניוטון
05:42
had done YouTube videos on calculus,
128
327000
2000
היה עושה סרטונים על אינפי ביוטיוב,
05:44
I wouldn't have to.
129
329000
2000
אני לא הייתי צריך לעשותם.
05:46
(Laughter)
130
331000
2000
(צחוק)
05:48
Assuming he was good. We don't know.
131
333000
3000
בהנחה שהוא היה טוב בזה. אנחנו לא יודעים.
05:51
(Laughter)
132
336000
2000
(צחוק)
05:53
The other thing that happened --
133
338000
2000
הדבר הנוסף שקרה --
05:55
and even at this point, I said, "Okay, maybe it's a good supplement.
134
340000
2000
ואפילו בנקודה זו עדיין חשבתי, "אולי זה טוב בתור תוספת.
05:57
It's good for motivated students.
135
342000
2000
זה טוב בשביל תלמידים בעלי מוטיבציה.
05:59
It's good for maybe home schoolers."
136
344000
2000
אולי זה טוב בשביל תלמידים הלומדים מהבית."
06:01
But I didn't think it would be something
137
346000
2000
אבל לא חשבתי שזה יהיה משהו
06:03
that would somehow penetrate the classroom.
138
348000
2000
שיחדור איכשהו לכיתות.
06:05
But then I started getting letters from teachers.
139
350000
2000
אבל אז התחלתי לקבל מכתבים ממורים.
06:07
And the teachers would write, saying,
140
352000
2000
והמורים כתבו, באומרם,
06:09
"We've used your videos to flip the classroom.
141
354000
2000
"אנו משתמשים בסרטונים שלך לעשיית מהפך בכיתות.
06:11
You've given the lectures, so now what we do ... " --
142
356000
3000
אתה נתת את ההרצאות, אז מה שאנו עושים..."
06:14
and this could happen in every classroom in America tomorrow --
143
359000
3000
וזה יכול לקרות מחר בכל כיתה בארה"ב,
06:17
" ... what I do is I assign the lectures for homework,
144
362000
3000
"... מה שאני עושה זה לתת הרצאות כשיעורי-בית.
06:20
and what used to be homework,
145
365000
2000
ומה שהיה פעם שיעורי-בית,
06:22
I now have the students doing in the classroom."
146
367000
3000
התלמידים היום עושים בכיתה."
06:25
And I want to pause here for --
147
370000
3000
וכאן אני רוצה לעצור --
06:28
(Applause)
148
373000
4000
(מחיאות כפיים)
06:32
I want to pause here for a second,
149
377000
2000
ברצוני לעצור לרגע,
06:34
because there's a couple of interesting things.
150
379000
2000
כי יש כאן כמה דברים מעניינים.
06:36
One, when those teachers are doing that,
151
381000
2000
אחד, כאשר המורים עושים זאת,
06:38
there's the obvious benefit --
152
383000
2000
יש בכך יתרונות ברורים --
06:40
the benefit that now their students
153
385000
2000
היתרון הוא שהתלמידים שלהם
06:42
can enjoy the videos in the way that my cousins did.
154
387000
2000
יכולים להנות מהסרטונים כמו שבני-דודיי נהנו.
06:44
They can pause, repeat at their own pace,
155
389000
2000
הם יכולים לעצור, לחזור עליהם בקצב שלהם,
06:46
at their own time.
156
391000
2000
בזמן הנוח להם.
06:48
But the more interesting thing is --
157
393000
2000
אבל הדבר היותר מעניין הוא --
06:50
and this is the unintuitive thing when you talk about technology in the classroom --
158
395000
3000
וזה הדבר הלא-אינטואיטיבי כאשר מדברים על טכנולוגיה בכיתה --
06:53
by removing the one-size-fits-all lecture from the classroom
159
398000
3000
על-ידי הסרת החד-מידתיות מכל ההרצאות של כיתות הלימוד
06:56
and letting students have a self-paced lecture at home,
160
401000
3000
ומתן אפשרות לתלמידים לצפות בהרצאות בקצב האישי שלהם,
06:59
and then when you go to the classroom, letting them do work,
161
404000
3000
ואז כאשר הם באים לכיתות, נותנים להם לעשות שיעורי-בית,
07:02
having the teacher walk around,
162
407000
2000
בעוד המורה מסתובב ביניהם,
07:04
having the peers actually be able to interact with each other,
163
409000
3000
כאשר התלמידים יכולים לבוא במגע עם חבריהם,
07:07
these teachers have used technology
164
412000
3000
המורים הללו השתמשו בטכנולוגיה כדי להעניק
07:10
to humanize the classroom.
165
415000
2000
לכיתה אופי אנושי יותר.
07:12
They took a fundamentally dehumanizing experience --
166
417000
3000
הם נטלו חוויה שביסודה היא בניגוד לטבע האנושי --
07:15
30 kids with their fingers on their lips,
167
420000
2000
30 ילדים עם אצבע-על-שפתיים,
07:17
not allowed to interact with each other.
168
422000
2000
שאינם רשאים לדבר אחד עם השני.
07:19
A teacher, no matter how good,
169
424000
2000
מורה, לא משנה כמה הוא טוב,
07:21
has to give this one-size-fits-all lecture
170
426000
2000
צריך להעביר את ההרצאה החד-מידתית הזו
07:23
to 30 students --
171
428000
2000
ל-30 תלמידים --
07:25
blank faces, slightly antagonistic --
172
430000
2000
פנים חסרות-הבעה, קצת עויינות --
07:27
and now it's a human experience.
173
432000
2000
אבל כעת זוהי חוויה אנושית.
07:29
Now they're actually interacting with each other.
174
434000
2000
עכשיו הם למעשה מדברים אחד עם השני.
