TEDGlobal 2012
Beau Lotto + Amy O'Toole: Science is for everyone, kids included
Beau Lotto + Amy O'Toole: Nauka jest dla wszystkich, łącznie z dziećmi
Filmed:
Readability: 3.5
1,504,898 views
Co mają ze sobą wspólnego nauka i zabawa? Neuronaukowiec Beau Lotto uważa, że wszyscy ludzie (łącznie z dziećmi) powinni uczestniczyć w nauce i poprzez proces odkrywania zmieniać swoje sposoby postrzegania. Towarzyszy mu 12-letnia Amy O'Toole, która wraz z 25 kolegami z klasy opublikowała pierwszy recenzowany przez specjalistów artykuł o projekcie Blackawton Bees. Rozpoczyna się on tak: "Pewnego razu..."
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
Ta gra jest bardzo prosta.
00:19
All you have to do is read what you see. Right?
1
3656
4047
Wystarczy przeczytać to co zobaczycie. Dobrze?
00:23
So, I'm going to count to you, so we don't all do it together.
2
7703
3201
Odliczę, żebyśmy zrobili to wszyscy naraz.
00:26
Okay, one, two, three.Audience: Can you read this?
3
10904
2499
Dobrze, raz, dwa, trzy.
Publiczność: Czy możesz to przeczytać?
Publiczność: Czy możesz to przeczytać?
00:29
BL: Amazing. What about this one? One, two, three.Audience: You are not reading this.
4
13403
4379
Niesamowite. A teraz? Raz, dwa, trzy.
Publiczność: Nie czytasz tego.
Publiczność: Nie czytasz tego.
00:33
BL: All right. One, two, three. (Laughter)
5
17782
5316
No dobrze. Raz, dwa, trzy. (śmiech)
00:38
If you were Portuguese, right? How about this one? One, two, three.
6
23098
4797
Jakbyście byli Portugalczykami, prawda? A to?
Raz, dwa, trzy.
Raz, dwa, trzy.
00:43
Audience: What are you reading?
7
27895
1978
Publiczność: Co czytasz?
00:45
BL: What are you reading? There are no words there.
8
29873
3458
Co czytasz? Tam nie ma żadnych słów,
00:49
I said, read what you're seeing. Right?
9
33331
2537
Powiedziałem przeczytajcie to co zobaczycie, prawda?
00:51
It literally says, "Wat ar ou rea in?" (Laughter) Right?
10
35868
3850
Tam jest napisane "Co czyasz" (śmiech), prawda?
00:55
That's what you should have said. Right? Why is this?
11
39718
3828
To powinniście powiedzieć, prawda? Czemu tak jest?
00:59
It's because perception is grounded in our experience.
12
43546
3536
Dzieje się tak dlatego, że percepcja
jest ugruntowana w naszym doświadczeniu.
jest ugruntowana w naszym doświadczeniu.
01:02
Right? The brain takes meaningless information
13
47082
2897
Prawda? Mózg pobiera nic nieznaczące informacje
01:05
and makes meaning out of it, which means we never see
14
49979
2959
i wydobywa z nich sens, co oznacza że nigdy nie widzimy
01:08
what's there, we never see information,
15
52938
2256
co tam jest, nigdy nie widzimy informacji,
01:11
we only ever see what was useful to see in the past.
16
55194
3275
dostrzegamy jedynie to, co było użyteczne w przeszłości.
01:14
All right? Which means, when it comes to perception,
17
58469
2736
Dobrze? Oznacza to, że w temacie percepcji
01:17
we're all like this frog.
18
61205
6795
wszyscy jesteśmy jak ta żaba.
01:23
(Laughter)
19
68000
912
(śmiech)
01:24
Right? It's getting information. It's generating behavior
20
68912
3395
No nie? Ona pobiera informacje. Generuje zachowanie,
01:28
that's useful. (Laughter)
21
72307
4468
które jest przydatne. (śmiech)
01:32
(Laughter)
22
76775
7032
(śmiech)
01:39
(Video) Man: Ow! Ow! (Laughter) (Applause)
23
83807
5982
(video) O! O! (śmiech) (brawa)
01:45
BL: And sometimes, when things don't go our way,
24
89789
2712
A czasami, gdy nam się nie układa
01:48
we get a little bit annoyed, right?
25
92501
2259
stajemy się troszkę rozdrażnieni, nieprawdaż?
01:50
But we're talking about perception here, right?
26
94760
2730
Ale rozmawiamy tu o percepcji, czyż nie?
01:53
And perception underpins everything we think, we know,
27
97490
4365
A percepcja stanowi fundament dla wszystkiego
o czym myślimy, co wiemy,
o czym myślimy, co wiemy,
01:57
we believe, our hopes, our dreams, the clothes we wear,
28
101855
2871
w co wierzymy, nasze nadzieje, marzenia,
ubrania jakie nosimy,
ubrania jakie nosimy,
02:00
falling in love, everything begins with perception.
29
104726
3743
zakochanie, wszystko zaczyna się od percepcji.
