Sugata Mitra: Can kids teach themselves?

191,226 views ・ 2008-08-27

TED


Pro přehrání videa dvakrát klikněte na anglické titulky níže.

Překladatel: Martin Ferfecký Korektor: Petr Bela
00:16
I have a tough job to do.
0
16160
3000
Mám před sebou těžký úkol.
00:19
You know, when I looked at the profile of the audience here,
1
19160
6000
Víte, když jsem se podíval na profil přítomného publika,
00:25
with their connotations and design, in all its forms,
2
25160
7000
s jeho konotacemi a designem ve všech formách,
00:32
and with so much and so many people working
3
32160
2000
a s tolika lidmi pracujícími
00:34
on collaborative and networks, and so on, that I wanted to tell you,
4
34160
5000
na kooperaci a sítích, a tak podobně, že jsem vám chtěl říci,
00:39
I wanted to build an argument for primary education
5
39160
5000
chtěl jsem přednést argument pro základní vzdělávání
00:44
in a very specific context.
6
44160
2000
ve velice specifickém kontextu.
00:46
In order to do that in 20 minutes, I have to bring out four ideas --
7
46160
4000
A abych to stihl za 20 minut, musím uvést čtyři myšlenky --
00:50
it's like four pieces of a puzzle.
8
50160
3000
jako čtyři kousky skládačky.
00:53
And if I succeed in doing that,
9
53160
3000
A pokud se mi to povede,
00:56
maybe you would go back with the thought
10
56160
3000
pak možná odsud budete odcházet s myšlenkou,
00:59
that you could build on, and perhaps help me do my work.
11
59160
3000
že byste mohli navázat a možná mi s mou prací pomoct.
01:06
The first piece of the puzzle is remoteness
12
66160
3000
První kousek skládačky je odlehlost
01:09
and the quality of education.
13
69160
2000
a kvalita vzdělávání.
01:11
Now, by remoteness, I mean two or three different kinds of things.
14
71160
5000
Odlehlostí myslím dvě nebo tři různé věci.
01:16
Of course, remoteness in its normal sense, which means
15
76160
3000
Samozřejmě, odlehlost v běžném slova smyslu znamená,
01:19
that as you go further and further away
16
79160
3000
že čím víc se vzdalujete od
01:22
from an urban center, you get to remoter areas.
17
82160
5000
centra města, dostáváte se do odlehlejších oblastí.
01:27
What happens to education?
18
87160
3000
Jaký to pak má vliv na vzdělávání?
01:30
The second, or a different kind of remoteness
19
90160
2000
Druhý význam odlehlosti je,
01:32
is that within the large metropolitan areas all over the world,
20
92160
5000
že ve velkých metropolitních oblastech na celém světě
01:37
you have pockets, like slums, or shantytowns, or poorer areas,
21
97160
5000
lze nalézt slumy, chudinské čtvrti, nebo chudší oblasti,
01:42
which are socially and economically remote
22
102160
4000
které jsou sociálně a ekonomicky odlehlé
01:46
from the rest of the city, so it's us and them.
23
106160
3000
od zbytku města.
01:49
What happens to education in that context?
24
109160
2000
Jaké mají tyto okolnosti vliv na vzdělávání?
01:51
So keep both of those ideas of remoteness.
25
111160
8000
Pamatujte si tedy oba tyto významy odlehlosti.
01:59
We made a guess. The guess was that schools in remote areas
26
119160
3000
Náš počáteční odhad byl, že školy v odlehlých místech
02:02
do not have good enough teachers.
27
122160
3000
nemají dostatečně dobré učitele.
02:05
If they do have, they cannot retain those teachers.
28
125160
2000
A pokud je mají, pak si je nejsou schopní udržet;
02:07
They do not have good enough infrastructure.
29
127160
3000
nemají dostačující infrastrukturu.
02:10
And if they had some infrastructure,
30
130160
2000
A pokud mají nějakou infrastrukturu,
02:12
they have difficulty maintaining it.
31
132160
2000
pak mají problémy jí udržovat.
02:14
But I wanted to check if this is true. So what I did last year was
32
134160
5000
Ale chtěl jsem zjistit, jestli se tento odhad zakládá na pravdě. Takže jsme si minulý rok
02:19
we hired a car, looked up on Google,
33
139160
5000
vypůjčili auto, na Google jsme si
02:24
found a route into northern India from New Delhi
34
144160
5000
vyhledali cestu z Nového Dillí do severní Indie,
02:29
which, you know, which did not cross any big cities
35
149160
5000
která nekřižovala žádné velké města,
02:34
or any big metropolitan centers. Drove out about 300 kilometers,
36
154160
6000
ani žádná metropolitní centra. Ujeli jsme asi 300 kilometrů,
02:40
and wherever we found a school, administered a set of standard tests,
37
160160
5000
a vždy když jsme narazili na školu, udělali jsme sadu standardních testů,
02:45
and then took those test results and plotted them on a graph.
38
165160
6000
a výsledky jsme pak zakreslili do grafu.
02:51
The graph was interesting, although you need to consider it carefully.
39
171160
4000
Graf byl zajímavý, ale je ho potřeba posuzovat opatrně.
02:55
I mean, this is a very small sample; you should not generalize from it.
40
175160
4000
Tím chci říct, že se jedná o velmi malý vzorek, neměli byste z něj zobecňovat.
02:59
But it was quite obvious, quite clear,
41
179160
2000
Ale bylo celkem zřejmé,
03:01
that for this particular route that I had taken,
42
181160
4000
že pro tu konkrétní trasu, kterou jsem se vydal,
03:05
the remoter the school was, the worse its results seemed to be.