07:31
So once the Khan Academy --
175
436000
2000
כך שברגע שאקדמיית חאן --
07:33
I quit my job
176
438000
2000
עזבתי את עבודתי
07:35
and we turned into a real organization --
177
440000
2000
והפכנו לארגון פעיל --
07:37
we're a not-for-profit --
178
442000
2000
אנחנו ארגון ללא כוונת רווח --
07:39
the question is, how do we take this to the next level?
179
444000
3000
השאלה היא כיצד נקח את זה לשלב הבא?
07:42
How do we take what those teachers are doing
180
447000
2000
כיצד ניקח את מה שהמורים ההם עושים
07:44
to their natural conclusion?
181
449000
2000
לסיום הראוי?
07:46
And so what I'm showing you over here,
182
451000
2000
ולכן מה שאני מראה לכם כאן,
07:48
these are actual exercises
183
453000
2000
אלה הם תרגילים אמיתיים
07:50
that I started writing for my cousins.
184
455000
3000
שהתחלתי לכתוב בשביל בני-דודיי.
07:53
The ones I started were much more primitive.
185
458000
2000
התרגילים שהתחלתי איתם היו מיושנים.
07:55
This is a more competent version of it.
186
460000
3000
זוהי גירסה יותר הולמת שלהם.
07:58
But the paradigm here is, we'll generate as many questions as you need
187
463000
3000
אבל הרעיון כאן הוא, נחבר כמה שאלות שאתם צריכים
08:01
until you get that concept,
188
466000
2000
עד שתקלטו את הרעיון,
08:03
until you get 10 in a row.
189
468000
2000
עד שתקבלו עשיריות ברצף.
08:05
And the Khan Academy videos are there.
190
470000
2000
וסרטוני אקדמיית חאן נמצאים שם.
08:07
You get hints, the actual steps for that problem,
191
472000
2000
אתם מקבלים רמזים, את הצעדים המעשיים לאותה בעיה,
08:09
if you don't know how to do it.
192
474000
2000
אם אינכם יודעים כיצד לפתור אותה.
08:11
But the paradigm here, it seems like a very simple thing:
193
476000
2000
אבל הרעיון כאן נראה מאוד פשוט:
08:13
10 in a row, you move on.
194
478000
2000
עשר הצלחות רצופות, ואז מתקדמים.
08:15
But it's fundamentally different than what's happening in classrooms right now.
195
480000
3000
אבל זה שונה מיסודו ממה שקורה היום בכיתות לימוד.
08:18
In a traditional classroom,
196
483000
2000
בכיתה מסורתית,
08:20
you have a couple of homework,
197
485000
2000
יש שיעורי-בית,
08:22
homework, lecture, homework, lecture,
198
487000
2000
שיעורי-בית, הרצאה, שיעורי-בית, הרצאה,
08:24
and then you have a snapshot exam.
199
489000
2000
ואז יש מבחן ידע.
08:26
And that exam, whether you get a 70 percent, an 80 percent,
200
491000
2000
ובאותו מבחן, בין אם מקבלים 70, או 80,
08:28
a 90 percent or a 95 percent,
201
493000
3000
או 90, או 95,
08:31
the class moves on to the next topic.
202
496000
2000
הכיתה מתקדמת הלאה לנושא הבא.
08:33
And even that 95 percent student,
203
498000
2000
ואפילו אותו תלמיד שקיבל 95,
08:35
what was the five percent they didn't know?
204
500000
2000
מה היו ה-5 אחוז שהוא לא ידע?
08:37
Maybe they didn't know what happens when you raise something to the zero power.
205
502000
3000
אולי הם לא ידעו מה מקבלים כאשר מעלים משהו בחזקת אפס.
08:40
And then you go build on that in the next concept.
206
505000
2000
ואז ממשיכים לבנות על זה את המושגים הבאים בתור.
08:42
That's analogous to
207
507000
2000
זה כמו,
08:44
imagine learning to ride a bicycle,
208
509000
2000
דמיינו שלומדים לרכוב על אופניים,
08:46
and maybe I give you a lecture ahead of time,
209
511000
3000
ואני נותן לכם הרצאה לפני זה,
08:49
and I give you that bicycle for two weeks.
210
514000
2000
ואז אני נותן לכם אופניים לשבועיים.
08:51
And then I come back after two weeks,
211
516000
2000
ואז אחרי שבועיים,
08:53
and I say, "Well, let's see. You're having trouble taking left turns.
212
518000
2000
אני אומר, "יש לכם בעיה לפנות שמאלה.
08:55
You can't quite stop.
213
520000
2000
אינכם יכולים לעצור לגמרי.
08:57
You're an 80 percent bicyclist."
214
522000
2000
אתם 80 אחוז רוכבי-אופניים."
08:59
So I put a big C stamp on your forehead
215
524000
4000
כך שאני מדביק לכם תוית על המצח
09:03
and then I say, "Here's a unicycle."
216
528000
3000
ואז אומר, "הנה חד-אופן."
09:06
But as ridiculous as that sounds,
217
531000
2000
עד כמה שזה נשמע מגוחך,
09:08
that's exactly what's happening
218
533000
2000
זה בדיוק מה שקורה
09:10
in our classrooms right now.
219
535000
2000
בכיתות-הלימוד שלנו כיום.
09:12
And the idea is you fast forward
220
537000
3000
התפיסה היא של להתקדם במהירות
09:15
and good students start failing algebra all of a sudden
221
540000
2000
ואז תלמידים טובים מתחילים פתאום להיכשל בחשבון
09:17
and start failing calculus all of a sudden,
222
542000
3000
ומתחילים פתאום להיכשל באינפי,
09:20
despite being smart, despite having good teachers,
223
545000
2000
למרות שהם פיקחים, למרות שיש להם מורים טובים.
