دافنه کولر: از آموزش آنلاین چه می‌آموزیم

دافنه کولر دانشگاه ها را متقاعد می کند که جذاب ترین کلاس هایشان را به طور مجانی آنلاین کنند. نه فقط به عنوان یک خدمت، بلکه به عنوان راهی برای تحقیق در مورد اینکه مردم چطور می آموزند. هر ضربه ی کلید، امتحان مفهومی، فرم های بحث همکلاسی ها و تکالیفی که خود دانشجو تصحیح می کند، منبع داده ی تازه ای ایجاد می کند که نشان می دهد دانش چطور پردازش و مهمتر از آن فراگرفته می شود.

مثل خیلی از شماها، من آدم خوش شانسی هستم.

من در خانواده ای به دنیا آمدم که در آن تحصیل فراگیر بود.

من سومین نسل دکتر [در خانواده] هستم، دختر دو فرد دانشگاهی

در کودکی در آزمایشگاه تحقیقاتی پدرم بازی می کردم.

پس بدیهی بود که من به بهترین دانشگاه ها بروم

که به نوبه ی خود فرصت های زیادی به من داد.

متأسفانه بیشتر افراد دنیا اینقدر خوش شانس نیستند

در بعضی نقاط دنیا مثل آفریقای جنوبی،

تحصیل به راحتی قابل دسترسی نیست.

سیستم آموزشی در آفریقای جنوبی،

در دوران آپارتاید و برای اقلیت سفید پوست درست شد.

و در نتیجه ی آن ، امروزه جای کافی برای بسیاری کسانی که

به دنبال تحصیلات بالا هستند و لیاقتش را دارند، نیست.

این کمبود در ژانویه ی گذشته در دانشگاه ژهانسبورگ

به بحران تبدیل شد.

فقط چند جای خالی در فرآیند پذیرش عادی باقی مانده بود،

و شب قبل از اینکه قرار بود برای آن چند جای خالی ثبت نام کنند،

و شب قبل از اینکه قرار بود برای آن چند جای خالی ثبت نام کنند،

هزاران نفر در صفی به درازای یک مایل در بیرون درهای دانشگاه جمع شدند،

به امید اینکه اولین نفری باشند که این جاها را پر می کنند.

وقتی درها باز شد همه هجوم آوردند،

۲۰ نفر زخمی و یک زن کشته شد.

او مادری بود که جانش را داد

تا به پسرش شانسی برای یک زندگی بهتر بدهد.

اما حتی در قسمت هایی از دنیا مثل ایالات متحده

که آموزش موجود است، ممکن است در دسترس نباشد.

در سال های اخیر بسیار درباره ی افزایش هزینه ی درمان بحث شده.

در سال های اخیر بسیار درباره ی افزایش هزینه ی درمان بحث شده.

چیزی که شاید برای مردم اینقدر واضح نباشد

این است که در همین دوره شهریه ی تحصیلات عالیه

با نرخ تقریباً دو برابر افزایش پیدا کرده،

که در کل از سال ۱۹۸۵ به ۵۵۹ درصد می رسد.

این افزایش باعث می شود بسیاری استطاعت مالی برای آموزش نداشته باشند.

بالاخره، برای آنهایی که موفق می شوند تحصیلات عالیه داشته باشند،

ممکن است فرصت پیش نیاید.

تنها کمی بیشتر از نصف دانش آموختگان دانشگاه در ایالات متحده

که تحصیلات عالیه دارند

در شغل های مربوط به رشته ی تحصیلی شان مشغول به کار هستند.

البته این موضوع برای دانشجویانی که از بهترین دانشگاه ها

فارغ التحصیل می شوند، صحت ندارد،

اما بسیاری دیگر به قدر زحمت و زمانی که

صرف کرده اند، بها نمی گیرند.

تام فریدمن در مقاله ای که اخیراً در نیویورک تایمز نوشته

روح پشت این زحمات را به گونه ای که هیچ کس دیگر نمی توانست، تسخیر کرده.

او گفت که پیشرفت های بزرگ وقتی حاصل می شوند که

آنچه ناگهان در دسترس قرار می گیرد با آنچه شدیداً مورد نیاز است دیدار می کند.

من گفتم که چه چیزی شدیداً مورد نیاز است.

بگذارید در مورد چیزی که ناگهان ممکن است، صحبت کنیم.

چیزی که ناگهان ممکن است به وسیله ی

سه کلاس بزرگ در استنفورد نشان داده شد،

که هر یک ۱۰۰،۰۰۰ دانشجو یا بیشتر داشتند.

حالا برای اینکه بهتر این را متوجه شوید، بیایید نگاهی به یکی از این کلاس ها بیاندازیم.

