Daphne Koller: What we're learning from online education

668,092 views ・ 2012-08-01

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

00:00
Translator: Morton Bast Reviewer: Thu-Huong Ha
0
0
7000
Fordító: Agota Berkes Lektor: Orsolya Szemere
00:15
Like many of you, I'm one of the lucky people.
1
15985
3111
Akárcsak sokan közületek, én is egy vagyok a szerencsések közül.
00:19
I was born to a family where education was pervasive.
2
19096
3400
Egy olyan családba születtem, amit áthatott az oktatás.
00:22
I'm a third-generation PhD, a daughter of two academics.
3
22496
4238
Harmadik generációs doktorandusz vagyok, két akadémikus lánya.
00:26
In my childhood, I played around in my father's university lab.
4
26734
3794
Gyerekkoromban édesapám egyetemi laboratóriumában játszottam.
00:30
So it was taken for granted that I attend some of the best universities,
5
30528
3849
Így biztosra vettük, hogy a legjobb egyetemek egyikére fogok járni,
00:34
which in turn opened the door to a world of opportunity.
6
34377
3801
ami aztán a lehetőségek tárházát nyitja meg.
00:38
Unfortunately, most of the people in the world are not so lucky.
7
38178
4120
Sajnos a legtöbb ember a világon nem ilyen szerencsés.
00:42
In some parts of the world, for example, South Africa,
8
42298
3135
A világ egyes tájain, például Dél-Afrikában,
00:45
education is just not readily accessible.
9
45433
2705
az oktatás nem könnyen elérhető.
00:48
In South Africa, the educational system was constructed
10
48138
2975
Dél-Afrikában az oktatási rendszert a fehér kisebbség
00:51
in the days of apartheid for the white minority.
11
51113
2873
apartheidrendszerének napjaiban alakították ki.
00:53
And as a consequence, today there is just not enough spots
12
53986
2700
Következésképpen, ma nincs elég hely rengeteg ember számára,
00:56
for the many more people who want and deserve a high quality education.
13
56686
3852
akik tanulni akarnak és megérdemlik a magas színvonalú oktatást.
01:00
That scarcity led to a crisis in January of this year
14
60538
3880
Ez a hiány krízishez vezetett idén januárban
01:04
at the University of Johannesburg.
15
64418
1836
a Johannesburgi Egyetemen.
01:06
There were a handful of positions left open
16
66254
2131
Csupán maréknyi hely maradt betöltetlen
01:08
from the standard admissions process, and the night before
17
68385
2969
a hagyományos felvételi eljárásban,
01:11
they were supposed to open that for registration,
18
71354
2560
ám a helyek nyilvános kihirdetését megelőző éjszaka
01:13
thousands of people lined up outside the gate in a line a mile long,
19
73914
4052
emberek ezrei sorakoztak föl mérföld hosszan,
01:17
hoping to be first in line to get one of those positions.
20
77966
3880
azt remélve, hogy a sorban elsőként hozzájuthatnak a még elérhető helyekhez.
01:21
When the gates opened, there was a stampede,
21
81846
2308
Amikor a kapukat kinyitották, pánik tört ki
01:24
and 20 people were injured and one woman died.
22
84154
3652
és 20 ember megsérült, valamint egy nő életét vesztette.
01:27
She was a mother who gave her life
23
87806
1940
A nő egy anya volt, aki az életét vesztette,
01:29
trying to get her son a chance at a better life.
24
89746
4063
mert esélyt próbált biztosítani a fiának a jobb jövőre.
01:33
But even in parts of the world like the United States
25
93809
3157
De a világ még azon részein is, mint az Egyesült Államok,
01:36
where education is available, it might not be within reach.
26
96966
4356
ahol az oktatás elérhető, nem biztos, hogy hozzáférhető is.
01:41
There has been much discussed in the last few years
27
101322
2672
Az elmúlt években sokat emlegettük
01:43
about the rising cost of health care.
28
103994
1989
az egészségügyi ellátás emelkedő költségét.
01:45
What might not be quite as obvious to people
29
105983
2642
Ami nem annyira nyilvánvaló az emberek számára,
01:48
is that during that same period the cost of higher education tuition
30
108625
4022
az az, hogy ugyanannyi idő alatt a felsőoktatás költsége
01:52
has been increasing at almost twice the rate,
31
112647
2480
majdnem kétszer annyival emelkedett,
01:55
for a total of 559 percent since 1985.
32
115127
4280
1985 óta összesen 559%-kal.
01:59
This makes education unaffordable for many people.
33
119407
4534
Ez számos ember számára megfizethetetlenné teszi az oktatást.
02:03
Finally, even for those who do manage to get the higher education,
34
123941
3801
Végül, még azoknak sem mindig nyílik meg a lehetőségek tárháza,
02:07
the doors of opportunity might not open.
35
127742
2625
akiknek sikerül bejutni a felsőoktatásba.
02:10
Only a little over half of recent college graduates
36
130367
3207
Az Egyesült Államok felsőoktatásában egyetemi
02:13
in the United States who get a higher education
37
133574
2313
diplomát szerzettek alig több, mint fele
02:15
actually are working in jobs that require that education.
38
135887
3463
rendelkezik olyan állással, ahol alkalmazhatja megszerzett tudását.
02:19
This, of course, is not true for the students
39
139350
1840
Ez természetesen nem igaz azokra,
02:21
who graduate from the top institutions,
40
141190
1952
akik a vezető egyetemeken végeznek,
02:23
but for many others, they do not get the value
41
143142
2632
de sokaknak nem térül meg a befektetett
02:25
for their time and their effort.
42
145774
3536
idő és erőfeszítés.
02:29
Tom Friedman, in his recent New York Times article,
43
149310
3030
Tom Friedman, egy a New York Times-ban nemrégiben megjelent cikkében
02:32
captured, in the way that no one else could, the spirit behind our effort.
44
152340
4368
úgy ragadta meg az erőfeszítésünk szellemiségét, ahogy még senki sem.
02:36
He said the big breakthroughs are what happen
45
156708
3120
Azt írta, hogy a nagy áttörések akkor történnek,
02:39
when what is suddenly possible meets what is desperately necessary.
46
159828
3899
amikor a váratlanul felbukkanó lehetőség találkozik az égetően szükségessel.
02:43
I've talked about what's desperately necessary.
47
163727
2621
Eddig arról beszéltem, hogy mi az, ami égetően szükséges.
02:46
Let's talk about what's suddenly possible.
48
166348
2512
Most nézzük, mi az, ami váratlanul lehetővé vált.
02:48
What's suddenly possible was demonstrated by
49
168860
3119
Ami váratlanul lehetővé vált, azt jól szemlélteti
02:51
three big Stanford classes,
50
171979
1568
három nagy Stanford-i kurzus,
02:53
each of which had an enrollment of 100,000 people or more.
51
173547
3880
melyek közül mindegyikre legalább 100.000 tanuló iratkozott be.
