TEDGlobal 2012
Daphne Koller: What we're learning from online education
Daphne Koller: Wat we leren uit online-onderwijs
Filmed:
Readability: 4.8
2,603,043 views
Daphne Koller krijgt het van topuniversiteiten gedaan dat ze hun meest intrigerende cursussen gratis online zetten -- niet alleen als dienst, maar ook om te kunnen onderzoeken hoe mensen leren. Elke toetsaanslag, elke test, elke discussie op een studentenforum en zelfbeoordeelde taak draagt bij tot een gegevensbestand zonder voorgaande over hoe kennis wordt verwerkt en, belangrijker, wordt geabsorbeerd.
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
Zoals velen van jullie
ben ik een gelukzak.
ben ik een gelukzak.
00:19
I was born to a family where education was pervasive.
1
3836
3400
In mijn familie was onderwijs overal.
00:23
I'm a third-generation PhD, a daughter of two academics.
2
7236
4238
Ik ben de derde generatie met een doctoraat,
dochter van 2 academici.
dochter van 2 academici.
00:27
In my childhood, I played around in my father's university lab.
3
11474
3794
Als kind speelde ik
in het lab van mijn vader.
in het lab van mijn vader.
00:31
So it was taken for granted that I attend some of the best universities,
4
15268
3849
Het lag voor de hand
dat ik een uitstekende universiteit bezocht.
dat ik een uitstekende universiteit bezocht.
00:35
which in turn opened the door to a world of opportunity.
5
19117
3801
Dat gaf me geweldige kansen.
00:38
Unfortunately, most of the people in the world are not so lucky.
6
22918
4120
Helaas hebben de meeste mensen minder geluk.
00:42
In some parts of the world, for example, South Africa,
7
27038
3135
In sommige delen van de wereld,
zoals Zuid-Afrika
zoals Zuid-Afrika
00:46
education is just not readily accessible.
8
30173
2705
is onderwijs gewoon niet toegankelijk.
00:48
In South Africa, the educational system was constructed
9
32878
2975
Het onderwijssysteem van Zuid-Afrika is opgezet
00:51
in the days of apartheid for the white minority.
10
35853
2873
ten tijde van de apartheid,
voor de blanke minderheid.
voor de blanke minderheid.
00:54
And as a consequence, today there is just not enough spots
11
38726
2700
Het gevolg is dat er vandaag
niet genoeg plaatsen zijn
niet genoeg plaatsen zijn
00:57
for the many more people who want and deserve a high quality education.
12
41426
3852
voor het veel grotere aantal mensen
dat een betere opleiding wil en verdient.
dat een betere opleiding wil en verdient.
01:01
That scarcity led to a crisis in January of this year
13
45278
3880
Die schaarste leidde in januari van dit jaar
tot een crisis
tot een crisis
01:05
at the University of Johannesburg.
14
49158
1836
in de universiteit van Johannesburg.
01:06
There were a handful of positions left open
15
50994
2131
Er waren een handvol open plaatsen over
01:09
from the standard admissions process, and the night before
16
53125
2969
in het gewone toelatingssysteem.
01:11
they were supposed to open that for registration,
17
56094
2560
De avond voor de start van de registratie,
01:14
thousands of people lined up outside the gate in a line a mile long,
18
58654
4052
stonden er duizenden te wachten aan het hek
in een rij van 1,5 km,
in een rij van 1,5 km,
01:18
hoping to be first in line to get one of those positions.
19
62706
3880
in de hoop dat zij eerst zouden zijn
om een plek te bemachtigen.
om een plek te bemachtigen.
01:22
When the gates opened, there was a stampede,
20
66586
2308
Toen het hek openging,
liepen ze elkaar onder de voet.
liepen ze elkaar onder de voet.
01:24
and 20 people were injured and one woman died.
21
68894
3652
Er waren 20 gewonden.
Een vrouw stierf.
Een vrouw stierf.
01:28
She was a mother who gave her life
22
72546
1940
Het was een moeder
die haar leven gaf
die haar leven gaf
01:30
trying to get her son a chance at a better life.
23
74486
4063
om haar zoon een kans op een beter leven te geven.
01:34
But even in parts of the world like the United States
24
78549
3157
Maar zelfs in de VS,
01:37
where education is available, it might not be within reach.
25
81706
4356
waar onderwijs voorhanden is,
is het soms onbereikbaar.
is het soms onbereikbaar.
01:41
There has been much discussed in the last few years
26
86062
2672
De jongste jaren was er veel discussie
01:44
about the rising cost of health care.
27
88734
1989
over de stijgende kosten van de zorg.
01:46
What might not be quite as obvious to people
28
90723
2642
Wat niet zo evident is,
01:49
is that during that same period the cost of higher education tuition
29
93365
4022
is dat in dezelfde periode
de kosten voor hoger onderwijs
de kosten voor hoger onderwijs
01:53
has been increasing at almost twice the rate,
30
97387
2480
bijna twee keer zo snel stegen,
01:55
for a total of 559 percent since 1985.
31
99867
4280
in totaal 559% sinds 1985.
02:00
This makes education unaffordable for many people.
32
104147
4534
Daardoor is onderwijs voor velen onbetaalbaar.
02:04
Finally, even for those who do manage to get the higher education,
33
108681
3801
Zelfs voor diegenen die het hoger onderwijs bereiken,
02:08
the doors of opportunity might not open.
34
112482
2625
gaan de deuren van de kans niet open.
02:11
Only a little over half of recent college graduates
35
115107
3207
Maar iets meer dan de helft van recent
02:14
in the United States who get a higher education
36
118314
2313
universitair afgestudeerden in de VS
02:16
actually are working in jobs that require that education.
37
120627
3463
heeft een job waarvoor die opleiding nodig is.
02:19
This, of course, is not true for the students
38
124090
1840
Dat geldt niet voor de studenten
02:21
who graduate from the top institutions,
39
125930
1952
die aan topinstellingen afstuderen,
02:23
but for many others, they do not get the value
40
127882
2632
maar vele anderen krijgen geen waar
02:26
for their time and their effort.
41
130514
3536
voor hun tijd en moeite.
02:29
Tom Friedman, in his recent New York Times article,
42
134050
3030
In een recent artikel in de New York Times
vatte Tom Friedman,
vatte Tom Friedman,
02:32
captured, in the way that no one else could, the spirit behind our effort.
43
137080
4368
zoals alleen hij dat kan,
de geest van onze onderneming.
de geest van onze onderneming.
02:37
He said the big breakthroughs are what happen
44
141448
3120
Hij zei dat grote doorbraken gebeuren
02:40
when what is suddenly possible meets what is desperately necessary.
45
144568
3899
als wat plots mogelijk is,
ook is wat heel erg nodig is.
ook is wat heel erg nodig is.
02:44
I've talked about what's desperately necessary.