02:04
Now if perception is grounded in our history, it means
30
108469
2945
Jeśli percepcja jest zatem ugruntowana w naszej historii
02:07
we're only ever responding according to what we've done before.
31
111414
3459
oznacza to, że reagujemy tylko w taki sposób,
w jaki już to robiliśmy.
w jaki już to robiliśmy.
02:10
But actually, it's a tremendous problem,
32
114873
3076
Ale tak naprawdę, jest to ogromny problem,
02:13
because how can we ever see differently?
33
117949
3617
ponieważ jak możemy widzieć cokolwiek inaczej?
02:17
Now, I want to tell you a story about seeing differently,
34
121566
4063
Chciałbym wam teraz opowiedzieć historię
o postrzeganiu w inny sposób
o postrzeganiu w inny sposób
02:21
and all new perceptions begin in the same way.
35
125629
3988
i całkiem nowe percepcje powstają w ten właśnie sposób.
02:25
They begin with a question.
36
129617
2582
Zaczynają się od pytania.
02:28
The problem with questions is they create uncertainty.
37
132199
3238
Problem pytań polega na tym, że tworzą one niepewność.
02:31
Now, uncertainty is a very bad thing. It's evolutionarily
38
135437
2729
Niepewność jest bardzo zła, ewolucyjnie zła.
02:34
a bad thing. If you're not sure that's a predator, it's too late.
39
138166
3601
Jeśli nie jesteście pewni czy to drapieżnik,
już jest za późno.
już jest za późno.
02:37
Okay? (Laughter)
40
141767
1360
Dobrze? (śmiech)
02:39
Even seasickness is a consequence of uncertainty.
41
143127
3160
Nawet choroba morska jest skutkiem niepewności.
02:42
Right? If you go down below on a boat, your inner ears
42
146287
2252
Czyż nie? Jeśli zejdziecie pod pokład, wasze ucho wewnętrzne
02:44
are you telling you you're moving. Your eyes, because
43
148539
2176
mówi wam że się poruszacie. Wasze oczy, ponieważ
02:46
it's moving in register with the boat, say I'm standing still.
44
150715
2316
poruszają się razem z łódką, mówią wam, że stoicie w miejscu.
02:48
Your brain cannot deal with the uncertainty of that information, and it gets ill.
45
153031
4655
Wasz mózg nie może sobie poradzić z niepewnością tych informacji, i choruje.
02:53
The question "why?" is one of the most dangerous things you can do,
46
157686
3929
Pytanie "dlaczego" jest jedną z najbardziej niebezpiecznych rzeczy, jakie możecie zrobić
02:57
because it takes you into uncertainty.
47
161615
2992
ponieważ zabiera was w świat niepewności.
03:00
And yet, the irony is, the only way we can ever
48
164607
2879
A jednak, jak na ironię, jedynym sposobem, żeby
03:03
do anything new is to step into that space.
49
167486
3536
stworzyć coś nowego jest wkroczenie w tą przestrzeń.
03:06
So how can we ever do anything new? Well fortunately,
50
171022
3224
Jak więc możemy kiedykolwiek stworzyć coś nowego?
Na szczęście,
Na szczęście,
03:10
evolution has given us an answer, right?
51
174246
3584
ewolucja dała nam odpowiedź, prawda?
03:13
And it enables us to address even the most difficult
52
177830
3595
I umożliwia nam ona adresowanie nawet
najtrudniejszych pytań.
najtrudniejszych pytań.
03:17
of questions. The best questions are the ones that create the most uncertainty.
53
181425
4679
Najlepsze pytania to te, które kreują najwięcej niepewności.
03:22
They're the ones that question the things we think to be true already. Right?
54
186104
3956
To te, które kwestionują rzeczy, które uważamy za pewne.
03:25
It's easy to ask questions about how did life begin,
55
190060
1989
Łatwo zadać pytanie na temat początków życia,
03:27
or what extends beyond the universe, but to question what you think to be true already
56
192049
3308
lub co znajduje się poza wszechświatem, ale kwestionowanie tego,
03:31
is really stepping into that space.
57
195357
3001
co uważacie za pewne jest prawdziwym wkraczaniem w ten obszar.
03:34
So what is evolution's answer to the problem of uncertainty?
58
198358
4810
Jaka jest więc odpowiedź ewolucji
na problem niepewności?
na problem niepewności?
03:39
It's play.
59
203168
1773
To zabawa.
03:40
Now play is not simply a process. Experts in play will tell you
60
204941
4193
Zabawa nie jest po prostu procesem.
Eksperci od zabawy powiedzą wam,
Eksperci od zabawy powiedzą wam,
03:45
that actually it's a way of being.
61
209134
2615
że jest to styl bycia.
03:47
Play is one of the only human endeavors where uncertainty
62
211749
2891
Zabawa jest jedną z ludzkich czynności,
gdzie niepewność jest czczona.
gdzie niepewność jest czczona.
03:50
is actually celebrated. Uncertainty is what makes play fun.
63
214640
4326
To niepewność czyni zabawę radosną.