09:22
and it's usually because they have these Swiss cheese gaps
224
547000
2000
וזה בגלל שיש אצלם חורים בידע כמו בגבינה שוויצרית
09:24
that kept building throughout their foundation.
225
549000
2000
אשר נוצרו לכל אורך היסודות שלהם.
09:26
So our model
226
551000
2000
כך שלפי המודל שלנו
09:28
is learn math the way you'd learn anything,
227
553000
2000
יש ללמוד מתמטיקה כמו שלומדים כל דבר אחר,
09:30
like the way you would learn a bicycle.
228
555000
2000
כמו שלומדים לרכוב על אופניים.
09:32
Stay on that bicycle. Fall off that bicycle.
229
557000
3000
להישאר עם אותם אופניים. ליפול מאותם אופניים.
09:35
Do it as long as necessary until you have mastery.
230
560000
3000
לעשות זאת ככל שיידרש עד שרוכשים מיומנות מלאה.
09:38
The traditional model,
231
563000
2000
המודל המסורתי,
09:40
it penalizes you for experimentation and failure,
232
565000
2000
מעניש על ניסוי וטעיה,
09:42
but it does not expect mastery.
233
567000
2000
אבל הוא אינו מצפה למיומנות מלאה.
09:44
We encourage you to experiment. We encourage you to failure.
234
569000
3000
אנו מעודדים אתכם לנסות. אנו מעודדים אתכם להיכשל.
09:47
But we do expect mastery.
235
572000
3000
אבל אנו כן מצפים למיומנות מלאה.
09:50
This is just another one of the modules.
236
575000
2000
הנה עוד אחד מנושאי הלימוד.
09:52
This is trigonometry.
237
577000
2000
זוהי טריגונומטריה.
09:54
This is shifting and reflecting functions.
238
579000
3000
זה הזזה ושיקוף של פונקציות.
09:57
And they all fit together.
239
582000
2000
והם כולם משתלבים ביחד.
09:59
We have about 90 of these right now.
240
584000
2000
יש לנו היום כ-90 כאלה.
10:01
And you can go to the site right now. It's all free. Not trying to sell anything.
241
586000
3000
וניתן לגשת לאתר ממש עכשיו. הכל בחינם. לא מנסה למכור לכם משהו.
10:04
But the general idea is that they all fit into this knowledge map.
242
589000
3000
הרעיון הבסיסי הוא שהם כולם משתלבים במפת הידע הזו.
10:07
That top node right there, that's literally single digit addition.
243
592000
3000
הנקודה העליונה שם, זה פשוט חיבור של ספרות יחידות.
10:10
It's like one plus one is equal to two.
244
595000
3000
זה כמו אחד ועוד אחד שווה שניים.
10:13
And the paradigm is, once you get 10 in a row on that,
245
598000
2000
והרעיון הוא שברגע שיש 10 הצלחות ברצף,
10:15
it keeps forwarding you to more and more advanced modules.
246
600000
3000
זה ממשיך לקדם אתכם ליחידות יותר ויותר מתקדמות.
10:18
So if you keep further down the knowledge map,
247
603000
3000
כך שאם נרד למטה במפת הידע,
10:21
we're getting into more advanced arithmetic.
248
606000
3000
אנו מגיעים לחשבון יותר מתקדם.
10:24
Further down, you start getting into pre-algebra and early algebra.
249
609000
3000
יותר למטה מתחילים להגיע לקדם-אלגברה ולאלגברה בסיסית.
10:27
Further down, you start getting into algebra one, algebra two,
250
612000
4000
יותר למטה, מתחלים להגיע לאלגברה 1, אלגברה 2,
10:31
a little bit of precalculus.
251
616000
2000
מעט קדם-אינפי.
10:33
And the idea is, from this we can actually teach everything --
252
618000
3000
והרעיון הוא, שמכאן ניתן ללמד כל דבר --
10:36
well, everything that can be taught
253
621000
2000
טוב, כל דבר שניתן ללמד
10:38
in this type of a framework.
254
623000
2000
במסגרת כזו.
10:40
So you can imagine -- and this is what we are working on --
255
625000
2000
אז ניתן לדמיין -- וזה מה שאנו עובדים עליו --
10:42
is from this knowledge map
256
627000
2000
ממפת הידע הזו
10:44
you have logic, you have computer programming,
257
629000
2000
יש לוגיקה, יש תיכנות מחשבים,
10:46
you have grammar, you have genetics,
258
631000
3000
יש דקדוק, יש גנטיקה,
10:49
all based off of that core of,
259
634000
2000
הכל מבוסס על דבר אחד מרכזי,
10:51
if you know this and that,
260
636000
2000
אם יודעים זה וזה,
10:53
now you're ready for this next concept.
261
638000
2000
אז אתם מוכנים לרעיון הבא בתור.
10:55
Now that can work well for an individual learner,
262
640000
3000
זה יכול לעבוד היטב עם כל מתלמד באופן אישי,
10:58
and I encourage, one, for you to do it with your kids,
263
643000
2000
ואני מעודד אתכם, אחד, לעשות זאת עם ילדיכם,
11:00
but I also encourage everyone in the audience to do it yourself.
264
645000
2000
אבל גם, אני מעודד כל אחד מהקהל לעשות זאת בעצמו.
11:02
It'll change what happens at the dinner table.
265
647000
3000
זה ישנה את האוירה סביב שולחן האוכל.
11:05
But what we want to do
266
650000
2000
אבל מה שאנו רוצים לעשות
11:07
is to use the natural conclusion of the flipping of the classroom
267
652000
2000
זה להשתמש במסקנה הטבעית מהמהפך בכיתה
11:09
that those early teachers had emailed me about.
268
654000
3000
אשר אותם מורים שלחו לי עליה אי-מיילים מקודם.
