TED2009
Bill Gates: Mosquitos, malaria and education
ביל גייטס, 'אנפלאגד'
Filmed:
Readability: 3.3
4,796,732 views
ביל גייטס מקווה לפתור כמה מהבעיות הגדולות של העולם באמצעות פילנטרופיה מסוג חדש. במשך 18 דקות מלאות להט - ואף משעשעות - הוא מבקש מאיתנו להרהר בשתי שאלות גדולות ולחשוב כיצד ניתן להשיב עליהן.
Bill Gates - Philanthropist
A passionate techie and a shrewd businessman, Bill Gates changed the world while leading Microsoft to dizzying success. Now he's doing it again with his own style of philanthropy and passion for innovation. Full bio
A passionate techie and a shrewd businessman, Bill Gates changed the world while leading Microsoft to dizzying success. Now he's doing it again with his own style of philanthropy and passion for innovation. Full bio
Double-click the English transcript below to play the video.
00:15
I wrote a letter last week talking about the work of the foundation,
0
3000
3000
בשבוע שעבר כתבתי מכתב העוסק בעבודת הקרן,
00:18
sharing some of the problems.
1
6000
3000
ומפרט אחדות מהבעיות.
00:21
And Warren Buffet had recommended I do that --
2
9000
3000
וורן באפט הוא שהמליץ לי לעשות זאת-
00:24
being honest about what was going well, what wasn't,
3
12000
3000
לדבר בגילוי-לב על מה שמתנהל כשורה ומה שלא,
00:27
and making it kind of an annual thing.
4
15000
3000
ולהפוך זאת למעין מנהג שנתי.
00:30
A goal I had there was to draw more people in to work on those problems,
5
18000
3000
אחד היעדים שבמכתב, הוא למשוך עוד אנשים לעבוד על בעיות אלה,
00:33
because I think there are some very important problems
6
21000
3000
כי לדעתי יש כמה בעיות חשובות מאד
00:36
that don't get worked on naturally.
7
24000
3000
שלא זוכות לטיפול באופן טבעי.
00:39
That is, the market does not drive the scientists,
8
27000
5000
כי השוק איננו דוחף את המדענים,
00:44
the communicators, the thinkers, the governments
9
32000
3000
את אנשי-התקשורת, את ההוגים, את הממשלות
00:47
to do the right things.
10
35000
3000
לעשות את הדברים הנכונים.
00:50
And only by paying attention to these things
11
38000
3000
ורק ע"י הקדשת תשומת-לב לדברים אלה
00:53
and having brilliant people who care and draw other people in
12
41000
4000
ומציאת אנשים מבריקים שאיכפת להם, ושמושכים אחרים
00:57
can we make as much progress as we need to.
13
45000
2000
נוכל להשיג את ההתקדמות הנחוצה לנו.
00:59
So this morning I'm going to share two of these problems
14
47000
3000
אז הבוקר בכוונתי לשתף אתכם בשתיים מהבעיות האלה
01:02
and talk about where they stand.
15
50000
3000
ולספר מה המצב לגביהן.
01:05
But before I dive into those I want to admit that I am an optimist.
16
53000
3000
אך לפני שאצלול לתוכן, עלי להודות שאני אופטימיסט.
01:09
Any tough problem, I think it can be solved.
17
57000
4000
כל בעיה קשה - אני חושב שניתן לפותרה.
01:13
And part of the reason I feel that way is looking at the past.
18
61000
3000
וחלק מהסיבה שאני חש כך הוא כי אני מתבונן בעבר.
01:16
Over the past century, average lifespan has more than doubled.
19
64000
5000
במאה האחרונה, תוחלת-החיים הממוצעת הוכפלה ויותר.
01:21
Another statistic, perhaps my favorite,
20
69000
3000
סטטיסטיקה נוספת, אולי הכי חביבה עלי,
01:24
is to look at childhood deaths.
21
72000
3000
היא בתחום תמותת-הילדים.
01:27
As recently as 1960, 110 million children were born,
22
75000
6000
עד ממש 1960 נולדו 110 מיליון ילדים,
01:33
and 20 million of those died before the age of five.
23
81000
4000
ו-20 מיליון מהם מתו לפני גיל חמש.
01:37
Five years ago, 135 million children were born -- so, more --
24
85000
4000
לפני 5 שנים נולדו 135 מיליון ילדים - כלומר יותר -
01:41
and less than 10 million of them died before the age of five.
25
89000
5000
ופחות מ-10 מיליון מהם מתו לפני גיל חמש.
01:47
So that's a factor of two reduction of the childhood death rate.
26
95000
5000
כלומר צמצום במקדם של 2 בתמותת ילדים.
01:52
It's a phenomenal thing.
27
100000
2000
זה בלתי-רגיל.
01:54
Each one of those lives matters a lot.
28
102000
3000
כל אחת מנפשות אלה חשובה מאד.
01:57
And the key reason we were able to it was not only rising incomes
29
105000
5000
והסיבה המרכזית שהשגנו זאת אינה רק הגידול בהכנסה,
02:02
but also a few key breakthroughs:
30
110000
3000
אלא גם כמה פריצות-דרך חשובות:
02:05
vaccines that were used more widely.
31
113000
3000
נעשה שימוש נרחב יותר בחיסונים.
02:08
For example, measles was four million of the deaths
32
116000
3000
למשל, החצבת גרמה ל-4 מיליון מיתות
02:11
back as recently as 1990
33
119000
2000
עד 1990,
02:13
and now is under 400,000.
34
121000
3000
וכיום - פחות מ-400 אלף.
02:16
So we really can make changes.
35
124000
2000
כך שאנו באמת יכולים לעשות שינויים.
02:18
The next breakthrough is to cut that 10 million in half again.
36
126000
3000
פריצת-הדרך הבאה היא לצמצם אותם 10 מיליון לחצי.
02:22
And I think that's doable in well under 20 years.
37
130000
4000
ולדעתי זה ניתן לביצוע בהרבה פחות מ-20 שנה.
