TEDGlobal 2012
Beau Lotto + Amy O'Toole: Science is for everyone, kids included
Beau Lotto + Amy O’Toole: La scienza è per tutti, bambini compresi.
Filmed:
Readability: 3.5
1,504,898 views
Che cos'hanno in comune la scienza e il gioco? Il neuroscienziato Beau Lotto ritiene che tutti (bambini compresi) debbano poter fare scienza e, tramite il processo della scoperta, modificare le percezioni. È affiancato dalla dodicenne Amy O'Toole, che, insieme a 25 compagni di classe, ha pubblicato il primo articolo peer-review scritto da bambini delle elementari, sul progetto delle api di Blackawton. Inizia così: "C'era una volta..."
Beau Lotto - Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bioAmy O'Toole - Student
Amy O'Toole is a 12-year-old student who helped run a science experiment inspired by Beau Lotto's participative science approach. At age 10 she became one of the youngest people ever to publish a peer-reviewed science paper. Full bio
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bioAmy O'Toole - Student
Amy O'Toole is a 12-year-old student who helped run a science experiment inspired by Beau Lotto's participative science approach. At age 10 she became one of the youngest people ever to publish a peer-reviewed science paper. Full bio
Double-click the English transcript below to play the video.
00:17
Beau Lotto: So, this game is very simple.
0
1487
2169
Beau Lotto: Questo gioco è semplicissimo.
00:19
All you have to do is read what you see. Right?
1
3656
4047
Dovete leggere quello che vedete. Ok?
00:23
So, I'm going to count to you, so we don't all do it together.
2
7703
3201
Conterò per voi, così non dobbiamo farlo tutti.
00:26
Okay, one, two, three.Audience: Can you read this?
3
10904
2499
Uno, due, tre. Pubblico: "Can you read this?"
00:29
BL: Amazing. What about this one? One, two, three.Audience: You are not reading this.
4
13403
4379
BL: Fantastico. E questo? Uno, due, tre. Pubblico: "You are not reading this."
00:33
BL: All right. One, two, three. (Laughter)
5
17782
5316
BL: Molto bene. Uno, due, tre. (Risate)
00:38
If you were Portuguese, right? How about this one? One, two, three.
6
23098
4797
Se foste portoghesi. E questo? Uno, due, tre.
00:43
Audience: What are you reading?
7
27895
1978
Pubblico: "What are you reading?"
00:45
BL: What are you reading? There are no words there.
8
29873
3458
BL: "What are you reading?" Non ci sono parole, lì.
00:49
I said, read what you're seeing. Right?
9
33331
2537
Vi ho detto di leggere quello che vedete. Giusto?
00:51
It literally says, "Wat ar ou rea in?" (Laughter) Right?
10
35868
3850
Alla lettera dice: "Wat ar ou rea in?" (Risate) Giusto?
00:55
That's what you should have said. Right? Why is this?
11
39718
3828
Ecco cosa dovevate dire. Giusto? Perché?
00:59
It's because perception is grounded in our experience.
12
43546
3536
Perché la percezione è radicata nella nostra esperienza.
01:02
Right? The brain takes meaningless information
13
47082
2897
La mente prende informazioni prive di senso
01:05
and makes meaning out of it, which means we never see
14
49979
2959
e dà loro un senso; non vediamo mai
01:08
what's there, we never see information,
15
52938
2256
quello che c'è, non vediamo mai l'informazione
01:11
we only ever see what was useful to see in the past.
16
55194
3275
vediamo solo quello che era utile vedere nel passato.
01:14
All right? Which means, when it comes to perception,
17
58469
2736
Questo significa che, quando si tratta di percezioni,
01:17
we're all like this frog.
18
61205
6795
siamo tutti come questa rana.
01:23
(Laughter)
19
68000
912
(Risate)
01:24
Right? It's getting information. It's generating behavior
20
68912
3395
Raccoglie informazioni. Genera un comportamento
01:28
that's useful. (Laughter)
21
72307
4468
che è utile. (Risate)
01:32
(Laughter)
22
76775
7032
(Risate)
01:39
(Video) Man: Ow! Ow! (Laughter) (Applause)
23
83807
5982
(Video) Uomo: Ah! (Risate) (Applausi)
01:45
BL: And sometimes, when things don't go our way,
24
89789
2712
BL: A volte, quando le cose non vanno come vogliamo,
01:48
we get a little bit annoyed, right?
25
92501
2259
un po' ci infastidisce, no?
01:50
But we're talking about perception here, right?
26
94760
2730
Ma qui si parla di percezioni, o no?
01:53
And perception underpins everything we think, we know,
27
97490
4365
Sulle percezioni si fonda tutto ciò che pensiamo, sappiamo,
01:57
we believe, our hopes, our dreams, the clothes we wear,
28
101855
2871
crediamo, le speranze, i sogni, ciò che indossiamo,
02:00
falling in love, everything begins with perception.