11:12
And so what I'm showing you here,
269
657000
2000
מה שאני מראה לכם כאן,
11:14
this is actually data from a pilot in the Los Altos school district,
270
659000
2000
אלה בעצם נתונים מפיילוט שנערך במחוז של בית-ספר לוס-אטלוס,
11:16
where they took two fifth grade classes and two seventh grade classes
271
661000
3000
ששם הם לקחו שתי כיתות ה' ושתי כיתות ז'
11:19
and completely gutted their old math curriculum.
272
664000
2000
ושינו לגמרי את תוכנית לימודי המתמטיקה שלהם.
11:21
These kids aren't using textbooks,
273
666000
2000
הילדים הללו אינם משתמשים בספרי-לימוד,
11:23
they're not getting one-size-fits-all lectures.
274
668000
2000
הם אינם מקבלים הרצאות חד-מידתיות.
11:25
They're doing Khan Academy, they're doing that software,
275
670000
2000
הם משתמשים באקדמיית חאן, הם משתמשים באותה תוכנה,
11:27
for roughly half of their math class.
276
672000
2000
בערך במחצית משיעורי המתמטיקה שלהם.
11:29
And I want to make it clear, we don't view this as the complete math education.
277
674000
3000
וברצוני להבהיר שאנו לא רואים בזה לימודי מתמטיקה שלמים.
11:32
What it does is -- and this is what's happening in Los Altos --
278
677000
2000
מה שזה עושה -- וזה מה שקורה בלוס-אלטוס --
11:34
it frees up time.
279
679000
2000
זה מפנה זמן.
11:36
This is the blocking and tackling,
280
681000
2000
יש כאן מחסומים ועצירות,
11:38
making sure you know how to move through a system of equations,
281
683000
2000
כדי לוודא שאתם יודעים כיצד לפתור מערכת משוואות,
11:40
and it frees up time for the simulations, for the games,
282
685000
3000
וזה מפנה זמן להדגמות, למשחקים,
11:43
for the mechanics, for the robot building,
283
688000
2000
למכניקה, לבניית רובוטים,
11:45
for the estimating how high that hill is based on its shadow.
284
690000
3000
לאומדן של עד כמה הגבעה עומדת גבוה על הצל שלה.
11:48
And so the paradigm is the teacher walks in every day,
285
693000
3000
והרעיון הוא שהמורה מסתובב כל יום,
11:51
every kid works at their own pace --
286
696000
2000
כל ילד עובד לפי הקצב האישי שלו --
11:53
and this is actually a live dashboard from Los Altos school district --
287
698000
3000
וזהו למעשה לוח בקרה של מחוז בית-ספר לוס-אלטוס --
11:56
and they look at this dashboard.
288
701000
2000
והם מסתכלים על לוח בקרה זה.
11:58
Every row is a student.
289
703000
2000
כל שורה היא תלמיד.
12:00
Every column is one of those concepts.
290
705000
2000
כל עמודה היא אחד מאותם הרעיונות.
12:02
Green means the student's already proficient.
291
707000
2000
ירוק פירושו שהתלמיד כבר בקי.
12:04
Blue means they're working on it -- no need to worry.
292
709000
2000
כחול פירושו שהם עובדים על זה -- אין מקום לדאגה.
12:06
Red means they're stuck.
293
711000
2000
אדום פירושו שהם תקועים.
12:08
And what the teacher does is literally just say,
294
713000
3000
ומה שהמורה עושה זה פשוט לומר,
12:11
"Let me intervene on the red kids."
295
716000
2000
"אתערב אצל הילדים באדום."
12:13
Or even better, "Let me get one of the green kids
296
718000
2000
או אולי אפילו יותר טוב, "אקח את אחד הילדים בצבע הירוק
12:15
who are already proficient in that concept
297
720000
2000
שהוא כבר בקי ברעיון
12:17
to be the first line of attack
298
722000
2000
כדי שיהווה קו-התקפה ראשון
12:19
and actually tutor their peer."
299
724000
3000
ולמעשה שילמד את חברו."
12:23
(Applause)
300
728000
7000
(מחיאות כפיים)
12:30
Now I come from a very data-centric reality,
301
735000
2000
אני מגיע ממציאות ממוקדת-נתונים,
12:32
so we don't want that teacher to even go and intervene
302
737000
2000
כך שאני לא רוצה שאותו מורה אפילו יתערב
12:34
and have to ask the kid awkward questions:
303
739000
2000
וישאל את התלמיד שאלות לא נוחות:
12:36
"Oh, what do you not understand?" or "What do you do understand?"
304
741000
2000
"מה אינך מבין?" או "מה אתה כן מבין?"
12:38
and all of the rest.
305
743000
2000
וכך הלאה.
12:40
So our paradigm is to really arm the teachers with as much data as possible --
306
745000
3000
כך שהרעיון שלנו הוא ממש לצייד את המורה בכמה שיותר נתונים --
12:43
really data that, in almost any other field, is expected,
307
748000
2000
ממש נתונים, שכמעט בכל תחום אחר, הם אמורים להימצא,
12:45
if you're in finance or marketing or manufacturing --
308
750000
2000
בין אם זה כספים, שיווק או ייצור.
12:47
and so the teachers can actually diagnose what's wrong with the students
309
752000
3000
וכך המורים יכולים בעצם לאבחן מה לא בסדר אצל התלמידים
12:50
so they can make their interaction as productive as possible.
310
755000
3000
כך שהם יכולים להפוך את מגעיהם עם התלמידים לכמה שיותר אפקטיביים.