46
148467
2621
Ik heb het gehad over
wat heel erg nodig is.
wat heel erg nodig is.
02:46
Let's talk about what's suddenly possible.
47
151088
2512
Laten we het hebben over
wat plots mogelijk is.
wat plots mogelijk is.
02:49
What's suddenly possible was demonstrated by
48
153600
3119
Dat werd gedemonstreerd
02:52
three big Stanford classes,
49
156719
1568
door drie grote Stanford-cursussen,
02:54
each of which had an enrollment of 100,000 people or more.
50
158287
3880
waarvoor telkens
meer dan 100.000 mensen inschreven.
meer dan 100.000 mensen inschreven.
02:58
So to understand this, let's look at one of those classes,
51
162167
3384
Laten we één van die cursussen bekijken,
03:01
the Machine Learning class offered by my colleague
52
165551
1920
de cursus Machinaal leren van mijn collega
03:03
and cofounder Andrew Ng.
53
167471
1729
en mede-oprichter,
Andrew Ng.
Andrew Ng.
03:05
Andrew teaches one of the bigger Stanford classes.
54
169200
2319
Andrew doceert één van de grotere Stanford-cursussen:
03:07
It's a Machine Learning class,
55
171519
1209
Machinaal leren,
03:08
and it has 400 people enrolled every time it's offered.
56
172728
3518
met 400 cursisten
telkens als het vak wordt aangeboden.
telkens als het vak wordt aangeboden.
03:12
When Andrew taught the Machine Learning class to the general public,
57
176246
3265
Toen hij het vak gaf
aan het algemene publiek,
aan het algemene publiek,
03:15
it had 100,000 people registered.
58
179511
2616
waren er 100.000 inschrijvingen.
03:18
So to put that number in perspective,
59
182127
2009
Om dat in perspectief te zetten:
03:20
for Andrew to reach that same size audience
60
184136
2359
om evenveel mensen te bereiken
03:22
by teaching a Stanford class,
61
186495
1826
door een Stanford-cursus te geven,
03:24
he would have to do that for 250 years.
62
188321
3926
moest hij dat 250 jaar volhouden.
03:28
Of course, he'd get really bored.
63
192247
3486
Hij zou zich erg gaan vervelen.
03:31
So, having seen the impact of this,
64
195733
2737
Toen we de impact hiervan zagen,
03:34
Andrew and I decided that we needed to really try and scale this up,
65
198470
3128
beslisten Andrew en ik
dat we een schaalvergroting moesten proberen,
dat we een schaalvergroting moesten proberen,
03:37
to bring the best quality education to as many people as we could.
66
201598
4120
om het beste onderwijs te brengen
voor zoveel mogelijk mensen.
voor zoveel mogelijk mensen.
03:41
So we formed Coursera,
67
205718
1495
We stichtten Coursera.
03:43
whose goal is to take the best courses
68
207213
3137
Doel is om de beste cursussen
03:46
from the best instructors at the best universities
69
210350
3317
van de beste lesgevers
aan de beste universiteiten
aan de beste universiteiten
03:49
and provide it to everyone around the world for free.
70
213667
4028
aan iedereen in de wereld
gratis aan te bieden.
gratis aan te bieden.
03:53
We currently have 43 courses on the platform
71
217695
2600
Momenteel hebben we 43 vakken op het platform
03:56
from four universities across a range of disciplines,
72
220295
3199
van 4 universiteiten,
in een reeks domeinen.
in een reeks domeinen.
03:59
and let me show you a little bit of an overview
73
223494
1833
Ik geef jullie een overzicht
04:01
of what that looks like.
74
225327
3278
van hoe dat eruit ziet.
04:04
(Video) Robert Ghrist: Welcome to Calculus.
75
228605
1213
(Video) Robert Ghrist: Welkom bij het vak Analyse.
04:05
Ezekiel Emanuel: Fifty million people are uninsured.
76
229818
1880
Ezekiel Emanuel: 50 miljoen mensen
hebben geen verzekering.
hebben geen verzekering.
04:07
Scott Page: Models help us design more effective institutions and policies.
77
231698
3271
Scott Page: Modellen helpen ons
om instellingen en beleid te verbeteren.
om instellingen en beleid te verbeteren.
04:10
We get unbelievable segregation.
78
234969
2408
We krijgen ongelooflijke segregatie.
04:13
Scott Klemmer: So Bush imagined that in the future,
79
237377
1792
Scott Klemmer: Bush dacht dat je in de toekomst
04:15
you'd wear a camera right in the center of your head.
80
239169
2378
een camera op je voorhoofd zou dragen.
04:17
Mitchell Duneier: Mills wants the student of sociology to develop the quality of mind ...
81
241547
4254
Mitchell Duneier: Mills wilde
dat de sociologiestudent de kwaliteit zou ontwikkelen …
dat de sociologiestudent de kwaliteit zou ontwikkelen …
04:21
RG: Hanging cable takes on the form of a hyperbolic cosine.
82
245801
3665
RG: Hangende kabel neemt de vorm aan
van een hyperbolische cosinus.
van een hyperbolische cosinus.
04:25
Nick Parlante: For each pixel in the image, set the red to zero.
83
249466
3071
Nick Parlante: Voor elke pixel in het beeld
zet je het rood op nul.
zet je het rood op nul.
04:28
Paul Offit: ... Vaccine allowed us to eliminate polio virus.
84
252537
2977
Paul Offit: … vaccin elimineerde het poliovirus.
04:31
Dan Jurafsky: Does Lufthansa serve breakfast and San Jose? Well, that sounds funny.
85
255514
3623
Dan Jurafsky: Serveert Lufthansa ontbijt en San Jose? Dat klinkt gek.
04:35
Daphne Koller: So this is which coin you pick, and this is the two tosses.
86
259137
3616
Daphne Koller: Dit is welk munstuk je kiest,
dit is twee keer opgooien.
dit is twee keer opgooien.
04:38
Andrew Ng: So in large-scale machine learning, we'd like to come up with computational ...
87
262753
3687
Andrew Ng: Bij machinaal leren op grote schaal,
bedenken we graag berekeningen …
bedenken we graag berekeningen …
04:42
(Applause)
88
266440
5609
(Applaus)
04:47
DK: It turns out, maybe not surprisingly,
89
272049
2274
DK: Blijkt, niet verrassend,
04:50
that students like getting the best content
90
274323
2238
dat studenten graag de beste inhoud
04:52
from the best universities for free.
91
276561
2887
van de beste universiteiten gratis krijgen.
04:55
Since we opened the website in February,
92
279448
2522
Sinds de lancering van de website in februari
04:57
we now have 640,000 students from 190 countries.
93
281970
4358
hebben we al 640.000 studenten
uit 190 landen.
uit 190 landen.