29
104726
3743
innamorarci, tutto inizia con le percezioni.
02:04
Now if perception is grounded in our history, it means
30
108469
2945
Se le percezioni sono radicate nella nostra storia, significa
02:07
we're only ever responding according to what we've done before.
31
111414
3459
che noi reagiamo solo in base a cosa abbiamo già fatto.
02:10
But actually, it's a tremendous problem,
32
114873
3076
Ma in realtà è un problema tremendo,
02:13
because how can we ever see differently?
33
117949
3617
perché come si fa a vedere le cose diversamente?
02:17
Now, I want to tell you a story about seeing differently,
34
121566
4063
Voglio raccontarvi una storia su come vedere diversamente le cose,
02:21
and all new perceptions begin in the same way.
35
125629
3988
e su come tutte le nuove percezioni iniziano allo stesso modo.
02:25
They begin with a question.
36
129617
2582
Iniziano con una domanda.
02:28
The problem with questions is they create uncertainty.
37
132199
3238
Il problema delle domande è che creano incertezza.
02:31
Now, uncertainty is a very bad thing. It's evolutionarily
38
135437
2729
L'incertezza è una brutta cosa. È evolutivamente
02:34
a bad thing. If you're not sure that's a predator, it's too late.
39
138166
3601
una brutta cosa. Se non sei sicuro che quello lì è un predatore, è troppo tardi.
02:37
Okay? (Laughter)
40
141767
1360
Ok? (Risate)
02:39
Even seasickness is a consequence of uncertainty.
41
143127
3160
Anche il mal di mare è conseguenza dell'incertezza.
02:42
Right? If you go down below on a boat, your inner ears
42
146287
2252
Se scendete sottocoperta, l'orecchio interno
02:44
are you telling you you're moving. Your eyes, because
43
148539
2176
vi dice che vi state muovendo. Gli occhi,
02:46
it's moving in register with the boat, say I'm standing still.
44
150715
2316
che si muovono insieme alla barca, mi dicono che sono fermo.
02:48
Your brain cannot deal with the uncertainty of that information, and it gets ill.
45
153031
4655
La mente non riesce a gestire l'incertezza di quella infomazione, e sta male.
02:53
The question "why?" is one of the most dangerous things you can do,
46
157686
3929
Chiedersi "Perché?" è una delle cose più pericolose che potete fare,
02:57
because it takes you into uncertainty.
47
161615
2992
poiché vi trasporta nell'incertezza.
03:00
And yet, the irony is, the only way we can ever
48
164607
2879
Eppure, l'ironia è che l'unico modo in cui possiamo
03:03
do anything new is to step into that space.
49
167486
3536
fare qualcosa di nuovo è avventurarci in quello spazio.
03:06
So how can we ever do anything new? Well fortunately,
50
171022
3224
Allora come potremo mai fare qualcosa di nuovo?
03:10
evolution has given us an answer, right?
51
174246
3584
Per fortuns l'evoluzione ci ha dato una risposta, no?
03:13
And it enables us to address even the most difficult
52
177830
3595
E ci permette di affrontare anche le domande
03:17
of questions. The best questions are the ones that create the most uncertainty.
53
181425
4679
più difficili. Le domande migliori sono quelle che creano più incertezza.
03:22
They're the ones that question the things we think to be true already. Right?
54
186104
3956
Sono proprio quelle che mettono in dubbio le cose che diamo per vere. Giusto?
03:25
It's easy to ask questions about how did life begin,
55
190060
1989
È facile fare domande su come la vita ha avuto inizio,
03:27
or what extends beyond the universe, but to question what you think to be true already
56
192049
3308
su cosa c'è oltre l'universo, ma mettere in dubbio quello che date per vero
03:31
is really stepping into that space.
57
195357
3001
è davvero avventurarsi in quello spazio.
03:34
So what is evolution's answer to the problem of uncertainty?
58
198358
4810
Quindi qual è la risposta dell'evoluzione al problema dell'incertezza?
03:39
It's play.
59
203168
1773
È il gioco.
03:40
Now play is not simply a process. Experts in play will tell you
60
204941
4193
Il gioco non è soltanto un processo. Gli esperti vi diranno
03:45
that actually it's a way of being.
61
209134
2615
che è proprio un modo di essere.
03:47
Play is one of the only human endeavors where uncertainty
62
211749
2891
Il gioco è una delle uniche attività umane dove l'incertezza
03:50
is actually celebrated. Uncertainty is what makes play fun.
63
214640
4326
viene invece celebrata. L'incertezza è ciò che rende il gioco divertente.
03:54
Right? It's adaptable to change. Right? It opens possibility,
64
218966
4275
Si adatta ai cambiamenti. Apre alle possibilità,
03:59
and it's cooperative. It's actually how we do our social bonding,
65
223241
4109
e alla cooperazione. È così che creiamo le nostre relazioni sociali,
04:03
and it's intrinsically motivated. What that means
66
227350
1726
ed ha una motivazione intrinseca. Ciò significa che
04:04
is that we play to play. Play is its own reward.