12:53
So now the teachers know exactly what the students have been up to,
311
758000
3000
אז כעת המורים יודעים בדיוק עם מה התלמידים התמודדו,
12:56
how long they have been spending every day, what videos have they been watching,
312
761000
2000
כמה זמן הם הקדישו כל יום, איזה סרטונים הם צפו,
12:58
when did they pause the videos, what did they stop watching,
313
763000
2000
מתי הם עצרו את הצפייה, מתי הם הפסיקו לצפות,
13:00
what exercises are they using,
314
765000
2000
איזה תרגילים הם עושים,
13:02
what have they been focused on?
315
767000
2000
במה הם התרכזו?
13:04
The outer circle shows what exercises they were focused on.
316
769000
3000
המעגל החיצוני מראה באיזה תרגילים הם התרכזו.
13:07
The inner circle shows the videos they're focused on.
317
772000
3000
המעגל הפנימי מראה באיזה סרטונים הם התרכזו.
13:10
And the data gets pretty granular
318
775000
2000
והנתונים הופכים לדי מופרדים וברורים
13:12
so you can see the exact problems that the student got right or wrong.
319
777000
3000
כך שניתן לראות איזה בעיות התלמיד פתר נכון או שגה בהן.
13:15
Red is wrong, blue is right.
320
780000
2000
אדום זה שגיאה, כחול זה נכון.
13:17
The leftmost question is the first question that the student attempted.
321
782000
2000
השאלה השמאלית ביותר היא השאלה הראשונה שהתלמיד ניסה.
13:19
They watched the video right over there.
322
784000
2000
הם צפו בסרטון ההוא שם.
13:21
And then you can see, eventually, they were able to get 10 in a row.
323
786000
3000
ואז ניתן לראות, בסוף, שהיו להם 10 הצלחות ברצף.
13:24
It's almost like you can see them learning over those last 10 problems.
324
789000
3000
זה כמעט כאילו לראות אותם לומדים במהלך עשרת הבעיות האחרונות.
13:27
They also got faster.
325
792000
2000
הם גם הפכו לזריזים יותר.
13:29
The height is how long it took them.
326
794000
2000
הגובה אומר כמה זמן זה לקח להם.
13:33
So when you talk about self-paced learning,
327
798000
3000
כך שכאשר מדברים על לימוד בקצב אישי,
13:36
it makes sense for everyone -- in education-speak, differentiated learning --
328
801000
4000
זה נראה מובן לכולם -- בשפת החינוך, לימוד מותאם אישית --
13:40
but it's kind of crazy when you see it in a classroom.
329
805000
3000
אבל זה די מבולגן כאשר זה מתנהל בכיתה.
13:43
Because every time we've done this,
330
808000
2000
מכיוון שבכל פעם שעשינו זאת,
13:45
in every classroom we've done,
331
810000
3000
בכל כיתת לימוד שהיינו בה,
13:48
over and over again, if you go five days into it,
332
813000
2000
שוב ושוב, אם הולכים אליה 5 ימים,
13:50
there's a group of kids who've raced ahead
333
815000
2000
יש קבוצת ילדים שרצה קדימה
13:52
and there's a group of kids who are a little bit slower.
334
817000
2000
ויש קבוצת ילדים שהיא קצת איטית.
13:54
And in a traditional model, if you did a snapshot assessment,
335
819000
2000
במודל מסורתי, אם עושים אומדן רגעי,
13:56
you say, "These are the gifted kids, these are the slow kids.
336
821000
3000
אומרים, "אלה הם ילדים מוכשרים, אלה ילדים איטיים.
13:59
Maybe they should be tracked differently.
337
824000
2000
אולי צריך להעבירם למסלול אחר.
14:01
Maybe we should put them in different classes."
338
826000
2000
אולי עלינו לשים אותם בכיתות נפרדות."
14:03
But when you let every student work at their own pace --
339
828000
2000
אבל כאשר מאפשרים לכל תלמיד לעבוד בקצב המתאים לו --
14:05
and we see it over and over and over again --
340
830000
3000
ואנו רואים זאת שוב ושוב --
14:08
you see students who took a little bit [of] extra time
341
833000
2000
רואים תלמידים שהשתהו קצת יותר
14:10
on one concept or the other,
342
835000
2000
על בעיה כזו או אחרת,
14:12
but once they get through that concept,
343
837000
2000
אבל ברגע שהם השתלטו על הבעיה,
14:14
they just race ahead.
344
839000
2000
הם שועטים קדימה.
14:16
And so the same kids that you thought were slow six weeks ago,
345
841000
3000
כך שאותם הילדים שחשבנו שהם איטיים לפני שישה שבועות,
14:19
you now would think are gifted.
346
844000
2000
כעת אפשר לחשוב שהם מחוננים.
14:21
And we're seeing it over and over and over again.
347
846000
2000
ואנו רואים זאת שוב ושוב ושוב.
14:23
And it makes you really wonder
348
848000
2000
וזה מביא אותנו לתהות
14:25
how much all of the labels maybe a lot of us have benefited from
349
850000
3000
כמה מהתוויות האלו שרבים מאיתנו אולי הרויחו מהן
14:28
were really just due to a coincidence of time.
350
853000
3000
היו לאמיתו של דבר רק צירוף-מקרים.
14:34
Now as valuable as something like this is
351
859000
2000
כעת כאשר משהו כה רב-ערך כמו זה
14:36
in a district like Los Altos,
352
861000
3000
נמצא במחוז כמו לוס-אלטוס,
14:39
our goal is to use technology
353
864000
2000
מטרתנו היא להשתמש בטכנולוגיה
14:41
to humanize, not just in Los Altos, but on a global scale,
354
866000
3000
כדי לתת לחינוך אופי יותר אנושי, לא רק בלוס-אלטוס
14:44
what's happening in education.
355
869000
2000
אלא בקנה-מידה גלובלי.
14:46
And actually, that kind of brings an interesting point.
356
871000
2000
ולמעשה, זה מעלה נקודה מעניינת.