02:57
So to understand this, let's look at one of those classes,
52
177427
3384
Ahhoz hogy jobban megértsük mi történt, nézzük meg közelebbről az egyiket:
03:00
the Machine Learning class offered by my colleague
53
180811
1920
a Gépi Tanulás kurzust, melyet kollégám
03:02
and cofounder Andrew Ng.
54
182731
1729
és alapítótársam Andrew Ng tart.
03:04
Andrew teaches one of the bigger Stanford classes.
55
184460
2319
Andrew tartja az egyik legnagyobb Stanford-i kurzust.
03:06
It's a Machine Learning class,
56
186779
1209
Ez egy Gépi Tanulás kurzus,
03:07
and it has 400 people enrolled every time it's offered.
57
187988
3518
és eddig minden alkalommal 400 diák iratkozott be rá, amikor meghirdették.
03:11
When Andrew taught the Machine Learning class to the general public,
58
191506
3265
Amikor Andrew a nagyközönségnek tartotta a Gépi Tanulás kurzust,
03:14
it had 100,000 people registered.
59
194771
2616
százezren iratkoztak be.
03:17
So to put that number in perspective,
60
197387
2009
Ahhoz, hogy jobban megértsük mit jelent ez a szám,
03:19
for Andrew to reach that same size audience
61
199396
2359
elmondom, hogy Andrewnak ahhoz, hogy ezt a részvételi mértéket
03:21
by teaching a Stanford class,
62
201755
1826
egy Stanford-i kurzus tartásával elérje,
03:23
he would have to do that for 250 years.
63
203581
3926
250 évig kellene tanítania.
03:27
Of course, he'd get really bored.
64
207507
3486
Természetesen halálra unná magát.
03:30
So, having seen the impact of this,
65
210993
2737
Így, ezt a hatást látva, Andrew és én úgy döntöttünk,
03:33
Andrew and I decided that we needed to really try and scale this up,
66
213730
3128
hogy komolyan meg kell próbálnunk ezt kiterjeszteni,
03:36
to bring the best quality education to as many people as we could.
67
216858
4120
hogy annyi embernek juttassuk el a legjobb minőségű oktatást, amennyinek csak lehet.
03:40
So we formed Coursera,
68
220978
1495
Ezért megalapítottuk Coursera-t,
03:42
whose goal is to take the best courses
69
222473
3137
aminek az a célja, hogy a legjobb kurzusokat
03:45
from the best instructors at the best universities
70
225610
3317
a legjobb tanárokkal a legjobb egyetemekről
03:48
and provide it to everyone around the world for free.
71
228927
4028
eljutassa bárkinek a világon ingyen.
03:52
We currently have 43 courses on the platform
72
232955
2600
Jelenleg 43 kurzus elérhető a platformon
03:55
from four universities across a range of disciplines,
73
235555
3199
négy egyetemről egy sor tudományág területéről.
03:58
and let me show you a little bit of an overview
74
238754
1833
Hadd mutassam meg röviden,
04:00
of what that looks like.
75
240587
3278
hogy hogyan is néz ki.
04:03
(Video) Robert Ghrist: Welcome to Calculus.
76
243865
1213
(video) Robert Ghrist: Üdvözölöm az Analízis órán.
04:05
Ezekiel Emanuel: Fifty million people are uninsured.
77
245078
1880
Ezekiel Emanuel: Ötven millió ember nincs biztosítva.
04:06
Scott Page: Models help us design more effective institutions and policies.
78
246958
3271
Scott Page: Modellek abban segítenek minket, hogy hatékonyabb intézményeket és politikát tervezzünk.
04:10
We get unbelievable segregation.
79
250229
2408
Hihetetlen szegregáció az eredmény.
04:12
Scott Klemmer: So Bush imagined that in the future,
80
252637
1792
Scott Klemmer: Bush úgy képzelte, hogy a jövőben
04:14
you'd wear a camera right in the center of your head.
81
254429
2378
egy kamerát viselnél a fejed kellős közepében.
04:16
Mitchell Duneier: Mills wants the student of sociology to develop the quality of mind ...
82
256807
4254
Mitchell Duneier: Mills azt akarja, hogy a szociológia hallgató minőségi gondolkodást fejlesszen ki...
04:21
RG: Hanging cable takes on the form of a hyperbolic cosine.
83
261061
3665
RG: A függő kábel a hiperbólikus koszinusz formáját veszi fel.
04:24
Nick Parlante: For each pixel in the image, set the red to zero.
84
264726
3071
Nick Parlante: A kép minden pixeljén állítsd a pirosat nullára.
04:27
Paul Offit: ... Vaccine allowed us to eliminate polio virus.
85
267797
2977
Paul Offit: ... A védőoltás lehetővé tette, hogy kiírtsuk poliovírust.
04:30
Dan Jurafsky: Does Lufthansa serve breakfast and San Jose? Well, that sounds funny.
86
270774
3623
Dan Jurafsky: Lufthansa reggelit és San Jose-t szolgál fel? Na ez viccesen hangzik.
04:34
Daphne Koller: So this is which coin you pick, and this is the two tosses.
87
274397
3616
Daphne Koller: Tehát ez az az érem, amit választasz, és ez a két dobás.
04:38
Andrew Ng: So in large-scale machine learning, we'd like to come up with computational ...
88
278013
3687
Andrew Ng: Tehát a széleskörű gépi tanulás esetén valami olyannal szeretnénk előállni, ami számítógépes...
04:41
(Applause)
89
281700
5609
(taps)
04:47
DK: It turns out, maybe not surprisingly,
90
287309
2274
DK: Kiderült, talán nem meglepően,
04:49
that students like getting the best content
91
289583
2238
hogy a hallgatók szeretik a legjobb tartalmat
04:51
from the best universities for free.
92
291821
2887
a legjobb egyetemekről ingyen megkapni.
04:54
Since we opened the website in February,
93
294708
2522
Amióta februárban megnyitottuk a weboldalt,
04:57
we now have 640,000 students from 190 countries.
94
297230
4358
640.000 diákunk lett 190 országból.
05:01
We have 1.5 million enrollments,
95
301588
2152
1,5 millió beiratkozást regisztráltunk,
05:03
6 million quizzes in the 15 classes that have launched
96
303740
2850
a meghirdetett 15 kurzuson 6 millió tesztet töltöttek ki és nyújtottak be eddig,
05:06
so far have been submitted, and 14 million videos have been viewed.
97
306590
4916
és 14 millió videót játszottak le.
05:11
But it's not just about the numbers,
98
311506
2518
De mindez nem csak a számokról szól,
05:14
it's also about the people.
99
314024
1641
hanem az emberekről is.
05:15
Whether it's Akash, who comes from a small town in India
100
315665
2976
Legyen szó Akash-ról, aki kis indiai faluból származik,
05:18
and would never have access in this case
101
318641
2175
és soha nem lenne lehetősége, hogy hozzáférjen
05:20
to a Stanford-quality course
102
320816
1489
-ebben az esetben- egy Stanford minőségű kurzushoz,
05:22
and would never be able to afford it.
103
322305
2515
soha nem is engedhetné meg magának.