67
229076
4606
giochiamo per giocare. Il gioco è ricompensa di se stesso.
04:09
Now if you look at these five ways of being,
68
233682
3891
Se ora guardiamo questi cinque modi di essere,
04:13
these are the exact same ways of being you need
69
237573
2721
sono proprio gli stessi modi di essere necessari
04:16
in order to be a good scientist.
70
240294
2036
per essere un bravo scienziato.
04:18
Science is not defined by the method section of a paper.
71
242330
3027
La scienza non è definita dalla sezione materiali e metodi di un articolo.
04:21
It's actually a way of being, which is here, and this is true
72
245357
3140
È in realtà un modo di essere, questo, valido per
04:24
for anything that is creative.
73
248497
2653
tutto ciò che è creativo.
04:27
So if you add rules to play, you have a game.
74
251150
4203
Se aggiungiamo regole mentre giochiamo, otteniamo un vero gioco.
04:31
That's actually what an experiment is.
75
255353
2790
È così che funzionano gli esperimenti.
04:34
So armed with these two ideas,
76
258143
1919
Armati di queste due idee,
04:35
that science is a way of being and experiments are play,
77
260062
4322
che la scienza è un modo di essere e che gli esperimenti sono un gioco,
04:40
we asked, can anyone become a scientist?
78
264384
3453
ci siamo chiesti, possiamo tutti diventare scienziati?
04:43
And who better to ask than 25 eight- to 10-year-old children?
79
267837
3500
E a chi chiederlo se non a 25 bambini dagli 8 ai 10 anni?
04:47
Because they're experts in play. So I took my bee arena
80
271337
3507
Loro sono gli esperti. Così ho portato la mia teca delle api
04:50
down to a small school in Devon, and the aim of this
81
274844
3547
in una piccola scuola nel Devon, e lo scopo era
04:54
was to not just get the kids to see science differently,
82
278391
4244
non solo far vedere diversamente la scienza ai bambini,
04:58
but, through the process of science, to see themselves differently. Right?
83
282635
4598
ma, tramite il processo scientifico, vedere diversamente se stessi. Ok?
05:03
The first step was to ask a question.
84
287233
3408
Il primo passo è stato fare una domanda.
05:06
Now, I should say that we didn't get funding for this study
85
290641
2880
Ora, va detto che non ci sono stati finanziamenti per questo studio
05:09
because the scientists said small children couldn't make
86
293521
3330
perché gli scienziati hanno detto che i bambini non potevano dare
05:12
a useful contribution to science, and the teachers said kids couldn't do it.
87
296851
4302
un contribuito significativo alla scienza, e gli insegnanti che non erano in grado di farlo.
05:17
So we did it anyway. Right? Of course.
88
301153
3734
Allora l'abbiamo fatto lo stesso. Ovviamente.
05:20
So, here are some of the questions. I put them in small print
89
304887
2819
Queste sono alcune delle domande. Le ho scritte in piccolo
05:23
so you wouldn't bother reading it. Point is that five of the questions that the kids came up with
90
307706
4440
così non vi disturbate a leggerle. Il punto è che cinque tra le domande poste dai bambini
05:28
were actually the basis of science publication the last five to 15 years. Right?
91
312146
4618
erano in realtà alla base delle pubblicazioni scientifiche degli ultimi 5 -15 anni.
05:32
So they were asking questions that were significant
92
316764
2660
Dunque hanno posto domande che sono significative
05:35
to expert scientists.
93
319424
2130
per scienziati esperti.
05:37
Now here, I want to share the stage with someone quite special. Right?
94
321554
4134
Adesso voglio condividere il palco con una persona molto speciale.
05:41
She was one of the young people who was involved in this study,
95
325688
2612
Lei era una dei bambini coinvolti nello studio,
05:44
and she's now one of the youngest published scientists
96
328300
2334
e adesso è uno degli scienziati più giovani mai pubblicati
05:46
in the world. Right? She will now, once she comes onto stage,
97
330634
3883
al mondo. Ok? Lei sarà, una volta salita sul palco,
05:50
will be the youngest person to ever speak at TED. Right?
98
334517
3698
la persona più giovane che abbia mai parlato a TED.
05:54
Now, science and asking questions is about courage.
99
338215
2875
Per fare scienza e porre domande ci vuole coraggio.
05:56
Now she is the personification of courage, because she's
100
341090
3200
Lei è la personificazione del coraggio, perché
06:00
going to stand up here and talk to you all.
101
344290
1387
verrà qui a parlare davanti a tutti voi.
