TEDGlobal 2012
Daphne Koller: What we're learning from online education
דפנה קולר: מה אנו למדים מהוראה מקוונת
Filmed:
Readability: 4.8
2,603,043 views
דפנה קולר משדלת אוניברסיטאות מובילות לאפשר צפיה בקורסים המעניינים ביותר שלהן בצורה מקוונת בחינם -- לא רק כשירות, אלא גם כדרך לחקור למידה אנושית. כל לחיצה במקלדת, בוחן, דיון בפורום ומטלה ציונים עצמיים, יוצרים מאגר אדיר של נתונים, על כיצד ידע מעובד, וחשוב מכך, כיצד הוא נקלט ומובן על ידי אנשים.
Daphne Koller - Educator
With Coursera, Daphne Koller and co-founder Andrew Ng are bringing courses from top colleges online, free, for anyone who wants to take them. Full bio
With Coursera, Daphne Koller and co-founder Andrew Ng are bringing courses from top colleges online, free, for anyone who wants to take them. Full bio
Double-click the English transcript below to play the video.
00:16
Like many of you, I'm one of the lucky people.
0
725
3111
כמו רבים מכם, אני ברת מזל.
00:19
I was born to a family where education was pervasive.
1
3836
3400
נולדתי למשפחה בעלת חינוך נרחב.
00:23
I'm a third-generation PhD, a daughter of two academics.
2
7236
4238
אני דור שלישי של PhD (תואר שלישי), בתם של שני אנשי אקדמיה.
00:27
In my childhood, I played around in my father's university lab.
3
11474
3794
בילדותי, שיחקתי במעבדת האוניברסיטה של אבא שלי.
00:31
So it was taken for granted that I attend some of the best universities,
4
15268
3849
כך שהיה מובן מאליו שאלך לאוניברסיטאות הטובות ביותר,
00:35
which in turn opened the door to a world of opportunity.
5
19117
3801
אשר פתחו לי את הדלת אל עולם של הזדמנויות.
00:38
Unfortunately, most of the people in the world are not so lucky.
6
22918
4120
למרבה הצער, רוב האנשים בעולם אינם כל כך ברי מזל.
00:42
In some parts of the world, for example, South Africa,
7
27038
3135
בחלקים מסוימים של העולם, לדוגמה, דרום אפריקה,
00:46
education is just not readily accessible.
8
30173
2705
חינוך הוא פשוט לא נגיש.
00:48
In South Africa, the educational system was constructed
9
32878
2975
בדרום אפריקה, נבנתה מערכת החינוך
00:51
in the days of apartheid for the white minority.
10
35853
2873
בימי האפרטהייד עבור המיעוט הלבן
00:54
And as a consequence, today there is just not enough spots
11
38726
2700
כתוצאה מכך, כיום פשוט אין מספיק מקומות
00:57
for the many more people who want and deserve a high quality education.
12
41426
3852
עבור אנשים רבים אשר רוצים חינוך איכותי וזכאים לו.
01:01
That scarcity led to a crisis in January of this year
13
45278
3880
מחסור זה הוביל למשבר בינואר של השנה (2012)
01:05
at the University of Johannesburg.
14
49158
1836
באוניברסיטת יוהנסבורג.
01:06
There were a handful of positions left open
15
50994
2131
נותר קומץ של מקומות
01:09
from the standard admissions process, and the night before
16
53125
2969
בתהליך הקבלה הרגיל, ובלילה לפני
01:11
they were supposed to open that for registration,
17
56094
2560
שהם היו אמורים לפתוח אותם לרישום,
01:14
thousands of people lined up outside the gate in a line a mile long,
18
58654
4052
אלפי אנשים הסתדרו בתור של קילומטר מחוץ לשער,
01:18
hoping to be first in line to get one of those positions.
19
62706
3880
בתקווה להיות הראשונים לקבל את אחד המקומות האלו.
01:22
When the gates opened, there was a stampede,
20
66586
2308
בעת פתיחת השערים, הייתה הסתערות.
01:24
and 20 people were injured and one woman died.
21
68894
3652
20 אנשים נפצעו ואישה אחת מתה.
01:28
She was a mother who gave her life
22
72546
1940
היא הייתה אמא שהקריבה את חייה
01:30
trying to get her son a chance at a better life.
23
74486
4063
כדי להשיג לבנה הזדמנות לחיים טובים יותר.
01:34
But even in parts of the world like the United States
24
78549
3157
אבל גם בחלקים של העולם כמו ארצות הברית
01:37
where education is available, it might not be within reach.
25
81706
4356
היכן שהחינוך הוא זמין, ייתכן שהוא לא יהיה בהישג יד.
01:41
There has been much discussed in the last few years
26
86062
2672
בשנים האחרונות דובר רבות
01:44
about the rising cost of health care.
27
88734
1989
על העלייה במחירי שירותי הבריאות.
01:46
What might not be quite as obvious to people
28
90723
2642
אך מה שפחות ידוע לציבור הוא
01:49
is that during that same period the cost of higher education tuition
29
93365
4022
שבאותה התקופה עלות שכר לימוד אוניברסיטאי
01:53
has been increasing at almost twice the rate,
30
97387
2480
גדל בקצב של כמעט פי שניים,
01:55
for a total of 559 percent since 1985.
31
99867
4280
בסך של 559 אחוזים מאז 1985.
02:00
This makes education unaffordable for many people.
32
104147
4534
לכן חינוך אינו בהישג יד עבור אנשים רבים.
02:04
Finally, even for those who do manage to get the higher education,
33
108681
3801
לבסוף, גם עבור אלה המצליחים להגיע להשכלה גבוהה,
02:08
the doors of opportunity might not open.
34
112482
2625
ייתכן שדלתות ההזדמנות לא יפתחו.
02:11
Only a little over half of recent college graduates
35
115107
3207
בארה"ב, רק מעט מעל מחצית הבוגרים
02:14
in the United States who get a higher education
36
118314
2313
אשר קיבלו השכלה גבוהה
02:16
actually are working in jobs that require that education.
37
120627
3463
עובדים בעבודה הדורשת את השכלתם.
02:19
This, of course, is not true for the students
38
124090
1840
זה, כמובן, אינו נכון עבור סטודנטים
02:21
who graduate from the top institutions,
39
125930
1952
הלומדים באוניברסיטאות המובילות,
02:23
but for many others, they do not get the value
40
127882
2632
אבל רבים אחרים לא מקבלים את התמורה
02:26
for their time and their effort.
41
130514
3536
עבור הזמן ומאמץ שלהם.
02:29
Tom Friedman, in his recent New York Times article,
42
134050
3030
טום פרידמן, במאמר שכתב לאחרונה בניו יורק טיימס,
02:32
captured, in the way that no one else could, the spirit behind our effort.
43
137080
4368
לכד, באופן שאף אחד אחר לא יכול, את הרוח מאחורי המאמצים שלנו.
02:37
He said the big breakthroughs are what happen
44
141448
3120
הוא אמר שפריצות דרך גדולות הן מה שקורה
02:40
when what is suddenly possible meets what is desperately necessary.
45
144568
3899
כאשר מה שלפתע אפשרי פוגש את מה שנדרש נואשות.
02:44
I've talked about what's desperately necessary.
46
148467
2621
כבר דיברתי על מה נדרש נואשות.
02:46
Let's talk about what's suddenly possible.
47
151088
2512
בוא נדבר על מה לפתע אפשרי.