05:02
We have 1.5 million enrollments,
94
286328
2152
We hebben 1,5 miljoen inschrijvingen,
05:04
6 million quizzes in the 15 classes that have launched
95
288480
2850
6 miljoen afgelegde proeven
05:07
so far have been submitted, and 14 million videos have been viewed.
96
291330
4916
in de 15 vakken die gestart zijn,
en 14 miljoen bekeken video’s.
en 14 miljoen bekeken video’s.
05:12
But it's not just about the numbers,
97
296246
2518
Maar het gaat niet alleen om cijfers.
05:14
it's also about the people.
98
298764
1641
Het gaat ook om mensen.
05:16
Whether it's Akash, who comes from a small town in India
99
300405
2976
Of het nu Akash is, uit een kleine stad in India,
05:19
and would never have access in this case
100
303381
2175
die nooit toegang zou hebben
05:21
to a Stanford-quality course
101
305556
1489
tot een cursus van Stanford-kwaliteit
05:22
and would never be able to afford it.
102
307045
2515
en het nooit zou kunnen betalen.
05:25
Or Jenny, who is a single mother of two
103
309560
2038
Of Jenny, alleenstaande moeder van twee,
05:27
and wants to hone her skills
104
311598
1967
die haar kennis wil opfrissen
05:29
so that she can go back and complete her master's degree.
105
313565
3135
om haar universitaire opleiding te kunnen afwerken.
05:32
Or Ryan, who can't go to school,
106
316700
3136
Of Ryan, die niet naar school kan
05:35
because his immune deficient daughter
107
319836
1865
omdat de immuniteitsziekte van zijn dochter
05:37
can't be risked to have germs come into the house,
108
321701
3383
geen risico op bacteriën in huis toelaat,
05:40
so he couldn't leave the house.
109
325084
1840
zodat hij het huis niet kan verlaten.
05:42
I'm really glad to say --
110
326924
1632
Ik ben erg blij om mee te delen --
05:44
recently, we've been in correspondence with Ryan --
111
328556
2252
we hebben recent met Ryan gecorrespondeerd --
05:46
that this story had a happy ending.
112
330808
1932
dat dit verhaal goed afloopt.
05:48
Baby Shannon -- you can see her on the left --
113
332740
1903
Baby Shannon, die je links ziet,
05:50
is doing much better now,
114
334643
1351
doet het veel beter.
05:51
and Ryan got a job by taking some of our courses.
115
335994
4198
Ryan vond werk
dankzij één van onze cursussen.
dankzij één van onze cursussen.
05:56
So what made these courses so different?
116
340192
2244
Wat maakte deze cursussen zo anders?
05:58
After all, online course content has been available for a while.
117
342436
3720
Er waren al eerder online cursussen voorhanden.
06:02
What made it different was that this was real course experience.
118
346156
3712
Maar dit was een echte cursuservaring.
06:05
It started on a given day,
119
349868
1726
Het begon op een bepaalde dag,
06:07
and then the students would watch videos on a weekly basis
120
351594
3634
studenten moesten video’s bekijken op weekbasis
06:11
and do homework assignments.
121
355228
1855
en huiswerk maken.
06:12
And these would be real homework assignments
122
357083
1791
Dat was echt huiswerk,
06:14
for a real grade, with a real deadline.
123
358874
3304
met echte punten en een echte deadline.
06:18
You can see the deadlines and the usage graph.
124
362178
2056
Daar zijn de deadlines en de gebruiksgrafiek.
06:20
These are the spikes showing
125
364234
2088
De pieken tonen
06:22
that procrastination is global phenomenon.
126
366322
3789
dat uitstelgedrag universeel is.
06:26
(Laughter)
127
370111
2576
(Gelach)
06:28
At the end of the course,
128
372687
1672
Op het einde van de cursus
06:30
the students got a certificate.
129
374359
1856
kregen de studenten een getuigschrift.
06:32
They could present that certificate
130
376215
2160
Dat konden ze voorleggen
06:34
to a prospective employer and get a better job,
131
378375
2153
aan een werkgever
om beter werk te vinden.
om beter werk te vinden.
06:36
and we know many students who did.
132
380528
2060
We weten dat vele studenten dat deden.
06:38
Some students took their certificate
133
382588
1919
Sommigen legden hun getuigschrift voor
06:40
and presented this to an educational institution at which they were enrolled
134
384507
3122
aan hun onderwijsinstelling
06:43
for actual college credit.
135
387629
1841
om echte universitaire credits te krijgen.
06:45
So these students were really getting something meaningful
136
389470
2214
Ze kregen iets betekenisvols terug
06:47
for their investment of time and effort.
137
391684
2834
in ruil voor hun tijd en moeite.
06:50
Let's talk a little bit about some of the components
138
394518
2555
Laten we het even hebben
over de onderdelen
over de onderdelen
06:52
that go into these courses.
139
397073
1892
van deze cursussen.
06:54
The first component is that when you move away
140
398965
2628
Eén: als je bevrijd bent
06:57
from the constraints of a physical classroom
141
401593
2297
van de beperkingen
van een fysiek klaslokaal
van een fysiek klaslokaal
06:59
and design content explicitly for an online format,
142
403890
2840
en cursussen specifiek voor online-gebruik ontwerpt,
07:02
you can break away from, for example,
143
406730
2528
kan je afwijken
07:05
the monolithic one-hour lecture.
144
409258
2415
van het monolithische lesblok van één uur.
07:07
You can break up the material, for example,
145
411673
1785
Je kan materiaal opdelen
07:09
into these short, modular units of eight to 12 minutes,
146
413458
3376
in kleine modules van 8 tot 12 minuten,
07:12
each of which represents a coherent concept.
147
416834
2974
die elk een coherent concept voorstellen.
07:15
Students can traverse this material in different ways,
148
419808
2570
Studenten kunnen het materiaal
op verschillende manieren doorploegen,
op verschillende manieren doorploegen,
07:18
depending on their background, their skills or their interests.
149
422378
3704
afhankelijk van hun achtergrond,
vaardigheden en belangstelling.
vaardigheden en belangstelling.
07:21
So, for example, some students might benefit
150
426082
2520
Sommige studenten kunnen baat hebben
07:24
from a little bit of preparatory material
151
428602
2760
bij voorbereidend materiaal
07:27
that other students might already have.
152
431362
2071
dat anderen misschien al kennen.
07:29
Other students might be interested in a particular
153
433433
2440
Anderen hebben interesse voor bepaalde
07:31
enrichment topic that they want to pursue individually.
154
435873
3086
verrijkingsstof die ze individueel willen studeren.
07:34
So this format allows us to break away
155
438959
3235
In dit formaat kunnen we afwijken
07:38
from the one-size-fits-all model of education,
156
442194
2824
van het ‘one-size-fits-all’-onderwijsmodel.
07:40
and allows students to follow a much more personalized curriculum.
157
445018
3992
Studenten kunnen
een veel meer gepersonaliseerd curriculum volgen.
een veel meer gepersonaliseerd curriculum volgen.