06:01
So Amy, would you please come up? (Applause)
102
345677
5254
Amy, vuoi raggiungermi quassù? (Applausi)
06:06
(Applause)
103
350931
7185
(Applausi)
06:14
So Amy's going to help me tell the story of what we call
104
358116
2519
Amy mi aiuterà a raccontarvi la storia di quello che chiamiamo
06:16
the Blackawton Bees Project, and first she's going to tell you
105
360635
2666
il progetto Blackawton Bees, e per prima cosa vi dirà
06:19
the question that they came up with. So go ahead, Amy.
106
363301
2545
la domanda che si sono posti. Inizia pure, Amy.
06:21
Amy O'Toole: Thank you, Beau. We thought
107
365846
1719
Amy O'Toole: Grazie, Beau. Abbiamo pensato
06:23
that it was easy to see the link between humans and apes
108
367565
3401
che fosse facile vedere il collegamento tra l'uomo e le scimmie
06:26
in the way that we think, because we look alike.
109
370966
3024
nel modo di ragionare, perché siamo simili.
06:29
But we wondered if there's a possible link
110
373990
2689
Ma ci siamo chiesti se ci fosse un collegamento
06:32
with other animals. It'd be amazing if humans and bees
111
376679
4704
anche con altri animali. Sarebbe sorprendente se uomini e api
06:37
thought similar, since they seem so different from us.
112
381383
4113
ragionassero allo stesso modo, poiché sembrano così diverse da noi.
06:41
So we asked if humans and bees might solve
113
385496
3053
Allora ci siamo chiesti se uomini e api potessero risolvere
06:44
complex problems in the same way.
114
388549
2407
problemi complessi allo stesso modo.
06:46
Really, we wanted to know if bees can also adapt
115
390956
3287
Davvero, volevamo scoprire se anche le api sapessero adattarsi
06:50
themselves to new situations using previously learned rules
116
394243
3707
a situazioni nuove sfruttando regole e condizioni apprese
06:53
and conditions. So what if bees can think like us?
117
397950
4214
in precedenza. E se le api ragionassero come noi?
06:58
Well, it'd be amazing, since we're talking about an insect
118
402164
2552
Be', sarebbe soprendente, poiché stiamo parlando di un insetto
07:00
with only one million brain cells.
119
404716
2525
con appena un milione di cellule cerebrali.
07:03
But it actually makes a lot of sense they should,
120
407241
2142
Ma in realtà avrebbe molto senso,
07:05
because bees, like us, can recognize a good flower
121
409383
3277
perché le api, come noi, sanno riconoscere un buon fiore
07:08
regardless of the time of day, the light, the weather,
122
412660
3613
a prescindere dall'ora, dalla luce, dal tempo
07:12
or from any angle they approach it from. (Applause)
123
416273
5742
o da qualsiasi angolo vi si avvicinino. (Applausi)
07:17
BL: So the next step was to design an experiment,
124
422015
3782
BL: Quindi lo step successivo è stato progettare un esperimento,
07:21
which is a game. So the kids went off and they designed
125
425797
3302
cioè un gioco. I bambini si sono messi all'opera e hanno progettato
07:24
this experiment, and so -- well, game -- and so,
126
429099
3301
questo esperimento, e quindi -- o meglio, gioco -- e quindi,
07:28
Amy, can you tell us what the game was,
127
432400
1466
Amy, puoi dirci qual era il gioco,
07:29
and the puzzle that you set the bees?
128
433866
2143
e il rompicapo che avete ideato per le api?
07:31
AO: The puzzle we came up with was an if-then rule.
129
436009
3023
AO: Il rompicapo che abbiamo ideato si basava sulla logica se-allora.
07:34
We asked the bees to learn not just to go to a certain color,
130
439032
3645
Abbiamo chiesto alle api di imparare non solo ad andare verso un certo colore,
07:38
but to a certain color flower only
131
442677
2668
ma verso un fiore di un certo colore
07:41
when it's in a certain pattern.
132
445345
1632
solo quando risponde a un certo schema.
07:42
They were only rewarded if they went to the yellow flowers
133
446977
3259
Ricevevano una ricompensa solo se andavano verso i fiori gialli,
07:46
if the yellow flowers were surrounded by the blue,
134
450236
3060
se i fiori gialli erano circondati dal blu,
07:49
or if the blue flowers were surrounded by the yellow.
135
453296
3268
o se i fiori blu erano circondati dal giallo.
07:52
Now there's a number of different rules the bees can learn
136
456564
2585
Ci sono quindi una serie di regole diverse che le api possono imparare
07:55
to solve this puzzle. The interesting question is, which?
137
459149
3425
per risolvere questo rompicapo. La domanda interessante è: quali?
07:58
What was really exciting about this project was we,
138
462574
2780
Ciò che era davvero entusiasmante in questo progetto era che noi,
08:01
and Beau, had no idea whether it would work.
139
465354
2343
e Beau, non avevamo idea se avrebbe funzionato.
08:03
It was completely new, and no one had done it before,
140
467697
2454
Era del tutto nuovo e nessuno l'aveva mai fatto prima,
08:06
including adults. (Laughter)
141
470151
3723
adulti compresi. (Risate)
08:09
BL: Including the teachers, and that was really hard for the teachers.