14:48
A lot of the effort in humanizing the classroom
357
873000
3000
חלק גדול מהמאמץ להפיכת הכיתה לאנושית
14:51
is focused on student-to-teacher ratios.
358
876000
3000
מתמקד ביחסי תלמיד-מורה.
14:54
In our mind, the relevant metric
359
879000
2000
לדעתנו, הסקאלה הרלוונטית
14:56
is student-to-valuable-human-time-
360
881000
3000
הינה היחס תלמיד-זמן איכות
14:59
with-the-teacher ratio.
361
884000
2000
עם המורה.
15:01
So in a traditional model, most of the teacher's time
362
886000
2000
כך שבמודל המסורתי, רוב זמנו של המורה
15:03
is spent doing lectures and grading and whatnot.
363
888000
3000
מוקדש למתן הרצאות ומתן ציונים ומה לא.
15:06
Maybe five percent of their time is actually sitting next to students
364
891000
2000
אולי 5 אחוז מזמנם הם ממש יושבים ליד התלמידים
15:08
and actually working with them.
365
893000
2000
וממש עובדים איתם.
15:10
Now 100 percent of their time is.
366
895000
2000
עכשיו הם עובדים איתם 100 אחוז מזמנם.
15:12
So once again, using technology, not just flipping the classroom,
367
897000
3000
אז שוב, על-ידי שימוש בטכנולוגיה, לא רק בעשיית מהפך בכיתה,
15:15
you're humanizing the classroom, I'd argue,
368
900000
2000
הייתי אומר שאנו מעניקים לכיתה אופי יותר אנושי,
15:17
by a factor of five or 10.
369
902000
3000
פי 5 או 10.
15:20
And as valuable as that is in Los Altos,
370
905000
2000
ועד כמה שזה בעל ערך בלוס-אלטוס,
15:22
imagine what that does to the adult learner
371
907000
2000
תדמיינו מה זה עושה ללומד מבוגר
15:24
who's embarrassed to go back and learn stuff
372
909000
2000
שחש מבוכה לחזור וללמוד את החומר
15:26
that they should have before, before going back to college.
373
911000
2000
שהוא צריך לדעת לפני הכניסה ללימודים גבוהים.
15:28
Imagine what it does
374
913000
3000
נסו לדמיין מה זה עושה
15:31
to a street kid in Calcutta
375
916000
3000
לילד-רחוב בכלכתה
15:34
who has to help his family during the day,
376
919000
3000
שעליו לסייע למשפחתו במהלך היום,
15:37
and that's the reason why he or she can't go to school.
377
922000
2000
וזו הסיבה שהוא או היא אינם יכולים ללכת לבית-ספר.
15:39
Now they can spend two hours a day and remediate,
378
924000
3000
הם יכולים עכשיו להקדיש שעתיים ביום ולהשלים,
15:42
or get up to speed and not feel embarrassed
379
927000
2000
או להדביק את הפער ולא לחוש מבוכה
15:44
about what they do or don't know.
380
929000
3000
בקשר למה שהם יודעים או לא.
15:47
Now imagine what happens where --
381
932000
2000
כעת נסו לדמיין מה קורה כאשר --
15:49
we talked about the peers teaching each other
382
934000
2000
דיברנו על חברים המלמדים
15:51
inside of a classroom.
383
936000
2000
אחד את השני בכיתה.
15:53
But this is all one system.
384
938000
2000
אבל כל זה היא מערכת אחת.
15:55
There's no reason why you can't have
385
940000
2000
אין סיבה מדוע שלא תהיה
15:57
that peer-to-peer tutoring
386
942000
2000
אותה הדרכה חברית
15:59
beyond that one classroom.
387
944000
2000
מעבר לכיתת לימוד אחת.
16:01
Imagine what happens if that student in Calcutta
388
946000
3000
דמיינו מה יקרה אם תלמיד בכלכתה
16:04
all of a sudden can tutor your son,
389
949000
2000
יוכל פתאום ללמד את בנך,
16:06
or your son can tutor that kid in Calcutta?
390
951000
3000
או שבנך יוכל ללמד את אותו תלמיד בכלכתה?
16:09
And I think what you'll see emerging
391
954000
2000
ואני סבור שנראה התפתחות
16:11
is this notion of a global one-world classroom.
392
956000
6000
רעיון זה של כיתת לימוד אחת גלובלית.
16:17
And that's essentially what we're trying to build.
393
962000
4000
וזה מה שבגדול אנו מנסים להקים.
16:21
Thank you.
394
966000
2000
תודה לכם.
16:23
(Applause)
395
968000
41000
(מחיאות כפיים)
17:04
Bill Gates: I've seen some things you're doing in the system
396
1009000
3000
ביל גייטס: ראיתי כמה דברים שאתה עושה עם המערכת
17:07
that have to do with motivation and feedback --
397
1012000
2000
אשר קשורים במוטיבציה ומשוב --
17:09
energy points, merit badges.
398
1014000
3000
נקודות המרצה, תגי הצטיינות.
17:12
Tell me what you're thinking there.
399
1017000
2000
ספר לי על מחשבותיך בנושא זה.
17:14
SK: Oh yeah. No, we have an awesome team working on it.
400
1019000
2000
ס.ח.: כן, בטח. לא, יש לנו קבוצה נהדרת שעובדת על זה.
17:16
And I have to make it clear, it's not just me anymore.
401
1021000
2000
ועליי להבהיר, זה כבר לא רק אני.
17:18
I'm still doing all the videos,
402
1023000
2000
אני עדיין יוצר את כל הסרטונים,
17:20
but we have a rockstar team doing the software.
403
1025000
2000
אבל יש לנו קבוצה פגז שכותבת את התוכנה.