03:54
Right? It's adaptable to change. Right? It opens possibility,
64
218966
4275
Prawda? Jest podatna na zmiany. Prawda?
Otwiera możliwości
Otwiera możliwości
03:59
and it's cooperative. It's actually how we do our social bonding,
65
223241
4109
i jest chętna do współpracy. Dzięki niej tak naprawdę tworzymy relacje międzyludzkie,
04:03
and it's intrinsically motivated. What that means
66
227350
1726
i jest motywowana wewnętrznie. Oznacza to,
04:04
is that we play to play. Play is its own reward.
67
229076
4606
że bawimy się dla samej zabawy.
Zabawa jest sama w sobie nagrodą.
Zabawa jest sama w sobie nagrodą.
04:09
Now if you look at these five ways of being,
68
233682
3891
Jeśli spojrzycie na te pięć stylów bycia,
04:13
these are the exact same ways of being you need
69
237573
2721
są to te same style bycia potrzebne
04:16
in order to be a good scientist.
70
240294
2036
aby zostać dobrym naukowcem.
04:18
Science is not defined by the method section of a paper.
71
242330
3027
Nauka nie jest definiowana poprzez część
metodologiczną pracy naukowej.
metodologiczną pracy naukowej.
04:21
It's actually a way of being, which is here, and this is true
72
245357
3140
Tak naprawdę jest to obecny tutaj styl bycia, i jest to prawdziwe
04:24
for anything that is creative.
73
248497
2653
dla każdej kreatywnej rzeczy.
04:27
So if you add rules to play, you have a game.
74
251150
4203
Jeśli zatem dodamy reguły do zabawy, otrzymujemy grę.
04:31
That's actually what an experiment is.
75
255353
2790
Tym właściwie jest eksperyment.
04:34
So armed with these two ideas,
76
258143
1919
Uzbrojeni w te dwie idee,
04:35
that science is a way of being and experiments are play,
77
260062
4322
że nauka jest stylem bycia i eksperymenty są zabawą zapytaliśmy,
04:40
we asked, can anyone become a scientist?
78
264384
3453
czy każdy może zostać naukowcem?
04:43
And who better to ask than 25 eight- to 10-year-old children?
79
267837
3500
A kogo lepiej o to zapytać niż 25 dzieci w wieku od 8 do 10 roku życia?
04:47
Because they're experts in play. So I took my bee arena
80
271337
3507
Są oni bowiem ekspertami w temacie zabawy. Zabrałem więc
04:50
down to a small school in Devon, and the aim of this
81
274844
3547
swoje rzeczy do małej szkoły w Devon, a celem tego
04:54
was to not just get the kids to see science differently,
82
278391
4244
nie było jedynie inne spojrzenie dzieci na naukę,
04:58
but, through the process of science, to see themselves differently. Right?
83
282635
4598
ale poprzez naukę, zobaczenie samych siebie w innym świetle. Prawda?
05:03
The first step was to ask a question.
84
287233
3408
Pierwszym krokiem było zadanie pytania.
05:06
Now, I should say that we didn't get funding for this study
85
290641
2880
Teraz muszę powiedzieć, że nie dostaliśmy dofinansowania do tych badań,
05:09
because the scientists said small children couldn't make
86
293521
3330
bo naukowcy stwierdzili, że małe dzieci nie są w stanie
05:12
a useful contribution to science, and the teachers said kids couldn't do it.
87
296851
4302
przysłużyć się nauce, a nauczyciele powiedzieli, że dzieci nie mogą tego zrobić.
05:17
So we did it anyway. Right? Of course.
88
301153
3734
Więc i tak to zrobiliśmy. Prawda? Oczywiście.
05:20
So, here are some of the questions. I put them in small print
89
304887
2819
Tu są zatem niektóre z pytań. Napisałem je małą czcionką
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
żebyście nie musieli ich czytać. Ważne jest to, że 5 pytań, które wymyśliły dzieci,
05:28
were actually the basis of science publication the last five to 15 years. Right?
91
312146
4618
to podstawy publikacji naukowych opublikowanych od 5 do 15 lat temu. Prawda?
05:32
So they were asking questions that were significant
92
316764
2660
Zadawali więc pytania, które były ważne
05:35
to expert scientists.
93
319424
2130
dla ekspertów naukowych.
05:37
Now here, I want to share the stage with someone quite special. Right?
94
321554
4134
Chcę teraz przedstawić kogoś dosyć wyjątkowego. Dobrze?
05:41
She was one of the young people who was involved in this study,
95
325688
2612
Jest ona jedną z młodych osób, które uczestniczyły w tych badaniach,
05:44
and she's now one of the youngest published scientists
96
328300
2334
i jest teraz jedną z najmłodszych publikujących naukowców
05:46
in the world. Right? She will now, once she comes onto stage,
97
330634
3883
na świecie. Dobrze? Gdy wejdzie teraz na scenę,
05:50
will be the youngest person to ever speak at TED. Right?