142
473874
3464
BL: Compresi gli insegnanti, ed è stata molto dura per gli insegnanti.
08:13
It's easy for a scientist to go in and not have a clue what he's doing,
143
477338
2904
È facile per uno scienziato iniziare senza avere idea di quello che sta facendo,
08:16
because that's what we do in the lab, but for a teacher
144
480242
2544
perché è quello che facciamo in laboratorio, ma per un insegnante,
08:18
not to know what's going to happen at the end of the day --
145
482786
1625
non sapere cosa succederà alla fine della giornata --
08:20
so much of the credit goes to Dave Strudwick, who was
146
484411
2599
buona parte dei meriti va a Dave Strudwick,
08:22
the collaborator on this project. Okay?
147
487010
2209
che ha collaborato a questo progetto.
08:25
So I'm not going to go through the whole details of the study
148
489219
2732
Non entrerò nei dettagli dello studio
08:27
because actually you can read about it, but the next step
149
491951
2638
perché potete leggerlo, ma lo step successivo
08:30
is observation. So here are some of the students
150
494589
3645
è l'osservazione. Ecco alcuni studenti
08:34
doing the observations. They're recording the data
151
498234
2768
durante l'osservazione. Stanno registrando i dati
08:36
of where the bees fly.
152
501002
5044
su dove volano le api.
08:41
(Video) Dave Strudwick: So what we're going to do —Student: 5C.
153
506046
2023
(Video) Dave Strudwick: Allora cosa facciamo? -- Alunno: 5C
08:43
Dave Strudwick: Is she still going up here?Student: Yeah.
154
508069
3990
DS: Sta andando sempre lassù? -- Alunno: Sì.
08:47
Dave Strudwick: So you keep track of each.Student: Henry, can you help me here?
155
512059
3597
DS: Allora tienile d'occhio tutte. -- Alunno: Henry, mi dai un mano?
08:51
BL: "Can you help me, Henry?" What good scientist says that, right?
156
515656
2904
BL: "Mi dai una mano, Henry?" Quale bravo scienziato non direbbe così?
08:54
Student: There's two up there.
157
518560
4710
Alunno: Ce ne sono due lassù.
08:59
And three in here.
158
523270
2874
E tre quaggiù.
09:02
BL: Right? So we've got our observations. We've got our data.
159
526144
2275
BL: Quindi abbiamo le nostre osservazioni. Abbiamo i nostri dati.
09:04
They do the simple mathematics, averaging, etc., etc.
160
528419
3773
Fanno loro i calcoli semplici, le medie, etc., etc.
09:08
And now we want to share. That's the next step.
161
532192
1931
E ora lo vogliamo condividere. È lo step successivo.
09:10
So we're going to write this up and try to submit this
162
534123
1608
Risistemiamo il tutto e cerchiamo di proporlo
09:11
for publication. Right? So we have to write it up.
163
535731
2856
per la pubblicazione. Quindi dobbiamo risistemarlo.
09:14
So we go, of course, to the pub. All right? (Laughter)
164
538587
4513
Quindi, ovviamente, andiamo al pub. Ok? (Risate)
09:19
The one on the left is mine, okay? (Laughter)
165
543100
2284
Quello a sinistra è il mio. (Risate)
09:21
Now, I tell them, a paper has four different sections:
166
545384
2086
E io dico, un articolo si divide in quattro parti:
09:23
an introduction, a methods, a results, a discussion.
167
547470
2807
introduzione, materiali e metodi, risultati, discussione.
09:26
The introduction says, what's the question and why?
168
550277
2604
L'introduzione dice: qual è la domanda e perché?
09:28
Methods, what did you do? Results, what was the observation?
169
552881
3119
Materiali e metodi: cosa avete fatto? Risultati: cosa avete osservato?
09:31
And the discussion is, who cares? Right?
170
556000
2143
E la discussione è: a chi importa?
09:34
That's a science paper, basically. (Laughter)
171
558143
2459
Ecco un articolo scientifico, in pratica. (Risate)
09:36
So the kids give me the words, right? I put it into a narrative,
172
560602
4529
I bambini mi danno le parole. Io ne faccio un racconto,
09:41
which means that this paper is written in kidspeak.
173
565131
3247
perciò l'articolo è scritto nella lingua dei bambini.
09:44
It's not written by me. It's written by Amy
174
568378
2528
Non l'ho scritto io. L'hanno scritto Amy
09:46
and the other students in the class. As a consequence,
175
570906
3320
e i suoi compagni di classe. Di conseguenza,
09:50
this science paper begins, "Once upon a time ... " (Laughter)
176
574226
6017
l'articolo scientifico inizia con: "C'era una volta..." (Risate)
09:56
The results section, it says: "Training phase, the puzzle ... duh duh duuuuuhhh." Right? (Laughter)
177
580243
5312
La parte dei risultati dice: "I preparativi, il mistero... ta da da daaaaan." Ok? (Risate)
10:01
And the methods, it says, "Then we put the bees
178
585555
2196
E materiali e metodi dice: "Poi abbiamo messo le api
10:03
into the fridge (and made bee pie)," smiley face. Right? (Laughter)
179
587751
3317
in frigo (e abbiamo fatto la torta di api), faccina sorridente. (Risate)
10:06
This is a science paper. We're going to try to get it published.