43
185160
5000
čím odlehlejší škola byla, tím horší se zdály být i její výsledky.
03:10
That seemed a little damning,
44
190160
2000
To se zdálo být usvědčující
03:12
and I tried to correlate it with things like infrastructure,
45
192160
5000
a snažil jsem se tedy zjistit korelaci s infrastrukturou,
03:17
or with the availability of electricity, and things like that.
46
197160
3000
dostupností elektřiny a podobně.
03:20
To my surprise, it did not correlate.
47
200160
3000
K mému překvapení to nekorelovalo.
03:23
It did not correlate with the size of classrooms.
48
203160
3000
Nekorelovalo to s velikostí učeben.
03:26
It did not correlate with the quality of the infrastructure.
49
206160
5000
Nekorelovalo to s kvalitou infrastruktury.
03:31
It did not correlate with the poverty levels. It did not correlate.
50
211160
4000
Nekorelovalo to s mírou chudoby. Nekorelovalo to.
03:35
But what happened was that when I administered a questionnaire
51
215160
4000
Ale stalo se to, že když jsem rozdal dotazník
03:39
to each of these schools, with one single question for the teachers -- which was,
52
219160
4000
v každé z těchto škol, kde byla jediná otázka pro učitele,
03:43
"Would you like to move to an urban, metropolitan area?" --
53
223160
5000
která zněla "Chtěli byste se odstěhovat do městské, metropolitní oblasti?"
03:48
69 percent of them said yes. And as you can see from that,
54
228160
5000
69 procent z nich odpovědělo "ano", a jak můžete vidět,
03:53
they say yes just a little bit out of Delhi,
55
233160
6000
tak "ano" odpověděli ti, co byli jen kousek od Dillí,
03:59
and they say no when you hit the rich suburbs of Delhi --
56
239160
3000
a ti z bohatého předměstí Dillí odpověděli "ne" --
04:02
because, you know, those are relatively better off areas --
57
242160
3000
protože to jsou oblasti, které jsou na tom relativně lépe.
04:05
and then from 200 kilometers out of Delhi, the answer is consistently yes.
58
245160
4000
A potom od 200 kilometrů za Dillí, odpověď byla pokaždé "ano".
04:09
I would imagine that a teacher who comes or walks into class
59
249160
3000
Dokážu si představit, že učitel, který každý den,
04:12
every day thinking that, I wish I was in some other school,
60
252160
4000
když vchází do třídy, říká: "Kéž bych pracoval v jiné škole",
04:16
probably has a deep impact on what happens to the results.
61
256160
4000
pravděpodobně velice ovlivňuje dosažené výsledky.
04:20
So it looked as though teacher motivation and teacher migration
62
260160
5000
Takže to vypadalo, že motivace a migrace učitelů
04:25
was a powerfully correlated thing with what was happening in primary schools,
63
265160
5000
silně souviselo s tím, co se na základních školách dělo,
04:30
as opposed to whether the children have enough to eat,
64
270160
3000
na rozdíl od toho, jestli měly děti dost jídla,
04:33
and whether they are packed tightly into classrooms
65
273160
2000
jestli jich bylo příliš mnoho v učebnách
04:35
and that sort of thing. It appears that way.
66
275160
4000
a podobně. Zdá se, že tomu tak je.
04:39
When you take education and technology, then I find in the literature that,
67
279160
5000
Pokud se zaměříte na vzdělávání a technologie, pak v literatuře zjistíte,
04:44
you know, things like websites, collaborative environments --
68
284160
3000
že věci jako webové stránky, prostřední pro spolupráci --
04:47
you've been listening to all that in the morning --
69
287160
2000
to všechno, co jste slyšeli již ráno --
04:49
it's always piloted first in the best schools, the best urban schools,
70
289160
6000
se vždycky nejprve zkouší v těch nejlepších městských školách
04:55
and, according to me, biases the result.
71
295160
3000
a to podle mě zkresluje výsledky.
04:58
The literature -- one part of it, the scientific literature --
72
298160
4000
Jedna část vědecké literatury,
05:02
consistently blames ET as being over-hyped and under-performing.
73
302160
5000
stále viní vzdělávací technologie z přílišné medializace a nízkých výkonů.
05:07
The teachers always say, well, it's fine, but it's too expensive for what it does.
74
307160
6000
Učitelé říkají: "No je to dobré, ale moc drahé na to, co to dokáže".
05:13
Because it's being piloted in a school where the students are already getting,
75
313160
3000
Protože se to poprvé zkouší ve školách, kde studenti už dosahují,
05:16
let's say, 80 percent of whatever they could do.
76
316160
3000
dejme tomu, 80 procentní úspěšnosti.
05:19
You put in this new super-duper technology, and now they get 83 percent.
77
319160
4000
Nasadíte tam tuhle úžasnou technologii a úspěšnost se zvedne na 83 procent.
05:23
So the principal looks at it and says,
78
323160
2000
Tak se na to ředitel podívá a řekne,
05:25
3 percent for 300,000 dollars? Forget it.
79
325160
3000
3 procenta za 300.000 dolarů? Tak na to zapomeňte.
05:28
If you took the same technology and piloted it into one of those remote schools,
80
328160
5000
Když vezmete tu samou technologií a nasadíte ji na jedné z těch odlehlých škol,
05:33
where the score was 30 percent, and, let's say, took that up to 40 percent --
81
333160
5000
kde skóre bylo 30 procent, a řekněme, že se pak zvedne na 40 procent,
05:38
that will be a completely different thing.