98
334517
3698
będzie najmłodszą osobą przemawiającą na TED. Prawda?
05:54
Now, science and asking questions is about courage.
99
338215
2875
Teraz, nauka i zadawanie pytań wymaga odwagi.
05:56
Now she is the personification of courage, because she's
100
341090
3200
Ona jest ucieleśnieniem odwagi, ponieważ zamierza stanąć
06:00
going to stand up here and talk to you all.
101
344290
1387
przed wami i przemawiać.
06:01
So Amy, would you please come up? (Applause)
102
345677
5254
Więc Amy, możesz się pokazać? (brawa)
06:06
(Applause)
103
350931
7185
(brawa)
06:14
So Amy's going to help me tell the story of what we call
104
358116
2519
Zatem Amy pomoże mi opowiedzieć historię
06:16
the Blackawton Bees Project, and first she's going to tell you
105
360635
2666
o projekcie Blackawton Bees, ale najpierw opowie wam
06:19
the question that they came up with. So go ahead, Amy.
106
363301
2545
o pytaniu jakie wymyślili. Zatem śmiało Amy.
06:21
Amy O'Toole: Thank you, Beau. We thought
107
365846
1719
Dziękuję Beau. Pomyśleliśmy,
06:23
that it was easy to see the link between humans and apes
108
367565
3401
że łatwo jest dostrzec podobieństwo między ludźmi i małpami
06:26
in the way that we think, because we look alike.
109
370966
3024
w sposobie w jakim myślimy, bo wyglądamy podobnie.
06:29
But we wondered if there's a possible link
110
373990
2689
Ale zastanawialiśmy się, czy istnieje podobieństwo
06:32
with other animals. It'd be amazing if humans and bees
111
376679
4704
do innych zwierząt. Byłoby niesamowite, gdyby
ludzie i pszczoły myśleli podobnie
ludzie i pszczoły myśleli podobnie
06:37
thought similar, since they seem so different from us.
112
381383
4113
choć wyglądają całkiem inaczej niż my.
06:41
So we asked if humans and bees might solve
113
385496
3053
Zapytaliśmy więc, czy ludzie i pszczoły mogą rozwiązywać
06:44
complex problems in the same way.
114
388549
2407
złożone problemy w ten sam sposób.
06:46
Really, we wanted to know if bees can also adapt
115
390956
3287
Tak naprawdę, chcieliśmy się dowiedzieć, czy pszczoły mogą przystosować się
06:50
themselves to new situations using previously learned rules
116
394243
3707
do nowych sytuacji używając wyuczonych wcześniej reguł
06:53
and conditions. So what if bees can think like us?
117
397950
4214
i okoliczności. Co więc, jeśli pszczoły potrafią myśleć
tak jak my?
tak jak my?
06:58
Well, it'd be amazing, since we're talking about an insect
118
402164
2552
Cóż, byłoby to niesamowite, biorąc pod uwagę owady,
07:00
with only one million brain cells.
119
404716
2525
które mają zaledwie milion komórek mózgowych.
07:03
But it actually makes a lot of sense they should,
120
407241
2142
Ale tak naprawdę jest dużo sensu w tym,
że powinny
że powinny
07:05
because bees, like us, can recognize a good flower
121
409383
3277
ponieważ pszczoły, tak jak my, potrafią
rozpoznać właściwy kwiatek
rozpoznać właściwy kwiatek
07:08
regardless of the time of day, the light, the weather,
122
412660
3613
niezależnie od pory dnia,
światła, pogody,
światła, pogody,
07:12
or from any angle they approach it from. (Applause)
123
416273
5742
czy kąta z jakim do niego podlatują. (brawa)
07:17
BL: So the next step was to design an experiment,
124
422015
3782
Zatem kolejnym krokiem było zaprojektowanie eksperymentu,
07:21
which is a game. So the kids went off and they designed
125
425797
3302
który jest grą. Dzieci więc zaprojektowały ten eksperyment,
07:24
this experiment, and so -- well, game -- and so,
126
429099
3301
i... w zasadzie grę..., zatem Amy, czy możesz
07:28
Amy, can you tell us what the game was,
127
432400
1466
nam powiedzieć czym była ta gra
07:29
and the puzzle that you set the bees?
128
433866
2143
i zagadka, którą daliście pszczołom?
07:31
AO: The puzzle we came up with was an if-then rule.
129
436009
3023
Zagadką na jaką wpadliśmy była zasada jeżeli-to.
07:34
We asked the bees to learn not just to go to a certain color,
130
439032
3645
Chcieliśmy, aby pszczoły nauczyły się nie tylko kierowania się kolorem,
07:38
but to a certain color flower only
131
442677
2668
ale kierowania się do kwiatów danego koloru,
07:41
when it's in a certain pattern.
132
445345
1632
kiedy układają się w pewien wzór.
07:42
They were only rewarded if they went to the yellow flowers
133
446977
3259
Były nagradzane jedynie wtedy, gdy poleciały do żółtych kwiatów
07:46
if the yellow flowers were surrounded by the blue,
134
450236
3060
otoczonych przez niebieskie kwiaty
07:49
or if the blue flowers were surrounded by the yellow.