02:49
What's suddenly possible was demonstrated by
48
153600
3119
מה שלפתע אפשרי הומחש
02:52
three big Stanford classes,
49
156719
1568
בשלושה קורסים גדולים בסטנפורד,
02:54
each of which had an enrollment of 100,000 people or more.
50
158287
3880
שלכל אחד מהם נרשמו 100,000 אנשים או יותר.
02:58
So to understand this, let's look at one of those classes,
51
162167
3384
אז כדי להבין זאת, הבה נבחן את אחד הקורסים האלה,
03:01
the Machine Learning class offered by my colleague
52
165551
1920
הקורס "למידת מכונה" שהועבר על-ידי עמית שלי
03:03
and cofounder Andrew Ng.
53
167471
1729
ומייסד שותף - אנדרו נג.
03:05
Andrew teaches one of the bigger Stanford classes.
54
169200
2319
אנדרו מלמד את אחד הקורסים הגדולים יותר בסטנפורד.
03:07
It's a Machine Learning class,
55
171519
1209
זהו קורס בנושא "למידת מכונה",
03:08
and it has 400 people enrolled every time it's offered.
56
172728
3518
ויש 400 אנשים הנרשמים בכל פעם שהוא מוצע.
03:12
When Andrew taught the Machine Learning class to the general public,
57
176246
3265
כאשר אנדרו לימד את הקורס "למידת מכונה" לציבור הרחב,
03:15
it had 100,000 people registered.
58
179511
2616
היו רשומים בו 100,000 איש.
03:18
So to put that number in perspective,
59
182127
2009
כדי לשים מספר זה בפרספקטיבה,
03:20
for Andrew to reach that same size audience
60
184136
2359
כדי שאנדרו יגיע לאותו גודל קהל
03:22
by teaching a Stanford class,
61
186495
1826
על-ידי הוראת קורס בסטנפורד,
03:24
he would have to do that for 250 years.
62
188321
3926
הוא יצטרך לעשות זאת במשך 250 שנה.
03:28
Of course, he'd get really bored.
63
192247
3486
כמובן, הוא היה משתעמם מאוד.
03:31
So, having seen the impact of this,
64
195733
2737
אז אחרי שראינו את ההשפעה של זה
03:34
Andrew and I decided that we needed to really try and scale this up,
65
198470
3128
אנדרו ואני החלטנו שאנחנו צריכים לנסות להגדיל את זה עוד,
03:37
to bring the best quality education to as many people as we could.
66
201598
4120
בכדי להביא את החינוך הכי איכותי לאנשים רבים ככל שנוכל.
03:41
So we formed Coursera,
67
205718
1495
כך יצרנו את Coursera,
03:43
whose goal is to take the best courses
68
207213
3137
שמטרתה לקחת את הקורסים הטובים ביותר
03:46
from the best instructors at the best universities
69
210350
3317
מהמרצים הטובים ביותר באוניברסיטאות הטובות ביותר
03:49
and provide it to everyone around the world for free.
70
213667
4028
ולספק אותם לכולם ברחבי העולם ללא תשלום.
03:53
We currently have 43 courses on the platform
71
217695
2600
כעת יש לנו 43 קורסים באתר
03:56
from four universities across a range of disciplines,
72
220295
3199
מארבע אוניברסיטאות במגוון תחומים,
03:59
and let me show you a little bit of an overview
73
223494
1833
והרשו לי להראות לכם
04:01
of what that looks like.
74
225327
3278
איך כל הדבר הזה נראה.
04:04
(Video) Robert Ghrist: Welcome to Calculus.
75
228605
1213
(וידאו) רוברט גירסט: ברוכים הבאים לחדו"א.
04:05
Ezekiel Emanuel: Fifty million people are uninsured.
76
229818
1880
יחזקאל עמנואל: חמישים מיליון אנשים אינם מבוטחים.
04:07
Scott Page: Models help us design more effective institutions and policies.
77
231698
3271
סקוט פייג': מודלים עוזרים לנו לעצב ביעילות רבה יותר מדיניות ומוסדות.
04:10
We get unbelievable segregation.
78
234969
2408
אנחנו מקבלים בידול בלתי ייאמן.
04:13
Scott Klemmer: So Bush imagined that in the future,
79
237377
1792
סקוט קלמר: בוש דמיין שבעתיד
04:15
you'd wear a camera right in the center of your head.
80
239169
2378
תחבשו מצלמה במרכז הראש שלכם.
04:17
Mitchell Duneier: Mills wants the student of sociology to develop the quality of mind ...
81
241547
4254
מיטשל דונייר: מילס רוצה שסטודנט לסוציולוגיה יפתח את יכולות הנפש...
04:21
RG: Hanging cable takes on the form of a hyperbolic cosine.
82
245801
3665
ר.ג.: כבל תלוי מקבל צורה של קוסינוס היפרבולי.
04:25
Nick Parlante: For each pixel in the image, set the red to zero.
83
249466
3071
ניק פרלנטה: לכל פיקסל בתמונה, קבע את האדום לאפס.
04:28
Paul Offit: ... Vaccine allowed us to eliminate polio virus.
84
252537
2977
פול אופיט: החיסון איפשר לנו לחסל את וירוס הפוליו.
04:31
Dan Jurafsky: Does Lufthansa serve breakfast and San Jose? Well, that sounds funny.
85
255514
3623
דן ג'ורפסקי: האם לופטהנזה מגישים ארוחת בוקר וסן חוזה? טוב, זה נשמע מוזר.
04:35
Daphne Koller: So this is which coin you pick, and this is the two tosses.
86
259137
3616
דפנה קולר: אז זהו המטבע שאתה בוחר, ואלו שתי ההטלות.
04:38
Andrew Ng: So in large-scale machine learning, we'd like to come up with computational ...
87
262753
3687
אנדרו נג.: כך בלמידת מכונה בקנה מידה גדול, אנחנו רוצים להגיע ליכולת חישובית...
04:42
(Applause)
88
266440
5609
(מחיאות כפיים)
04:47
DK: It turns out, maybe not surprisingly,
89
272049
2274
ד.ק.: מתברר, אולי לא במפתיע,
04:50
that students like getting the best content
90
274323
2238
שסטודנטים אוהבים לקבל את התוכן הטוב ביותר
04:52
from the best universities for free.
91
276561
2887
מהאוניברסיטאות הטובות ביותר בחינם.
04:55
Since we opened the website in February,
92
279448
2522
מאז שפתחנו את האתר בפברואר,
04:57
we now have 640,000 students from 190 countries.
93
281970
4358
יש לנו כעת 640,000 תלמידים מ- 190 מדינות.
05:02
We have 1.5 million enrollments,
94
286328
2152
יש לנו 1.5 מיליון הרשמות,
05:04
6 million quizzes in the 15 classes that have launched
95
288480
2850
עד כה נשלחו 6 מיליון בחינות ב15
05:07
so far have been submitted, and 14 million videos have been viewed.
96
291330
4916
הקורסים שנפתחו, ו14 מיליון קטעי וידאו נצפו.
05:12
But it's not just about the numbers,
97
296246
2518
אבל זה לא רק המספרים,
05:14
it's also about the people.
98
298764
1641
זה גם האנשים.
05:16
Whether it's Akash, who comes from a small town in India
99
300405
2976
בין אם מדובר באקאש, שמגיע מעיירה קטנה בהודו
05:19
and would never have access in this case
100
303381
2175
שלעולם לא היה מצליח להתקבל
05:21
to a Stanford-quality course
101
305556
1489
לקורס באיכות של סטנפורד
05:22
and would never be able to afford it.