02:26
Why? Well there's only a few diseases
38
134000
4000
מדוע? מפני שיש רק מעט מחלות
02:30
that account for the vast majority of those deaths:
39
138000
3000
שאחראיות לרוב הגדול של מיתות אלה:
02:33
diarrhea, pneumonia and malaria.
40
141000
5000
שלשול, דלקת-ריאות ומלריה.
02:39
So that brings us to the first problem that I'll raise this morning,
41
147000
5000
וזה מביא אותנו לבעיה הראשונה שאעלה הבוקר,
02:44
which is how do we stop a deadly disease that's spread by mosquitos?
42
152000
7000
והיא, איך עוצרים מחלה קטלנית המופצת ע"י יתושים?
02:51
Well, what's the history of this disease?
43
159000
2000
ובכן, מה ההיסטוריה של מחלה זו?
02:53
It's been a severe disease for thousands of years.
44
161000
3000
היא היתה מחלה חמורה משך אלפי שנים.
02:56
In fact, if we look at the genetic code,
45
164000
3000
למעשה, אם נתבונן בקוד הגנטי,
02:59
it's the only disease we can see
46
167000
3000
זו המחלה היחידה שביכולתנו לראות
03:02
that people who lived in Africa
47
170000
2000
שאנשים החיים באפריקה
03:04
actually evolved several things to avoid malarial deaths.
48
172000
3000
ממש פיתחו כמה דברים כדי למנוע מוות ממלריה.
03:08
Deaths actually peaked at a bit over five million in the 1930s.
49
176000
6000
התמותה עלתה לשיא של קצת מעל 5 מיליון, בשנות ה-30.
03:14
So it was absolutely gigantic.
50
182000
3000
כך שזה דבר ממש ענקי.
03:17
And the disease was all over the world.
51
185000
3000
והמחלה התפשטה בכל העולם.
03:20
A terrible disease. It was in the United States. It was in Europe.
52
188000
3000
מחלה נוראה. היא היתה בארה"ב. היתה באירופה.
03:23
People didn't know what caused it until the early 1900s,
53
191000
3000
לא ידעו מה גורם לה, עד תחילת המאה העשרים,
03:26
when a British military man figured out that it was mosquitos.
54
194000
6000
כשאיש-צבא בריטי גילה שמדובר ביתושים.
03:32
So it was everywhere.
55
200000
2000
כך שהיא היתה בכל מקום.
03:34
And two tools helped bring the death rate down.
56
202000
4000
ושני כלים סייעו בצמצום התמותה.
03:38
One was killing the mosquitos with DDT.
57
206000
3000
האחד היה השמדת היתושים ב-DDT.
03:41
The other was treating the patients with quinine, or quinine derivatives.
58
209000
5000
השני - לטפל בחולים בכינין או בנגזרות של כינין
03:46
And so that's why the death rate did come down.
59
214000
4000
וזו הסיבה לירידה שיעור התמותה.
03:50
Now, ironically, what happened was
60
218000
3000
באופן אירוני, מה שקרה הוא,
03:53
it was eliminated from all the temperate zones,
61
221000
3000
שהמחלה חוסלה בכל האזור הממוזג,
03:56
which is where the rich countries are.
62
224000
1000
היכן ששוכנות הארצות העשירות.
03:57
So we can see: 1900, it's everywhere.
63
225000
2000
כך שאנו רואים שב-1900 היא בכל מקום.
03:59
1945, it's still most places.
64
227000
3000
ב-1945 היא עדיין במרבית המקומות.
04:03
1970, the U.S. and most of Europe have gotten rid of it.
65
231000
3000
ב-1970 - ארה"ב ורוב אירופה נפטרו ממנה.
04:06
1990, you've gotten most of the northern areas.
66
234000
3000
ב-1990 - ברוב האזורים הצפוניים.
04:09
And more recently you can see it's just around the equator.
67
237000
4000
ויותר לאחרונה רואים שהיא בערך סביב קו-המשווה.
04:15
And so this leads to the paradox that
68
243000
4000
כך שזה יוצר פרדוקס,
04:19
because the disease is only in the poorer countries,
69
247000
2000
שמכיוון שהמחלה נמצאת רק בארצות העניות יותר,
04:21
it doesn't get much investment.
70
249000
3000
לא משקיעים בה הרבה.
04:25
For example, there's more money put into baldness drugs
71
253000
4000
לדוגמה, משקיעים יותר כסף בתרופות נגד-התקרחות
04:29
than are put into malaria.
72
257000
2000
מאשר במלריה.
04:32
Now, baldness, it's a terrible thing.
73
260000
3000
אז נכון שהתקרחות היא דבר נורא.
04:35
(Laughter)
74
263000
3000
[צחוק]
04:38
And rich men are afflicted.
75
266000
3000
והגברים העשירים הם אלה שסובלים ממנה.
04:41
And so that's why that priority has been set.
76
269000
5000
לכן זה מה שקבע את סדר-העדיפויות.
04:47
But, malaria --
77
275000
2000
אבל במלריה-
04:49
even the million deaths a year caused by malaria
78
277000
2000
אפילו מיליון המיתות הנגרמות בשנה ע"י המלריה
04:51
greatly understate its impact.
79
279000
2000
כלל לא ממחישות את השפעתה.
04:53
Over 200 million people at any one time are suffering from it.
80
281000
3000
מעל 200 מיליון בני-אדם סובלים ממנה בכל רגע נתון.
04:56
It means that you can't get the economies in these areas going
81
284000
5000
זה אומר שאי-אפשר להניע את הכלכלה באזורים אלה
05:01
because it just holds things back so much.
82
289000
3000
מפני שעד כדי כך זה מעכב הכל.
05:04
Now, malaria is of course transmitted by mosquitos.
83
292000
4000
וכמובן שמלריה מועברת ע"י יתושים.
05:08
I brought some here, just so you could experience this.
84
296000
5000
הבאתי כמה לכאן, רק כדי שתוכלו לחוות זאת.