135
453296
3268
lub gdy niebieskie kwiaty były otoczone przez żółte.
07:52
Now there's a number of different rules the bees can learn
136
456564
2585
Istnieje pewna liczba różnych zasad,
które pszczoły mogą przyswoić
które pszczoły mogą przyswoić
07:55
to solve this puzzle. The interesting question is, which?
137
459149
3425
aby rozwiązać tą zagadkę. Interesującym pytaniem jest - które?
07:58
What was really exciting about this project was we,
138
462574
2780
Naprawdę ekscytujące przy tym projekcie było to,
08:01
and Beau, had no idea whether it would work.
139
465354
2343
że ani my ani Beau nie wiedzieliśmy czy to zadziała.
08:03
It was completely new, and no one had done it before,
140
467697
2454
To było coś zupełnie nowego, i nikt nie robił tego wcześniej,
08:06
including adults. (Laughter)
141
470151
3723
wliczając w to dorosłych. (śmiech)
08:09
BL: Including the teachers, and that was really hard for the teachers.
142
473874
3464
Wliczając nauczycieli, a to było dla nich bardzo trudne.
08:13
It's easy for a scientist to go in and not have a clue what he's doing,
143
477338
2904
Naukowcowi łatwo jest iść i robić coś nie mając o tym pojęcia,
08:16
because that's what we do in the lab, but for a teacher
144
480242
2544
ponieważ robimy to w laboratoriach, ale dla nauczyciela
08:18
not to know what's going to happen at the end of the day --
145
482786
1625
brak pojęcia co stanie się pod koniec dnia...
08:20
so much of the credit goes to Dave Strudwick, who was
146
484411
2599
wielkie podziękowania dla Dave'a Strudwick'a, naszego
08:22
the collaborator on this project. Okay?
147
487010
2209
współpracownika przy tym projekcie. OK?
08:25
So I'm not going to go through the whole details of the study
148
489219
2732
Nie zamierzam więc brnąć przez wszystkie szczegóły badań,
08:27
because actually you can read about it, but the next step
149
491951
2638
bo możecie o nich poczytać, a następnym krokiem jest obserwacja.
08:30
is observation. So here are some of the students
150
494589
3645
Tutaj są niektórzy uczniowie, którzy dokonują obserwacji.
08:34
doing the observations. They're recording the data
151
498234
2768
Zbierają oni dane dotyczące miejsc,
08:36
of where the bees fly.
152
501002
5044
w które latają pszczoły.
08:41
(Video) Dave Strudwick: So what we're going to do —Student: 5C.
153
506046
2023
(wideo) Dave Strudwick: Co zamierzamy zrobić?
uczeń: 5C.
uczeń: 5C.
08:43
Dave Strudwick: Is she still going up here?Student: Yeah.
154
508069
3990
Dave Strudwick: Wciąż tu zmierza?
Uczeń: Tak.
Uczeń: Tak.
08:47
Dave Strudwick: So you keep track of each.Student: Henry, can you help me here?
155
512059
3597
Dave Strudwick: Śledź każdą z nich.
Uczeń: Henry, czy możesz mi tutaj pomóc?
Uczeń: Henry, czy możesz mi tutaj pomóc?
08:51
BL: "Can you help me, Henry?" What good scientist says that, right?
156
515656
2904
BL: "Czy możesz mi pomóc Henry?" Który porządny naukowiec mówi coś takiego, prawda?
08:54
Student: There's two up there.
157
518560
4710
Uczeń: Tam jest dwójka.
08:59
And three in here.
158
523270
2874
I trzy tutaj.
09:02
BL: Right? So we've got our observations. We've got our data.
159
526144
2275
BL: Prawda? Mamy więc nasze obserwacje. Mamy nasze dane.
09:04
They do the simple mathematics, averaging, etc., etc.
160
528419
3773
Oni robią proste obliczenia, uśrednienia, itp., itd.
09:08
And now we want to share. That's the next step.
161
532192
1931
A teraz chcemy się tym podzielić. To jest kolejny krok.
09:10
So we're going to write this up and try to submit this
162
534123
1608
Spróbujemy to więc spisać i przedłożyć
09:11
for publication. Right? So we have to write it up.
163
535731
2856
do publikacji. Prawda? Musimy to więc spisać.
09:14
So we go, of course, to the pub. All right? (Laughter)
164
538587
4513
Idziemy zatem oczywiście do pubu. W porządku? (śmiech)
09:19
The one on the left is mine, okay? (Laughter)
165
543100
2284
Ten po lewej jest mój, ok? (śmiech)
09:21
Now, I tell them, a paper has four different sections:
166
545384
2086
Mówię im teraz, że praca ma 4 różne sekcje:
09:23
an introduction, a methods, a results, a discussion.
167
547470
2807
wprowadzenie, metodologię, wyniki i dyskusję.
09:26
The introduction says, what's the question and why?