102
307045
2515
ולעולם לא היה מסוגל להרשות זאת לעצמו.
05:25
Or Jenny, who is a single mother of two
103
309560
2038
או ג'ני, שהיא אם חד-הורית לשני ילדים
05:27
and wants to hone her skills
104
311598
1967
שרוצה לחדד את המיומנויות שלה
05:29
so that she can go back and complete her master's degree.
105
313565
3135
ולחזור ולהשלים את התואר השני שלה.
05:32
Or Ryan, who can't go to school,
106
316700
3136
או ראיין, שלא יכול ללכת לבית הספר,
05:35
because his immune deficient daughter
107
319836
1865
בגלל שלבתו יש כשל חיסוני
05:37
can't be risked to have germs come into the house,
108
321701
3383
והוא לא יכול להסתכן בהכנסת חיידקים אל תוך הבית,
05:40
so he couldn't leave the house.
109
325084
1840
ולכן הוא לא יכול לעזוב את הבית.
05:42
I'm really glad to say --
110
326924
1632
אני באמת שמחה לומר -
05:44
recently, we've been in correspondence with Ryan --
111
328556
2252
התכתבנו לאחרונה עם ראיין -
05:46
that this story had a happy ending.
112
330808
1932
כי לסיפור הזה היה סוף שמח.
05:48
Baby Shannon -- you can see her on the left --
113
332740
1903
שאנון התינוקת - אתם יכולים לראות אותה בצד שמאל –
05:50
is doing much better now,
114
334643
1351
במצב הרבה יותר טוב עכשיו,
05:51
and Ryan got a job by taking some of our courses.
115
335994
4198
וראיין התקבל לעבודה בזכות הקורסים שלנו.
05:56
So what made these courses so different?
116
340192
2244
אז מה גרם לקורסים האלו להיות שונים כל-כך?
05:58
After all, online course content has been available for a while.
117
342436
3720
אחרי הכל, קורסים מקוונים זמינים כבר במשך זמן מה.
06:02
What made it different was that this was real course experience.
118
346156
3712
מה שעושה את ההבדל הוא החוויה של קורס אמיתי.
06:05
It started on a given day,
119
349868
1726
הקורס מתחיל ביום נתון,
06:07
and then the students would watch videos on a weekly basis
120
351594
3634
ולאחר מכן התלמידים צופים בקטעי וידאו על בסיס שבועי
06:11
and do homework assignments.
121
355228
1855
ועושים שיעורי בית.
06:12
And these would be real homework assignments
122
357083
1791
אלה שיעורי בית אמיתיים
06:14
for a real grade, with a real deadline.
123
358874
3304
עם ציון אמיתי, עם תאריך יעד אמיתי.
06:18
You can see the deadlines and the usage graph.
124
362178
2056
אפשר לראות את תאריכי היעד וגרף השימוש.
06:20
These are the spikes showing
125
364234
2088
השיאים כאן מראים
06:22
that procrastination is global phenomenon.
126
366322
3789
שדחיינות היא תופעה גלובלית.
06:26
(Laughter)
127
370111
2576
(צחוק)
06:28
At the end of the course,
128
372687
1672
בסוף הקורס,
06:30
the students got a certificate.
129
374359
1856
הסטודנטים קיבלו תעודה.
06:32
They could present that certificate
130
376215
2160
הם יכלו להציג תעודה זו
06:34
to a prospective employer and get a better job,
131
378375
2153
למעביד, ולקבל עבודה יותר טובה,
06:36
and we know many students who did.
132
380528
2060
וידוע לנו על סטודנטים רבים אשר עשו כן.
06:38
Some students took their certificate
133
382588
1919
חלק מהסטודנטים לקחו את התעודה שלהם
06:40
and presented this to an educational institution at which they were enrolled
134
384507
3122
למוסד חינוכי שאליו רצו להירשם
06:43
for actual college credit.
135
387629
1841
וקיבלו נקודות זכות.
06:45
So these students were really getting something meaningful
136
389470
2214
אז התלמידים האלה באמת מקבלים משהו משמעותי
06:47
for their investment of time and effort.
137
391684
2834
עבור הזמן והמאמץ שלהם.
06:50
Let's talk a little bit about some of the components
138
394518
2555
בואו נדבר קצת על חלק מהרכיבים
06:52
that go into these courses.
139
397073
1892
אשר נכנסים לקורסים האלה.
06:54
The first component is that when you move away
140
398965
2628
הרכיב הראשון הוא שכאשר מתרחקים
06:57
from the constraints of a physical classroom
141
401593
2297
מהאילוצים של לימוד בכיתות פיזיות
06:59
and design content explicitly for an online format,
142
403890
2840
ומעצבים תוכן שמיועד במכוון ללימוד מקוון,
07:02
you can break away from, for example,
143
406730
2528
אפשר להתנתק, לדוגמה,
07:05
the monolithic one-hour lecture.
144
409258
2415
מהפורמט הקבוע של הרצאות באורך שעה.
07:07
You can break up the material, for example,
145
411673
1785
ניתן לפרק את החומר, לדוגמה,
07:09
into these short, modular units of eight to 12 minutes,
146
413458
3376
ליחידות מודולריות קצרות של 8 עד 12 דקות,
07:12
each of which represents a coherent concept.
147
416834
2974
שכל אחת מהן מייצגת רעיון קוהרנטי.
07:15
Students can traverse this material in different ways,
148
419808
2570
הסטודנטים יכולים לעבור על החומר הזה בדרכים שונות,
07:18
depending on their background, their skills or their interests.
149
422378
3704
בהתאם לרקע, לכישורים או לעניין שלהם.
07:21
So, for example, some students might benefit
150
426082
2520
כך, לדוגמה, חלק מהתלמידים יפיקו הרבה
07:24
from a little bit of preparatory material
151
428602
2760
מקצת חומר הכנה
07:27
that other students might already have.
152
431362
2071
שסטודנטים אחרים אולי כבר רכשו.
07:29
Other students might be interested in a particular
153
433433
2440
סטודנטים אחרים עשויים להתעניין
07:31
enrichment topic that they want to pursue individually.
154
435873
3086
בנושא העשרה מסויים שהם רוצים להעמיק בו באופן אישי.
07:34
So this format allows us to break away
155
438959
3235
לכן תבנית זו מאפשרת לנו לפרוץ
07:38
from the one-size-fits-all model of education,
156
442194
2824
מן המודל החד-מידתי של החינוך,
07:40
and allows students to follow a much more personalized curriculum.
157
445018
3992
בכך שאנו מאפשרים לסטודנטים לבחור תוכנית לימודים הרבה יותר אישית.
07:44
Of course, we all know as educators
158
449010
2343
כמחנכים, כמובן, כולנו יודעים
07:47
that students don't learn by sitting and passively watching videos.
159
451353
3360
שהתלמידים לא לומדים על-ידי ישיבה וצפייה פאסיבית בסרטונים.
07:50
Perhaps one of the biggest components of this effort
160
454713
2945
אולי אחד המרכיבים הגדולים ביותר של נסיון זה
07:53
is that we need to have students
161
457658
2592
הוא הצורך שהסטודנטים
07:56
who practice with the material
162
460250
2409
יתרגלו את החומר
07:58
in order to really understand it.
163
462659
3156
כדי באמת להבין אותו.
08:01
There's been a range of studies that demonstrate the importance of this.