82
338160
2000
to by pak bylo něco úplně jiného.
05:40
So the relative change that ET, Educational Technology, would make,
83
340160
4000
Takže ta relativní změna, kterou by vzdělávací technologie mohly přinést,
05:44
would be far greater at the bottom of the pyramid than at the top,
84
344160
3000
by byla o mnoho významnější v dolní části této pyramidy, než v horní.
05:47
but we seem to be doing it the other way about.
85
347160
3000
Ale zdá se, že to děláme přesně naopak.
05:50
So I came to this conclusion that ET should reach
86
350160
3000
Takže jsem došel k závěru, že vzdělávací technologie by měly
05:53
the underprivileged first, not the other way about.
87
353160
3000
být dostupné nejdříve těm z nižších sociálních vrstev, a ne naopak.
05:56
And finally came the question of, how do you tackle teacher perception?
88
356160
3000
A nakonec vyvstala otázka, jak se vypořádat s postoji učitelů?
05:59
Whenever you go to a teacher and show them some technology,
89
359160
2000
Kdykoliv přijdete za učitelem a ukážete mu nějakou technologii,
06:01
the teacher's first reaction is,
90
361160
2000
jeho první reakce je,
06:03
you cannot replace a teacher with a machine -- it's impossible.
91
363160
6000
"Učitele nemůžete nahradit strojem -- to je nemožné."
06:09
I don't know why it's impossible, but, even for a moment,
92
369160
2000
Já tedy nevím proč je to nemožné, ale, předpokládejme na moment,
06:11
if you did assume that it's impossible -- I have a quotation from Sir Arthur C. Clarke,
93
371160
5000
že to nemožné opravdu je -- mám zde citát od Sira Arthura C. Clarka,
06:16
the science fiction writer whom I met in Colombo,
94
376160
4000
spisovatele science fiction, se kterým jsem se potkal v Kolombu,
06:20
and he said something which completely solves this problem.
95
380160
4000
a který řekl něco, co řeší celý tento problém.
06:24
He said a teacher than can be replaced by a machine, should be.
96
384160
6000
Řekl, že každý učitel, který může být nahrazen strojem, by měl být.
06:30
So, you know, it puts the teacher into a tough bind, you have to think.
97
390160
6000
Takže to dostává učitele do složité situace.
06:36
Anyway, so I'm proposing that an alternative primary education,
98
396160
3000
No, takže navrhuji, že alternativní základní vzdělávání,
06:39
whatever alternative you want, is required where schools don't exist,
99
399160
5000
ať už jakkoliv alternativní, je nutné tam, kde neexistují školy,
06:44
where schools are not good enough, where teachers are not available
100
404160
3000
kde kvalita škola není dostačující, kde nejsou učitelé,
06:47
or where teachers are not good enough, for whatever reason.
101
407160
3000
nebo nejsou z nějakého důvodu dost dobří.
06:50
If you happen to live in a part of the world where none of this applies,
102
410160
4000
Pokud náhodou žijete v takové části světa, kde nic z tohoto neplatí,
06:54
then you don't need an alternative education.
103
414160
2000
pak nepotřebujete alternativní vzdělávání.
06:56
So far I haven't come across such an area, except for one case. I won't name the area,
104
416160
6000
Zatím jsem na takové místo ještě nenarazil, až na jednu výjimku. Nebudu to místo jmenovat,
07:02
but somewhere in the world people said, we don't have this problem,
105
422160
3000
ale někde ve světě mi lidé řekli: "Takový problém tady nemáme,
07:05
because we have perfect teachers and perfect schools.
106
425160
4000
protože máme perfektní učitelé a perfektní školy.
07:09
There are such areas, but -- anyway, I'd never heard that anywhere else.
107
429160
6000
Existují taková místa, ale nikde jinde jsem tohle neslyšel.
07:15
I'm going to talk about children and self-organization,
108
435160
3000
Budu mluvit o dětech a samoorganizaci
07:18
and a set of experiments which sort of led to this idea
109
438160
4000
a o sérii experimentů, které tak nějak vedly k myšlence,
07:22
of what might an alternative education be like.
110
442160
4000
jak by alternativní vzdělávání mohlo vypadat.
07:26
They're called the hole-in-the-wall experiments.
111
446160
2000
Tyto experimenty se nazývají "Díra ve zdi".
07:28
I'll have to really rush through this. They're a set of experiments.
112
448160
5000
Musím tím opravdu jen rychle proletět. Je to série experimentů.
07:33
The first one was done in New Delhi in 1999.
113
453160
6000
První se uskutečnil v Novém Dillí v roce 1999.
07:39
And what we did over there was pretty much simple.
114
459160
4000
Co jsme tam udělali bylo v podstatě velice jednoduché.
07:43
I had an office in those days which bordered a slum, an urban slum,
115
463160
4000
Měl jsem tenkrát kancelář na hranici slumu, městského slumu,
07:47
so there was a dividing wall between our office and the urban slum.
116
467160
4000
byla tam dělící zeď mezi naší kanceláří a tím slumem.
07:51
They cut a hole inside that wall --
117
471160
2000
Vyřezali do té zdi díru --
07:53
which is how it has got the name hole-in-the-wall --
118
473160
2000
odtud název "Díra ve zdi" --
07:55
and put a pretty powerful PC into that hole, sort of embedded into the wall
119
475160
5000
a vložili do té díry docela výkonný počítač, tak nějak ho tam zapustili,
08:00
so that its monitor was sticking out at the other end,
120
480160
3000
takže monitor vyčuhoval na druhé straně
08:03
a touchpad similarly embedded into the wall,
121
483160
3000
a podobně do té zdi zapustili i touchpad,
08:06
put it on high-speed Internet, put the Internet Explorer there,
122
486160
6000
napojili to na vysokorychlostní internet, dali tam Internet Explorer,
08:12
put it on Altavista.com -- in those days -- and just left it there.