05:13
We'll let those roam around the auditorium a little bit.
85
301000
4000
נניח להם להתסתובב קצת באולם.
05:17
(Laughter)
86
305000
3000
[צחוק]
05:20
There's no reason only poor people should have the experience.
87
308000
3000
אין כל סיבה שרק העניים יחוו זאת.
05:23
(Laughter) (Applause)
88
311000
7000
[צחוק, מחיאות כפיים]
05:30
Those mosquitos are not infected.
89
318000
3000
יתושים אלה אינם נגועים.
05:35
So we've come up with a few new things. We've got bed nets.
90
323000
4000
אז יש לנו כמה דברים חדשים. יש לנו כילות.
05:39
And bed nets are a great tool.
91
327000
3000
כילה היא כלי נפלא.
05:42
What it means is the mother and child stay under the bed net at night,
92
330000
3000
זה אומר שהאם וילדיה נשארים מתחת לכילה בלילה,
05:45
so the mosquitos that bite late at night can't get at them.
93
333000
5000
כך שהיתושים שעוקצים מאוחר בלילה לא מגיעים אליהם.
05:50
And when you use indoor spraying with DDT
94
338000
5000
וכשמרססים בתוך הבית ב-DDT,
05:55
and those nets
95
343000
1000
ומשתמשים גם בכילות,
05:56
you can cut deaths by over 50 percent.
96
344000
3000
ניתן לצמצם את התמותה ביותר מ-50 אחוז.
05:59
And that's happened now in a number of countries.
97
347000
3000
וזה קורה עכשיו במספר ארצות.
06:02
It's great to see.
98
350000
2000
נהדר לראות את זה.
06:04
But we have to be careful because malaria --
99
352000
3000
אך עלינו להיזהר כי במלריה-
06:07
the parasite evolves and the mosquito evolves.
100
355000
5000
הטפילים מתפתחים, וגם היתושים מתפתחים.
06:12
So every tool that we've ever had in the past has eventually become ineffective.
101
360000
4000
כך שכל כלי שהיה לנו בעבר נעשה לבסוף לא-יעיל.
06:16
And so you end up with two choices.
102
364000
3000
ובסופו של דבר יש שתי ברירות.
06:19
If you go into a country with the right tools and the right way,
103
367000
4000
אם הולכים למדינה כלשהי עם הכלים הנכונים והגישה הנכונה,
06:23
you do it vigorously,
104
371000
3000
ועושים זאת בנחישות,
06:26
you can actually get a local eradication.
105
374000
3000
ניתן באמת להשיג הכחדה מקומית.
06:29
And that's where we saw the malaria map shrinking.
106
377000
2000
כך זכינו לראות את מפת המלריה מתכווצת.
06:31
Or, if you go in kind of half-heartedly,
107
379000
3000
או, אם הולכים בחוסר נחישות,
06:34
for a period of time you'll reduce the disease burden,
108
382000
3000
מפחיתים לזמן-מה את עומס המחלה,
06:37
but eventually those tools will become ineffective,
109
385000
4000
אך בסופו של דבר כלים אלה יאבדו את יעילותם,
06:41
and the death rate will soar back up again.
110
389000
3000
ושיעור התמותה ינסוק שוב.
06:44
And the world has gone through this where it paid attention and then didn't pay attention.
111
392000
5000
והעולם עבר זאת: הקדיש תשומת-לב, ואחר כבר הפסיק להקדיש תשומת לב.
06:49
Now we're on the upswing.
112
397000
2000
כעת אנחנו נמצאים בתנועה למעלה.
06:51
Bed net funding is up.
113
399000
3000
המימון לרכישת כילות נמצא בעלייה.
06:54
There's new drug discovery going on.
114
402000
3000
מגלים כיום תרופות חדשות.
06:57
Our foundation has backed a vaccine that's going into phase three trial
115
405000
4000
הקרן שלנו תמכה בפיתוח חיסון שנכנס לשלב השלישי של הניסויים,
07:01
that starts in a couple months.
116
409000
1000
שיתחילו בעוד כחודשיים,
07:02
And that should save over two thirds of the lives if it's effective.
117
410000
3000
ושיציל מעל שני-שלישים מכל הנפשות, אם יתגלה כיעיל.
07:05
So we're going to have these new tools.
118
413000
3000
כך שיהיו לנו הכלים החדשים הללו.
07:08
But that alone doesn't give us the road map.
119
416000
3000
אך זה לבדו לא נותן לנו את מפת-הדרכים.
07:11
Because the road map to get rid of this disease
120
419000
3000
כי מפת-הדרכים להיפטרות מהמחלה
07:14
involves many things.
121
422000
2000
כרוכה בדברים רבים.
07:16
It involves communicators to keep the funding high,
122
424000
3000
נחוצים אנשי-תקשורת שישמרו על גובה המימון,
07:19
to keep the visibility high,
123
427000
2000
שישמרו על שקיפות,
07:21
to tell the success stories.
124
429000
2000
שיספרו את סיפורי ההצלחה.
07:23
It involves social scientists,
125
431000
2000
נחוצים אנשי מדעי-החברה כדי שנדע
07:25
so we know how to get not just 70 percent of the people to use the bed nets,
126
433000
3000
איך להגיע למצב שלא רק 70 אחוז מהאנשים ישתמשו בכילות,
07:28
but 90 percent.
127
436000
2000
אלא 90 אחוז.
07:30
We need mathematicians to come in and simulate this,
128
438000
3000
אנו זקוקים למתמטיקאים שיתגייסו ויבצעו הדמיות,
07:33
to do Monte Carlo things to understand how these tools combine and work together.
129
441000
6000
וישתמשו בשיטת מונטה-קרלו, שנבין איך כלים אלה משתלבים ופועלים יחד.
07:39
Of course we need drug companies to give us their expertise.
130
447000
3000
ומובן שצריך שחברות התרופות יתנו את מומחיותן,
07:42
We need rich-world governments to be very generous in providing aid for these things.