164
465815
3268
קיים מגוון מחקרים המדגימים את החשיבות של זה.
08:04
This one that appeared in Science last year, for example,
165
469083
2532
זה מחקר שהופיע במגזין Science בשנה שעברה, לדוגמה,
08:07
demonstrates that even simple retrieval practice,
166
471615
2832
והוא מדגים כי אפילו תרגול של שליפה פשוטה,
08:10
where students are just supposed to repeat
167
474447
2792
בו סטודנטים אמורים רק לחזור
08:13
what they already learned
168
477239
1400
על מה שהם כבר למדו,
08:14
gives considerably improved results
169
478639
1920
נותן תוצאות משופרות במידה ניכרת
08:16
on various achievement tests down the line
170
480559
2269
במבחני הישגים שונים בהמשך הדרך,
08:18
than many other educational interventions.
171
482828
4304
הרבה יותר מהתערבויות חינוכיות אחרות.
08:23
We've tried to build in retrieval practice into the platform,
172
487132
2962
ניסינו לבנות תרגול שליפה בתוך הפלטפורמה שלנו,
08:25
as well as other forms of practice in many ways.
173
490094
2254
כמו גם צורות אחרות של תרגול בדרכים רבות.
08:28
For example, even our videos are not just videos.
174
492348
4144
לדוגמה, אפילו סרטי הוידאו שלנו אינם רק סרטי וידאו.
08:32
Every few minutes, the video pauses
175
496492
2043
כל מספר דקות, הוידאו מושהה
08:34
and the students get asked a question.
176
498535
2151
והתלמידים נשאלים שאלה.
08:36
(Video) SP: ... These four things. Prospect theory, hyperbolic discounting,
177
500686
2221
(וידאו) SP:... ארבעה דברים אלה. תורת הערך, היוון היפרבולי,
08:38
status quo bias, base rate bias. They're all well documented.
178
502907
3092
הטיית הסטטוס קוו, הטיית השיעור הבסיסי. הם כולם מתועדים היטב.
08:41
So they're all well documented deviations from rational behavior.
179
505999
2767
כל אלה הן סטיות מהתנהגות רציונלית המתועדות היטב.
08:44
DK: So here the video pauses,
180
508766
1624
DK: אז כאן הווידאו מושהה,
08:46
and the student types in the answer into the box
181
510390
2256
והסטודנט מקליד את התשובה בתיבה
08:48
and submits. Obviously they weren't paying attention.
182
512646
3223
ושולח אותה. כמובן שהם לא שמו לב.
08:51
(Laughter)
183
515884
869
(צחוק)
08:52
So they get to try again,
184
516753
2010
אז הם יכולים לנסות שוב,
08:54
and this time they got it right.
185
518763
2536
הפעם הם עונים כמו שצריך.
08:57
There's an optional explanation if they want.
186
521299
2193
יש הסבר אופציונלי, אם הם רוצים.
08:59
And now the video moves on to the next part of the lecture.
187
523492
4257
כעת הווידאו עובר לחלק הבא של ההרצאה.
09:03
This is a kind of simple question
188
527749
1878
זהו סוג של שאלה פשוטה
09:05
that I as an instructor might ask in class,
189
529627
2081
שאני בתור מרצה עשויה לשאול בכיתה,
09:07
but when I ask that kind of a question in class,
190
531708
2500
אבל כשאני שואלת שאלה כזו בכיתה,
09:10
80 percent of the students
191
534208
1300
80 אחוז מהסטודנטים
09:11
are still scribbling the last thing I said,
192
535508
1866
עסוקים עדיין בשרבוט הדבר האחרון שאמרתי,
09:13
15 percent are zoned out on Facebook,
193
537374
3321
15 אחוזים בכלל עסוקים בפייסבוק,
09:16
and then there's the smarty pants in the front row
194
540695
2456
ויש גם את החכמולוגים בשורה הראשונה
09:19
who blurts out the answer
195
543151
1359
שיורים את התשובה
09:20
before anyone else has had a chance to think about it,
196
544510
2207
לפני שלאחרים היתה הזדמנות לחשוב על זה,
09:22
and I as the instructor am terribly gratified
197
546717
2872
ואני, כמרצה, ממש שמחה
09:25
that somebody actually knew the answer.
198
549589
1648
שמישהו באמת ידע את התשובה.
09:27
And so the lecture moves on before, really,
199
551237
2792
ואז ההרצאה ממשיכה עוד לפני
09:29
most of the students have even noticed that a question had been asked.
200
554029
3529
שרוב התלמידים אפילו הבחינו ששאלתי שאלה.
09:33
Here, every single student
201
557558
2607
כאן, כל סטודנט
09:36
has to engage with the material.
202
560165
2784
צריך להתעסק עם החומר.
09:38
And of course these simple retrieval questions
203
562949
1936
וכמובן ששאלות שליפה פשוטות כאלה
09:40
are not the end of the story.
204
564885
1662
אינן סוף הסיפור.
09:42
One needs to build in much more meaningful practice questions,
205
566547
2970
צריך לבנות שאלות תרגול משמעותיות הרבה יותר,
09:45
and one also needs to provide the students with feedback
206
569517
2353
וצריך גם לספק לסטודנטים משוב
09:47
on those questions.
207
571870
1663
על שאלות אלה.
09:49
Now, how do you grade the work of 100,000 students
208
573533
2888
עכשיו, איך אפשר לתת ציונים ל 100,000 סטודנטים
09:52
if you do not have 10,000 TAs?
209
576421
3082
אם אין לכם 10,000 עוזרי הוראה?
09:55
The answer is, you need to use technology
210
579503
2354
התשובה היא, צריך להשתמש בטכנולוגיה
09:57
to do it for you.
211
581857
1495
כדי לעשות את זה בשבילכם.
09:59
Now, fortunately, technology has come a long way,
212
583352
2648
למרבה המזל, הטכנולוגיה התקדמה מאוד,
10:01
and we can now grade a range of interesting types of homework.
213
586000
3268
וכעת אנו יכולים לתת ציונים למגוון מעניין של מטלות בית.
10:05
In addition to multiple choice
214
589268
1527
בנוסף לשאלות רב-ברירה
10:06
and the kinds of short answer questions that you saw in the video,
215
590795
3153
ושאלות בעלות תשובה קצרה שראיתם במהלך הוידאו,
10:09
we can also grade math, mathematical expressions
216
593948
3260
אנו גם יכולים לתת ציונים לשאלות במתמטיקה, ביטויים מתמטיים
10:13
as well as mathematical derivations.
217
597208
1952
וכן גזירה מתמטית.
10:15
We can grade models, whether it's
218
599160
2874
אנחנו יכולים לתת ציונים למודלים, בין אם מדובר
10:17
financial models in a business class
219
602034
2176
במודלים פיננסיים בקורסים במנהל עסקים
10:20
or physical models in a science or engineering class
220
604210
2984
או מודלים פיזיים בקורסים במדע או הנדסה
10:23
and we can grade some pretty sophisticated programming assignments.
221
607194
3744
ואנחנו יכולים להעריך משימות תיכנות מתוחכמות למדי.
10:26
Let me show you one that's actually pretty simple
222
610938
1919
תנו לי להראות לכם משימה די פשוטה
10:28
but fairly visual.
223
612857
1480
אבל ויזואלית.
10:30
This is from Stanford's Computer Science 101 class,
224
614337
2477
זו דוגמא מקורס מבוא למדעי המחשב של אוניברסיטת סטנפורד,
10:32
and the students are supposed to color-correct
225
616814
1604
התלמידים אמורים לבצע תיקון צבע
10:34
that blurry red image.