17:22
Yeah, we've put a bunch of game mechanics in there
404
1027000
2000
כן, הכנסנו כמה עקרונות משחק
17:24
where you get these badges,
405
1029000
2000
שלפיהם זוכים בתגים אלו,
17:26
we're going to start having leader boards by area, and you get points.
406
1031000
3000
אנו הולכים להתחיל לקבוע מנהיגי קבוצות לפי אזורים, וכך זוכים בנקודות.
17:29
It's actually been pretty interesting.
407
1034000
2000
בעצם זה די מעניין.
17:31
Just the wording of the badging or how many points you get for doing something,
408
1036000
3000
רק לפי הניסוח שעל התגים או בכמה נקודות זוכים תמורת עשיית משהו,
17:34
we see on a system-wide basis,
409
1039000
2000
אנו מבחינים ברמת המערכת כולה,
17:36
like tens of thousands of fifth graders or sixth graders
410
1041000
2000
משהו כמו עשרות-אלפי תלמידי כיתה ה' או ו'
17:38
going one direction or another,
411
1043000
2000
ההולכים בכיוון זה או אחר,
17:40
depending what badge you give them.
412
1045000
2000
תלוי איזה תג נותנים להם.
17:42
(Laughter)
413
1047000
2000
(צחוק)
17:44
BG: And the collaboration you're doing with Los Altos,
414
1049000
3000
ב.ג.: ושיתוף-הפעולה שלכם עם לוס-אלטוס,
17:47
how did that come about?
415
1052000
2000
איך זה התחיל?
17:49
SK: Los Altos, it was kind of crazy.
416
1054000
2000
ס.ח.: לוס-אלטוס, זה היה די משונה.
17:51
Once again, I didn't expect it to be used in classrooms.
417
1056000
3000
שוב, לא ציפיתי שזה ישמש בכיתות לימוד.
17:55
Someone from their board came and said,
418
1060000
2000
מישהו מההנהלה שלהם בא ואמר,
17:57
"What would you do if you had carte blanche in a classroom?"
419
1062000
2000
"מה הייתם עושים אם היתה לכם יד-חופשית בכיתה?"
17:59
And I said, "Well, I would just, every student work at their own pace
420
1064000
3000
עניתי, "היינו עושים שכל תלמיד יעבוד בקצב האישי שלו
18:02
on something like this and we'd give a dashboard."
421
1067000
2000
על משהו כזה והיינו נותנים לוח-בקרה."
18:04
And they said, "Oh, this is kind of radical. We have to think about it."
422
1069000
3000
והם אמרו, "זה קצת יותר מדי. עלינו לחשוב על זה."
18:07
And me and the rest of the team were like,
423
1072000
2000
ואני וכל הקבוצה חשבנו
18:09
"They're never going to want to do this."
424
1074000
2000
שהם לעולם לא ירצו לעשות זאת.
18:11
But literally the next day they were like, "Can you start in two weeks?"
425
1076000
3000
אבל כבר למחרת הם באו ואמרו, "האם תוכלו להתחיל תוך שבועיים?"
18:14
(Laughter)
426
1079000
2000
(צחוק)
18:16
BG: So fifth grade math is where that's going on right now?
427
1081000
3000
ב.ג: אז זה נמצא עכשיו ברמה של חשבון כיתה ה'?
18:19
SK: It's two fifth grade classes and two seventh grade classes.
428
1084000
3000
ס.ח.: אלה שתי כיתות ה' ושתי כיתות ז'.
18:22
And they're doing it at the district level.
429
1087000
2000
והם עושים זאת ברמת המחוז.
18:24
I think what they're excited about is they can now follow these kids.
430
1089000
3000
אני חושב שהם מתלהבים מזה שהם יכולים לעקוב אחר הילדים הללו.
18:27
It's not an only-in-school thing.
431
1092000
2000
זה לא דבר של רק-בבית-ספר.
18:29
We've even, on Christmas, we saw some of the kids were doing it.
432
1094000
2000
אפילו בחג-המולד, ראינו כמה ילדים שעוסקים בזה.
18:31
And we can track everything.
433
1096000
2000
ואנו יכולים לעקוב אחר הכל.
18:33
So they can actually track them as they go through the entire district.
434
1098000
2000
כך שהם יכולים לעקוב אחריהם לכל אורך ורוחב של המחוז.
18:35
Through the summers, as they go from one teacher to the next,
435
1100000
2000
במהלך חופשת הקיץ, כאשר עוברים ממורה למורה,
18:37
you have this continuity of data
436
1102000
2000
יש המשכיות של נתונים
18:39
that even at the district level they can see.
437
1104000
2000
והם יכולים להסתכל אפילו ברמת המחוז.
18:41
BG: So some of those views we saw
438
1106000
2000
ב.ג.: חלק מהתצוגות שראינו
18:43
were for the teacher
439
1108000
2000
היו למען המורים
18:45
to go in and track actually what's going on with those kids.
440
1110000
3000
שיוכלו להיכנס ולעקוב אחר מה שקורה אצל הילדים.
18:48
So you're getting feedback on those teacher views
441
1113000
2000
אז האם אתם מקבלים משוב על מה שהמורים רואים
18:50
to see what they think they mean?
442
1115000
3000
כדי לדעת מה דעתם על התצוגות?
18:53
SK: Oh yeah. Most of those were specs by the teachers.
443
1118000
3000
ס.ח.: כן בטח. רובן הן תצוגות שהוגדרו על-ידי המורים.
18:56
We made some of those for students so they could see their data,
444
1121000
3000
בנינו כמה מהן עבור תלמידים כך שהם יוכלו לראות את הנתונים שלהם,
18:59
but we have a very tight design loop with the teachers themselves.
445
1124000
3000
אבל יש לנו לולאת קבלת החלטות הדוקה עם המורים עצמם.