180
591068
3833
È un articolo scientifico. Proviamo a farcelo pubblicare.
10:10
So here's the title page. We have a number of authors there.
181
594901
2834
Ecco la prima pagina. Vediamo che ci sono numerosi autori.
10:13
All the ones in bold are eight to 10 years old.
182
597735
2851
Tutti quelli in grassetto hanno dagli 8 ai 10 anni.
10:16
The first author is Blackawton Primary School, because
183
600586
2050
Il primo autore è la Blackawton Primary School, perché
10:18
if it were ever referenced, it would be "Blackawton et al,"
184
602636
3246
se dovesse essere mai citato, sarebbe "Blackawton et al."
10:21
and not one individual. So we submit it to a public access journal,
185
605882
3057
e non un singolo individuo. Poi lo inviamo a una rivista ad accesso aperto,
10:24
and it says this. It said many things, but it said this.
186
608939
3332
e ci hanno detto così. Ci hanno detto tante cose, ma ci hanno detto così.
10:28
"I'm afraid the paper fails our initial quality control checks in several different ways." (Laughter)
187
612271
3919
"Temo che l'articolo non soddisfi i nostri requisiti iniziali di qualità sotto diversi aspetti". (Risate)
10:32
In other words, it starts off "once upon a time,"
188
616190
2560
In altre parole, inizia con "c'era una volta",
10:34
the figures are in crayon, etc. (Laughter)
189
618750
2526
in numeri sono scritti a matita, etc. (Risate)
10:37
So we said, we'll get it reviewed. So I sent it to Dale Purves,
190
621276
4353
Ci siamo detti, chiediamo un parere. Così l'ho mandato a Dale Purves,
10:41
who is at the National Academy of Science, one of the leading neuroscientists in the world,
191
625629
3533
che è della National Academy of Sciences, uno dei maggiori neuroscienziati al mondo,
10:45
and he says, "This is the most original science paper I have ever read" — (Laughter) —
192
629162
3449
e ci ha detto: "Questo è l'articolo scientifico più originale che abbia mai letto --" (Risate)
10:48
"and it certainly deserves wide exposure."
193
632611
2097
"di certo merita grande visibilità".
10:50
Larry Maloney, expert in vision, says, "The paper is magnificent.
194
634708
4271
Larry Maloney, esperto in percezione visiva, ha detto: "L'articolo è magnifico.
10:54
The work would be publishable if done by adults."
195
638979
3366
Il lavoro sarebbe pubblicabile se fatto da adulti".
10:58
So what did we do? We send it back to the editor.
196
642345
1979
Allora cosa abbiamo fatto? L'abbiamo rimandato all'editor.
11:00
They say no.
197
644324
1589
Hanno detto di no.
11:01
So we asked Larry and Natalie Hempel to write
198
645913
2454
Quindi abbiamo chiesto a Larry e Natalie Hempel di scrivere
11:04
a commentary situating the findings for scientists, right,
199
648367
4007
un commento per inquadrare i risultati agli occhi degli scienziati,
11:08
putting in the references, and we submit it to Biology Letters.
200
652374
4128
abbiamo inserito le referenze e lo abbiamo inviato a Biology Letters.
11:12
And there, it was reviewed by five independent referees,
201
656502
3327
E là è stato esaminato da cinque referee indipendenti,
11:15
and it was published. Okay? (Applause)
202
659829
4421
ed è stato pubblicato.
11:20
(Applause)
203
664250
6000
(Applausi)
11:26
It took four months to do the science,
204
670250
3021
Ci sono voluti quattro mesi per la ricerca scientifica,
11:29
two years to get it published. (Laughter)
205
673271
3228
due anni per farla pubblicare. (Risate)
11:32
Typical science, actually, right? So this makes Amy and
206
676499
4835
Tipico della scienza, in realtà. Questo fa di Amy e
11:37
her friends the youngest published scientists in the world.
207
681334
2433
dei suoi compagni i più giovani scienziati mai pubblicati.
11:39
What was the feedback like?
208
683767
2016
Com'è stato il feedback?
11:41
Well, it was published two days before Christmas,
209
685783
2885
Be', è stato pubblicato due giorni prima di Natale,
11:44
downloaded 30,000 times in the first day, right?
210
688668
4003
scaricato 30.000 volte il primo giorno.
11:48
It was the Editors' Choice in Science, which is a top science magazine.
211
692671
4040
È fra le Editors' Choice di Science, fra le migliori riviste scientifiche.