168
550277
2604
Wprowadzenie mówi jakie stawiamy pytanie i dlaczego?
09:28
Methods, what did you do? Results, what was the observation?
169
552881
3119
Metodologia, co zrobiliście? Wyniki, jakie były obserwacje?
09:31
And the discussion is, who cares? Right?
170
556000
2143
A dyskusja, komu na tym zależy? Prawda?
09:34
That's a science paper, basically. (Laughter)
171
558143
2459
To jest w zasadzie praca naukowa. (śmiech)
09:36
So the kids give me the words, right? I put it into a narrative,
172
560602
4529
Dzieci dały mi zatem słowa, prawda? Zmieniam je w narrację, co oznacza,
09:41
which means that this paper is written in kidspeak.
173
565131
3247
że ta praca jest napisana w języku używanym przez dzieci.
09:44
It's not written by me. It's written by Amy
174
568378
2528
Nie jest napisana przeze mnie. Jest napisana przez Amy
09:46
and the other students in the class. As a consequence,
175
570906
3320
i innych uczniów w klasie. W konsekwencji ta
09:50
this science paper begins, "Once upon a time ... " (Laughter)
176
574226
6017
praca naukowa zaczyna się od słów "Pewnego razu..." (śmiech)
09:56
The results section, it says: "Training phase, the puzzle ... duh duh duuuuuhhh." Right? (Laughter)
177
580243
5312
Sekcja wyników mówi: "Faza treningu, zagadka... duh duh duuuuuhhh." Prawda? (śmiech)
10:01
And the methods, it says, "Then we put the bees
178
585555
2196
A metodyka mówi: "Wtedy umieściliśmy pszczoły
10:03
into the fridge (and made bee pie)," smiley face. Right? (Laughter)
179
587751
3317
w lodówce (i zrobiliśmy pszczeli placek)," uśmiechnięta buzia. Prawda? (śmiech)
10:06
This is a science paper. We're going to try to get it published.
180
591068
3833
To jest praca naukowa. Spróbujemy ją opublikować.
10:10
So here's the title page. We have a number of authors there.
181
594901
2834
Tutaj jest strona tytułowa. Mamy tu wielu autorów.
10:13
All the ones in bold are eight to 10 years old.
182
597735
2851
Wszyscy wypisani tłustym drukiem mają od 8 do 10 lat.
10:16
The first author is Blackawton Primary School, because
183
600586
2050
Pierwszym autorem jest Szkoła Podstawowa Blackawton,
10:18
if it were ever referenced, it would be "Blackawton et al,"
184
602636
3246
ponieważ w odnośnikach byłoby "wszyscy z Blackawton",
10:21
and not one individual. So we submit it to a public access journal,
185
605882
3057
a nie każdy z osobna. Przedłożyliśmy więc to magazynowi o dostępie ogólnym
10:24
and it says this. It said many things, but it said this.
186
608939
3332
i oto co powiedzieli. Powiedzieli wiele, ale powiedzieli to.
10:28
"I'm afraid the paper fails our initial quality control checks in several different ways." (Laughter)
187
612271
3919
"Obawiam się, że praca nie przeszła naszych testów jakościowych z wielu przyczyn." (śmiech)
10:32
In other words, it starts off "once upon a time,"
188
616190
2560
Innymi słowy, zaczyna się od "pewnego razu,"
10:34
the figures are in crayon, etc. (Laughter)
189
618750
2526
ilustracje są kolorowane kredkami, itp. (śmiech)
10:37
So we said, we'll get it reviewed. So I sent it to Dale Purves,
190
621276
4353
Powiedzieliśmy że zdobędziemy jej recenzję. Więc wysłałem ją do Dale'a Purves'a,
10:41
who is at the National Academy of Science, one of the leading neuroscientists in the world,
191
625629
3533
który pracuje w Państwowej Akademii Nauk, i jest jednym z najlepszych na świecie neuronaukowców,
10:45
and he says, "This is the most original science paper I have ever read" — (Laughter) —
192
629162
3449
a on powiedział, "To jest najbardziej oryginalna praca naukowa jaką kiedykolwiek czytałem" (śmiech)
10:48
"and it certainly deserves wide exposure."
193
632611
2097
"i zdecydowanie zasługuje na szerszą ekspozycję".
10:50
Larry Maloney, expert in vision, says, "The paper is magnificent.
194
634708
4271
Larry Maloney, ekspert od widzenia powiedział, że "ta praca jest wyśmienita,
10:54
The work would be publishable if done by adults."
195
638979
3366
byłaby opublikowana, jeśli napisaliby ją dorośli".
10:58
So what did we do? We send it back to the editor.
196
642345
1979
Co zatem zrobiliśmy? Odesłaliśmy ją do edytora.
11:00
They say no.
197
644324
1589
Odmówiono nam.
11:01
So we asked Larry and Natalie Hempel to write
198
645913
2454
Poprosiliśmy więc Larry'ego i Natalie Hempel o napisanie komentarza
11:04
a commentary situating the findings for scientists, right,
199
648367
4007
dla naukowców opisującego dokonane odkrycia, prawda,
11:08
putting in the references, and we submit it to Biology Letters.