226
618418
1592
של תמונה זו שמטושטשת באדום.
10:35
They're typing their program into the browser,
227
620010
2018
הם מקלידים את התוכנית שלהם לתוך הדפדפן,
10:37
and you can see they didn't get it quite right, Lady Liberty is still seasick.
228
622028
4058
אפשר לראות שהם לא עשו זאת כמו שצריך,
ולכן גברת החירות עדיין נראית חולה.
ולכן גברת החירות עדיין נראית חולה.
10:41
And so, the student tries again, and now they got it right, and they're told that,
229
626086
3756
אז הסטודנט מנסה שוב, ועכשיו זה עובד כמו שצריך, ואומרים להם,
10:45
and they can move on to the next assignment.
230
629842
2359
והם יכולים להמשיך למשימה הבאה.
10:48
This ability to interact actively with the material
231
632201
3148
היכולת הזו לתקשר באופן פעיל עם החומר
10:51
and be told when you're right or wrong
232
635349
1684
ולדעת אם אתם צודקים או טועים
10:52
is really essential to student learning.
233
637033
3126
היא חיונית מאוד לסטודנט.
10:56
Now, of course we cannot yet grade
234
640159
2275
עכשיו, כמובן שאנחנו לא יכולים עדיין לתת ציונים
10:58
the range of work that one needs for all courses.
235
642434
2834
לטווח המטלות שקיים עבור כל הקורסים.
11:01
Specifically, what's lacking is the kind of critical thinking work
236
645268
3301
באופן ספציפי, מה שחסר הוא מעין עבודת חשיבה ביקורתית
11:04
that is so essential in such disciplines
237
648569
1922
שחיונית בדיסציפלינות כגון
11:06
as the humanities, the social sciences, business and others.
238
650491
3597
מדעי הרוח, מדעי החברה, מנהל עסקים ועוד.
11:09
So we tried to convince, for example,
239
654088
2249
אז ניסינו לשכנע, לדוגמא,
11:12
some of our humanities faculty
240
656337
1616
חלק מהסגל שלנו למדעי הרוח
11:13
that multiple choice was not such a bad strategy.
241
657953
2696
ששאלות אמריקאיות הן לאו דווקא אסטרטגיה רעה.
11:16
That didn't go over really well.
242
660649
2191
זה לא כל-כך הצליח.
11:18
So we had to come up with a different solution.
243
662840
2433
אז היינו צריכים למצוא פתרון אחר.
11:21
And the solution we ended up using is peer grading.
244
665273
3074
הפתרון שאנו משתמשים בו כעת הוא ציוני עמיתים.
11:24
It turns out that previous studies show,
245
668347
2422
מסתבר שמחקרים קודמים
11:26
like this one by Saddler and Good,
246
670769
1672
כמו זה של סאדלר וגוד,
11:28
that peer grading is a surprisingly effective strategy
247
672441
2488
שציוני עמיתים הם אסטרטגיה מפתיעה ביעילותה
11:30
for providing reproducible grades.
248
674929
3214
למתן ציונים מהימנים.
11:34
It was tried only in small classes,
249
678143
1770
זה נוסה רק בכיתות קטנות,
11:35
but there it showed, for example,
250
679913
1487
אך שם זה הראה, לדוגמה,
11:37
that these student-assigned grades on the y-axis
251
681400
2482
שהציונים הללו שהוענקו על ידי הסטודנטים על ציר ה-y
11:39
are actually very well correlated
252
683882
1311
הם במתאם טוב מאוד
11:41
with the teacher-assigned grade on the x-axis.
253
685193
2296
עם הציון שניתן על ידי המרצה בציר ה-x.
11:43
What's even more surprising is that self-grades,
254
687489
3160
מה שמפתיע עוד יותר הוא שציינון עצמי,
11:46
where the students grade their own work critically --
255
690649
2311
שבו הסטודנטים נותנים לעצמם ציונים באופן ביקורתי -
11:48
so long as you incentivize them properly
256
692960
1737
כל עוד נותנים להם תמריצים כראוי
11:50
so they can't give themselves a perfect score --
257
694697
1938
כך שהם לא נותנים לעצמם ציון מושלם -
11:52
are actually even better correlated with the teacher grades.
258
696635
3191
הם למעשה במתאם טוב יותר עם הציונים של המרצה.
11:55
And so this is an effective strategy
259
699826
1607
אז זאת אסטרטגיה יעילה
11:57
that can be used for grading at scale,
260
701433
2104
בה ניתן להשתמש לציינון בקנה מידה רחב,
11:59
and is also a useful learning strategy for the students,
261
703537
2736
וזו גם אסטרטגית למידה שימושית עבור הסטודנטים
12:02
because they actually learn from the experience.
262
706273
2255
מכיוון שהם למעשה יכולים ללמוד מהניסיון.
12:04
So we now have the largest peer-grading pipeline ever devised,
263
708528
4649
אז עכשיו יש לנו את מיזם דירוג עמיתים הגדול ביותר שפיתחו אי פעם,
12:09
where tens of thousands of students
264
713177
2504
בו עשרות אלפי תלמידים
12:11
are grading each other's work,
265
715681
1198
נותנים ציון זה לזה,
12:12
and quite successfully, I have to say.
266
716879
3069
די בהצלחה, אני חייבת לומר.
12:15
But this is not just about students
267
719948
2260
אבל לא מדובר כאן רק על סטודנטים
12:18
sitting alone in their living room working through problems.
268
722208
3041
שיושבים לבד בסלון ועובדים על הבעיות.
12:21
Around each one of our courses,
269
725249
1807
סביב כל אחד מהקורסים שלנו,
12:22
a community of students had formed,
270
727056
2160
התגבשה קהילה של סטודנטים,
12:25
a global community of people
271
729216
1880
קהילה גלובלית של אנשים
12:26
around a shared intellectual endeavor.
272
731096
2532
סביב משימה אינטלקטואלית משותפת.
12:29
What you see here is a self-generated map
273
733628
2652
מה שאתם רואים כאן זו מפה שיצרו
12:32
from students in our Princeton Sociology 101 course,
274
736280
2961
סטודנטים בקורס שלנו מבוא לסוציולוגיה של פרינסטון,
12:35
where they have put themselves on a world map,
275
739241
2759
שבה הסטודנטים מיקמו עצמם על מפת העולם,
12:37
and you can really see the global reach of this kind of effort.
276
742000
2960
ואתם באמת יכולים לראות שהפרוייקט הזה הוא בסדר גודל עולמי.
12:40
Students collaborated in these courses in a variety of different ways.
277
744960
4567
סטודנטים שיתפו פעולה בקורסים האלה במגוון דרכים שונות.
12:45
First of all, there was a question and answer forum,
278
749527
2639
קודם כל, היה פורום שאלות ותשובות,
12:48
where students would pose questions,
279
752166
2144
שבו הסטודנטים העלו שאלות,
12:50
and other students would answer those questions.
280
754310
2424
וסטודנטים אחרים ענו על שאלות אלה.
12:52
And the really amazing thing is,
281
756734
1713
והדבר המדהים באמת הוא
12:54
because there were so many students,
282
758447
1670
שבגלל שהיו שם כל כך הרבה תלמידים,
12:56
it means that even if a student posed a question
283
760117
2365
משמעות הדבר היתה שגם אם תלמיד העלה שאלה
12:58
at 3 o'clock in the morning,
284
762482
1632
בשעה 3 בבוקר,
13:00
somewhere around the world,
285
764114
1582
איפשהו ברחבי העולם,
13:01
there would be somebody who was awake
286
765696
2074
היה מישהו ער
13:03
and working on the same problem.