07:44
Of course, we all know as educators
158
449010
2343
Als lesgevers weten we allemaal
07:47
that students don't learn by sitting and passively watching videos.
159
451353
3360
dat studenten niet leren
door te zitten en passief te kijken.
door te zitten en passief te kijken.
07:50
Perhaps one of the biggest components of this effort
160
454713
2945
Eén van de grootste onderdelen van ons project
07:53
is that we need to have students
161
457658
2592
is dat studenten
07:56
who practice with the material
162
460250
2409
moeten oefenen met het materiaal
07:58
in order to really understand it.
163
462659
3156
om het echt te begrijpen.
08:01
There's been a range of studies that demonstrate the importance of this.
164
465815
3268
Een reeks studies
tonen het belang daarvan aan.
tonen het belang daarvan aan.
08:04
This one that appeared in Science last year, for example,
165
469083
2532
Deze bijvoorbeeld,
vorig jaar in Science,
vorig jaar in Science,
08:07
demonstrates that even simple retrieval practice,
166
471615
2832
toont dat zelfs gewoon kennis herhalen,
08:10
where students are just supposed to repeat
167
474447
2792
waarbij studenten moeten herhalen
08:13
what they already learned
168
477239
1400
wat ze al kennen,
08:14
gives considerably improved results
169
478639
1920
veel betere resultaten geeft
08:16
on various achievement tests down the line
170
480559
2269
op toetsen achteraf
08:18
than many other educational interventions.
171
482828
4304
dan andere educatieve interventies.
08:23
We've tried to build in retrieval practice into the platform,
172
487132
2962
We hebben herhalingsoefeningen
in het platform ingebouwd,
in het platform ingebouwd,
08:25
as well as other forms of practice in many ways.
173
490094
2254
en ook andere soorten oefeningen.
08:28
For example, even our videos are not just videos.
174
492348
4144
Zelfs onze video’s
zijn niet gewoon video’s.
zijn niet gewoon video’s.
08:32
Every few minutes, the video pauses
175
496492
2043
Om de paar minuten stopt de video
08:34
and the students get asked a question.
176
498535
2151
en krijgen de studenten een vraag.
08:36
(Video) SP: ... These four things. Prospect theory, hyperbolic discounting,
177
500686
2221
(Video) SP: … deze vier dingen.
Prospect-theorie, hyperbolisch verdisconteren,
Prospect-theorie, hyperbolisch verdisconteren,
08:38
status quo bias, base rate bias. They're all well documented.
178
502907
3092
neiging tot status quo,
neiging tot de basisratio.
neiging tot de basisratio.
08:41
So they're all well documented deviations from rational behavior.
179
505999
2767
Dit zijn goed gedocumenteerde afwijkingen
van het rationele gedrag.
van het rationele gedrag.
08:44
DK: So here the video pauses,
180
508766
1624
DK: Hier stopt de video.
08:46
and the student types in the answer into the box
181
510390
2256
De student tikt het antwoord in het vakje
08:48
and submits. Obviously they weren't paying attention.
182
512646
3223
en stuurt het door.
Ze letten niet zo goed op.
Ze letten niet zo goed op.
08:51
(Laughter)
183
515884
869
(Gelach)
08:52
So they get to try again,
184
516753
2010
Dus mogen ze opnieuw proberen,
08:54
and this time they got it right.
185
518763
2536
en nu hebben ze het goed.
08:57
There's an optional explanation if they want.
186
521299
2193
Er is een facultatieve uitleg, als ze willen.
08:59
And now the video moves on to the next part of the lecture.
187
523492
4257
Nu gaat de video naar het volgende deel over.
09:03
This is a kind of simple question
188
527749
1878
Dit is een simpele vraag
09:05
that I as an instructor might ask in class,
189
529627
2081
die ik als lesgever misschien in de les stel,
09:07
but when I ask that kind of a question in class,
190
531708
2500
maar als ik dat doe in de les,
09:10
80 percent of the students
191
534208
1300
dan zijn 80 procent van de studenten
09:11
are still scribbling the last thing I said,
192
535508
1866
mijn laatste woorden nog aan het noteren,
09:13
15 percent are zoned out on Facebook,
193
537374
3321
15 procent is verdwenen naar Facebook
09:16
and then there's the smarty pants in the front row
194
540695
2456
en dan is er de slimmerik op de eerste rij
09:19
who blurts out the answer
195
543151
1359
die het antwoord roept
09:20
before anyone else has had a chance to think about it,
196
544510
2207
nog voor een ander
erover heeft kunnen nadenken.
erover heeft kunnen nadenken.
09:22
and I as the instructor am terribly gratified
197
546717
2872
Als lesgever ben ik intens dankbaar
09:25
that somebody actually knew the answer.
198
549589
1648
dat iemand het antwoord wist.
09:27
And so the lecture moves on before, really,
199
551237
2792
De les gaat dus verder
09:29
most of the students have even noticed that a question had been asked.
200
554029
3529
voor de meeste studenten door hebben
dat er een vraag werd gesteld.
dat er een vraag werd gesteld.
09:33
Here, every single student
201
557558
2607
Hier moet elke student
09:36
has to engage with the material.
202
560165
2784
aan de slag met het materiaal.
09:38
And of course these simple retrieval questions
203
562949
1936
Deze simpele herhalingsvraagjes
09:40
are not the end of the story.
204
564885
1662
zijn niet het einde van het verhaal.
09:42
One needs to build in much more meaningful practice questions,
205
566547
2970
We moeten slimmere oefenvragen inbouwen,
09:45
and one also needs to provide the students with feedback
206
569517
2353
en studenten feedback geven
09:47
on those questions.
207
571870
1663
over die vragen.
09:49
Now, how do you grade the work of 100,000 students
208
573533
2888
Hoe evalueer je het werk
van 100.000 studenten
van 100.000 studenten
09:52
if you do not have 10,000 TAs?
209
576421
3082
als je geen 10.000 assistenten hebt?
09:55
The answer is, you need to use technology
210
579503
2354
Je moet technologie gebruiken
09:57
to do it for you.
211
581857
1495
om het voor jou te doen.
09:59
Now, fortunately, technology has come a long way,
212
583352
2648
Gelukkig staat de technologie al ver.
10:01
and we can now grade a range of interesting types of homework.
213
586000
3268
We kunnen nu interessante types huiswerk evalueren.
10:05
In addition to multiple choice
214
589268
1527
Behalve meerkeuzevragen
10:06
and the kinds of short answer questions that you saw in the video,
215
590795
3153
en de korte antwoorden die je in de video zag,
10:09
we can also grade math, mathematical expressions
216
593948
3260
evalueren we ook wiskundige uitdrukkingen
10:13
as well as mathematical derivations.
217
597208
1952
en wiskundige afleidingen.