200
652374
4128
umieściliśmy to w odwołaniach i przedłożyliśmy do Biology Letters.
11:12
And there, it was reviewed by five independent referees,
201
656502
3327
I tam, została ona zrecenzowana przez pięciu niezależnych recenzentów,
11:15
and it was published. Okay? (Applause)
202
659829
4421
i opublikowana. OK? (brawa)
11:20
(Applause)
203
664250
6000
(brawa)
11:26
It took four months to do the science,
204
670250
3021
Część naukowa zajęła nam 4 miesiące,
11:29
two years to get it published. (Laughter)
205
673271
3228
a 2 lata opublikowanie jej. (śmiech)
11:32
Typical science, actually, right? So this makes Amy and
206
676499
4835
W zasadzie jest to typowa nauka, prawda? To czyni Amy i jej kolegów
11:37
her friends the youngest published scientists in the world.
207
681334
2433
najmłodszymi publikującymi naukowcami na świecie.
11:39
What was the feedback like?
208
683767
2016
Jaka była odpowiedź na tę pracę?
11:41
Well, it was published two days before Christmas,
209
685783
2885
Cóż, została opublikowana na 2 dni przed świętami,
11:44
downloaded 30,000 times in the first day, right?
210
688668
4003
pobrana 30 000 razy pierwszego dnia, prawda?
11:48
It was the Editors' Choice in Science, which is a top science magazine.
211
692671
4040
Zdobyła tytuł Wybór Edytorów w Science, który jest topowym magazynem naukowym.
11:52
It's forever freely accessible by Biology Letters.
212
696711
2542
Jest na zawsze dostępna za darmo w Biology Letters.
11:55
It's the only paper that will ever be freely accessible by this journal.
213
699253
3680
Jest to jedyna praca jaka będzie kiedykolwiek dostępna za darmo w tym piśmie.
11:58
Last year, it was the second-most downloaded paper
214
702933
2699
W zeszłym roku, była ona drugą najczęściej pobieraną pracą
12:01
by Biology Letters, and the feedback from not just scientists
215
705632
4104
z Biology Letters, z odbiorem nie tylko wśród naukowców
12:05
and teachers but the public as well.
216
709736
2548
i nauczycieli, ale też społeczeństwa.
12:08
And I'll just read one.
217
712284
1772
A ja przeczytam tylko jedną opinię.
12:09
"I have read 'Blackawton Bees' recently. I don't have
218
714056
2490
"Przeczytałem niedawno "Blackawton Bees". Nie mam słów
12:12
words to explain exactly how I am feeling right now.
219
716546
2313
żeby opisać dokładnie jak się teraz czuję.
12:14
What you guys have done is real, true and amazing.
220
718859
2479
To co zrobiliście jest prawdziwe, szczere i niezwykłe.
12:17
Curiosity, interest, innocence and zeal are the most basic
221
721338
3109
Ciekawość, zainteresowanie, niewinność i zapał to najbardziej
12:20
and most important things to do science.
222
724447
1724
podstawowe i najważniejsze rzeczy w nauce.
12:22
Who else can have these qualities more than children?
223
726171
2478
Kto ma więcej tych cech niż dzieci?
12:24
Please congratulate your children's team from my side."
224
728649
3541
Proszę pogratulować ode mnie Pańskiemu zespołowi dzieci".
12:28
So I'd like to conclude with a physical metaphor.
225
732190
3383
Chciałbym więc zakończyć fizyczną metaforą.
12:31
Can I do it on you? (Laughter)
226
735573
2968
Czy mogę to wam zrobić? (śmiech)
12:34
Oh yeah, yeah, yeah, come on. Yeah yeah. Okay.
227
738541
3093
Oj tak, tak, no dalej. Tak. OK.
12:37
Now, science is about taking risks, so this is an incredible risk, right? (Laughter)
228
741634
5177
Nauka polega na podejmowaniu ryzyka, więc to jest niesamowite ryzyko, prawda? (śmiech)
12:42
For me, not for him. Right? Because we've only done this once before. (Laughter)
229
746811
6098
Dla mnie, nie dla niego. Prawda? Ponieważ robiliśmy to przedtem tylko raz. (śmiech)
12:48
And you like technology, right?
230
752909
1576
A ty lubisz technologię, prawda?
12:50
Shimon Schocken: Right, but I like myself.
231
754485
2176
Shimon Schocken: Tak, ale lubię siebie.
12:52
BL: This is the epitome of technology. Right. Okay.
232
756661
2951
BL: To jest zarys technologii. Prawda. OK.
12:55
Now ... (Laughter)
233
759612
3608
Teraz.... (śmiech)
12:59
Okay. (Laughter)
234
763220
2880
OK. (śmiech)
13:02
Now, we're going to do a little demonstration, right?
235
766100
4084
Teraz zrobimy niewielką demonstrację, dobrze?