131
450000
5000
שממשלות העולם העשיר יהיו נדיבות מאד בסיוע לכל אלה.
07:47
And so as these elements come together,
132
455000
3000
וככל שהגורמים האלה מצטברים,
07:50
I'm quite optimistic
133
458000
3000
אני אופטימי למדי
07:53
that we will be able to eradicate malaria.
134
461000
3000
שנוכל לחסל את המלריה.
07:57
Now let me turn to a second question,
135
465000
3000
כעת אפנה לשאלה השניה,
08:00
a fairly different question, but I'd say equally important.
136
468000
3000
שאלה שונה למדי, אך הייתי אומר חשובה באותה מידה.
08:04
And this is: How do you make a teacher great?
137
472000
3000
והיא: איך יוצרים מורים מעולים?
08:07
It seems like the kind of question that people would spend a lot of time on,
138
475000
5000
זו נראית שאלה מהסוג שמעניין אנשים רבים,
08:12
and we'd understand very well.
139
480000
3000
ושאנו מבינים היטב.
08:15
And the answer is, really, that we don't.
140
483000
3000
והתשובה היא, שזה לא באמת כך.
08:19
Let's start with why this is important.
141
487000
3000
הבה נתחיל בשאלה מדוע זה חשוב.
08:22
Well, all of us here, I'll bet, had some great teachers.
142
490000
4000
לכולנו כאן, אני מניח, היו כמה מורים מעולים.
08:26
We all had a wonderful education.
143
494000
3000
כולנו קיבלנו חינוך נפלא.
08:29
That's part of the reason we're here today,
144
497000
3000
זה חלק מהסיבה לכך שאנו נמצאים כאן היום,
08:32
part of the reason we're successful.
145
500000
2000
חלק מהסיבה לכך שאנו מצליחים.
08:34
I can say that, even though I'm a college drop-out.
146
502000
3000
למרות שלא סיימתי קולג', אני יכול לומר
08:37
I had great teachers.
147
505000
3000
שהיו לי מורים מעולים.
08:40
In fact, in the United States, the teaching system has worked fairly well.
148
508000
5000
למעשה, בארה"ב שיטת ההוראה פועלת טוב למדי.
08:45
There are fairly effective teachers in a narrow set of places.
149
513000
5000
יש מורים יעילים למדי במערך צר של מקומות.
08:50
So the top 20 percent of students have gotten a good education.
150
518000
3000
כך ש-20% מהתלמידים הטובים ביותר זכו לחינוך טוב,
08:53
And those top 20 percent have been the best in the world,
151
521000
4000
ואותם 20% טובים ביותר נעשו לטובים בעולם,
08:57
if you measure them against the other top 20 percent.
152
525000
3000
אם משווים אותם ל-20% הטובים ביותר האחרים.
09:00
And they've gone on to create the revolutions in software and biotechnology
153
528000
5000
והם יצרו את מהפכות התוכנה והביו-טכנולוגיה
09:05
and keep the U.S. at the forefront.
154
533000
3000
והם מחזיקים את ארה"ב בחזית.
09:09
Now, the strength for those top 20 percent
155
537000
3000
כוחם של ה-20% הטובים ביותר האלה
09:12
is starting to fade on a relative basis,
156
540000
3000
מתחיל להתפוגג מבחינה יחסית,
09:15
but even more concerning is the education that the balance of people are getting.
157
543000
6000
אך מדאיג יותר הוא החינוך שיתר האנשים מקבלים.
09:21
Not only has that been weak. it's getting weaker.
158
549000
5000
לא די שהוא היה עלוב, הוא אף נעשה עלוב יותר.
09:26
And if you look at the economy, it really is only providing opportunities now
159
554000
4000
ואם מתבוננים בכלכלה, היא באמת רק מספקת הזדמנויות
09:30
to people with a better education.
160
558000
3000
לאנשים בעלי השכלה טובה יותר.
09:33
And we have to change this.
161
561000
3000
ועלינו לשנות זאת.
09:36
We have to change it so that people have equal opportunity.
162
564000
3000
עלינו לשנות זאת כדי שאנשים יזכו בהזדמנות שווה.
09:39
We have to change it so that the country is strong
163
567000
3000
עלינו לשנות זאת כדי שהמדינה תהיה חזקה
09:42
and stays at the forefront
164
570000
2000
ותישאר בחזית הדברים
09:44
of things that are driven by advanced education,
165
572000
3000
שמונעים ע"י חינוך מתקדם,
09:47
like science and mathematics.
166
575000
2000
כמו מדעים ומתמטיקה.
09:49
When I first learned the statistics,
167
577000
3000
כשלמדתי לראשונה את הנתונים
09:52
I was pretty stunned at how bad things are.
168
580000
3000
הייתי די המום מכמה שהמצב גרוע.
09:55
Over 30 percent of kids never finish high school.
169
583000
3000
מעל 30% מהילדים לא מסיימים תיכון.
09:58
And that had been covered up for a long time
170
586000
3000
וזה הוסתר במשך זמן רב
10:01
because they always took the dropout rate as the number
171
589000
3000
כי תמיד חישבו את שיעור הנשירה, כהפרש
10:04
who started in senior year and compared it to the number who finished senior year.
172
592000
5000
בין מי שהתחילו את השנה האחרונה ואלה שסיימו אותה,
10:09
Because they weren't tracking where the kids were before that.
173
597000
2000
כי לא ניהלו מעקב היכן היו הילדים לפני כן.
10:11
But most of the dropouts had taken place before that.
174
599000
3000
אך רוב הנשירה אירעה לפני כן.
10:14
They had to raise the stated dropout rate
175
602000
3000
הם נאלצו להעלות את שיעור הנשירה המוצהר
10:17
as soon as that tracking was done
176
605000
2000
מיד לאחר מעקב זה
10:19
to over 30 percent.
177
607000
2000
ליותר משלושים אחוז.
10:21
For minority kids, it's over 50 percent.