123
492160
3000
zapli na něm Altavista.com a prostě to tam tak nechali.
08:15
And this is what we saw.
124
495160
5000
A tohle jsme viděli.
08:20
So that was my office in IIT. Here's the hole-in-the-wall.
125
500160
9000
Takže tohle byla moje kancelář v NIIT. Tady je "Díra ve zdi".
08:29
About eight hours later, we found this kid.
126
509160
6000
Asi o osm hodin později jsme tam našli tohle dítě.
08:35
To the right is this eight-year-old child who --
127
515160
5000
Vpravo je osmileté dítě které --
08:40
and to his left is a six-year-old girl, who is not very tall.
128
520160
5000
a po jeho levici je nepříliš vysoká šestiletá dívka.
08:45
And what he was doing was, he was teaching her to browse.
129
525160
4000
A co on dělal, bylo, že jí učil brouzdat.
08:49
So it sort of raised more questions than it answered.
130
529160
5000
Takže to vyvolalo více otázek, než odpovědělo.
08:54
Is this real? Does the language matter,
131
534160
2000
Je to pravda? Záleží na jazyku?
08:56
because he's not supposed to know English?
132
536160
2000
Protože ten chlapec by neměl umět anglicky.
08:58
Will the computer last, or will they break it and steal it
133
538160
3000
Vydrží tam ten počítač, nebo jej rozbijí a ukradnou,
09:01
-- and did anyone teach them?
134
541160
2000
-- a učil je někdo?
09:03
The last question is what everybody said, but you know,
135
543160
2000
Tu poslední otázku pokládali všichni: "ale víte,
09:05
I mean, they must have poked their head over the wall
136
545160
2000
oni přece museli vystrkovat hlavou zpoza zdi
09:07
and asked the people in your office,
137
547160
2000
a ptát se lidí ve vaší kanceláři
09:09
can you show me how to do it, and then somebody taught him.
138
549160
3000
"Můžete mi ukázat jak se to dělá?" a někdo je to pak naučil.
09:12
So I took the experiment out of Delhi and repeated it,
139
552160
3000
Takže jsem zopakoval ten experiment mimo Dillí,
09:15
this time in a city called Shivpuri in the center of India,
140
555160
6000
tentokrát ve městě zvaném Chifpuri ve střední Indii,
09:21
where I was assured that nobody had ever taught anybody anything.
141
561160
5000
kde jsem byl ubezpečen, že tam nikdy nikdo nikoho nic nenaučil.
09:26
(Laughter)
142
566160
4000
(Smích)
09:30
So it was a warm day, and the hole in the wall
143
570160
5000
Takže byl teplý den, a "Díra ve zdi" byla na tamté sešlé budově.
09:35
was on that decrepit old building. This is the first kid who came there;
144
575160
5000
Tohle je první dítě které tam přišlo;
09:40
he later on turned out to be a 13-year-old school dropout.
145
580160
2000
později se ukázalo, že je to třináctiletý propadlík.
09:42
He came there and he started to fiddle around with the touchpad.
146
582160
6000
Přišel tam a začal si pohrávat s touchpadem.
09:48
Very quickly, he noticed that when he moves his finger on the touchpad
147
588160
3000
Velmi rychle si všiml, že když pohne prstem na touchpadu
09:51
something moves on the screen --
148
591160
1000
tak se něco pohne na obrazovce --
09:52
and later on he told me, "I have never seen a television
149
592160
3000
a později mi řekl: "Ještě nikdy jsem neviděl televizi,
09:55
where you can do something."
150
595160
1000
kde jde něco dělat".
09:56
So he figured that out. It took him over two minutes
151
596160
3000
Takže na tohle přišel. Trvalo mu něco přes dvě minuty,
09:59
to figure out that he was doing things to the television.
152
599160
3000
aby přišel na to, že mohl pohybovat něčím na té televizi.
10:02
And then, as he was doing that, he made an accidental click
153
602160
3000
A pak omylem kliknul
10:05
by hitting the touchpad -- you'll see him do that.
154
605160
7000
stlačením touchpadu -- uvidíte, jak to dělá.
10:12
He did that, and the Internet Explorer changed page.
155
612160
6000
Kliknul a Internet Explorer změnil stránku.
10:18
Eight minutes later, he looked from his hand to the screen,
156
618160
4000
O osm minut později se díval na obrazovku
10:22
and he was browsing: he was going back and forth.
157
622160
4000
a surfoval: měnil stránky tam a zpátky.
10:26
When that happened, he started calling all the neighborhood children,
158
626160
5000
Když se tohle stalo, začal svolávat všechny děti okolo,
10:31
like, children would come and see what's happening over here.
159
631160
7000
a děti se chodily dívat, co se to tam děje.
10:38
And by the evening of that day, 70 children were all browsing.
160
638160
4000
Ten samý den večer všech 70 dětí surfovalo.
10:42
So eight minutes and an embedded computer
161
642160
4000
Takže se zdá, že osm minut a vestavěný počítač
10:46
seemed to be all that we needed there.
162
646160
4000
bylo vše, co tam bylo potřeba.