287
767770
2313
שעבד על אותה בעיה.
13:05
And so, in many of our courses,
288
770083
1958
וכך, ברבים מהקורסים שלנו,
13:07
the median response time for a question
289
772041
2329
זמן התגובה החציוני לשאלה
13:10
on the question and answer forum was 22 minutes.
290
774370
3418
בפורום היה 22 דקות.
13:13
Which is not a level of service I have ever offered to my Stanford students.
291
777788
4577
זאת רמת שירות שמעולם לא יכולתי להציע לסטודנטים שלי בסטנפורד.
13:18
(Laughter)
292
782365
1341
(צחוק)
13:19
And you can see from the student testimonials
293
783706
1942
ואפשר לראות מעדויות הסטודנטים
13:21
that students actually find
294
785648
1687
שסטודנטים למעשה מגלים
13:23
that because of this large online community,
295
787335
2521
שבגלל הקהילה המקוונת הגדולה הזו,
13:25
they got to interact with each other in many ways
296
789856
2599
הם תיקשרו זה עם זה בדרכים רבות
13:28
that were deeper than they did in the context of the physical classroom.
297
792455
4193
שהיו עמוקות יותר ממה שהם עשו בישיבה פיזית בכיתה.
13:32
Students also self-assembled,
298
796648
2344
התלמידים גם התארגנו בעצמם,
13:34
without any kind of intervention from us,
299
798992
1863
ללא כל התערבות מצידנו,
13:36
into small study groups.
300
800855
1903
בקבוצות לימוד קטנות.
13:38
Some of these were physical study groups
301
802758
2362
חלקן היו קבוצות למידה פיזיות
13:41
along geographical constraints
302
805120
1826
תחת אילוצים גיאוגרפיים
13:42
and met on a weekly basis to work through problem sets.
303
806946
2722
שנפגשו על בסיס שבועי לעבודה על בעיות שהוצבו להם בקורס.
13:45
This is the San Francisco study group,
304
809668
1900
זוהי קבוצת לימוד מסן פרנסיסקו,
13:47
but there were ones all over the world.
305
811568
2319
אבל היו כאלה בכל רחבי העולם.
13:49
Others were virtual study groups,
306
813887
2032
קבוצות אחרות היו קבוצות למידה וירטואליות,
13:51
sometimes along language lines or along cultural lines,
307
815919
2989
לעיתים היו קבוצות סביב שפה או סביב תרבות משותפת,
13:54
and on the bottom left there,
308
818908
1444
ובתחתית בצד שמאל,
13:56
you see our multicultural universal study group
309
820352
3796
אתם יכולים לראות את קבוצת הלימוד הרב-תרבותית האוניברסלית שלנו
14:00
where people explicitly wanted to connect
310
824148
1763
שבה אנשים במפורש רצו להתחבר
14:01
with people from other cultures.
311
825911
3006
עם אנשים מתרבויות אחרות.
14:04
There are some tremendous opportunities
312
828917
2111
יש מגוון אפשרויות אדיר
14:06
to be had from this kind of framework.
313
831028
3325
בתשתית מסוג זה.
14:10
The first is that it has the potential of giving us
314
834353
3654
ראשית, יש לזה פוטנציאל להעניק לנו
14:13
a completely unprecedented look
315
838007
2434
מבט חסר תקדים
14:16
into understanding human learning.
316
840441
2289
על הבנה של למידה אנושית.
14:18
Because the data that we can collect here is unique.
317
842730
3463
מכיוון שהנתונים שניתן לאסוף כאן הם ייחודיים.
14:22
You can collect every click, every homework submission,
318
846193
4009
אפשר לאסוף כל לחיצת עכבר, כל הגשת עבודה,
14:26
every forum post from tens of thousands of students.
319
850202
4363
כל הודעה בפורום, של עשרות אלפי סטודנטים.
14:30
So you can turn the study of human learning
320
854565
2343
כך ניתן להפוך את חקר הלמידה האנושית
14:32
from the hypothesis-driven mode
321
856908
1933
ממחקר המונע מהשערות
14:34
to the data-driven mode, a transformation that,
322
858841
2858
למחקר המונע מנתונים, שינוי
14:37
for example, has revolutionized biology.
323
861699
3041
שגרם למהפכה בביולוגיה, לדוגמה.
14:40
You can use these data to understand fundamental questions
324
864740
3424
אפשר להשתמש בנתונים האלה כדי להבין שאלות יסוד
14:44
like, what are good learning strategies
325
868164
1880
למשל, מהן אסטרטגיות למידה
14:45
that are effective versus ones that are not?
326
870044
2696
יעילות לעומת אחרות שאינן?
14:48
And in the context of particular courses,
327
872740
2240
ובהקשר של קורסים מסוימים,
14:50
you can ask questions
328
874980
1537
אפשר לשאול שאלות
14:52
like, what are some of the misconceptions that are more common
329
876517
3255
כמו, מהן התפיסות השגויות הנפוצות ביותר
14:55
and how do we help students fix them?
330
879772
2177
וכיצד אנו יכולים לסייע לתלמידים לתקן אותן?
14:57
So here's an example of that,
331
881949
1424
אז הנה דוגמה
14:59
also from Andrew's Machine Learning class.
332
883373
2016
גם היא מהקורס של אנדרו ללמידת מכונה.
15:01
This is a distribution of wrong answers
333
885389
2208
זוהי התפלגות של תשובות שגויות
15:03
to one of Andrew's assignments.
334
887597
1610
של אחת המטלות של אנדרו.
15:05
The answers happen to be pairs of numbers,
335
889207
1893
התשובות צריכות להיות זוגות של מספרים,
15:07
so you can draw them on this two-dimensional plot.
336
891100
2271
כך שאפשר לצייר אותם על גרף דו מימדי.
15:09
Each of the little crosses that you see is a different wrong answer.
337
893371
3778
כל אחד מהצלבים הקטנים שאתם רואים הוא תשובה שגויה שונה.
15:13
The big cross at the top left
338
897149
2406
הצלב הגדול בקצה הימני העליון
15:15
is where 2,000 students
339
899555
2148
מייצג 2,000 סטודנטים
15:17
gave the exact same wrong answer.
340
901703
3045
שנתנו את אותה תשובה שגויה בדיוק.
15:20
Now, if two students in a class of 100
341
904748
2327
כעת, אם שני תלמידים בכיתה של 100
15:22
give the same wrong answer,
342
907075
1287
נותנים תשובה שגויה זהה,
15:24
you would never notice.
343
908362
1351
לא תבחינו בכך.
15:25
But when 2,000 students give the same wrong answer,
344
909713
2560
אך כאשר 2,000 תלמידים נותנים את אותה תשובה שגויה,
15:28
it's kind of hard to miss.
345
912273
1697
קשה לפספס את זה.