10:15
We can grade models, whether it's
218
599160
2874
We evalueren modellen,
10:17
financial models in a business class
219
602034
2176
financiële modellen
in een economiecursus
in een economiecursus
10:20
or physical models in a science or engineering class
220
604210
2984
of fysica-modellen
in een wetenschapscursus.
in een wetenschapscursus.
10:23
and we can grade some pretty sophisticated programming assignments.
221
607194
3744
We evalueren ook
gesofisticeerde programmeeropdrachten.
gesofisticeerde programmeeropdrachten.
10:26
Let me show you one that's actually pretty simple
222
610938
1919
Deze hier is eenvoudig,
10:28
but fairly visual.
223
612857
1480
maar erg visueel.
10:30
This is from Stanford's Computer Science 101 class,
224
614337
2477
Uit de Cursus Computerwetenschappen van Stanford.
10:32
and the students are supposed to color-correct
225
616814
1604
De studenten moeten kleurcorrectie doen
10:34
that blurry red image.
226
618418
1592
in dat wazige rode beeld.
10:35
They're typing their program into the browser,
227
620010
2018
Ze tikken hun programma in de browser in.
10:37
and you can see they didn't get it quite right, Lady Liberty is still seasick.
228
622028
4058
Dit ging niet zo goed.
Het vrijheidsbeeld is nog zeeziek.
Het vrijheidsbeeld is nog zeeziek.
10:41
And so, the student tries again, and now they got it right, and they're told that,
229
626086
3756
De studenten proberen opnieuw.
Dit is goed, ze krijgen feedback
Dit is goed, ze krijgen feedback
10:45
and they can move on to the next assignment.
230
629842
2359
en kunnen aan de volgende taak beginnen.
10:48
This ability to interact actively with the material
231
632201
3148
Het vermogen
om actief met het materiaal aan de slag te gaan
om actief met het materiaal aan de slag te gaan
10:51
and be told when you're right or wrong
232
635349
1684
en te horen of het goed of fout is,
10:52
is really essential to student learning.
233
637033
3126
is essentieel voor het leren.
10:56
Now, of course we cannot yet grade
234
640159
2275
We kunnen nog niet alle types evalueren
10:58
the range of work that one needs for all courses.
235
642434
2834
die je nodig hebt voor alle cursussen.
11:01
Specifically, what's lacking is the kind of critical thinking work
236
645268
3301
Wat ontbreekt, zijn taken van kritisch denken
11:04
that is so essential in such disciplines
237
648569
1922
die essentieel zijn in bijvoorbeeld
11:06
as the humanities, the social sciences, business and others.
238
650491
3597
humane en politieke wetenschappen,
economie enzovoort.
economie enzovoort.
11:09
So we tried to convince, for example,
239
654088
2249
We praatten in op
11:12
some of our humanities faculty
240
656337
1616
professoren humane wetenschappen:
11:13
that multiple choice was not such a bad strategy.
241
657953
2696
meerkeuzevragen waren toch niet zo’n slechte strategie?
11:16
That didn't go over really well.
242
660649
2191
Dat schoot in het verkeerde keelgat.
11:18
So we had to come up with a different solution.
243
662840
2433
We moesten een andere oplossing vinden.
11:21
And the solution we ended up using is peer grading.
244
665273
3074
Die kreeg de vorm van evaluatie door medestudenten.
11:24
It turns out that previous studies show,
245
668347
2422
Het blijkt uit eerdere studies,
11:26
like this one by Saddler and Good,
246
670769
1672
zoals deze van Saddler en Good,
11:28
that peer grading is a surprisingly effective strategy
247
672441
2488
dat evaluatie door medestudenten
verrassend goed werkt
verrassend goed werkt
11:30
for providing reproducible grades.
248
674929
3214
en herhaalbare scores oplevert.
11:34
It was tried only in small classes,
249
678143
1770
Het werd enkel getest in kleine klassen.
11:35
but there it showed, for example,
250
679913
1487
Het resultaat was
11:37
that these student-assigned grades on the y-axis
251
681400
2482
dat de scores die de studenten gaven,
op de Y-as,
op de Y-as,
11:39
are actually very well correlated
252
683882
1311
goed gecorreleerd zijn
11:41
with the teacher-assigned grade on the x-axis.
253
685193
2296
met de scores die de lesgevers gaven,
op de X-as.
op de X-as.
11:43
What's even more surprising is that self-grades,
254
687489
3160
Nog verrassender is dat de zelf-scores,
11:46
where the students grade their own work critically --
255
690649
2311
waar ze hun eigen werk kritisch beoordelen --
11:48
so long as you incentivize them properly
256
692960
1737
voor zover de incentives correct zijn
11:50
so they can't give themselves a perfect score --
257
694697
1938
en ze zichzelf geen perfecte score kunnen geven --
11:52
are actually even better correlated with the teacher grades.
258
696635
3191
nog beter gecorreleerd zijn
met die van de lesgevers.
met die van de lesgevers.
11:55
And so this is an effective strategy
259
699826
1607
Dit is een effectieve strategie
11:57
that can be used for grading at scale,
260
701433
2104
die kan dienen voor evaluatie op grote schaal
11:59
and is also a useful learning strategy for the students,
261
703537
2736
en die ook een nuttige leerstrategie is
voor de studenten,
voor de studenten,
12:02
because they actually learn from the experience.
262
706273
2255
die uit de ervaring leren.
12:04
So we now have the largest peer-grading pipeline ever devised,
263
708528
4649
Wij hebben nu de grootste ‘peer grading’-pijplijn ooit,
12:09
where tens of thousands of students
264
713177
2504
waarin tienduizenden studenten
12:11
are grading each other's work,
265
715681
1198
elkaars werk evalueren,
12:12
and quite successfully, I have to say.
266
716879
3069
met veel succes, moet ik zeggen.
12:15
But this is not just about students
267
719948
2260
Dit gaat niet alleen over studenten
12:18
sitting alone in their living room working through problems.
268
722208
3041
die in hun huiskamer
vraagstukken zitten oplossen.
vraagstukken zitten oplossen.
12:21
Around each one of our courses,
269
725249
1807
Rond elk van onze cursussen
12:22
a community of students had formed,
270
727056
2160
vormde zich een studentengemeenschap,
12:25
a global community of people
271
729216
1880
een wereldwijde gemeenschap
12:26
around a shared intellectual endeavor.
272
731096
2532
rondom een gedeelde intellectuele inspanning.
12:29
What you see here is a self-generated map
273
733628
2652
Hier zie je een zelf-gegenereerde kaart
12:32
from students in our Princeton Sociology 101 course,
274
736280
2961
van studenten in onze Princeton-sociologiecursus 101,
12:35
where they have put themselves on a world map,
275
739241
2759
waar ze zich op een wereldkaart moesten zetten.
12:37
and you can really see the global reach of this kind of effort.
276
742000
2960
Je ziet dat het bereik wereldwijd is.