کلاس فراگیری ماشینی که به وسیله ی همکارم در راه اندازی این کلاس ها

"اندرو نگ" تدریس می شود.

اندرو یکی از این کلاس های بزرگ استنفورد را درس می دهد.

این کلاس فراگیری ماشینی است،

و هر بار ارائه می شود ۴۰۰ نفر دانشجو می گیرد.

وقتی اندرو کلاس فراگیری ماشینی را به عموم تدریس می کرد،

۱۰۰،۰۰۰ر ثبت نام کردند.

حالا برای اینکه بتوانید این عدد را تجسم کنید،

اگر اندرو بخواهد به همین تعداد دانشجو

در یک کلاس استنفورد درس بدهد،

باید ۲۵۰ سال کار کند.

البته حوصله ش خیلی سر میره.

پس وقتی که اثر این پدیده را دیدیم،

من و اندرو تصمیم گرفتیم که سعی بربالا بردن مقیاس کارمان کنیم،

تا بهترین سطح آموزش را برای تعداد زیادی از افراد فراهم کنیم.

پس ما Coursera را ایجاد کردیم،

که هدفش این است که بهترین کلاس ها را

از بهترین استادان در بهترین دانشگاه ها بگیریم

و برای همه ی مردم در همه جای دنیا مجانی در دسترس قرار دهیم.

اکنون ما 3 کلاس در پایگاهمان داریم

از چهار دانشگاه و در گستره ای از رشته ها،

و اجازه بدید که به شما در یک نمای کلی

نشان بدهم چه شکلی دارد.

(فیلم) روبرت رایست: به کلاس حساب خوش آمدید.

ازکیل امانوئل: پنجاه میلیون نفر بیمه ندارند.

اسکات پیج: مدل ها به ما امکان می دن تا مؤسسات و قوانین کارسازتری طراحی کنیم.

جدایی که بدست میاریم باورنکردنیه.

اسکات کلمر: پس بوش تصور می کرد که در آینده

شما یک دوربین درست در وسط سرتون میگذارید.

میچل دانیر: میلز می خواد که دانشجوهای جامعه شناسی کیفیت ذهنی بدست بیارند...

آر جی: کابل آویز شکل یک کسینوس سهموی به خودش می گیره.

نیک پارلانت: به ازای هر پیکسل در عکس، قرمز را صفر کنید.

پل افیت: ... واکسن به ما اجازه داد که ویروس فلج اطفال را ریشه کن کنیم.

دن یورافسکی: آیا لوفتانزا در سن خوزه صبحانه میده؟ خوب این خنده داره.

دافنه کولر: خوب این که کدوم سکه را انتخاب می کنید و دو بار پرتاب می کنید.

اندرو نگ: در فراگیری ماشینی در سطح بالا، ما باید به محاسبات...

(تشویق حاضران)

دافنه کولر: غیر منتظره نیست که معلوم شد،

دانشجوها دوست دارند بهترین کلاس ها را

از بهترین دانشگاه ها مجانی بگیرند.

ما این پایگاه اینترنتی را در فوریه راه اندازی کردیم،

ما اکنون ۶۴۰،۰۰۰ دانشجو از ۱۹۰ کشور داریم.

از ۱.۵ میلیون نفر نام نویسی کرده ایم،

۶ میلیون آزمون در ۱۵ کلاسی که برگزار شده تاکنون ثبت شده

و ۱۴میلیون فیلم تا به حال تماشا شده.

اما همه چیز فقط این اعداد نیست،

در مورد انسان ها هم هست.

خواه آکاش باشد که اهل شهر کوچکی در هند است

و هرگز نمی توانست به کلاسهایی

با کیفیت استنفورد دسترسی پیدا کند

و هرگز نمی توانست از عهده ی هزینه هایش بربیاید.

و خواه جنی باشد که مادر مجرد دو فرزند است

و می خواهد مهارت هایش را بهبود ببخشد

تا بتواند به دانشگاه برگردد و دوره ی کارشناسی ارشدش را تمام کند.

یا رایان که نمی تواند به دانشگاه برود،

چون دخترش بیماری نقص سیستم ایمنی دارد

و خطرناک است اگر میکروب به درون خانه بیاید،

بنابراین او نمی تواند خانه را ترک کند.

من خوشحالم که می تونم بگم -

که ما اخیراً با رایان در تماس بوده ایم -

و این ماجرا به خوبی ختم شد.

شانون کوچک که در سمت چپ عکس می بینیدش

خیلی بهتر شده،

و رایان توانست با گذراندن کلاس های ما شغلی بیابد.

چه چیزی باعث شد این کلاس ها تفاوت داشته باشند؟

هر چه باشد کلاس های اینترنتی چند وقتی هست که در دسترسند.