11:52
It's forever freely accessible by Biology Letters.
212
696711
2542
Sarà sempre gratuito su Biology Letters.
11:55
It's the only paper that will ever be freely accessible by this journal.
213
699253
3680
È l'unico articolo che sarà sempre gratuito su questa rivista.
11:58
Last year, it was the second-most downloaded paper
214
702933
2699
L'anno scorso è stato il secondo articolo più scaricato
12:01
by Biology Letters, and the feedback from not just scientists
215
705632
4104
su Biology Letters, con un feedback non solo dagli scienziati
12:05
and teachers but the public as well.
216
709736
2548
e dai docenti ma anche dal pubblico.
12:08
And I'll just read one.
217
712284
1772
Ve ne leggo uno.
12:09
"I have read 'Blackawton Bees' recently. I don't have
218
714056
2490
"Ho letto 'Blackawton Bees' di recente. Non trovo
12:12
words to explain exactly how I am feeling right now.
219
716546
2313
le parole per spiegare esattamente cosa ne penso.
12:14
What you guys have done is real, true and amazing.
220
718859
2479
Quello che voi avete fatto è reale, vero e sorprendente.
12:17
Curiosity, interest, innocence and zeal are the most basic
221
721338
3109
Curiosità, interesse, innocenza e zelo sono le cose più basilari
12:20
and most important things to do science.
222
724447
1724
e più importanti per fare scienza.
12:22
Who else can have these qualities more than children?
223
726171
2478
Chi altri può avere queste qualità se non i bambini?
12:24
Please congratulate your children's team from my side."
224
728649
3541
Faccia i miei complimenti al suo team di bambini."
12:28
So I'd like to conclude with a physical metaphor.
225
732190
3383
Vorrei concludere con una metafora fisica.
12:31
Can I do it on you? (Laughter)
226
735573
2968
Posso provarla su di voi? (Risate)
12:34
Oh yeah, yeah, yeah, come on. Yeah yeah. Okay.
227
738541
3093
Dai, dai, dai, su. Dai, dai. Ok.
12:37
Now, science is about taking risks, so this is an incredible risk, right? (Laughter)
228
741634
5177
Fare scienza implica correre dei rischi, e questo è un rischio incredibile. (Risate)
12:42
For me, not for him. Right? Because we've only done this once before. (Laughter)
229
746811
6098
Per me, non per lui. Ok? Perché l'abbiamo provato solo una volta finora. (Risate)
12:48
And you like technology, right?
230
752909
1576
Lei ama la tecnologia, vero?
12:50
Shimon Schocken: Right, but I like myself.
231
754485
2176
Shimon Schocken: Sì, però amo anche me stesso.
12:52
BL: This is the epitome of technology. Right. Okay.
232
756661
2951
BL: Ecco il paradigma della tecnologia. Ok.
12:55
Now ... (Laughter)
233
759612
3608
Ora... (Risate)
12:59
Okay. (Laughter)
234
763220
2880
Ok. (Risate)
13:02
Now, we're going to do a little demonstration, right?
235
766100
4084
Ora faremo una piccola dimostrazione, ok?
13:06
You have to close your eyes, and you have to point
236
770184
4019
Deve chiudere gli occhi e deve indicare
13:10
where you hear me clapping. All right?
237
774203
3157
dove mi sente battere le mani. Ok?
13:13
(Clapping)
238
777360
4398
(Batte le mani)
13:17
(Clapping)
239
781758
3144
(Batte le mani)
13:20
Okay, how about if everyone over there shouts. One, two, three?
240
784902
2903
Che ne dite se tutti da quel lato urlate? Uno, due, tre.
13:23
Audience: (Shouts)
241
787805
2901
Pubblico: (Urla)
13:26
(Laughter)
242
790706
4446
(Risate)
13:31
(Shouts) (Laughter)
243
795152
3171
(Urla) (Risate)
13:34
Brilliant. Now, open your eyes. We'll do it one more time.
244
798323
3641
Perfetto. Ora apra gli occhi. Lo facciamo un'altra volta.
13:37
Everyone over there shout. (Shouts)
245
801964
2802
Da quel lato, urlate tutti. (Urla)
13:40
Where's the sound coming from? (Laughter) (Applause)
246
804766
5932
Da dove viene il suono? (Risate) (Applausi)
13:46
Thank you very much. (Applause)
247
810698
4230
Grazie mille. (Applausi)
13:50
What's the point? The point is what science does for us.
248
814928
3713
Qual è il punto? Il punto è cosa fa per noi la scienza.
13:54
Right? We normally walk through life responding,
249
818641
2406
Normalmente passiamo la vita a rispondere,
13:56
but if we ever want to do anything different, we have to
250
821047
2212
ma se vogliamo fare qualcosa di diverso, dobbiamo
13:59
step into uncertainty. When he opened his eyes,
251
823259
2689
avventurarci nell'incertezza. Quando ha aperto gli occhi,
14:01
he was able to see the world in a new way.