05:24
Or Jenny, who is a single mother of two
104
324820
2038
Vagy Jenny, aki egy egyedülálló anya két gyermekkel
05:26
and wants to hone her skills
105
326858
1967
és a képességeit szeretné fejleszteni
05:28
so that she can go back and complete her master's degree.
106
328825
3135
hogy visszamehessen befejezni a mesterkurzusát.
05:31
Or Ryan, who can't go to school,
107
331960
3136
Vagy Ryan, aki nem járhat iskolába,
05:35
because his immune deficient daughter
108
335096
1865
mert van egy immunhiányos lánya,
05:36
can't be risked to have germs come into the house,
109
336961
3383
és nem kockáztathatja meg, hogy baktériumok kerüljenek a házba,
05:40
so he couldn't leave the house.
110
340344
1840
így nem mehet el otthonról.
05:42
I'm really glad to say --
111
342184
1632
Őszinte örömmel jelenthetem be, --
05:43
recently, we've been in correspondence with Ryan --
112
343816
2252
a minap Ryan-nel folytatott levelezésünk alapján,--
05:46
that this story had a happy ending.
113
346068
1932
ez a történet happyend-del végződött.
05:48
Baby Shannon -- you can see her on the left --
114
348000
1903
Shannon baba, akit bal oldalon láthattok,
05:49
is doing much better now,
115
349903
1351
sokkal jobban van,
05:51
and Ryan got a job by taking some of our courses.
116
351254
4198
és Ryan talált munkát a nálunk szerzett végzettségének köszönhetően.
05:55
So what made these courses so different?
117
355452
2244
Nos, mitől lettek ezek a kurzusok olyan mások?
05:57
After all, online course content has been available for a while.
118
357696
3720
Végülis online tanfolyamok elérhetőek már egy ideje.
06:01
What made it different was that this was real course experience.
119
361416
3712
A különbséget az teszi, hogy ezek igazi egyetemi kurzus élményét nyújtják.
06:05
It started on a given day,
120
365128
1726
Egy adott napon kezdődnek,
06:06
and then the students would watch videos on a weekly basis
121
366854
3634
a hallgatók heti rendszerességgel nézik a videókat,
06:10
and do homework assignments.
122
370488
1855
és beadandó dolgozatokat készítenek.
06:12
And these would be real homework assignments
123
372343
1791
És ezek igazi házi dolgozatok
06:14
for a real grade, with a real deadline.
124
374134
3304
valódi jegyekért, igazi határidőkkel.
06:17
You can see the deadlines and the usage graph.
125
377438
2056
Ezen az ábrán láthatóak a határidők és a használat mértéke.
06:19
These are the spikes showing
126
379494
2088
Ezek a csúcsok pedig azt mutatják,
06:21
that procrastination is global phenomenon.
127
381582
3789
hogy a halogatás globális jelenség.
06:25
(Laughter)
128
385371
2576
(nevetés)
06:27
At the end of the course,
129
387947
1672
A kurzus végén,
06:29
the students got a certificate.
130
389619
1856
a hallgatók oklevelet kapnak.
06:31
They could present that certificate
131
391475
2160
Ezt az oklevelet megmutathatják
06:33
to a prospective employer and get a better job,
132
393635
2153
egy leendő munkáltatónak, hogy jobb munkát kapjanak,
06:35
and we know many students who did.
133
395788
2060
és mi számtalan diákot ismerünk, akikkel ez megtörtént.
06:37
Some students took their certificate
134
397848
1919
Néhány hallgató bemutatta az oklevelét
06:39
and presented this to an educational institution at which they were enrolled
135
399767
3122
az oktatási intézménynél, ahová járt,
06:42
for actual college credit.
136
402889
1841
hogy valódi krediteket kapjanak.
06:44
So these students were really getting something meaningful
137
404730
2214
Tehát ezek a diákok valami értékeset kaptak
06:46
for their investment of time and effort.
138
406944
2834
a befektetett idejükért és erőfeszítésükért.
06:49
Let's talk a little bit about some of the components
139
409778
2555
Most beszéljünk kicsit a kurzust lehetővé tevő
06:52
that go into these courses.
140
412333
1892
néhány összetevőről.
06:54
The first component is that when you move away
141
414225
2628
Az első összetevő az, hogy amikor
06:56
from the constraints of a physical classroom
142
416853
2297
a fizikai előadóterem kötöttségeit hátrahagyjuk
06:59
and design content explicitly for an online format,
143
419150
2840
és a tananyagot kizárólag online
07:01
you can break away from, for example,
144
421990
2528
formátumba öntjük, szakíthatunk például
07:04
the monolithic one-hour lecture.
145
424518
2415
a merev, egy órás előadás-szerkezettel.
07:06
You can break up the material, for example,
146
426933
1785
Feloszthatjuk a tananyagot, például
07:08
into these short, modular units of eight to 12 minutes,
147
428718
3376
8-12 perces rövid modulokra,
07:12
each of which represents a coherent concept.
148
432094
2974
melyekből mindegyik egy összefüggő gondolatmenetet mutat be.
07:15
Students can traverse this material in different ways,
149
435068
2570
A hallgatók különböző módon haladhatnak végig ezen az anyagon,
07:17
depending on their background, their skills or their interests.
150
437638
3704
a hátterüktől, képességeiktől és érdeklődésüktől függően.
07:21
So, for example, some students might benefit
151
441342
2520
Így például néhány hallgató hasznát veheti
07:23
from a little bit of preparatory material
152
443862
2760
egy kis felkészítő anyagnak,
07:26
that other students might already have.
153
446622
2071
amit más hallgatók már tudhatnak.
07:28
Other students might be interested in a particular
154
448693
2440
Megint más hallgatókat érdekelhet egy speciális,
07:31
enrichment topic that they want to pursue individually.
155
451133
3086
részletekbe menő kiegészítő, amiben ők személyesen érdekeltek.
07:34
So this format allows us to break away
156
454219
3235
Tehát ez a forma lehetővé teszi, hogy elszakadjunk
07:37
from the one-size-fits-all model of education,
157
457454
2824
az egy kaptafára készült oktatási modelltől,
07:40
and allows students to follow a much more personalized curriculum.
158
460278
3992
és lehetővé tegyük a hallgatók számára, hogy egy sokkal személyreszabottabb tantervet kövessenek.
07:44
Of course, we all know as educators
159
464270
2343
Természetesen, mi oktatók mind tudjuk,
07:46
that students don't learn by sitting and passively watching videos.
160
466613
3360
hogy a hallgatók nem tanulnak, ha passzívan, csupán videókat néznek
07:49
Perhaps one of the biggest components of this effort
161
469973
2945
Ennek a törekvésnek talán a legnagyobb összetevője,
07:52
is that we need to have students
162
472918
2592
hogy olyan diákok kellenek ehhez,
07:55
who practice with the material
163
475510
2409
akik gyakorolják is az anyagot,
07:57
in order to really understand it.
164
477919
3156
annak érdekében, hogy valóban megértsék azt.