19:02
And they're literally saying, "Hey, this is nice, but ... "
446
1127000
3000
והם פשוטו כמשמעו אומרים, "היי, זה נחמד, אבל..."
19:05
Like that focus graph, a lot of the teachers said,
447
1130000
2000
כמו אותו גרף מיקוד, הרבה מורים אמרו,
19:07
"I have a feeling that a lot of the kids are jumping around
448
1132000
2000
"יש לי הרגשה שהרבה ילדים מקפצים מסביב
19:09
and not focusing on one topic."
449
1134000
2000
ואינם מתמקדים בנושא."
19:11
So we made that focus diagram.
450
1136000
2000
לכן יצרנו את תרשים המיקוד.
19:13
So it's all been teacher-driven.
451
1138000
2000
כך שהכל מגיע מן המורים.
19:15
It's been pretty crazy.
452
1140000
2000
זה היה די מטורף.
19:17
BG: Is this ready for prime time?
453
1142000
2000
ב.ג.: האם זה מוכן להפעלה על אמת?
19:19
Do you think a lot of classes next school year should try this thing out?
454
1144000
3000
האם אתה סבור שהרבה כיתות בשנת הלימודים הבאה צריכות לנסות את זה?
19:22
SK: Yeah, it's ready.
455
1147000
2000
ס.ח.: כן, זה מוכן.
19:24
We've got a million people on the site already,
456
1149000
2000
יש לנו כבר מיליון מבקרים באתר,
19:26
so we can handle a few more.
457
1151000
2000
כך שנוכל להסתדר עם עוד כמה.
19:28
(Laughter)
458
1153000
3000
(צחוק)
19:31
No, no reason why it really can't happen
459
1156000
2000
לא, אין סיבה מדוע זה לא יוכל לקרות
19:33
in every classroom in America tomorrow.
460
1158000
2000
מחר בכל כיתה בארה"ב.
19:35
BG: And the vision of the tutoring thing.
461
1160000
3000
ב.ג.: והחזון של הדרכות.
19:38
The idea there is, if I'm confused about a topic,
462
1163000
3000
הרעיון הוא שאם אני מתבלבל בנושא,
19:41
somehow right in the user interface
463
1166000
2000
שאיכשהו ישר בממשק של המשתמש
19:43
I'd find people who are volunteering,
464
1168000
2000
יהיה ניתן למצוא אנשים שמתנדבים,
19:45
maybe see their reputation,
465
1170000
2000
אולי לראות את המוניטין שלהם,
19:47
and I could schedule and connect up with those people?
466
1172000
3000
וניתן לקבוע לוח-זמנים וליצור קשר עם אותם אנשים?
19:50
SK: Absolutely. And this is something
467
1175000
2000
ס.ח.: בהחלט. וזה משהו
19:52
that I recommend everyone in this audience to do.
468
1177000
2000
שאני ממליץ לכל אחד בקהל זה לעשות.
19:54
Those dashboards the teachers have, you can go log in right now
469
1179000
3000
לוחות הבקרה האלו שיש למורים, אתם יכולים להתחבר אליהם ברגע זה
19:57
and you can essentially become a coach
470
1182000
2000
ולהפוך למדריכים
19:59
for your kids, or nephews, or cousins,
471
1184000
3000
של ילדיכם, או אחייניכם או בני-דודכם,
20:02
or maybe some kids at the Boys and Girls Club.
472
1187000
2000
או של ילדים כלשהם ב"מועדון בנים ובנות".
20:04
And yeah, you can start becoming a mentor, a tutor,
473
1189000
3000
וכן, אתם יכולים להיות יועצים או מדריכים
20:07
really immediately.
474
1192000
2000
ממש עכשיו.
20:09
But yeah, it's all there.
475
1194000
2000
כן, הכל שם.
20:11
BG: Well, it's amazing.
476
1196000
2000
ב.ג.: זה מדהים.
20:13
I think you just got a glimpse of the future of education.
477
1198000
2000
אני חושב שקיבלתם עכשיו הצצה אל עתיד החינוך.
20:15
Thank you. (SK: Thank you.)
478
1200000
2000
תודה לך. (ס.ח.: תודה.)
20:17
(Applause)
479
1202000
3000
(מחיאות כפיים)
ABOUT THE SPEAKER
Sal Khan - Educator and social entrepreneurIn 2004, Sal Khan, a hedge fund analyst, began making math tutorials for his cousins. Twelve years later, Khan Academy has more than 42 million registered users from 190 countries, with tutorials on subjects from basic math through economics, art history, computer science, health, medicine and more.
Why you should listen
Salman "Sal" Khan is the founder and chief executive officer of Khan Academy, a not-for-profit with a mission of providing a free, world-class education for anyone, anywhere.
Khan Academy started as a passion project in 2004. Khan's cousin was struggling with math, so he tutored her remotely and posted educational videos on YouTube. So many people watched the videos that eventually Khan quit his job at a hedge fund and pursued Khan Academy full time. Today Khan Academy has more than 100 employees in Mountain View, California. Khan Academy believes learners of all ages should have unlimited access to free educational content they can master at their own pace. Its resources cover preschool through early college education, including math, grammar, biology, chemistry, physics, economics, finance and history. Additionally, Khan Academy offers free personalized SAT test prep in partnership with the test developer, the College Board. More than 42 million registered users access Khan Academy in dozens of languages across 190 countries.
Khan has been profiled by "60 Minutes," featured on the cover of Forbes, and recognized as one of TIME’s "100 Most Influential People in the World." In his book, The One World Schoolhouse: Education Reimagined, Sal outlines his vision for the future of education.
Khan holds three degrees from MIT and an MBA from Harvard Business School.
Sal Khan | Speaker | TED.com