12:40
Students collaborated in these courses in a variety of different ways.
277
744960
4567
Studenten werkten samen
op veel verschillende manieren.
op veel verschillende manieren.
12:45
First of all, there was a question and answer forum,
278
749527
2639
Er was een vraag-en-antwoord-forum,
12:48
where students would pose questions,
279
752166
2144
waar studenten vragen achterlieten
12:50
and other students would answer those questions.
280
754310
2424
die andere studenten beantwoordden.
12:52
And the really amazing thing is,
281
756734
1713
Het verbazende is dat,
12:54
because there were so many students,
282
758447
1670
omdat er zoveel studenten waren,
12:56
it means that even if a student posed a question
283
760117
2365
zelfs voor een vraag die werd gesteld
12:58
at 3 o'clock in the morning,
284
762482
1632
om 3 uur ’s ochtends,
13:00
somewhere around the world,
285
764114
1582
er ergens ter wereld
13:01
there would be somebody who was awake
286
765696
2074
iemand wakker was
13:03
and working on the same problem.
287
767770
2313
die met hetzelfde bezig was.
13:05
And so, in many of our courses,
288
770083
1958
In vele cursussen
13:07
the median response time for a question
289
772041
2329
was de mediaan van de antwoordtijden
13:10
on the question and answer forum was 22 minutes.
290
774370
3418
op het forum 22 minuten.
13:13
Which is not a level of service I have ever offered to my Stanford students.
291
777788
4577
Dat niveau van dienstverlening
heb ik mijn Stanfordstudenten nooit geboden.
heb ik mijn Stanfordstudenten nooit geboden.
13:18
(Laughter)
292
782365
1341
(Gelach)
13:19
And you can see from the student testimonials
293
783706
1942
Je merkt aan de getuigenissen van studenten
13:21
that students actually find
294
785648
1687
dat ze vinden
13:23
that because of this large online community,
295
787335
2521
dat deze grote onlinegemeenschap
13:25
they got to interact with each other in many ways
296
789856
2599
leidde tot andere soorten interactie
13:28
that were deeper than they did in the context of the physical classroom.
297
792455
4193
die soms dieper was dan in het fysieke leslokaal.
13:32
Students also self-assembled,
298
796648
2344
De studenten organiseerden zich ook,
13:34
without any kind of intervention from us,
299
798992
1863
zonder dat wij tussenkwamen,
13:36
into small study groups.
300
800855
1903
in kleine studiegroepen.
13:38
Some of these were physical study groups
301
802758
2362
Soms was dat fysiek,
13:41
along geographical constraints
302
805120
1826
volgens geografische lijnen,
13:42
and met on a weekly basis to work through problem sets.
303
806946
2722
en spraken ze wekelijks af om taken op te lossen.
13:45
This is the San Francisco study group,
304
809668
1900
Dit is de studiegroep uit San Francisco.
13:47
but there were ones all over the world.
305
811568
2319
Er waren er over de hele wereld.
13:49
Others were virtual study groups,
306
813887
2032
Soms waren ze virtueel,
13:51
sometimes along language lines or along cultural lines,
307
815919
2989
soms per taal, per cultuur,
13:54
and on the bottom left there,
308
818908
1444
en daar linksonder
13:56
you see our multicultural universal study group
309
820352
3796
zie je onze multiculturele universele studiegroep,
14:00
where people explicitly wanted to connect
310
824148
1763
waarin mensen expliciet contact zochten
14:01
with people from other cultures.
311
825911
3006
met mensen uit andere culturen.
14:04
There are some tremendous opportunities
312
828917
2111
Geweldige kansen bieden zich aan
14:06
to be had from this kind of framework.
313
831028
3325
in dit soort raamwerk.
14:10
The first is that it has the potential of giving us
314
834353
3654
Ten eerste krijgen we potentieel
14:13
a completely unprecedented look
315
838007
2434
een inzicht zonder voorgaande
14:16
into understanding human learning.
316
840441
2289
in het menselijke leren.
14:18
Because the data that we can collect here is unique.
317
842730
3463
De gegevens die we hier verzamelen,
zijn uniek.
zijn uniek.
14:22
You can collect every click, every homework submission,
318
846193
4009
Je kan elke klik,
elke inzending van een taak,
elke inzending van een taak,
14:26
every forum post from tens of thousands of students.
319
850202
4363
elke forumpost verzamelen
van tienduizenden studenten.
van tienduizenden studenten.
14:30
So you can turn the study of human learning
320
854565
2343
Je kan de studie van het menselijke leren
14:32
from the hypothesis-driven mode
321
856908
1933
van de hypothese-gedreven modus
14:34
to the data-driven mode, a transformation that,
322
858841
2858
naar de data-gedreven modus omschakelen,
14:37
for example, has revolutionized biology.
323
861699
3041
wat bijvoorbeeld in de biologie een revolutie was.
14:40
You can use these data to understand fundamental questions
324
864740
3424
Je kan de gegevens gebruiken
om fundamentele vragen te begrijpen, zoals:
om fundamentele vragen te begrijpen, zoals:
14:44
like, what are good learning strategies
325
868164
1880
wat zijn goede leerstrategieën
14:45
that are effective versus ones that are not?
326
870044
2696
en welke zijn niet effectief?
14:48
And in the context of particular courses,
327
872740
2240
In de context van bepaalde cursussen
14:50
you can ask questions
328
874980
1537
kan je vragen stellen zoals:
14:52
like, what are some of the misconceptions that are more common
329
876517
3255
wat zijn de meest gangbare misverstanden
14:55
and how do we help students fix them?
330
879772
2177
en hoe helpen we de studenten ervan af?
14:57
So here's an example of that,
331
881949
1424
Hier is een voorbeeld,
14:59
also from Andrew's Machine Learning class.
332
883373
2016
ook uit de cursus van Andrew over Machinaal leren.
15:01
This is a distribution of wrong answers
333
885389
2208
Dit is de verdeling van de foute antwoorden
15:03
to one of Andrew's assignments.
334
887597
1610
op één van Andrews opdrachten.
15:05
The answers happen to be pairs of numbers,
335
889207
1893
De antwoorden zijn getallenparen,
15:07
so you can draw them on this two-dimensional plot.
336
891100
2271
zodat je dit in twee dimensies kan weergeven.
15:09
Each of the little crosses that you see is a different wrong answer.
337
893371
3778
Elk kruisje is een verschillend fout antwoord.
15:13
The big cross at the top left
338
897149
2406
Het grote kruis linksboven
15:15
is where 2,000 students
339
899555
2148
is waar 2.000 studenten
15:17
gave the exact same wrong answer.
340
901703
3045
exact hetzelfde foute antwoord gaven.
15:20
Now, if two students in a class of 100
341
904748
2327
Als in een groep van 100 studenten
15:22
give the same wrong answer,
342
907075
1287
er 2 hetzelfde antwoord geven,
15:24
you would never notice.