15:29
So Andrew and his students went in,
346
913970
2192
אז אנדרו ותלמידיו
15:32
looked at some of those assignments,
347
916162
1520
הסתכלו לעומק על חלק מהמטלות הללו,
15:33
understood the root cause of the misconception,
348
917682
4088
והבינו את הסיבה לתפיסה השגויה,
15:37
and then they produced a targeted error message
349
921770
2520
ולאחר מכן הם ייצרו הודעת שגיאה מיוחדת
15:40
that would be provided to every student
350
924290
2249
שניתנה לכל תלמיד
15:42
whose answer fell into that bucket,
351
926539
2179
שהתשובה שלו גם נפלה לקטגוריה הזו,
15:44
which means that students who made that same mistake
352
928718
2084
כלומר, סטודנטים שעשו את אותה הטעות
15:46
would now get personalized feedback
353
930802
2026
יקבלו כעת משוב אישי
15:48
telling them how to fix their misconception much more effectively.
354
932828
4399
שאומר להם איך לתקן את התפיסה השגויה שלהם בצורה יעילה הרבה יותר.
15:53
So this personalization is something that one can then build
355
937227
3811
התאמה אישית כזאת ניתנת לבנייה
15:56
by having the virtue of large numbers.
356
941038
3140
בשל היתרון שיש לנו במספרים הגדולים.
16:00
Personalization is perhaps
357
944178
2312
התאמה אישית היא אולי
16:02
one of the biggest opportunities here as well,
358
946490
2423
אחת ההזדמנויות הגדולות ביותר פה,
16:04
because it provides us with the potential
359
948913
2345
מכיוון שהיא מספקת לנו את האפשרות
16:07
of solving a 30-year-old problem.
360
951258
2690
לפתור בעיה בת 30 שנה.
16:09
Educational researcher Benjamin Bloom, in 1984,
361
953948
3349
חוקר החינוך בנג'מין בלום, בשנת 1984,
16:13
posed what's called the 2 sigma problem,
362
957297
2251
הציג את בעיית שתי הסיגמות,
16:15
which he observed by studying three populations.
363
959548
3062
אותה זיהה כשבחן שלוש אוכלוסיות.
16:18
The first is the population that studied in a lecture-based classroom.
364
962610
3608
הראשונה היא האוכלוסייה שלמדה בשיעור מבוסס-הרצאה.
16:22
The second is a population of students that studied
365
966218
2777
השניה היא אוכלוסיית סטודנטים שלמדה
16:24
using a standard lecture-based classroom,
366
968995
1719
בשיעור מבוסס-הרצאה רגיל,
16:26
but with a mastery-based approach,
367
970714
2080
אך עם גישה המבוססת על בקיאות,
16:28
so the students couldn't move on to the next topic
368
972794
1920
כך שהתלמידים לא יכלו לעבור לנושא הבא
16:30
before demonstrating mastery of the previous one.
369
974714
3354
לפני שהפגינו ידע רחב של הנושא הקודם.
16:33
And finally, there was a population of students
370
978068
2294
לבסוף, הייתה אוכלוסייה של תלמידים
16:36
that were taught in a one-on-one instruction using a tutor.
371
980362
4528
שלמדו עם מורה פרטי בשיטת אחד-על-אחד.
16:40
The mastery-based population was a full standard deviation,
372
984890
3272
האוכלוסייה שלמדה על סמך בקיאות היתה גבוהה בסטיית תקן אחת
16:44
or sigma, in achievement scores better
373
988162
2288
או סיגמה, בהישגיה
16:46
than the standard lecture-based class,
374
990450
2394
מהקבוצה המבוססת על הרצאה רגילה,
16:48
and the individual tutoring gives you 2 sigma
375
992844
2144
ושיעורים פרטיים נתנו שיפור של 2 סיגמות
16:50
improvement in performance.
376
994988
1830
להישגים.
16:52
To understand what that means,
377
996818
1463
כדי להבין מה משמעות הדבר,
16:54
let's look at the lecture-based classroom,
378
998281
1833
הבה נבחן את הכיתה המבוססת על הרצאה,
16:56
and let's pick the median performance as a threshold.
379
1000114
2919
בואו נבחן את החציון בביצועים בתור סף מעבר.
16:58
So in a lecture-based class,
380
1003033
1338
כך שבכיתה מבוססת הרצאה,
17:00
half the students are above that level and half are below.
381
1004371
3879
מחצית התלמידים מעל לרמה זו, ומחצית תחתיה.
17:04
In the individual tutoring instruction,
382
1008250
2098
בשיטת ההוראה אחד-על-אחד,
17:06
98 percent of the students are going to be above that threshold.
383
1010348
4801
98 אחוזים מהסטודנטים עומדים מעל סף זה.
17:11
Imagine if we could teach so that 98 percent of our students
384
1015149
3920
דמיינו אילו יכולנו ללמד כך ש98 אחוז מהתלמידים שלנו
17:14
would be above average.
385
1019069
2198
יהיו מעל הממוצע.
17:17
Hence, the 2 sigma problem.
386
1021267
3423
לכן, הבעיה נקראת 2 סיגמות.
17:20
Because we cannot afford, as a society,
387
1024690
2399
מכיוון שאיננו יכולים להרשות לעצמנו, כחברה,
17:22
to provide every student with an individual human tutor.
388
1027089
3072
לספק לכל סטודנט מורה פרטי אנושי.
17:26
But maybe we can afford to provide each student
389
1030161
2249
אך אולי נוכל להרשות לעצמנו לספק לכל תלמיד
17:28
with a computer or a smartphone.
390
1032410
2019
מחשב או טלפון חכם.
17:30
So the question is, how can we use technology
391
1034429
2189
אם כן, השאלה היא איך אנחנו משתמשים בטכנולוגיה
17:32
to push from the left side of the graph, from the blue curve,
392
1036618
3375
על מנת לדחוף מהצד השמאלי של הגרף, מהעקומה הכחולה,
17:35
to the right side with the green curve?
393
1039993
2738
לצד הימני עם העקומה הירוקה?
17:38
Mastery is easy to achieve using a computer,
394
1042731
2337
קל להשיג בקיאות באמצעות מחשב,
17:40
because a computer doesn't get tired
395
1045068
1405
כי המחשב איננו מתעייף
17:42
of showing you the same video five times.
396
1046473
3073
מהצגת אותו הווידאו חמש פעמים.
17:45
And it doesn't even get tired of grading the same work multiple times,
397
1049546
3251
הוא אפילו לא מתעייף מלתת ציון מספר פעמים על אותה עבודה,
17:48
we've seen that in many of the examples that I've shown you.
398
1052802
3026
ראינו את זה כבר בהרבה מהדוגמאות שהבאתי היום.
17:51
And even personalization
399
1055828
1854
ואפילו התאמה אישית
17:53
is something that we're starting to see the beginnings of,
400
1057682
2136
היא משהו שמתחילים לראות,
17:55
whether it's via the personalized trajectory through the curriculum
401
1059818
3192
אם זה דרך מסלול מותאם אישית בתוכנית הלימודים
17:58
or some of the personalized feedback that we've shown you.
402
1063010
3264
או משוב אישי שמוצג לך.
18:02
So the goal here is to try and push,
403
1066274
2488
אז כאן המטרה היא לנסות לדחוף,
18:04
and see how far we can get towards the green curve.
404
1068762
3497
ולראות עד כמה אנחנו יכולים להגיע לכיוון העקומה הירוקה.
18:08
So, if this is so great, are universities now obsolete?
405
1072259
5359
אז אם זה כל כך טוב, האם אוניברסיטאות הופכות כעת למיותרות?
18:13
Well, Mark Twain certainly thought so.
406
1077618
2992
ובכן, מארק טוויין בהחלט חשב כך.