10:50
So we thought that this is what was happening:
163
650160
3000
Takže nás napadlo, že se dělo toto:
10:53
that children in groups can self-instruct themselves
164
653160
3000
děti ve skupinách se můžou navzájem učit,
10:56
to use a computer and the Internet. But under what circumstances?
165
656160
8000
jak používat počítač a Internet. Ale za jakých okolností?
11:04
At this time there was a -- the main question was about English.
166
664160
6000
V tu dobu byl hlavní problém angličtina.
11:10
People said, you know, you really ought to have this in Indian languages.
167
670160
4000
Lidé říkali: "No, víte, opravdu byste to měli mít v indických jazycích"
11:14
So I said, have what, shall I translate the Internet
168
674160
3000
tak jsem jim odpovídal: "Mít co? Mám překládat Internet
11:17
into some Indian language? That's not possible.
169
677160
3000
do nějakého indického jazyka? To je nemožné".
11:20
So, it has to be the other way about.
170
680160
2000
Musí to být opačně.
11:22
But let's see, how do the children tackle the English language?
171
682160
4000
Ale podívejme se, jak si děti poradí s angličtinou.
11:26
I took the experiment out to northeastern India,
172
686160
3000
Provedl jsem tento experiment v severovýchodní Indii
11:29
to a village called Madantusi,
173
689160
2000
ve vesnici Madantusi,
11:31
where, for some reason, there was no English teacher,
174
691160
4000
kde z nějakého důvodu nebyl žádný učitel angličtiny,
11:35
so the children had not learned English at all.
175
695160
3000
takže děti neuměly anglicky vůbec.
11:38
And I built a similar hole-in-the-wall.
176
698160
4000
Postavil jsem tam podobnou "Díru ve zdi".
11:42
One big difference in the villages, as opposed to the urban slums:
177
702160
2000
Jeden velký rozdíl mezi vesnicemi a městskými slumy byl,
11:44
there were more girls than boys who came to the kiosk.
178
704160
4000
že ve vesnici ke kiosku přicházelo více dívek než chlapců.
11:48
In the urban slums, the girls tend to stay away.
179
708160
4000
V městských slumech se dívky drží stranou.
11:52
I left the computer there with lots of CDs -- I didn't have any Internet --
180
712160
5000
Nechal jsem tam s tím počítačem mnoho cédéček -- neměl jsem k dispozici Internet --
11:57
and came back three months later.
181
717160
4000
a vrátil jsem se o tři měsíce později.
12:01
So when I came back there, I found these two kids,
182
721160
4000
No a když jsem se vrátil, našel jsem tam tyhle dvě děti,
12:05
eight- and 12-year-olds, who were playing a game on the computer.
183
725160
4000
osmi a dvanáctileté, které hrály na počítači hru.
12:09
And as soon as they saw me they said,
184
729160
4000
A hned jak mě uviděly, tak mi řekly:
12:13
"We need a faster processor and a better mouse."
185
733160
3000
"Potřebujeme rychlejší procesor a lepší myš."
12:16
(Laughter)
186
736160
4000
(Smích)
12:20
I was real surprised.
187
740160
2000
Byl jsem opravdu překvapený.
12:22
You know, how on earth did they know all this?
188
742160
3000
Chápete, jak to jen mohli vědět?
12:25
And they said, "Well, we've picked it up from the CDs."
189
745160
2000
A oni na to: "Naučili jsme se to z cédéček".
12:27
So I said, "But how did you understand what's going on over there?"
190
747160
3000
Tak jsem se jich zeptal: "Ale jak to, že jste rozuměli tomu o co tam jde?"
12:30
So they said, "Well, you've left this machine
191
750160
2000
A oni na to: "No, nechal jste nám tady stroj,
12:32
which talks only in English, so we had to learn English."
192
752160
3000
který komunikuje pouze v angličtině, tak jsme se museli naučit anglicky".
12:35
So then I measured, and they were using 200 English words with each other
193
755160
4000
Tak jsem pak zjistil, že používali 200 anglických slov
12:39
-- mispronounced, but correct usage --
194
759160
3000
-- špatně vyslovované, ale správně používané --
12:42
words like exit, stop, find, save, that kind of thing,
195
762160
6000
slova jako exit, stop, find, save a podobné,
12:48
not only to do with the computer but in their day-to-day conversations.
196
768160
3000
a nejenom, když ovládali počítač, ale i v jejich každodenních konverzacích.
12:51
So, Madantusi seemed to show that language is not a barrier;
197
771160
4000
Takže Madantusi nám, jak se zdá, ukázalo, že jazyk není překážka;
12:55
in fact they may be able to teach themselves the language
198
775160
2000
ve skutečnosti se mohou jazyk naučit sami,
12:57
if they really wanted to.
199
777160
3000
pokud opravdu chtějí.
13:00
Finally, I got some funding to try this experiment out
200
780160
5000
Nakonec jsem získal nějaké peníze, abych vyzkoušel
13:05
to see if these results are replicable, if they happen everywhere else.
201
785160
4000
jestli jsou výsledky tohoto experimentu opakovatelné; jestli to i jinde bude stejné.
13:09
India is a good place to do such an experiment in,
202
789160
3000
Indie je dobré místo pro takovýto experiment,
13:12
because we have all the ethnic diversities, all the -- you know,
203
792160
3000
protože tam jsou všechny etnické rozdíly, všechny možné
13:15
the genetic diversity, all the racial diversities,
204
795160
3000
genetické, rasové
13:18
and also all the socio-economic diversities.
205
798160
2000
a taky socioekonomické rozdíly.