178
609000
3000
בקרב ילדי מיעוטים, זה מעל חמישים אחוז.
10:25
And even if you graduate from high school,
179
613000
3000
וגם אם אתם מסיימים תיכון,
10:28
if you're low-income,
180
616000
3000
ואתם בעלי הכנסה נמוכה,
10:31
you have less than a 25 percent chance of ever completing a college degree.
181
619000
4000
יש לכם פחות מ-25% סיכוי לסיים את הקולג' עם תואר.
10:35
If you're low-income in the United States,
182
623000
5000
אם אתם בעלי הכנסה נמוכה בארה"ב,
10:40
you have a higher chance of going to jail
183
628000
4000
יש לכם סיכוי גבוה יותר להגיע לכלא
10:44
than you do of getting a four-year degree.
184
632000
2000
מאשר לסיים 4 שנות קולג' עם תואר.
10:46
And that doesn't seem entirely fair.
185
634000
3000
וזה לא לגמרי הוגן.
10:49
So, how do you make education better?
186
637000
3000
אז איך משפרים את החינוך?
10:52
Now, our foundation, for the last nine years, has invested in this.
187
640000
4000
הקרן שלנו השקיעה בכך בתשע השנים האחרונות.
10:56
There's many people working on it.
188
644000
3000
יש אנשים רבים שעובדים על זה.
10:59
We've worked on small schools,
189
647000
3000
עבדנו בבתי-ספר קטנים,
11:02
we've funded scholarships,
190
650000
2000
מימנו מלגות,
11:04
we've done things in libraries.
191
652000
2000
עשינו דברים בספריות.
11:06
A lot of these things had a good effect.
192
654000
2000
לדברים רבים מאלה היתה השפעה טובה.
11:08
But the more we looked at it, the more we realized that having great teachers
193
656000
3000
אך ככל שבדקנו זאת, הבנו שהמורים המעולים
11:11
was the very key thing.
194
659000
3000
הם המפתח.
11:14
And we hooked up with some people studying
195
662000
3000
יצרנו קשר עם כמה אנשים שחוקרים
11:17
how much variation is there between teachers,
196
665000
3000
את השונות בין המורים.
11:20
between, say, the top quartile -- the very best --
197
668000
3000
נניח, בין הרבעון העליון - הכי טובים -
11:23
and the bottom quartile.
198
671000
2000
והרבעון התחתון.
11:25
How much variation is there within a school or between schools?
199
673000
3000
מהי השונות בתוך בית-הספר או בין בתי-ספר?
11:28
And the answer is that these variations are absolutely unbelievable.
200
676000
4000
והתשובה היא שהשונות בהחלט לא תיאמן.
11:33
A top quartile teacher will increase the performance of their class --
201
681000
5000
הרבעון העליון של המורים יגדיל את ביצועי הכיתה,
11:38
based on test scores --
202
686000
3000
על סמך ציוני מבחנים,
11:41
by over 10 percent in a single year.
203
689000
2000
ביותר מ-10% בשנה אחת.
11:43
What does that mean?
204
691000
1000
מה זה אומר?
11:44
That means that if the entire U.S., for two years,
205
692000
3000
זה אומר שאם בכל ארה"ב, במשך שנתיים,
11:47
had top quartile teachers,
206
695000
3000
יהיו מורי רבעון עליון,
11:50
the entire difference between us and Asia would go away.
207
698000
4000
כל הפער בינינו לבין אסיה ייעלם.
11:54
Within four years we would be blowing everyone in the world away.
208
702000
6000
בתוך ארבע שנים נדהים את כל העולם.
12:00
So, it's simple. All you need are those top quartile teachers.
209
708000
3000
אז זה פשוט. צריך רק את אותם מורי רבעון עליון.
12:05
And so you'd say, "Wow, we should reward those people.
210
713000
4000
ודאי תאמרו, "וואו, עלינו לגמול לאנשים אלה.
12:09
We should retain those people.
211
717000
3000
עלינו לשמור על אנשים אלה.
12:12
We should find out what they're doing and transfer that skill to other people."
212
720000
3000
לגלות את הסוד שלהם ולהעביר מיומנות זו לאחרים."
12:15
But I can tell you that absolutely is not happening today.
213
723000
5000
אך ביכולתי לומר לכם שכיום זה בכלל לא קורה.
12:20
What are the characteristics of this top quartile?
214
728000
3000
מהם מאפייני הרבעון העליון הזה?
12:23
What do they look like?
215
731000
2000
איך הם נראים?
12:25
You might think these must be very senior teachers.
216
733000
3000
הייתם חושבים שהם ודאי מורים ותיקים מאד.
12:28
And the answer is no.
217
736000
2000
והתשובה היא לא.
12:30
Once somebody has taught for three years
218
738000
3000
מי שמלמד במשך שלוש שנים,
12:33
their teaching quality does not change thereafter.
219
741000
5000
איכות ההוראה שלו לא משתנה בהמשך.
12:38
The variation is very, very small.
220
746000
3000
השינוי הוא מאד מאד קטן.
12:41
You might think these are people with master's degrees.
221
749000
5000
הייתם חושבים שאלה אנשים בעלי תואר שני,
12:46
They've gone back and they've gotten their Master's of Education.
222
754000
3000
שהם המשיכו ללמוד והשיגו תואר M.A בחינוך.
12:49
This chart takes four different factors
223
757000
3000
התרשים הזה לוקח ארבעה גורמים נפרדים
12:52
and says how much do they explain teaching quality.
224
760000
3000
ומראה באיזו מידה הם מסבירים את איכות ההוראה.
12:55
That bottom thing, which says there's no effect at all,
225
763000
3000
הדבר הכי נמוך, מה שאומר שאין לו כלל השפעה,
12:58
is a master's degree.
226
766000
3000
הוא תואר M.A
13:02
Now, the way the pay system works is there's two things that are rewarded.
227
770000
4000
מערכת התגמול פועלת כך שמתוגמלים שני דברים.
13:06
One is seniority.