343
908362
1351
valt dat niet op.
15:25
But when 2,000 students give the same wrong answer,
344
909713
2560
Als 2.000 studenten dat doen,
15:28
it's kind of hard to miss.
345
912273
1697
kan je er niet naast kijken.
15:29
So Andrew and his students went in,
346
913970
2192
Andrew en zijn studenten doken erin,
15:32
looked at some of those assignments,
347
916162
1520
keken naar de taken,
15:33
understood the root cause of the misconception,
348
917682
4088
begrepen de oorzaak van de misvatting
15:37
and then they produced a targeted error message
349
921770
2520
en maakten een gerichte foutboodschap
15:40
that would be provided to every student
350
924290
2249
voor elke student
15:42
whose answer fell into that bucket,
351
926539
2179
die in dat mandje terechtkwam.
15:44
which means that students who made that same mistake
352
928718
2084
Studenten die dezelfde fout maakten,
15:46
would now get personalized feedback
353
930802
2026
kregen zo gepersonaliseerde feedback
15:48
telling them how to fix their misconception much more effectively.
354
932828
4399
om hun misvatting
efficiënter te kunnen bijsturen.
efficiënter te kunnen bijsturen.
15:53
So this personalization is something that one can then build
355
937227
3811
Deze personalisatie kan je uitbouwen
15:56
by having the virtue of large numbers.
356
941038
3140
doordat je grote getallen hebt.
16:00
Personalization is perhaps
357
944178
2312
Personalisatie is wellicht
16:02
one of the biggest opportunities here as well,
358
946490
2423
één van de grootste kansen,
16:04
because it provides us with the potential
359
948913
2345
omdat we de mogelijkheid krijgen
16:07
of solving a 30-year-old problem.
360
951258
2690
om een 30 jaar oud probleem op te lossen.
16:09
Educational researcher Benjamin Bloom, in 1984,
361
953948
3349
Onderwijsvorser Benjamin Bloom stelde in 1984
16:13
posed what's called the 2 sigma problem,
362
957297
2251
het zogenaamde 2-sigma-vraagstuk voor.
16:15
which he observed by studying three populations.
363
959548
3062
Hij kwam ertoe door 3 populaties te bestuderen.
16:18
The first is the population that studied in a lecture-based classroom.
364
962610
3608
Ten eerste:
de populatie die studeert via lessen in een klas.
de populatie die studeert via lessen in een klas.
16:22
The second is a population of students that studied
365
966218
2777
Ten tweede:
de populatie die studeert
de populatie die studeert
16:24
using a standard lecture-based classroom,
366
968995
1719
via lessen in een klas, op basis van
16:26
but with a mastery-based approach,
367
970714
2080
een ‘meesterschaps’-aanpak
16:28
so the students couldn't move on to the next topic
368
972794
1920
waarbij ze pas naar het volgende onderwerp mogen
16:30
before demonstrating mastery of the previous one.
369
974714
3354
als ze tonen dat ze het vorige beheersen.
16:33
And finally, there was a population of students
370
978068
2294
Tenslotte was er een groep studenten
16:36
that were taught in a one-on-one instruction using a tutor.
371
980362
4528
die één-op-één les kregen van een lesgever.
16:40
The mastery-based population was a full standard deviation,
372
984890
3272
De meesterschapsgroep was een volle standaarddeviatie,
16:44
or sigma, in achievement scores better
373
988162
2288
of sigma, beter qua prestatiescore
16:46
than the standard lecture-based class,
374
990450
2394
dan de groep die les kreeg in de klas,
16:48
and the individual tutoring gives you 2 sigma
375
992844
2144
en één-op-één-lessen gaven 2 sigma
16:50
improvement in performance.
376
994988
1830
verbetering qua prestaties.
16:52
To understand what that means,
377
996818
1463
Om te begrijpen wat dat betekent,
16:54
let's look at the lecture-based classroom,
378
998281
1833
kijken we even naar de les in de klas.
16:56
and let's pick the median performance as a threshold.
379
1000114
2919
De mediaanprestatie
beschouwen we als een drempel.
beschouwen we als een drempel.
16:58
So in a lecture-based class,
380
1003033
1338
Bij een les in de klas
17:00
half the students are above that level and half are below.
381
1004371
3879
zit de helft van de studenten erboven
en de helft eronder.
en de helft eronder.
17:04
In the individual tutoring instruction,
382
1008250
2098
In de individuele les
17:06
98 percent of the students are going to be above that threshold.
383
1010348
4801
zit 98 procent erboven.
17:11
Imagine if we could teach so that 98 percent of our students
384
1015149
3920
Stel je voor dat we zo zouden lesgeven
dat 98 procent van de studenten
dat 98 procent van de studenten
17:14
would be above average.
385
1019069
2198
bovengemiddeld was.
17:17
Hence, the 2 sigma problem.
386
1021267
3423
Dat is het 2-sigmaprobleem.
17:20
Because we cannot afford, as a society,
387
1024690
2399
Als maatschappij kunnen we het ons niet veroorloven
17:22
to provide every student with an individual human tutor.
388
1027089
3072
om elke student een individuele lesgever te geven.
17:26
But maybe we can afford to provide each student
389
1030161
2249
Maar misschien lukt dat wel voor
17:28
with a computer or a smartphone.
390
1032410
2019
een computer of een smartphone.
17:30
So the question is, how can we use technology
391
1034429
2189
De vraag is hoe we technologie kunnen gebruiken
17:32
to push from the left side of the graph, from the blue curve,
392
1036618
3375
om van de linkerkant, van de blauwe lijn,
17:35
to the right side with the green curve?
393
1039993
2738
naar de rechterkant, de groene lijn,
op te schuiven.
op te schuiven.
17:38
Mastery is easy to achieve using a computer,
394
1042731
2337
Meesterschap kan je met een computer snel verwerven,
17:40
because a computer doesn't get tired
395
1045068
1405
want een computer wordt het niet beu
17:42
of showing you the same video five times.
396
1046473
3073
om je dezelfde video 5 keer te tonen.
17:45
And it doesn't even get tired of grading the same work multiple times,
397
1049546
3251
Hij wordt het zelfs niet beu
om hetzelfde werk meermaals te verbeteren.
om hetzelfde werk meermaals te verbeteren.
17:48
we've seen that in many of the examples that I've shown you.
398
1052802
3026
Dat zagen we in vele voorbeelden die ik toonde.
17:51
And even personalization
399
1055828
1854
Ook personalisatie
17:53
is something that we're starting to see the beginnings of,
400
1057682
2136
staat in zijn kinderschoenen,
17:55
whether it's via the personalized trajectory through the curriculum
401
1059818
3192
hetzij via een persoonlijk leertraject en curriculum,
17:58
or some of the personalized feedback that we've shown you.