13:06
You have to close your eyes, and you have to point
236
770184
4019
Musisz zamknąć oczy i wskazać miejsce,
13:10
where you hear me clapping. All right?
237
774203
3157
w którym słyszysz moje klaskanie. Dobrze?
13:13
(Clapping)
238
777360
4398
(klaskanie)
13:17
(Clapping)
239
781758
3144
(klaskanie)
13:20
Okay, how about if everyone over there shouts. One, two, three?
240
784902
2903
Dobrze, a gdyby tak wszyscy z tej strony zaczęli krzyczeć. Raz, dwa, trzy?
13:23
Audience: (Shouts)
241
787805
2901
(krzyki)
13:26
(Laughter)
242
790706
4446
(śmiech)
13:31
(Shouts) (Laughter)
243
795152
3171
(krzyki)
(śmiech)
(śmiech)
13:34
Brilliant. Now, open your eyes. We'll do it one more time.
244
798323
3641
Genialnie. Teraz otwórz oczy. Zrobimy to jeszcze raz.
13:37
Everyone over there shout. (Shouts)
245
801964
2802
Wszyscy stamtąd krzyczą.
(krzyki)
(krzyki)
13:40
Where's the sound coming from? (Laughter) (Applause)
246
804766
5932
Skąd dochodzi dźwięk? (śmiech)
(brawa)
(brawa)
13:46
Thank you very much. (Applause)
247
810698
4230
Dziękuję bardzo.
(brawa)
(brawa)
13:50
What's the point? The point is what science does for us.
248
814928
3713
O co chodziło? Chodziło o to, co nauka robi dla nas.
13:54
Right? We normally walk through life responding,
249
818641
2406
Prawda? Normalnie idziemy przez życie reagując, ale gdybyśmy
13:56
but if we ever want to do anything different, we have to
250
821047
2212
kiedykolwiek chcieli zrobić coś inaczej,
13:59
step into uncertainty. When he opened his eyes,
251
823259
2689
musimy wkroczyć w niepewność. Gdy otworzył oczy
14:01
he was able to see the world in a new way.
252
825948
2382
był w stanie spojrzeć na świat pod innym kątem.
14:04
That's what science offers us. It offers the possibility
253
828330
3168
To oferuje nam nauka. Oferuje możliwość
14:07
to step on uncertainty through the process of play, right?
254
831498
4016
wkroczenia w niepewność poprzez zabawę, prawda?
14:11
Now, true science education I think should be about
255
835514
3024
Prawdziwa edukacja w zakresie nauk ścisłych powinna polegać według mnie
14:14
giving people a voice and enabling to express that voice,
256
838538
3399
na dawaniu ludziom głosu i możliwości jego wyrażenia,
14:17
so I've asked Amy to be the last voice in this short story.
257
841937
4369
więc poprosiłem Amy aby była ostatnim głosem w tej krótkiej opowieści.
14:22
So, Amy?
258
846306
3105
Zatem, Amy?
14:25
AO: This project was really exciting for me,
259
849411
2553
AO: Ten projekt był dla mnie bardzo ekscytujący,
14:27
because it brought the process of discovery to life,
260
851964
2671
ponieważ pobudził do życia proces odkrywania,
14:30
and it showed me that anyone, and I mean anyone,
261
854635
2911
i pokazał mi że każdy, dosłownie każdy,
14:33
has the potential to discover something new,
262
857546
2753
ma w sobie potencjał żeby odkryć coś nowego,
14:36
and that a small question can lead into a big discovery.
263
860299
4072
i że małe pytanie może doprowadzić do dużego odkrycia.
14:40
Changing the way a person thinks about something
264
864371
2652
Zmiana sposobu postrzegania czegoś przez daną osobę
14:42
can be easy or hard. It all depends on the way the person
265
867023
3712
może być łatwa lub trudna. Wszystko zależy od tego,
14:46
feels about change.
266
870735
1488
jak ta osoba znosi zmiany.
14:48
But changing the way I thought about science was
267
872223
2452
Ale zmiana mojego sposobu postrzegania nauki
14:50
surprisingly easy. Once we played the games
268
874675
2275
była zaskakująco łatwa. Gdy graliśmy w gry
14:52
and then started to think about the puzzle,
269
876950
2418
a potem myśleliśmy nad zagadką zrozumiałam,
14:55
I then realized that science isn't just a boring subject,
270
879368
3857
że nauka nie jest tylko nudnym przedmiotem,
14:59
and that anyone can discover something new.
271
883225
3194
i że każdy może odkryć coś nowego.
15:02
You just need an opportunity. My opportunity came
272
886419
3200
Potrzebujecie tylko szansy. Moja szansa przybyła
15:05
in the form of Beau, and the Blackawton Bee Project.
273
889619
2636
jako Beau i Projekt Blackawton Bee.
15:08
Thank you.BL: Thank you very much. (Applause)
274
892255
4361
Dziękuję.
BL: Dziękujemy bardzo. (brawa)
BL: Dziękujemy bardzo. (brawa)
15:12
(Applause)
275
896616
7747
(brawa)
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