13:20
So, I could actually choose samples to cover a cross section
206
800160
5000
Takže jsem si mohl vybrat průřezové vzorky,
13:25
that would cover practically the whole world.
207
805160
4000
které pokryly prakticky celý svět.
13:29
So I did this for almost five years, and this experiment
208
809160
4000
Takže jsem tenhle experiment dělal téměř pět let
13:33
really took us all the way across the length and breadth of India.
209
813160
3000
a procestoval kvůli němu křížem krážem celou Indii.
13:36
This is the Himalayas. Up in the north, very cold.
210
816160
3000
Tohle jsou Himálaje. Nahoře na severu, velmi chladno.
13:39
I also had to check or invent an engineering design
211
819160
3000
Taky jsem musel najít nebo vymyslet konstrukční řešení,
13:42
which would survive outdoors, and I was using regular, normal PCs,
212
822160
4000
které by přežilo venku. Používal jsem normální, běžné počítače,
13:46
so I needed different climates, for which India is also great,
213
826160
3000
potřeboval jsem různé podnebí, na což je Indie taky skvělá,
13:49
because we have very cold, very hot, and so on.
214
829160
3000
protože tam máme jak velkou zimu, tak teplo a podobně.
13:52
This is the desert to the west. Near the Pakistan border.
215
832160
12000
Toto je poušť na západě, blízko Pákistánských hranic.
14:04
And you see here a little clip of -- one of these villages --
216
844160
4000
Tady můžete vidět krátký klip jedné z těch vesnic,
14:08
the first thing that these children did was to find a website
217
848160
3000
jako první věc si děti našly webovou stránku,
14:11
to teach themselves the English alphabet.
218
851160
4000
ze které se naučily anglickou abecedu.
14:15
Then to central India -- very warm, moist, fishing villages,
219
855160
4000
Pak v střední Indii - velice teplé a vlhké rybářské vesnice,
14:19
where humidity is a very big killer of electronics.
220
859160
4000
kde je vlhkost velký zabiják elektroniky.
14:23
So we had to solve all the problems we had
221
863160
3000
Takže jsme museli vyřešit všechny problémy
14:26
without air conditioning and with very poor power,
222
866160
2000
bez klimatizace a za nedostatku elektřiny,
14:28
so most of the solutions that came out used little blasts of air
223
868160
5000
takže většina řešení, na která jsme přišli, využívala malé poryvy vzduchu
14:33
put at the right places to keep the machines running.
224
873160
3000
na ta správná místa, abychom stroje udrželi funkční.
14:36
I want to just cut this short. We did this over and over again.
225
876160
5000
Zkrátím to. Znovu a znovu jsme to samé opakovali.
14:41
This sequence is also nice. This is a small child, a six-year-old,
226
881160
4000
Tahle ukázka je taky pěkná. Tohle je malý šestiletý chlapec,
14:45
telling his eldest sister what to do.
227
885160
2000
který říká své starší sestře, co má dělat.
14:47
And this happens very often with these computers,
228
887160
2000
A to se stává velice často s těmito počítači,
14:49
that the younger children are found teaching the older ones.
229
889160
6000
že vídáme mladší děti učit ty starší.
14:55
What did we find? We found that six- to 13-year-olds can self-instruct
230
895160
5000
Co jsme zjistili? Zjistili jsme, že šesti až třináctileté děti se dokáží sami učit
15:00
in a connected environment,
231
900160
2000
v propojeném prostředí,
15:02
irrespective of anything that we could measure.
232
902160
5000
bez ohledu na všechno, co jsme schopni měřit.
15:07
So if they have access to the computer, they will teach themselves, including intelligence.
233
907160
5000
Takže když mají přístup k počítači, budou se sami učit.
15:12
I couldn't find a single correlation with anything, but it had to be in groups.
234
912160
5000
Nenašel jsem jedinou korelaci s čímkoliv... Ale muselo to být ve skupinách.
15:17
And that may be of great, you know, interest to this group,
235
917160
4000
A to pro vás může být velice zajímavé,
15:21
because all of you are talking about groups.
236
921160
2000
protože všichni taky o skupinách mluvíte.
15:23
So here was the power of what a group of children can do,
237
923160
4000
Takže tady jsme objevili sílu toho, co skupina dětí dokáže,
15:27
if you lift the adult intervention.
238
927160
3000
když eliminujete zásahy dospělých.
15:30
Just a quick idea of the measurements.
239
930160
4000
Jenom rychlý přehled našich měření.
15:34
We took standard statistical techniques, so I'm going to not talk about that.
240
934160
4000
Použili jsme standardní statistické metody, takže o tom mluvit nebudu.
15:38
But we got a clean learning curve,
241
938160
3000
Ale získali jsme čistou křivku učení,
15:41
almost exactly the same as what you would get in a school.
242
941160
3000
téměř tu samou, jakou bychom dostali ve škole.
15:44
I'll leave it at that,
243
944160
2000
Víc o tom říkat nebudu,
15:46
because, I mean, it sort of says it all, doesn't it?
244
946160
3000
protože to mluví samo za sebe, že ano?
15:49
What could they learn to do?
245
949160
2000
Co se dokázali naučit?
15:51
Basic Windows functions, browsing, painting, chatting and email,
246
951160
5000
Základní funkce Windows, surfování, kreslení, chatování, email,
15:56
games and educational material, music downloads, playing video.
247
956160
3000
hry a vzdělávací materiály, stahování hudby, přehrávání videa.
15:59
In short, what all of us do.
248
959160
2000
Zkrátka to, co děláme my všichni.