228
774000
2000
האחד הוא ותק.
13:08
Because your pay goes up and you vest into your pension.
229
776000
3000
השכר עולה ומשקיעים אותו בפנסיה.
13:11
The second is giving extra money to people who get their master's degree.
230
779000
3000
השני הוא תוספת שכר למי שהשיגו תואר M.A
13:14
But it in no way is associated with being a better teacher.
231
782000
3000
אך אין לכך שום קשר עם היותם מורים טובים יותר.
13:17
Teach for America: slight effect.
232
785000
3000
ללמד למען אמריקה: אפקט זעיר.
13:20
For math teachers majoring in math there's a measurable effect.
233
788000
4000
למורי מתמטיקה שזה מקצועם הראשי יש אפקט מדיד.
13:24
But, overwhelmingly, it's your past performance.
234
792000
5000
אך בצורה מוחצת, ביצועי העבר הם שקובעים.
13:29
There are some people who are very good at this.
235
797000
3000
יש אנשים שמאד טובים בכך.
13:32
And we've done almost nothing
236
800000
3000
ואנו כמעט לא עשינו דבר
13:35
to study what that is
237
803000
3000
כדי לחקור מהו סודם
13:38
and to draw it in and to replicate it,
238
806000
3000
להעתיקו מהם ולשכפלו,
13:41
to raise the average capability --
239
809000
3000
כדי להעלות את היכולת הממוצעת
13:44
or to encourage the people with it to stay in the system.
240
812000
3000
או לעודד את אלה שיש להם את זה להישאר במערכת.
13:47
You might say, "Do the good teachers stay and the bad teacher's leave?"
241
815000
3000
תשאלו: האם המורים הטובים נשארים והרעים עוזבים?
13:50
The answer is, on average, the slightly better teachers leave the system.
242
818000
3000
תשובה: בממוצע, המורים המעט יותר טובים עוזבים את המערכת
13:53
And it's a system with very high turnover.
243
821000
3000
וזו מערכת עם תחלופה רבה מאד.
13:57
Now, there are a few places -- very few -- where great teachers are being made.
244
825000
6000
יש מעט מקומות, מעט מאד מקומות, בהם מייצרים מורים מעולים.
14:03
A good example of one is a set of charter schools called KIPP.
245
831000
5000
דוגמה טובה לכך הוא מערך של בתי"ס שכורים בשם KIPP.
14:08
KIPP means Knowledge Is Power.
246
836000
3000
KIPP הם ראשי תיבות של 'ידע הוא כוח'.
14:11
It's an unbelievable thing.
247
839000
3000
זה דבר בלתי-יאומן.
14:14
They have 66 schools -- mostly middle schools, some high schools --
248
842000
3000
יש להם 66 בתי-ספר - הרוב חטיבת ביניים, כמה תיכונים -
14:17
and what goes on is great teaching.
249
845000
4000
ומתרחשת שם הוראה משובחת.
14:21
They take the poorest kids,
250
849000
3000
הם לוקחים את הילדים העניים ביותר,
14:24
and over 96 percent of their high school graduates go to four-year colleges.
251
852000
4000
ומעל 96% מבוגרי התיכונים שלהם ממשיכים ל-4 שנות קולג'.
14:28
And the whole spirit and attitude in those schools
252
856000
3000
וכל הרוח והגישה בבתי-ספר אלה
14:31
is very different than in the normal public schools.
253
859000
3000
שונים מאד מאשר בבתי-הספר הציבוריים הרגילים.
14:34
They're team teaching. They're constantly improving their teachers.
254
862000
4000
יש שם הוראת-צוות. הם משפרים בהתמדה את מוריהם.
14:38
They're taking data, the test scores,
255
866000
3000
הם לוקחים נתונים, את ציוני המבחנים,
14:41
and saying to a teacher, "Hey, you caused this amount of increase."
256
869000
3000
ואומרים למורה: "אתה הוא שהבאת לעלייה הזו."
14:44
They're deeply engaged in making teaching better.
257
872000
4000
הם עוסקים באופן מעמיק בשיפור ההוראה.
14:48
When you actually go and sit in one of these classrooms,
258
876000
3000
כשממש נכנסים ויושבים באחת הכיתות האלה,
14:51
at first it's very bizarre.
259
879000
3000
בהתחלה זה מאד מוזר.
14:54
I sat down and I thought, "What is going on?"
260
882000
3000
התיישבתי וחשבתי: מה קורה כאן?
14:57
The teacher was running around, and the energy level was high.
261
885000
3000
המורה התרוצצה סביב ורמת האנרגיה היתה גבוהה.
15:00
I thought, "I'm in the sports rally or something.
262
888000
3000
חשבתי לעצמי: "אני נמצא באיזו תחרות ספורט.
15:03
What's going on?"
263
891000
2000
מה קורה כאן?"
15:05
And the teacher was constantly scanning to see which kids weren't paying attention,
264
893000
3000
המורה כל הזמן בדקה לראות אם יש ילדים שאינם מרוכזים,
15:08
which kids were bored,
265
896000
2000
מי מהילדים משתעמם,
15:10
and calling kids rapidly, putting things up on the board.
266
898000
3000
היא קראה לילדים במהירות, העלתה דברים על הלוח.
15:13
It was a very dynamic environment,
267
901000
2000
זו היתה סביבה מאד דינמית,
15:15
because particularly in those middle school years -- fifth through eighth grade --
268
903000
3000
כי במיוחד בשנות הביניים, כיתות ה' עד ח',
15:18
keeping people engaged and setting the tone
269
906000
3000
לשמור על מעורבות הילדים ולהגדיר את האווירה,
15:21
that everybody in the classroom needs to pay attention,
270
909000
3000
שכל אחד בכיתה צריך להיות מרוכז,
15:24
nobody gets to make fun of it or have the position of the kid who doesn't want to be there.
271
912000
6000
איש לא עושה צחוק או תופס את תפקיד הילד שלא רוצה להיות שם
15:30
Everybody needs to be involved.