08:01
There's been a range of studies that demonstrate the importance of this.
165
481075
3268
Számos tanulmány bizonyította ennek fontosságát.
08:04
This one that appeared in Science last year, for example,
166
484343
2532
Ez például a Science magazinban jelent meg tavaly,
08:06
demonstrates that even simple retrieval practice,
167
486875
2832
és azt mutatja be, hogy még az egyszerű felidézést segítő gyakorló feladatok,
08:09
where students are just supposed to repeat
168
489707
2792
amikor a hallgatóknak csak ismételniük kell,
08:12
what they already learned
169
492499
1400
amit már megtanultak,
08:13
gives considerably improved results
170
493899
1920
jelentősen jobb eredményt hoznak
08:15
on various achievement tests down the line
171
495819
2269
különféle teszteken az idő során,
08:18
than many other educational interventions.
172
498088
4304
mint sok más oktatási eszköz.
08:22
We've tried to build in retrieval practice into the platform,
173
502392
2962
Így megpróbáltunk ilyen és más gyakorló feladatokat
08:25
as well as other forms of practice in many ways.
174
505354
2254
többféleképpen beépíteni a platformba.
08:27
For example, even our videos are not just videos.
175
507608
4144
Például a videóink, nem csupán videók.
08:31
Every few minutes, the video pauses
176
511752
2043
Pár percenként megáll a videó,
08:33
and the students get asked a question.
177
513795
2151
és kérdéseket tesz fel a hallgatóknak.
08:35
(Video) SP: ... These four things. Prospect theory, hyperbolic discounting,
178
515946
2221
(videó) SP: ... Ez a négy dolog. Kilátáselmélet, hiperbólikus diszkontálás,
08:38
status quo bias, base rate bias. They're all well documented.
179
518167
3092
status quo torzítás, és az alapgyakoriság figyelmen kívül hagyása. Mind jól dokumentált.
08:41
So they're all well documented deviations from rational behavior.
180
521259
2767
Tehát ezek mind széleskörűen dokumentált eltérések a racionális viselkedéstől.
08:44
DK: So here the video pauses,
181
524026
1624
DK: Tehát itt a videó megáll,
08:45
and the student types in the answer into the box
182
525650
2256
és a diák begépeli a választ a mezőbe
08:47
and submits. Obviously they weren't paying attention.
183
527906
3223
és elküldi azt. Szemlátomást nem figyeltek.
08:51
(Laughter)
184
531144
869
(nevetés)
08:52
So they get to try again,
185
532013
2010
Így újra meg kell, hogy próbálják,
08:54
and this time they got it right.
186
534023
2536
és most már eltalálják.
08:56
There's an optional explanation if they want.
187
536559
2193
A tetszőlegesen elérhető magyarázatot is elolvashatják, ha akarják.
08:58
And now the video moves on to the next part of the lecture.
188
538752
4257
És most a videó folytatódik az előadás következő részével.
09:03
This is a kind of simple question
189
543009
1878
Ez egy egyszerű kérdés,
09:04
that I as an instructor might ask in class,
190
544887
2081
amit én, mint oktató, feltehetek az órán,
09:06
but when I ask that kind of a question in class,
191
546968
2500
de amikor én kérdezek egy ilyen kérdést az órán,
09:09
80 percent of the students
192
549468
1300
a hallgatók 80%-a
09:10
are still scribbling the last thing I said,
193
550768
1866
még azt jegyzeteli, amit utoljára mondtam,
09:12
15 percent are zoned out on Facebook,
194
552634
3321
15% a facebook-ra mered,
09:15
and then there's the smarty pants in the front row
195
555955
2456
és itt van az okoska az első sorban,
09:18
who blurts out the answer
196
558411
1359
aki kiböki a választ
09:19
before anyone else has had a chance to think about it,
197
559770
2207
mielőtt másnak esélye lett volna akár csak elgondolkodni rajta,
09:21
and I as the instructor am terribly gratified
198
561977
2872
és én, mint az oktató, repesek az örömtől,
09:24
that somebody actually knew the answer.
199
564849
1648
hogy valaki egyáltalán tudta a választ.
09:26
And so the lecture moves on before, really,
200
566497
2792
És így az előadás folytatódik, mielőtt a legtöbb hallgató
09:29
most of the students have even noticed that a question had been asked.
201
569289
3529
ténylegesen észre vette volna, hogy egy kérdés egyáltalán fel lett téve.
09:32
Here, every single student
202
572818
2607
Itt minden egyes hallgatónak
09:35
has to engage with the material.
203
575425
2784
bele kell mélyednie az anyagba.
09:38
And of course these simple retrieval questions
204
578209
1936
És természetesen ezek az egyszerű ismétlő kérdések
09:40
are not the end of the story.
205
580145
1662
nem jelentik a történet végét.
09:41
One needs to build in much more meaningful practice questions,
206
581807
2970
Sokkal jelentőségteljesebb gyakorlókérdéseket is be kell építeni,
09:44
and one also needs to provide the students with feedback
207
584777
2353
és a visszajelzést is kell adni a hallgatóknak
09:47
on those questions.
208
587130
1663
a válaszokra.
09:48
Now, how do you grade the work of 100,000 students
209
588793
2888
Nos, hogy osztályozzuk 100.000 hallgató munkáját,
09:51
if you do not have 10,000 TAs?
210
591681
3082
ha nincs 10.000 tanársegédünk?
09:54
The answer is, you need to use technology
211
594763
2354
A válasz az, hogy a technológiát kell segítségül hívni,
09:57
to do it for you.
212
597117
1495
hogy megtegye ezt nekünk.
09:58
Now, fortunately, technology has come a long way,
213
598612
2648
Szerencsére, a technológia hosszú utat tett már meg,
10:01
and we can now grade a range of interesting types of homework.
214
601260
3268
és így már egy sor érdekes típusú házi feladatot értékelhetünk.
10:04
In addition to multiple choice
215
604528
1527
A feleletválasztós és
10:06
and the kinds of short answer questions that you saw in the video,
216
606055
3153
a rövid válaszos kérdéseken túl, amiket a videón láttak,
10:09
we can also grade math, mathematical expressions
217
609208
3260
osztályozhatunk matekot, és matematikai kifejezéseket,
10:12
as well as mathematical derivations.
218
612468
1952
illetve matematikai levezetéseket.
10:14
We can grade models, whether it's
219
614420
2874
Értékelhetünk modelleket, legyen az
10:17
financial models in a business class
220
617294
2176
pénzügyi modell egy üzleti kurzuson
10:19
or physical models in a science or engineering class
221
619470
2984
vagy fizikai modell egy reál, vagy mérnöki kurzuson
10:22
and we can grade some pretty sophisticated programming assignments.
222
622454
3744
és osztályozhatunk rendkívül kifinomult programozási feladatokat.
10:26
Let me show you one that's actually pretty simple
223
626198
1919
Hadd mutassak meg egyet, ami éppenséggel pofonegyszerű,
10:28
but fairly visual.
224
628117
1480
ám meglehetősen látványos.