16:01
And over 300 children will become computer literate
249
961160
4000
A přes 300 dětí se stane počítačově gramotnými
16:05
and be able to do all of these things in six months with one computer.
250
965160
5000
a budou schopni udělat všechny tyto věci za šest měsíců s jedním počítačem.
16:10
So, how do they do that?
251
970160
1000
A jak to dělají?
16:11
If you calculated the actual time of access,
252
971160
2000
Kdybyste spočítali skutečný čas přístupu,
16:13
it would work out to minutes per day,
253
973160
2000
tak by to vyšlo na několik minut denně,
16:15
so that's not how it's happening.
254
975160
2000
takže takhle to tedy nefunguje.
16:17
What you have, actually, is there is one child operating the computer.
255
977160
5000
Ve skutečnosti je tam jedno dítě, které ovládá počítač.
16:22
And surrounding him are usually three other children,
256
982160
2000
A kolem něho jsou obvykle další tři děti,
16:24
who are advising him on what they should do.
257
984160
4000
které mu radí, co by měl dělat.
16:28
If you test them, all four will get the same scores in whatever you ask them.
258
988160
4000
Když je otestujete, všichni čtyři dostanou stejné skóre, ať už se jich zeptáte na cokoliv.
16:32
Around these four are usually a group of about 16 children,
259
992160
4000
Kolem těchto čtyř je obvykle skupinka 16 dětí,
16:36
who are also advising, usually wrongly,
260
996160
3000
které taky radí, většinou špatně,
16:39
about everything that's going on on the computer.
261
999160
3000
ohledně všeho, co se na počítači děje.
16:42
And all of them also will clear a test given on that subject.
262
1002160
5000
A všechny by také v testu prošly.
16:47
So they are learning as much by watching as they learn by doing.
263
1007160
4000
Takže se učí tím, že pozorují, stejně jako se učí tím, že něco dělají.
16:51
It seems counter-intuitive to adult learning,
264
1011160
3000
To se zdá být v rozporu s vzděláváním dospělých,
16:54
but remember, eight-year-olds live in a society
265
1014160
2000
ale nezapomeňte, že osmileté děti žijí ve společnosti,
16:56
where most of the time they are told, don't do this,
266
1016160
4000
kde se jim většinu času říká: "Tohle nedělej",
17:00
you know, don't touch the whiskey bottle.
267
1020160
2000
chápete, "Nedotýkej se té flašky whisky".
17:02
So what does the eight-year-old do?
268
1022160
2000
A co osmileté dítě udělá?
17:04
He observes very carefully how a whiskey bottle should be touched.
269
1024160
4000
Pozoruje velice pozorně, jak se flaška whisky drží.
17:08
And if you tested him,
270
1028160
1000
A kdybyste ho otestovali,
17:09
he would answer every question correctly on that topic.
271
1029160
2000
odpověděl by na každou otázku správně.
17:11
So, they seem to be able to acquire very quickly.
272
1031160
6000
Takže to vypadá, že jsou schopny se učit velice rychle.
17:17
So what was the conclusion over the six years of work?
273
1037160
3000
A jaký je závěr z těchto šesti roků práce?
17:20
It was that primary education can happen on its own,
274
1040160
4000
Takový, že základní vzdělávání nebo jeho část se může
17:24
or parts of it can happen on its own.
275
1044160
2000
dít samo od sebe.
17:26
It does not have to be imposed from the top downwards.
276
1046160
4000
Nemusí být vynuceno shora dolů.
17:30
It could perhaps be a self-organizing system, so that was
277
1050160
6000
Možná, že se jedná o samoorganizující se systém.
17:36
the second bit that I wanted to tell you,
278
1056160
2000
To byla další věc, kterou jsem vám chtěl říct,
17:38
that children can self-organize and attain an educational objective.
279
1058160
4000
že děti se můžou samz organizovat a dosáhnout vzdělávacího cíle.
17:42
The third piece was on values, and again, to put it very briefly,
280
1062160
6000
Třetí kousek skládačky je o hodnotách - opět jen velmi stručně,
17:48
I conducted a test over 500 children spread across all over India,
281
1068160
4000
Zkoumal jsem více než 500 dětí z celé Indie.
17:52
and asked them -- I gave them about 68 different
282
1072160
3000
Dal jsem jim asi 68 různých
17:55
values-oriented questions and simply asked them their opinions.
283
1075160
4000
otázek o hodnotách a jednoduše se zeptal na jejich názory.
17:59
We got all sorts of opinions. Yes, no or I don't know.
284
1079160
4000
Získali jsme celou škálu názorů. Ano, ne nebo nevím.
18:03
I simply took those questions where I got 50 percent yeses and 50 percent noes --
285
1083160
6000
A jednoduše jsem vzal ty otázky, kde jsem dostal 50% odpovědí "ano" a 50% "ne".
18:09
so I was able to get a collection of 16 such statements.
286
1089160
4000
Získal jsem 16 takových otázek.
18:13
These were areas where the children were clearly confused,
287
1093160
4000
Byly to oblasti, kde byly děti zjevně zmatené,
18:17
because half said yes and half said no.
288
1097160
2000
protože polovina odpověděla ano a polovina ne.
18:19
A typical example being, "Sometimes it is necessary to tell lies."
289
1099160
4000
Typický příklad - "Někdy je nutné lhát".
18:23
They don't have a way to determine which way to answer this question;
290
1103160
5000
Nemají jak určit, jakým způsobem na tuto otázku odpovědět;
18:28
perhaps none of us do.