272
918000
2000
כולם צריכים להיות מעורבים.
15:32
And so KIPP is doing it.
273
920000
2000
כך ש-KIPP עושים זאת.
15:35
How does that compare to a normal school?
274
923000
3000
איך זה בהשוואה לבית-ספר רגיל?
15:38
Well, in a normal school, teachers aren't told how good they are.
275
926000
4000
בבית-ספר רגיל לא אומרים למורים כמה הם טובים.
15:42
The data isn't gathered.
276
930000
3000
לא אוספים נתונים.
15:45
In the teacher's contract,
277
933000
2000
החוזה של המורה
15:47
it will limit the number of times the principal can come into the classroom --
278
935000
4000
מגביל את מספר הפעמים שהמנהל יכול להיכנס לכיתה,
15:51
sometimes to once per year.
279
939000
2000
אפילו לפעם בשנה.
15:53
And they need advanced notice to do that.
280
941000
3000
והם עוד צריכים להודיע על כך מראש.
15:56
So imagine running a factory where you've got these workers,
281
944000
3000
תארו לעצמכם מפעל שבו העובדים,
15:59
some of them just making crap
282
947000
3000
שחלקם סתם מייצרים זבל,
16:02
and the management is told, "Hey, you can only come down here once a year,
283
950000
4000
אומרים למנהל: "מותר לך לבוא הנה רק פעם בשנה,
16:06
but you need to let us know, because we might actually fool you,
284
954000
2000
אך עליך להודיע לנו, כדי שנוכל לשטות בך,
16:08
and try and do a good job in that one brief moment."
285
956000
4000
ולעשות מלאכה טובה באותו רגע."
16:12
Even a teacher who wants to improve doesn't have the tools to do it.
286
960000
5000
אפילו אם המורים רוצים להשתפר, אין להם הכלים לכך.
16:17
They don't have the test scores,
287
965000
2000
אין להם ציוני המבחנים,
16:19
and there's a whole thing of trying to block the data.
288
967000
3000
ויש סיפור שלם של נסיון לחסום את הנתונים.
16:22
For example, New York passed a law
289
970000
3000
לדוגמה, ניו-יורק העבירה חוק
16:25
that said that the teacher improvement data could not be made available and used
290
973000
5000
לפיו נתוני השיפור של המורה לא יכולים להיות זמינים ואין לעשות בהם שימוש
16:30
in the tenure decision for the teachers.
291
978000
3000
כשיקול בהחלטה לגבי מתן קביעוּת למורים.
16:34
And so that's sort of working in the opposite direction.
292
982000
3000
כך שזו בעצם פעולה בכיוון ההפוך.
16:37
But I'm optimistic about this,
293
985000
2000
אך אני אופטימי בקשר לכך,
16:39
I think there are some clear things we can do.
294
987000
4000
לדעתי יש כמה דברים ברורים שעלינו לעשות.
16:43
First of all, there's a lot more testing going on,
295
991000
4000
ראשית, נעשות הרבה בדיקות,
16:47
and that's given us the picture of where we are.
296
995000
3000
והן נותנות לנו תמונה היכן אנו עומדים.
16:50
And that allows us to understand who's doing it well,
297
998000
4000
וזה מאפשר לנו להבין מי עושה זאת היטב,
16:54
and call them out, and find out what those techniques are.
298
1002000
3000
ולזמן אנשים אלה ולמצוא מה השיטות שלהם.
16:57
Of course, digital video is cheap now.
299
1005000
3000
וכמובן שוידאו דיגיטלי הוא זול היום.
17:00
Putting a few cameras in the classroom
300
1008000
2000
לשים כמה מצלמות בכיתות
17:02
and saying that things are being recorded on an ongoing basis
301
1010000
6000
ולקבוע שהכל יוקלט בצורה מתמדת
17:08
is very practical in all public schools.
302
1016000
2000
זה דבר מאד מעשי בכל בתי-הספר הציבוריים.
17:10
And so every few weeks teachers could sit down
303
1018000
3000
וכך כל כמה שבועות המורים יוכלו לשבת
17:13
and say, "OK, here's a little clip of something I thought I did well.
304
1021000
3000
ולומר: "הנה סרטון קטן על משהו שלדעתי עשיתי היטב.
17:16
Here's a little clip of something I think I did poorly.
305
1024000
3000
הנה סרטון קטן על משהו שלדעתי עשיתי גרוע.
17:19
Advise me -- when this kid acted up, how should I have dealt with that?"
306
1027000
3000
תייעצו לי. כשילד פעל כך, מה היה עלי לעשות?"
17:22
And they could all sit and work together on those problems.
307
1030000
4000
וכולם יכולים לשבת ולעבוד יחד על בעיות אלה.
17:26
You can take the very best teachers and kind of annotate it,
308
1034000
4000
אפשר לקחת את טובי המורים ואיכשהו לציין זאת,
17:30
have it so everyone sees who is the very best at teaching this stuff.
309
1038000
4000
כדי שכולם יראו מי הכי טוב בהוראת אותו חומר.
17:34
You can take those great courses and make them available
310
1042000
2000
אפשר להפוך קורסים נהדרים אלה לזמינים
17:36
so that a kid could go out and watch the physics course, learn from that.
311
1044000
5000
כך שהילד יוכל לצאת לקורס לפיזיקה וללמוד בו.
17:41
If you have a kid who's behind,
312
1049000
2000
אם יש לכם ילד שאינו עומד בקצב,
17:43
you would know you could assign them that video to watch and review the concept.
313
1051000
4000
תדעו שאפשר להטיל עליו לראות סרטון זה ולכתוב עליו.
17:47
And in fact, these free courses could not only be available just on the Internet,
314
1055000
4000
ובעצם, קורסים חופשיים אלה יכולים להיות זמינים
17:51
but you could make it so that DVDs were always available,
315
1059000
4000
לא רק באינטרנט, אלא שיהיו תמיד סרטי DVD זמינים,
17:55
and so anybody who has access to a DVD player can have the very best teachers.