10:29
This is from Stanford's Computer Science 101 class,
225
629597
2477
Ez egy kezdő óra a Stanford-i Számítástechnika kurzuson,
10:32
and the students are supposed to color-correct
226
632074
1604
és a hallgatónak ki kell javítania annak a homályos,
10:33
that blurry red image.
227
633678
1592
vörös képnek a színét.
10:35
They're typing their program into the browser,
228
635270
2018
Begépelik a programkódot a böngészőjükbe;
10:37
and you can see they didn't get it quite right, Lady Liberty is still seasick.
229
637288
4058
láthatják, nem igazán sikerült, mert a Szabadság-szobor még mindig tengeribeteg.
10:41
And so, the student tries again, and now they got it right, and they're told that,
230
641346
3756
Így aztán a hallgató újra megpróbálja, és most sikerült,
10:45
and they can move on to the next assignment.
231
645102
2359
és így következhet egy újabb feladat.
10:47
This ability to interact actively with the material
232
647461
3148
A lehetőség, hogy interaktívan dolgozzunk az anyaggal,
10:50
and be told when you're right or wrong
233
650609
1684
és megtudjuk, hogy helyes-e a válaszunk vagy sem,
10:52
is really essential to student learning.
234
652293
3126
rendkívül meghatározó a tanulás szempontjából.
10:55
Now, of course we cannot yet grade
235
655419
2275
Nos, nyilvánvalóan még nem tudjuk osztályozni
10:57
the range of work that one needs for all courses.
236
657694
2834
az összes feladattípust, amit minden kurzus megkövetelne.
11:00
Specifically, what's lacking is the kind of critical thinking work
237
660528
3301
Különösképpen hiányzik az érvelésen alapuló munkák osztályozása,
11:03
that is so essential in such disciplines
238
663829
1922
ami annyira alapvető az olyan tudományágakban,
11:05
as the humanities, the social sciences, business and others.
239
665751
3597
mint a humán tárgyak, társadalomtudományok, gazdasági és más területek.
11:09
So we tried to convince, for example,
240
669348
2249
Így megpróbáltunk meggyőzni néhányat
11:11
some of our humanities faculty
241
671597
1616
például a humán tudományi karjaink közül,
11:13
that multiple choice was not such a bad strategy.
242
673213
2696
hogy a feleletválasztós kérdés nem is olyan rossz stratégia.
11:15
That didn't go over really well.
243
675909
2191
Hát ez nem ment valami fényesen.
11:18
So we had to come up with a different solution.
244
678100
2433
Valami mással kellett előállnunk.
11:20
And the solution we ended up using is peer grading.
245
680533
3074
A megoldás, ami mellett döntöttünk, az egymás osztályozása volt.
11:23
It turns out that previous studies show,
246
683607
2422
Kiderült, hogy korábbi tanulmányok kimutatták,
11:26
like this one by Saddler and Good,
247
686029
1672
mint ez is, Saddler-től és Good-tól,
11:27
that peer grading is a surprisingly effective strategy
248
687701
2488
hogy az egymás osztályozása egy meglepően hatékony stratégia
11:30
for providing reproducible grades.
249
690189
3214
nagy mennyiségű osztályozás esetén.
11:33
It was tried only in small classes,
250
693403
1770
Csak kis osztályokban próbálták ki,
11:35
but there it showed, for example,
251
695173
1487
de az eredmény kimutatta, hogy például
11:36
that these student-assigned grades on the y-axis
252
696660
2482
ezek a hallgatók által adott osztályzatok -az y tengelyen-
11:39
are actually very well correlated
253
699142
1311
valójában elég jól megközelítették
11:40
with the teacher-assigned grade on the x-axis.
254
700453
2296
a tanár által adott osztályzatot -ld. az x tengelyen.
11:42
What's even more surprising is that self-grades,
255
702749
3160
Ami még meglepőbb, hogy önmaguk osztályozása esetén
11:45
where the students grade their own work critically --
256
705909
2311
amikor a hallgatók kritikusan értékelték a saját munkájukat, --
11:48
so long as you incentivize them properly
257
708220
1737
amíg megfelelően ösztönözzük őket,
11:49
so they can't give themselves a perfect score --
258
709957
1938
hogy maguknak ne adjanak tökéletes pontokat --
11:51
are actually even better correlated with the teacher grades.
259
711895
3191
ezek még ténylegesen jobban is közelítenek a tanári értékeléshez.
11:55
And so this is an effective strategy
260
715086
1607
És így ez egy hatékony stratégia,
11:56
that can be used for grading at scale,
261
716693
2104
amit nagy mennyiség esetén is használhatunk,
11:58
and is also a useful learning strategy for the students,
262
718797
2736
és egy hatékony tanulási stratégia a diákoknak,
12:01
because they actually learn from the experience.
263
721533
2255
mert valóban tanulnak a tapasztalásból.
12:03
So we now have the largest peer-grading pipeline ever devised,
264
723788
4649
Tehát mi most rendelkezünk a legnagyobb egymást osztályozó közösséggel,
12:08
where tens of thousands of students
265
728437
2504
amit valaha létrehoztak, ahol hallgatók tízezrei
12:10
are grading each other's work,
266
730941
1198
osztályozzák egymás munkáját,
12:12
and quite successfully, I have to say.
267
732139
3069
és meg kell mondjam, egész sikeresen.
12:15
But this is not just about students
268
735208
2260
De ez nem csak azokról a hallgatókról szól,
12:17
sitting alone in their living room working through problems.
269
737468
3041
akik a szobájukban egyedül ülve oldják meg a feladatokat.
12:20
Around each one of our courses,
270
740509
1807
Minden egyes kurzus körül
12:22
a community of students had formed,
271
742316
2160
kialakult egy hallgatói közössége,
12:24
a global community of people
272
744476
1880
egy globális emberi közössége,
12:26
around a shared intellectual endeavor.
273
746356
2532
egy közös intellektuális érdeklődési kör mentén.
12:28
What you see here is a self-generated map
274
748888
2652
Amit itt látnak, az egy automatikus térkép
12:31
from students in our Princeton Sociology 101 course,
275
751540
2961
a Princeton-i Szociológia bevezető kurzusának hallgatóiról,
12:34
where they have put themselves on a world map,
276
754501
2759
mely megmutatja, hogy, hova helyezték magukat a világtérképen,
12:37
and you can really see the global reach of this kind of effort.
277
757260
2960
s így valóban láthatják egy ilyen erőfeszítés globális kiterjedését.
12:40
Students collaborated in these courses in a variety of different ways.
278
760220
4567
A hallgatók különféle módokon működtek együtt ezeken a kurzusokon.
12:44
First of all, there was a question and answer forum,
279
764787
2639
Először is volt egy kérdés-felelet fórum,
12:47
where students would pose questions,
280
767426
2144
ahol a hallgatók feltehetnek kérdéseket,
12:49
and other students would answer those questions.
281
769570
2424
és más hallgatók megválaszolhatják azokat.