402
1063010
3264
hetzij via gepersonaliseerde feedback.
18:02
So the goal here is to try and push,
403
1066274
2488
Ons doel is om door te zetten
18:04
and see how far we can get towards the green curve.
404
1068762
3497
en zo ver mogelijk
richting groene curve op te schuiven.
richting groene curve op te schuiven.
18:08
So, if this is so great, are universities now obsolete?
405
1072259
5359
Als dit zo goed is,
waarom zijn universiteiten dan zo ouderwets?
waarom zijn universiteiten dan zo ouderwets?
18:13
Well, Mark Twain certainly thought so.
406
1077618
2992
Mark Twain vond dat alleszins:
18:16
He said that, "College is a place where a professor's lecture notes
407
1080610
2545
“De universiteit is een plek
waar de lesnotities van de professor
waar de lesnotities van de professor
18:19
go straight to the students' lecture notes,
408
1083155
1703
recht naar de lesnotities van de studenten gaan,
18:20
without passing through the brains of either."
409
1084858
2376
zonder omweg langs het brein van de ene of de andere.”
18:23
(Laughter)
410
1087234
4047
(Gelach)
18:27
I beg to differ with Mark Twain, though.
411
1091281
2668
Ik ben het beleefd oneens met Mark Twain.
18:29
I think what he was complaining about is not
412
1093949
2665
Hij klaagt niet zozeer
18:32
universities but rather the lecture-based format
413
1096614
2750
over universiteiten als over de les in de klas
18:35
that so many universities spend so much time on.
414
1099364
2784
waar zovele universiteiten zoveel tijd insteken.
18:38
So let's go back even further, to Plutarch,
415
1102148
3159
Laten we verder teruggaan, naar Plutarchus:
18:41
who said that, "The mind is not a vessel that needs filling,
416
1105307
2227
“De geest is geen vat dat moet gevuld worden,
18:43
but wood that needs igniting."
417
1107534
2023
maar hout dat moet ontstoken worden.”
18:45
And maybe we should spend less time at universities
418
1109557
2190
Misschien moeten we minder tijd besteden
18:47
filling our students' minds with content
419
1111747
2571
om de geesten van onze studenten
met inhoud te vullen
met inhoud te vullen
18:50
by lecturing at them, and more time igniting their creativity,
420
1114318
3800
door les te geven, en meer
aan het ontsteken van hun creativiteit,
aan het ontsteken van hun creativiteit,
18:54
their imagination and their problem-solving skills
421
1118118
3255
hun verbeelding en probleemoplossend vermogen
18:57
by actually talking with them.
422
1121373
2498
door met hen te praten.
18:59
So how do we do that?
423
1123871
1367
Hoe doen we dat?
19:01
We do that by doing active learning in the classroom.
424
1125238
3431
Door actief te leren in de klas.
19:04
So there's been many studies, including this one,
425
1128669
2449
Er zijn veel studies, waaronder deze,
19:07
that show that if you use active learning,
426
1131118
2080
die aantonen dat bij actief leren,
19:09
interacting with your students in the classroom,
427
1133198
2416
interactie met studenten in de klas,
19:11
performance improves on every single metric --
428
1135614
2696
de prestaties bij alle metingen verbeteren:
19:14
on attendance, on engagement and on learning
429
1138310
2449
aanwezigheid, engagement en leren,
19:16
as measured by a standardized test.
430
1140759
2055
gemeten in een gestandaardiseerde test.
19:18
You can see, for example, that the achievement score
431
1142814
1864
Je ziet bijvoorbeeld dat de prestatiescore
19:20
almost doubles in this particular experiment.
432
1144678
2870
hier bijna verdubbelt.
19:23
So maybe this is how we should spend our time at universities.
433
1147548
4401
Misschien is dat hoe we onze tijd
moeten doorbrengen aan de unversiteit.
moeten doorbrengen aan de unversiteit.
19:27
So to summarize, if we could offer a top quality education
434
1151949
4577
Kortom, als we onderwijs van topkwaliteit
kunnen geven
kunnen geven
19:32
to everyone around the world for free,
435
1156526
1903
aan iedereen in de wereld, gratis,
19:34
what would that do? Three things.
436
1158429
2821
waar leidt dat dan toe? Drie dingen.
19:37
First it would establish education as a fundamental human right,
437
1161250
3421
Eén:
onderwijs zou een fundamenteel mensenrecht zijn,
onderwijs zou een fundamenteel mensenrecht zijn,
19:40
where anyone around the world
438
1164671
1366
waarbij iedereen in de wereld
19:41
with the ability and the motivation
439
1166037
1921
die het kan en wil,
19:43
could get the skills that they need
440
1167958
1951
de nodige vaardigheden kan ontwikkelen
19:45
to make a better life for themselves,
441
1169909
1585
om een beter leven op te bouwen voor zichzelf,
19:47
their families and their communities.
442
1171494
2017
zijn familie en gemeenschap.
19:49
Second, it would enable lifelong learning.
443
1173511
2631
Twee:
levenslang leren zou mogelijk worden.
levenslang leren zou mogelijk worden.
19:52
It's a shame that for so many people,
444
1176142
1951
Het is jammer dat voor zovele mensen
19:53
learning stops when we finish high school or when we finish college.
445
1178093
3312
het leren stopt
aan het einde van het middelbaar of de universiteit.
aan het einde van het middelbaar of de universiteit.
19:57
By having this amazing content be available,
446
1181405
2481
Doordat we dit geweldige materiaal hebben,
19:59
we would be able to learn something new
447
1183886
2743
kunnen we iets nieuws leren
20:02
every time we wanted,
448
1186629
1136
wanneer we maar willen,
20:03
whether it's just to expand our minds
449
1187765
1329
om onze geest te verruimen
20:04
or it's to change our lives.
450
1189094
1959
of om ons leven te veranderen.
20:06
And finally, this would enable a wave of innovation,
451
1191053
3145
Tenslotte zou er een innovatiegolf mogelijk worden,
20:10
because amazing talent can be found anywhere.
452
1194198
3072
want geweldig talent vind je overal.
20:13
Maybe the next Albert Einstein or the next Steve Jobs
453
1197270
3008
Misschien woont de volgende Albert Einstein
of Steve Jobs
of Steve Jobs
20:16
is living somewhere in a remote village in Africa.
454
1200278
2615
in een afgelegen dorp in Afrika.
20:18
And if we could offer that person an education,
455
1202893
2656
Als we hem onderwijs kunnen bieden,
20:21
they would be able to come up with the next big idea
456
1205549
2356
kunnen zij het volgende grote idee ontwikkelen
20:23
and make the world a better place for all of us.
457
1207905
2404
waardoor de wereld voor ons allen beter wordt.
20:26
Thank you very much.
458
1210309
1160
Hartelijk dank.
20:27
(Applause)
459
1211469
7583
(Applaus)
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