316
1063000
7000
וכל מי שיש לו גישה לנגן DVD יזכה למיטב המורים.
18:02
And so by thinking of this as a personnel system,
317
1070000
5000
אז אם נחשוב על כך כעל מערכת של אנשי-סגל,
18:07
we can do it much better.
318
1075000
2000
נוכל לשפר אותה בהרבה.
18:09
Now there's a book actually, about KIPP --
319
1077000
2000
למעשה יש ספר אודות KIPP,
18:11
the place that this is going on --
320
1079000
2000
היכן שכל זה קורה,
18:13
that Jay Matthews, a news reporter, wrote -- called, "Work Hard, Be Nice."
321
1081000
5000
מאת ג'יי מתיוס, עיתונאי, שם הספר: "עבוד קשה ותהיה נחמד."
18:18
And I thought it was so fantastic.
322
1086000
2000
ואני חשבתי שהוא כל כך נפלא.
18:20
It gave you a sense of what a good teacher does.
323
1088000
4000
הוא נותן לכם מושג מה עושים המורים הטובים.
18:24
I'm going to send everyone here a free copy of this book.
324
1092000
3000
אני אשלח לכל אחד כאן עותק של הספר בחינם.
18:27
(Applause)
325
1095000
5000
[מחיאות כפיים]
18:32
Now, we put a lot of money into education,
326
1100000
3000
אנו משקיעים המון כסף בחינוך.
18:35
and I really think that education is the most important thing to get right
327
1103000
6000
ואני באמת חושב שהחינוך הוא הדבר שהכי חשוב לתקן
18:41
for the country to have as strong a future as it should have.
328
1109000
5000
כדי שלארץ זו יהיה עתיד חזק, כפי שהיא ראויה לו.
18:46
In fact we have in the stimulus bill -- it's interesting --
329
1114000
2000
למעשה יש לנו חוק-תמריץ - זה מעניין
18:48
the House version actually had money in it for these data systems,
330
1116000
3000
בגירסת בית-הנבחרים הוקצב בו כסף למערכות מידע אלה,
18:51
and it was taken out in the Senate
331
1119000
2000
וזה הוצא ממנו ע"י הסנאט,
18:53
because there are people who are threatened by these things.
332
1121000
3000
כי אלה אנשים שחשים מאוימים ע"י דברים כאלה.
18:56
But I -- I'm optimistic.
333
1124000
2000
אך אני אופטימי.
18:58
I think people are beginning to recognize how important this is,
334
1126000
4000
אני חושב שאנשים מתחילים לתפוס כמה זה חשוב,
19:02
and it really can make a difference for millions of lives, if we get it right.
335
1130000
7000
ועשוי באמת להיות משמעותי למליוני נפשות, אם נעשה זאת היטב.
19:09
I only had time to frame those two problems.
336
1137000
3000
היה לי זמן להציג רק את שתי הבעיות האלה.
19:12
There's a lot more problems like that --
337
1140000
2000
יש עוד בעיות רבות כאלה:
19:14
AIDS, pneumonia -- I can just see you're getting excited,
338
1142000
4000
איידס, דלקת-ריאות - אני רואה כמה אתם מתרגשים,
19:18
just at the very name of these things.
339
1146000
3000
רק מעצם ציון שמות הדברים האלה.
19:21
And the skill sets required to tackle these things are very broad.
340
1149000
5000
ומערכי הכישורים הנחוצים לטיפול בהם רחבים מאד.
19:26
You know, the system doesn't naturally make it happen.
341
1154000
3000
אתם יודעים, המערכת מטבעה לא גורמת לכך לקרות.
19:29
Governments don't naturally pick these things in the right way.
342
1157000
5000
הממשלות, מטבען, לא מטפלות היטב בדברים אלה.
19:34
The private sector doesn't naturally put its resources into these things.
343
1162000
4000
הסקטור הפרטי, מטבעו, לא מפנה משאבים לדברים אלה.
19:38
So it's going to take brilliant people like you
344
1166000
3000
כך שנחוצים אנשים מבריקים כמוכם
19:41
to study these things, get other people involved --
345
1169000
3000
ללמוד דברים אלה, לערב אנשים נוספים
19:44
and you're helping to come up with solutions.
346
1172000
3000
ונחוצה עזרתכם במציאת פתרונות.
19:47
And with that, I think there's some great things that will come out of it.
347
1175000
3000
ובאופן זה ייצאו מכך לדעתי כמה דברים נהדרים.
19:50
Thank you.
348
1178000
2000
תודה רבה.
19:52
(Applause)
349
1180000
18000
[מחיאות כפיים]
ABOUT THE SPEAKER
Bill Gates - PhilanthropistA passionate techie and a shrewd businessman, Bill Gates changed the world while leading Microsoft to dizzying success. Now he's doing it again with his own style of philanthropy and passion for innovation.
Why you should listen
Bill Gates is the founder and former CEO of Microsoft. A geek icon, tech visionary and business trailblazer, Gates' leadership -- fueled by his long-held dream that millions might realize their potential through great software -- made Microsoft a personal computing powerhouse and a trendsetter in the Internet dawn. Whether you're a suit, chef, quant, artist, media maven, nurse or gamer, you've probably used a Microsoft product today.
In summer of 2008, Gates left his day-to-day role with Microsoft to focus on philanthropy. Holding that all lives have equal value (no matter where they're being lived), the Bill and Melinda Gates Foundation has now donated staggering sums to HIV/AIDS programs, libraries, agriculture research and disaster relief -- and offered vital guidance and creative funding to programs in global health and education. Gates believes his tech-centric strategy for giving will prove the killer app of planet Earth's next big upgrade.
Read a collection of Bill and Melinda Gates' annual letters, where they take stock of the Gates Foundation and the world. And follow his ongoing thinking on his personal website, The Gates Notes. His new paper, "The Next Epidemic," is published by the New England Journal of Medicine.
Bill Gates | Speaker | TED.com