12:51
And the really amazing thing is,
282
771994
1713
És az igazán bámulatos dolog az az,
12:53
because there were so many students,
283
773707
1670
hogy mivel olyan sok hallgató volt,
12:55
it means that even if a student posed a question
284
775377
2365
ez azt jelentette, hogy ha egy hallgató
12:57
at 3 o'clock in the morning,
285
777742
1632
hajnali 3 órakor tett fel egy kérdést,
12:59
somewhere around the world,
286
779374
1582
valahol a világon akadt valaki,
13:00
there would be somebody who was awake
287
780956
2074
aki ébren volt,
13:03
and working on the same problem.
288
783030
2313
és ugyanazon a problémán dolgozott.
13:05
And so, in many of our courses,
289
785343
1958
És így, számos kurzuson
13:07
the median response time for a question
290
787301
2329
a válaszolási idő közép értéke
13:09
on the question and answer forum was 22 minutes.
291
789630
3418
22 perc volt a kérdés-felelet fórumon.
13:13
Which is not a level of service I have ever offered to my Stanford students.
292
793048
4577
IIyen szintű szolgáltatást én soha nem is ajánlhatnék fel egy Stanford-i hallgatómnak.
13:17
(Laughter)
293
797625
1341
(nevetés)
13:18
And you can see from the student testimonials
294
798966
1942
Látható a hallgatók visszajelzéseiből,
13:20
that students actually find
295
800908
1687
hogy tényleg úgy vélik,
13:22
that because of this large online community,
296
802595
2521
hogy a hatalmas online közösség miatt,
13:25
they got to interact with each other in many ways
297
805116
2599
sok szempontból mélyebben kapcsolódhattak egymással,
13:27
that were deeper than they did in the context of the physical classroom.
298
807715
4193
mint egy fizikailag létező tanteremben tették volna.
13:31
Students also self-assembled,
299
811908
2344
A diákok maguktól összejártak,
13:34
without any kind of intervention from us,
300
814252
1863
tőlünk érkező bármilyen beavatkozás nélkül,
13:36
into small study groups.
301
816115
1903
kis tanuló csoportokba.
13:38
Some of these were physical study groups
302
818018
2362
Néhány ezek közül a valóságban találkozó csoport volt
13:40
along geographical constraints
303
820380
1826
földrajzi korlátok szerint,
13:42
and met on a weekly basis to work through problem sets.
304
822206
2722
és hetente találkoztak, hogy kidolgozzanak feladatokat.
13:44
This is the San Francisco study group,
305
824928
1900
Ez a San Francisco-i tanuló csoport,
13:46
but there were ones all over the world.
306
826828
2319
de a világ minden táján alakultak ilyen csoportok.
13:49
Others were virtual study groups,
307
829147
2032
Mások virtuális tanuló csoportok voltak,
13:51
sometimes along language lines or along cultural lines,
308
831179
2989
néha nyelvi vagy kulturális jellemzők mentén
13:54
and on the bottom left there,
309
834168
1444
és a bal alsó sarokban,
13:55
you see our multicultural universal study group
310
835612
3796
láthatják a multikulturális, univerzális tanuló csoportot,
13:59
where people explicitly wanted to connect
311
839408
1763
ahol az emberek kifejezetten más kultúrákkal
14:01
with people from other cultures.
312
841171
3006
akartak kapcsolatba lépni.
14:04
There are some tremendous opportunities
313
844177
2111
Óriási lehetőségek rejlenek itt,
14:06
to be had from this kind of framework.
314
846288
3325
hogy egy ilyen keretek között dolgozhatunk.
14:09
The first is that it has the potential of giving us
315
849613
3654
Az első, hogy lehetőségünk nyílik
14:13
a completely unprecedented look
316
853267
2434
egy teljesen példa nélküli betekintést nyerni
14:15
into understanding human learning.
317
855701
2289
az emberi tanulás megértésébe.
14:17
Because the data that we can collect here is unique.
318
857990
3463
Mivel a gyűjthető adatok egyedülállóak.
14:21
You can collect every click, every homework submission,
319
861453
4009
Adatot gyűjthetsz minden egyes klikkelésről, házi feladat beküldésről
14:25
every forum post from tens of thousands of students.
320
865462
4363
hallgatók tízezreinek minden fórumhozzászólásáról.
14:29
So you can turn the study of human learning
321
869825
2343
Így az emberi tanulás kutatását
14:32
from the hypothesis-driven mode
322
872168
1933
a hipotézis-vezéreltről
14:34
to the data-driven mode, a transformation that,
323
874101
2858
adatvezéreltre állíthatjuk át, ami egy olyan átalakulás,
14:36
for example, has revolutionized biology.
324
876959
3041
ami például forradalmasította a biológiát.
14:40
You can use these data to understand fundamental questions
325
880000
3424
Ezeket az adatokat használhatjuk arra, hogy alapvető kérdéseket értsünk meg,
14:43
like, what are good learning strategies
326
883424
1880
mint: mik a jó tanulási stratégiák,
14:45
that are effective versus ones that are not?
327
885304
2696
melyek hatékonyak és melyek nem.
14:48
And in the context of particular courses,
328
888000
2240
És az egyes kurzusok esetében,
14:50
you can ask questions
329
890240
1537
feltehetünk kérdéseket,
14:51
like, what are some of the misconceptions that are more common
330
891777
3255
mint: melyek az általánosan téves feltevések,
14:55
and how do we help students fix them?
331
895032
2177
és hogyan segíthetünk a hallgatóknak kijavítani azokat?
14:57
So here's an example of that,
332
897209
1424
Álljon itt egy példa erre,
14:58
also from Andrew's Machine Learning class.
333
898633
2016
szintén Andrew Gépi Tanulás órájáról.
15:00
This is a distribution of wrong answers
334
900649
2208
Ez a rossz válaszok eloszlását mutatja
15:02
to one of Andrew's assignments.
335
902857
1610
Andrew egyik beadandója esetében.
15:04
The answers happen to be pairs of numbers,
336
904467
1893
A válaszok itt történetesen számpárok,
15:06
so you can draw them on this two-dimensional plot.
337
906360
2271
így ezeket ezen a kétdimenziós ábrán vázolhatjuk.
15:08
Each of the little crosses that you see is a different wrong answer.
338
908631
3778
Minden kis kereszt különböző rossz válaszokat jelöl.
15:12
The big cross at the top left
339
912409
2406
A nagy kereszt a bal felső sarokban
15:14
is where 2,000 students
340
914815
2148
azt jelzi, amikor 2.000 hallgató
15:16
gave the exact same wrong answer.
341
916963
3045
ugyanazt a rossz választ adta.
15:20
Now, if two students in a class of 100
342
920008
2327
Nos, ha két hallgató egy 100 fős osztályban
15:22
give the same wrong answer,
343
922335
1287
ugyanazt a rossz választ adja,
15:23
you would never notice.
344
923622
1351
soha nem vennénk észre.
15:24
But when 2,000 students give the same wrong answer,
345
924973
2560
De ha 2.000 hallgató ugyanazt a rossz választ adja,
15:27
it's kind of hard to miss.