18:16
He said that, "College is a place where a professor's lecture notes
407
1080610
2545
הוא אמר, "האוניברסיטה היא מקום שבו רשימות הפרופסור
18:19
go straight to the students' lecture notes,
408
1083155
1703
עוברות ישר לסיכומים של הסטודנטים,
18:20
without passing through the brains of either."
409
1084858
2376
מבלי שעברו דרך מוחו של אף אחד מהם."
18:23
(Laughter)
410
1087234
4047
(צחוק)
18:27
I beg to differ with Mark Twain, though.
411
1091281
2668
אני רוצה להסתייג מדבריו של מארק טוויין.
18:29
I think what he was complaining about is not
412
1093949
2665
אני חושבת שמה שהוא מתלונן עליו הוא לא
18:32
universities but rather the lecture-based format
413
1096614
2750
אוניברסיטאות, אלא הפורמט הקיים של לימודים מבוססי-הרצאה
18:35
that so many universities spend so much time on.
414
1099364
2784
שכל כך הרבה אוניברסיטאות מקדישות לו זמן רב כל כך.
18:38
So let's go back even further, to Plutarch,
415
1102148
3159
אז נחזור בזמן עוד אחורה, לפלוטארכוס,
18:41
who said that, "The mind is not a vessel that needs filling,
416
1105307
2227
שאמר ש"המוח אינו כלי קיבול שיש למלאו,
18:43
but wood that needs igniting."
417
1107534
2023
אלא עץ שיש להציתו."
18:45
And maybe we should spend less time at universities
418
1109557
2190
אולי אנו צריכים להקדיש פחות זמן באוניברסיטאות
18:47
filling our students' minds with content
419
1111747
2571
למילוי מוחם של הסטודנטים בתוכן
18:50
by lecturing at them, and more time igniting their creativity,
420
1114318
3800
המועבר על-ידי מרצה, ויותר זמן בלהצית את היצירתיות שלהם,
18:54
their imagination and their problem-solving skills
421
1118118
3255
את הדמיון שלהם ואת כישוריהם לפתרון בעיות
18:57
by actually talking with them.
422
1121373
2498
על-ידי כך שנדבר איתם.
18:59
So how do we do that?
423
1123871
1367
אז איך עושים את זה?
19:01
We do that by doing active learning in the classroom.
424
1125238
3431
אנו עושים זאת בעזרת למידה פעילה בכיתה.
19:04
So there's been many studies, including this one,
425
1128669
2449
היו מחקרים רבים, כולל זה
19:07
that show that if you use active learning,
426
1131118
2080
אשר הראו כי אם תשתמשו בלמידה פעילה,
19:09
interacting with your students in the classroom,
427
1133198
2416
באינטראקציה עם התלמידים בכיתה,
19:11
performance improves on every single metric --
428
1135614
2696
יהיה שיפור בביצועים בכל מדד -
19:14
on attendance, on engagement and on learning
429
1138310
2449
בנוכחות, במעורבות ובלמידה
19:16
as measured by a standardized test.
430
1140759
2055
כפי שנמדד על-ידי בדיקה מתוקננת.
19:18
You can see, for example, that the achievement score
431
1142814
1864
ניתן לראות, לדוגמה, שהציון על הישגים
19:20
almost doubles in this particular experiment.
432
1144678
2870
כמעט מכפיל את עצמו בניסוי זה.
19:23
So maybe this is how we should spend our time at universities.
433
1147548
4401
אולי זאת הדרך שבה אנו צריכים להקדיש את זמננו באוניברסיטאות.
19:27
So to summarize, if we could offer a top quality education
434
1151949
4577
אז לסיכום, אם נוכל להציע חינוך באיכות גבוהה
19:32
to everyone around the world for free,
435
1156526
1903
לכל אחד בעולם ובחינם,
19:34
what would that do? Three things.
436
1158429
2821
מה זה יעשה? שלושה דברים.
19:37
First it would establish education as a fundamental human right,
437
1161250
3421
ראשית, זה יבסס את החינוך כזכות יסוד אנושית,
19:40
where anyone around the world
438
1164671
1366
שכל אדם ברחבי העולם
19:41
with the ability and the motivation
439
1166037
1921
עם היכולת והמוטיבציה
19:43
could get the skills that they need
440
1167958
1951
יוכל לקבל את המיומנויות הנחוצות
19:45
to make a better life for themselves,
441
1169909
1585
כדי ליצור חיים טובים יותר,
19:47
their families and their communities.
442
1171494
2017
המשפחות שלהם והקהילות שלהם.
19:49
Second, it would enable lifelong learning.
443
1173511
2631
שנית, היא תאפשר למידה לאורך כל החיים.
19:52
It's a shame that for so many people,
444
1176142
1951
זה חבל שעבור כל כך הרבה אנשים,
19:53
learning stops when we finish high school or when we finish college.
445
1178093
3312
הלמידה מפסיקה כאשר אנו מסיימים תיכון או כאשר מסיימים את המכללה.
19:57
By having this amazing content be available,
446
1181405
2481
בכך שהתוכן המדהים הזה יהיה זמין,
19:59
we would be able to learn something new
447
1183886
2743
נוכל ללמוד משהו חדש
20:02
every time we wanted,
448
1186629
1136
מתי שנרצה,
20:03
whether it's just to expand our minds
449
1187765
1329
גם אם זה רק כדי להרחיב את אופקינו
20:04
or it's to change our lives.
450
1189094
1959
או כדי לשנות את חיינו.
20:06
And finally, this would enable a wave of innovation,
451
1191053
3145
ולבסוף, זה יאפשר גם גל של חדשנות,
20:10
because amazing talent can be found anywhere.
452
1194198
3072
מכיוון שניתן למצוא כשרון מדהים בכל מקום.
20:13
Maybe the next Albert Einstein or the next Steve Jobs
453
1197270
3008
אולי אלברט איינשטיין הבא או סטיב ג'ובס הבא
20:16
is living somewhere in a remote village in Africa.
454
1200278
2615
גרים במקום כלשהו בכפר מרוחק באפריקה.
20:18
And if we could offer that person an education,
455
1202893
2656
ואם נוכל להציע להם השכלה,
20:21
they would be able to come up with the next big idea
456
1205549
2356
הם יוכלו לבוא עם הרעיון הגדול הבא
20:23
and make the world a better place for all of us.
457
1207905
2404
ולהפוך את העולם למקום טוב יותר לכולנו.
20:26
Thank you very much.
458
1210309
1160
תודה רבה.
20:27
(Applause)
459
1211469
7583
(מחיאות כפיים)
ABOUT THE SPEAKER
Daphne Koller - EducatorWith Coursera, Daphne Koller and co-founder Andrew Ng are bringing courses from top colleges online, free, for anyone who wants to take them.
Why you should listen
A 3rd generation Ph.D who is passionate about education, Stanford professor Daphne Koller is excited to be making the college experience available to anyone through her startup, Coursera. With classes from 85 top colleges, Coursera is an innovative model for online learning. While top schools have been putting lectures online for years, Coursera's platform supports the other vital aspect of the classroom: tests and assignments that reinforce learning.
At the Stanford Artificial Intelligence Laboratory, computer scientist Daphne Koller studies how to model large, complicated decisions with lots of uncertainty. (Her research group is called DAGS, which stands for Daphne's Approximate Group of Students.) In 2004, she won a MacArthur Fellowship for her work, which involves, among other things, using Bayesian networks and other techniques to explore biomedical and genetic data sets.
Daphne Koller | Speaker | TED.com