291
1108160
3000
možná, že to nemá ani nikdo z nás.
18:31
So I leave you with this third question.
292
1111160
2000
Takže vám předkládám tuto třetí otázku.
18:33
Can technology alter the acquisition of values?
293
1113160
4000
Můžou technologie ovlivnit osvojování hodnot?
18:37
Finally, self-organizing systems,
294
1117160
2000
A nakonec, samoorganizující se systémy,
18:39
about which, again, I won't say too much
295
1119160
2000
o kterých vám opět moc vykládat nebudu,
18:41
because you've been hearing all about it.
296
1121160
4000
protože jste o nich již slyšeli mnoho.
18:45
Natural systems are all self-organizing:
297
1125160
2000
Všechny přírodní systémy jsou samoorganizované,
18:47
galaxies, molecules, cells, organisms, societies --
298
1127160
3000
galaxie, molekuly, buňky, organizmy, společnosti --
18:50
except for the debate about an intelligent designer.
299
1130160
2000
až na debatu o inteligentním stvořiteli.
18:52
But at this point in time, as far as science goes,
300
1132160
3000
Ale co se vědy týče,
18:55
it's self-organization.
301
1135160
2000
je to stále samoorganizace.
18:57
But other examples are traffic jams, stock market, society
302
1137160
3000
Dalšími příklady jsou dopravní zácpy, akciový trh, společnost
19:00
and disaster recovery, terrorism and insurgency.
303
1140160
6000
a obnova po katastrofách, terorismus a povstání.
19:06
And you know about the Internet-based self-organizing systems.
304
1146160
4000
A taky víte o samoorganizujících se systémech na Internetu.
19:10
So here are my four sentences then.
305
1150160
2000
Takže tady jsou mé čtyři výroky.
19:12
Remoteness affects the quality of education.
306
1152160
4000
Odlehlost ovlivňuje kvalitu vzdělávání.
19:16
Educational technology should be introduced into remote areas first,
307
1156160
6000
Vzdělávací technologie by měly být zavedeny nejdříve v odlehlých oblastech
19:22
and other areas later.
308
1162160
3000
a až poté v ostatních oblastech.
19:25
Values are acquired; doctrine and dogma are imposed --
309
1165160
6000
Hodnoty si osvojujeme; doktrína a dogma jsou vnucené --
19:31
the two opposing mechanisms.
310
1171160
2000
dva protikladné mechanismy.
19:33
And learning is most likely a self-organizing system.
311
1173160
5000
A učení je s největší pravděpodobností samoorganizující se systém.
19:38
If you put all the four together, then it gives -- according to me --
312
1178160
5000
Pokud dáte všechny čtyři výroky dohromady tak -- podle mě --
19:43
it gives us a goal, a vision, for educational technology.
313
1183160
4000
nám to dává cíl, vizi, vzdělávacích technologií.
19:47
An educational technology and pedagogy that is digital, automatic,
314
1187160
6000
A vzdělávací technologie a pedagogiky, které jsou digitální, automatizované,
19:53
fault-tolerant, minimally invasive, connected and self-organized.
315
1193160
6000
tolerantní k chybám, neinvazivní, propojené a samoorganizující se.
19:59
As educationists, we have never asked for technology; we keep borrowing it.
316
1199160
4000
My pedagogové jsme nikdo o technologie nežádali; prostě si je půjčujeme.
20:03
PowerPoint is supposed to be considered a great educational technology,
317
1203160
4000
PowerPoint je údajně považován za skvělou vzdělávací technologii,
20:07
but it was not meant for education, it was meant for making boardroom presentations.
318
1207160
4000
ale nebyl pro vzdělávání navržen; byl navržen pro prezentace v zasedačkách.
20:11
We borrowed it. Video conferencing. The personal computer itself.
319
1211160
4000
Půjčili jsme si ho. Video konference. I samotný počítač.
20:15
I think it's time that the educationists made their own specs,
320
1215160
3000
Myslím, že je čas, aby si pedagogové vytvořili vlastní specifikace,
20:18
and I have such a set of specs. This is a brief look at that.
321
1218160
4000
a já jedny takové specifikace mám. Tohle je jejich rychlý přehled.
20:22
And such a set of specs should produce the technology
322
1222160
4000
A přesně takové specifikace by měly vyprodukovat technologii,
20:26
to address remoteness, values and violence.
323
1226160
3000
která bude řešit odlehlost, hodnoty a násilí.
20:29
So I thought I'd give it a name -- why don't we call it "outdoctrination."
324
1229160
6000
Takže mě napadlo, že bych to nazval třeba "outdoktrinace".
20:35
And could this be a goal for educational technology in the future?
325
1235160
5000
A tohle by mohl být cíl pro vzdělávací technologie v budoucnu,
20:40
So I want to leave that as a thought with you.
326
1240160
3000
takže bych chtěl, abyste o tom přemýšleli.
20:43
Thank you.
327
1243160
1000
Děkuji.
20:44
(Applause)
328
1244160
6000
(Aplaus)
O tomto webu

Tato stránka vám představí videa na YouTube, která jsou užitečná pro výuku angličtiny. Uvidíte lekce angličtiny vedené špičkovými učiteli z celého světa. Dvojklikem na anglické titulky zobrazené na každé stránce s videem si video přehrajete přímo odtud. Titulky se posouvají synchronizovaně s přehráváním videa. Pokud máte nějaké připomínky nebo požadavky, kontaktujte nás prosím pomocí tohoto kontaktního formuláře.

https://forms.gle/WvT1wiN1qDtmnspy7