346
927533
1697
azt nehéz eltéveszteni.
15:29
So Andrew and his students went in,
347
929230
2192
Így Andrew és a hallgatói
15:31
looked at some of those assignments,
348
931422
1520
megnéztek néhányat a feladat megoldásokból,
15:32
understood the root cause of the misconception,
349
932942
4088
és megértették a félreértés kiváltó okát,
15:37
and then they produced a targeted error message
350
937030
2520
majd készítettek egy célzott hiba üzenetet,
15:39
that would be provided to every student
351
939550
2249
amit minden egyes diáknak eljuttattak,
15:41
whose answer fell into that bucket,
352
941799
2179
akinek a válasza abba a részbe esett,
15:43
which means that students who made that same mistake
353
943978
2084
s ez azt jelenti, hogy az egyforma hibát elkövető hallgatók,
15:46
would now get personalized feedback
354
946062
2026
most személyre szabott visszajelzést kaptak arról,
15:48
telling them how to fix their misconception much more effectively.
355
948088
4399
hogyan javíthatják ki a téves feltevésüket sokkal hatékonyabban.
15:52
So this personalization is something that one can then build
356
952487
3811
Tehát ez a személyre szabás olyasvalami,
15:56
by having the virtue of large numbers.
357
956298
3140
amit a nagy számoknak köszönhetően hozhatunk létre.
15:59
Personalization is perhaps
358
959438
2312
A személyre szabás talán
16:01
one of the biggest opportunities here as well,
359
961750
2423
az egyik legnagyobb lehetőség itt,
16:04
because it provides us with the potential
360
964173
2345
mert lehetővé teszi számunkra,
16:06
of solving a 30-year-old problem.
361
966518
2690
hogy egy 30 éves problémát oldjunk meg.
16:09
Educational researcher Benjamin Bloom, in 1984,
362
969208
3349
Oktatási kutató, Benjamin Bloom 1984-ben
16:12
posed what's called the 2 sigma problem,
363
972557
2251
vetette fel a 2 szigma problémát,
16:14
which he observed by studying three populations.
364
974808
3062
amit három populáció tanulmányozása által figyelt meg.
16:17
The first is the population that studied in a lecture-based classroom.
365
977870
3608
Az első esetben a hallgatók előadás alapú tantermi oktatásban vettek részt.
16:21
The second is a population of students that studied
366
981478
2777
A másodikban a hallgatók szintén hagyományos előadás alapú
16:24
using a standard lecture-based classroom,
367
984255
1719
tantermi oktatást használtak,
16:25
but with a mastery-based approach,
368
985974
2080
de egy elsajátítás alapú megközelítést alkalmaztak,
16:28
so the students couldn't move on to the next topic
369
988054
1920
így a diák nem léphetett a következő témára,
16:29
before demonstrating mastery of the previous one.
370
989974
3354
amíg nem demonstrálta az előző anyag elsajátítását.
16:33
And finally, there was a population of students
371
993328
2294
És végül, volt egy hallgatói populáció,
16:35
that were taught in a one-on-one instruction using a tutor.
372
995622
4528
ahol a tanár egyenként foglalkozott a diákokkal.
16:40
The mastery-based population was a full standard deviation,
373
1000150
3272
Az elsajátítás-alapú populáció teljes körű normál eloszlást mutatott
16:43
or sigma, in achievement scores better
374
1003422
2288
vagy szigmát, jobb eredményeket elérve,
16:45
than the standard lecture-based class,
375
1005710
2394
mint a hagyományos tanóra alapú órán,
16:48
and the individual tutoring gives you 2 sigma
376
1008104
2144
az egyéni oktatás pedig két szigmányi
16:50
improvement in performance.
377
1010248
1830
teljesítmény növekedést eredményez.
16:52
To understand what that means,
378
1012078
1463
Ahhoz, hogy megértsük mindez mit jelent,
16:53
let's look at the lecture-based classroom,
379
1013541
1833
nézzük meg közelebbről a tantermi alapú oktatást,
16:55
and let's pick the median performance as a threshold.
380
1015374
2919
és vegyük a teljesítmény középértékét küszöbértéknek.
16:58
So in a lecture-based class,
381
1018293
1338
Egy tantermi alapú oktatás során
16:59
half the students are above that level and half are below.
382
1019631
3879
a hallgatók fele a szint felett van, a másik fele alatta.
17:03
In the individual tutoring instruction,
383
1023510
2098
Az egyéni oktatás esetén,
17:05
98 percent of the students are going to be above that threshold.
384
1025608
4801
a hallgatók 98%-a a küszöbérték felett van.
17:10
Imagine if we could teach so that 98 percent of our students
385
1030409
3920
Képzeljük el, hogy úgy tudunk tanítani, hogy a hallgatók 98%-a
17:14
would be above average.
386
1034329
2198
átlagon felül teljesít!
17:16
Hence, the 2 sigma problem.
387
1036527
3423
Ebből következik a 2 szigma probléma.
17:19
Because we cannot afford, as a society,
388
1039950
2399
Mivel társadalomként nem engedhetjük meg,
17:22
to provide every student with an individual human tutor.
389
1042349
3072
hogy minden hallgató számára egyéni emberi oktatót biztosítsunk.
17:25
But maybe we can afford to provide each student
390
1045421
2249
Ám lehet, hogy minden hallgató számára biztosíthatunk
17:27
with a computer or a smartphone.
391
1047670
2019
egy számítógépet, vagy okostelefont.
17:29
So the question is, how can we use technology
392
1049689
2189
Így a kérdés az, hogy hogyan használhatjuk a technológiát
17:31
to push from the left side of the graph, from the blue curve,
393
1051878
3375
hogy az ábra bal oldaláról a kék görbétől jobbra
17:35
to the right side with the green curve?
394
1055253
2738
mozduljunk el, a zöld görbe felé.
17:37
Mastery is easy to achieve using a computer,
395
1057991
2337
Az elsajátítást könnyű elérni számítógép segítségével,
17:40
because a computer doesn't get tired
396
1060328
1405
mivel a gép nem fárad el,
17:41
of showing you the same video five times.
397
1061733
3073
ha ötször kell is ugyanazt a videót lejátszania.
17:44
And it doesn't even get tired of grading the same work multiple times,
398
1064806
3251
És attól sem fárad el, ha ugyanazt osztályozza sokszor,
17:48
we've seen that in many of the examples that I've shown you.
399
1068062
3026
ezt láthattuk számos példában, amit mutattam.
17:51
And even personalization
400
1071088
1854
És még a személyre szabás is egy olyan dolog,
17:52
is something that we're starting to see the beginnings of,
401
1072942
2136
aminek kezdjük látni a beindulását,
17:55
whether it's via the personalized trajectory through the curriculum
402
1075078
3192
legyen az személyre szabott röppálya a tananyagon át,
17:58
or some of the personalized feedback that we've shown you.
403
1078270
3264
vagy személyre szabott visszajelzés, amit korábban mutattunk.