252
825948
2382
è riuscito a vedere il mondo con occhi nuovi.
14:04
That's what science offers us. It offers the possibility
253
828330
3168
Ecco cosa ci offre la scienza. Offre la possibilità
14:07
to step on uncertainty through the process of play, right?
254
831498
4016
di avventurarci nell'incertezza tramite il processo del gioco.
14:11
Now, true science education I think should be about
255
835514
3024
Credo che la vera formazione scientifica debba occuparsi di
14:14
giving people a voice and enabling to express that voice,
256
838538
3399
dare voce alla gente e permetterle di esprimere quella voce,
14:17
so I've asked Amy to be the last voice in this short story.
257
841937
4369
così ho chiesto ad Amy di essere l'ultima voce di questo racconto.
14:22
So, Amy?
258
846306
3105
Amy?
14:25
AO: This project was really exciting for me,
259
849411
2553
AO: Questo progetto è stato molto entusiamante per me,
14:27
because it brought the process of discovery to life,
260
851964
2671
perché ha dato vita al processo della scoperta,
14:30
and it showed me that anyone, and I mean anyone,
261
854635
2911
e mi ha mostrato che chiunque, e dico chiunque,
14:33
has the potential to discover something new,
262
857546
2753
ha il potenziale per scoprire qualcosa di nuovo,
14:36
and that a small question can lead into a big discovery.
263
860299
4072
e che una piccola domanda può portare a una grande scoperta.
14:40
Changing the way a person thinks about something
264
864371
2652
Cambiare il modo in cui una persona la pensa su qualcosa
14:42
can be easy or hard. It all depends on the way the person
265
867023
3712
può essere facile o difficile. Tutto dipende da come quella persona
14:46
feels about change.
266
870735
1488
si pone di fronte al cambiamento.
14:48
But changing the way I thought about science was
267
872223
2452
Ma cambiare il mio modo di vedere la scienza è stato
14:50
surprisingly easy. Once we played the games
268
874675
2275
sorprendentemente facile. Dopo aver giocato
14:52
and then started to think about the puzzle,
269
876950
2418
e iniziato a riflettere sul rompicapo,
14:55
I then realized that science isn't just a boring subject,
270
879368
3857
allora ho capito che la scienza non è solo una materia noiosa,
14:59
and that anyone can discover something new.
271
883225
3194
e che chiunque può scoprire qualcosa di nuovo.
15:02
You just need an opportunity. My opportunity came
272
886419
3200
Bisogna solo avere un'opportunità. La mia opportunità è arrivata
15:05
in the form of Beau, and the Blackawton Bee Project.
273
889619
2636
nella persona di Beau, e con il progetto Blackawton Bee.
15:08
Thank you.BL: Thank you very much. (Applause)
274
892255
4361
Grazie. BL: Grazie mille. (Applausi)
15:12
(Applause)
275
896616
7747
(Applausi)
ABOUT THE SPEAKERS
Beau Lotto - Neuroscientist, ArtistBeau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system.
Why you should listen
"Let there be perception," was evolution's proclamation, and so it was that all creatures, from honeybees to humans, came to see the world not as it is, but as was most useful. This uncomfortable place--where what an organism's brain sees diverges from what is actually out there--is what Beau Lotto and his team at Lottolab are exploring through their dazzling art-sci experiments and public illusions. Their Bee Matrix installation, for example, places a live bee in a transparent enclosure where gallerygoers may watch it seek nectar in a virtual meadow of luminous Plexiglas flowers. (Bees, Lotto will tell you, see colors much like we humans do.) The data captured isn't just discarded, either: it's put to good use in probing scientific papers, and sometimes in more exhibits.
At their home in London’s Science Museum, the lab holds "synesthetic workshops" where kids and adults make abstract paintings that computers interpret into music, and they host regular Lates--evenings of science, music and "mass experiments." Lotto is passionate about involving people from all walks of life in research on perception--both as subjects and as fellow researchers. One such program, called "i,scientist," in fact led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," December 2010). It starts, "Once upon a time ..."
These and Lotto's other conjurings are slowly, charmingly bending the science of perception--and our perceptions of what science can be.
Beau Lotto | Speaker | TED.com
Amy O'Toole - Student
Amy O'Toole is a 12-year-old student who helped run a science experiment inspired by Beau Lotto's participative science approach. At age 10 she became one of the youngest people ever to publish a peer-reviewed science paper.
Why you should listen
Amy O'Toole is a 12-year-old student with a peer-reviewed scientific publication under her belt. She took part in a participative science program led by Beau Lotto , called "i, scientist," which inspired a science experiment by a group of 26 primary school students in Blackawton, Devon, UK. O'Toole was never interested in science before this project, but now intends to study the human mind and body. The project led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," Royal Society's Biology Letters, December 2010). It starts: "Once upon a time ... ."
Amy O'Toole | Speaker | TED.com