18:01
So the goal here is to try and push,
404
1081534
2488
Tehát a cél itt az, hogy megpróbáljuk véghezvinni,
18:04
and see how far we can get towards the green curve.
405
1084022
3497
és kideríteni milyen messze tudunk a zöld görbe irányába haladni.
18:07
So, if this is so great, are universities now obsolete?
406
1087519
5359
Ha ez annyira nagyszerű, akkor egyetemek elavulttá válnak?
18:12
Well, Mark Twain certainly thought so.
407
1092878
2992
Nos, Mark Twain mindenképpen úgy gondolta!
18:15
He said that, "College is a place where a professor's lecture notes
408
1095870
2545
Azt mondta, "Az egyetem olyan hely, ahol a professzorok előadásjegyzetei
18:18
go straight to the students' lecture notes,
409
1098415
1703
közvetlenül a diákok előadásjegyzeteivé válnak,
18:20
without passing through the brains of either."
410
1100118
2376
anélkül, hogy bármelyikük agyán átfutna."
18:22
(Laughter)
411
1102494
4047
(nevetés)
18:26
I beg to differ with Mark Twain, though.
412
1106541
2668
Én azért bátorkodom ellentmondani Mark Twain-nek.
18:29
I think what he was complaining about is not
413
1109209
2665
Úgy gondolom, hogy az ő panasza nem az egyetemekről,
18:31
universities but rather the lecture-based format
414
1111874
2750
hanem a tantermi előadás alapú oktatásról szól,
18:34
that so many universities spend so much time on.
415
1114624
2784
amire olyan sok egyetem olyan sok időt szán.
18:37
So let's go back even further, to Plutarch,
416
1117408
3159
Úgyhogy menjünk még visszább az időben ehhez, Plutarkhoszig,
18:40
who said that, "The mind is not a vessel that needs filling,
417
1120567
2227
aki azt mondta: "Az elme nem egy edény, amit meg kell tölteni,
18:42
but wood that needs igniting."
418
1122794
2023
hanem fa, amit lángra kell gyújtani."
18:44
And maybe we should spend less time at universities
419
1124817
2190
És talán kevesebb időt kéne töltenünk az egyetemeken azzal,
18:47
filling our students' minds with content
420
1127007
2571
hogy a hallgatóink fejét tartalommal töltsük meg,
18:49
by lecturing at them, and more time igniting their creativity,
421
1129578
3800
eladások tartásával, és több időt kéne tölteni a kreativitásuk,
18:53
their imagination and their problem-solving skills
422
1133378
3255
képzelőerejük és problémamegoldó képességeik lángra lobbantásával,
18:56
by actually talking with them.
423
1136633
2498
mégpedig úgy, hogy ténylegesen beszélünk velünk.
18:59
So how do we do that?
424
1139131
1367
Nos, hogy tehetjük ezt meg?
19:00
We do that by doing active learning in the classroom.
425
1140498
3431
Úgy, hogy aktív tanulást használunk a tantermekben.
19:03
So there's been many studies, including this one,
426
1143929
2449
Nos, számtalan tanulmányt folytattak, ezt is beleértve,
19:06
that show that if you use active learning,
427
1146378
2080
ami azt találta, hogy aktív tanulást használva,
19:08
interacting with your students in the classroom,
428
1148458
2416
a hallgatókkal a tanteremben kapcsolatba lépve,
19:10
performance improves on every single metric --
429
1150874
2696
a teljesítmény növekszik minden egyes mutatón
19:13
on attendance, on engagement and on learning
430
1153570
2449
-- jelenléten, részvételen és tanuláson,
19:16
as measured by a standardized test.
431
1156019
2055
amint azt egy standardizált teszt is kimutatta.
19:18
You can see, for example, that the achievement score
432
1158074
1864
Láthatják, hogy például, a teljesítmény pontszám
19:19
almost doubles in this particular experiment.
433
1159938
2870
majdnem megduplázódott ebben a bizonyos kísérletben.
19:22
So maybe this is how we should spend our time at universities.
434
1162808
4401
Lehet, hogy inkább így kéne töltenünk az időnket az egyetemeken.
19:27
So to summarize, if we could offer a top quality education
435
1167209
4577
Összefoglalva, ha magas színvonalú oktatást tudnánk ajánlani
19:31
to everyone around the world for free,
436
1171786
1903
ingyen mindenkinek a Föld kerekén,
19:33
what would that do? Three things.
437
1173689
2821
mi történne? Három dolog.
19:36
First it would establish education as a fundamental human right,
438
1176510
3421
Először, elérnénk, hogy oktatás alapvető emberi joggá válna,
19:39
where anyone around the world
439
1179931
1366
bárki a világon,
19:41
with the ability and the motivation
440
1181297
1921
a képességek és a motiváció birtokában
19:43
could get the skills that they need
441
1183218
1951
megszerezhetné azokat a készségeket,
19:45
to make a better life for themselves,
442
1185169
1585
amik jobb életet biztosítanak neki,
19:46
their families and their communities.
443
1186754
2017
a családjának és a közösségének.
19:48
Second, it would enable lifelong learning.
444
1188771
2631
Másodszorra, lehetővé tenné az élethosszig tartó tanulást.
19:51
It's a shame that for so many people,
445
1191402
1951
Kár, hogy oly sok ember számára
19:53
learning stops when we finish high school or when we finish college.
446
1193353
3312
véget ér a tanulás, amikor befejezi a középiskolát vagy egyetemet.
19:56
By having this amazing content be available,
447
1196665
2481
Azzal, hogy ez az elképesztő tananyag elérhető válik,
19:59
we would be able to learn something new
448
1199146
2743
képesek lennénk valami újat tanulni minden alkalommal,
20:01
every time we wanted,
449
1201889
1136
amikor csak akarjuk,
20:03
whether it's just to expand our minds
450
1203025
1329
legyen szó gondolkodásmódunk gazdagításáról,
20:04
or it's to change our lives.
451
1204354
1959
vagy életünk megváltoztatásáról.
20:06
And finally, this would enable a wave of innovation,
452
1206313
3145
És végül, lehetővé tenné az innováció egy hullámát,
20:09
because amazing talent can be found anywhere.
453
1209458
3072
mert bámulatos tehetségre bárhol lelhetünk.
20:12
Maybe the next Albert Einstein or the next Steve Jobs
454
1212530
3008
Talán a következő Albert Einstein vagy Steve Jobs
20:15
is living somewhere in a remote village in Africa.
455
1215538
2615
Afrika egy eldugott falujában él.
20:18
And if we could offer that person an education,
456
1218153
2656
Ha annak az embernek oktatást ajánlhatnánk,
20:20
they would be able to come up with the next big idea
457
1220809
2356
előállhatna a következő nagy ötlettel,
20:23
and make the world a better place for all of us.
458
1223165
2404
és jobbá tehetné a világot mindannyiunk számára.
20:25
Thank you very much.
459
1225569
1160
Nagyon szépen köszönöm.
20:26
(Applause)
460
1226729
7583
(Taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7