تفاوت در این است که این کلاس ها یک تجربه ی واقعی ایجاد می کنند.

کلاس در یک روز معین شروع میشه،

و بعد دانشجو ها این فیلم ها را هر هفته نگاه می کنند

و تکلیف خانه هم انجام می دهند.

و این ها تکلیف های واقعی هستند

که نمره های واقعی می گیرند و وقتشان تعیین شده.

اینجا می تونید آخرین مهلت تکالیف و منحنی استفاده از مطالب را ببینید.

این خیزک ها نشان می دهند

که طفره رفتن از کار پدیده ای جهانی است.

(خنده ی حاضران)

در پایان این کلاس،

دانش آموزان مدرک می گیرند.

آنها می توانند این مدرک را به کارفرمای آینده شان ارائه کنند

و شغل بهتری بیابند،

و ما دانشجویان زیادی را می شناسیم که همین کار را کردند.

برخی دانشجویان مدرکشان را گرفتند

و آن را به مؤسه ی آموزشی که در آن درس می خواندند ارائه کردند

و به ازای آن واحد دانشگاهی گرفتند.

پس این دانشجویان واقعاً چیزی معنی دار در ازای وقت و تلاششان

از این کلاس ها می گرفتند.

بیایید کمی راجع به برخی از ویژگی های این کلاس ها صحبت کنیم.

بیایید کمی راجع به برخی از ویژگی های این کلاس ها صحبت کنیم.

اولین ویژگی این است که وقتی از محدوده ی

یک کلاس درس فیزیکی دور می شویم

و مطالب را اختصاصاً برای شکل اینترنتی آن طراحی می کنیم،

می توانید برای مثال از حالت یکنواخت

سخنرانی یک ساعته خارج شویم.

می توانید مثلاً مطالب را به چند قسمت تقسیم کنید،

به طوریکه قسمت های هشت تا ۱۲ دقیقه ای داشته باشید،

که هر یک به طور منسجم موضوعی را عرضه می کنند.

دانشجوها می توانند این مطالب را به صورت های گوناگون

بسته به پیش زمینه شان، مهارت هایشان یا علایقشان دنبال کنند.

مثلاً ممکن است برای برخی دانشجوها

کمی مطالب مقدماتی مفید باشد

که بقیه ی دانشجوها ممکن است از قبل بدانند.

ممکن است برخی دانشجوها به مطلب تقویتی خاصی علاقه داشته باشند

و بخواهند شخصاً آن را پیگیری کنند.

پس شکل و قالب این کلاس ها به ما امکان می دهد از حالت

یک اندازه برای همه دور شویم،

و به دانشجوها اجازه می دهد که برنامه ی درسی شخصی تری را دنبال کنند.

البته همه ی ما به عنوان مدرس ها می دانیم که

دانشجوها با نشستن و تماشا کردن فیلم چیزی یاد نمی گیرند.

شاید از بزرگترین ویژگی های این کوشش

این است که می خواهیم دانشجوهایی داشته باشیم

که با مطالب تمرین کنند تا آن را واقعا بفهمند.

که با مطالب تمرین کنند تا آن را واقعا بفهمند.

مطالعات زیادی شده که اهمیت این موضوع را نشان می دهد.

مثلاً این یکی که پارسال در مجله ی ساینس چاپ شد،

نشان می دهد که حتی یک تمرین بازیابی ساده،

که دانشجوها فقط باید مطلبی را که قبلاً یاد گرفتند را تکرار کنند

که دانشجوها فقط باید مطلبی که قبلاً یاد گرفتند را تکرار کنند،

نسبت به بسیاری دیگر از روش های آموزشی

نتایج خیلی بهتری در امتحانات مختلف داشته است.

نتایج خیلی بهتری در امتحانات مختلف داشته است.

ما سعی کردیم که تمرین بازیابی را

به اندازه ی دیگر شکل های تمرین در برنامه قرار دهیم.

مثلاً حتی فیلم های ما فقط فیلم نیستند.

هر چند دقیقه فیلم متوقف می شه

و از دانشجو سئوالی پرسیده می شه.

(فیلم) اس پی: ... از این چهار مورد. نظریه ی پیش بینی، هذلولی تخفیف،

ترجیح موقعیت، تبعیض در نرخ پایه. همه ی اینها به خوبی مستند هستند.

پس همه ی اینها انحراف های مستند از رفتار منطقی هستند.

دافنه کولر: خوب اینجا فیلم متوقف می شه،

و دانشجو پاسخش را در چارچوب تایپ می کنه

و می فرسته. مشخصه که حواسش جمع نبوده.

(خنده ی حاضران)

پس می تونه دوباره امتحان کنه،

و این بار درست می نویسه.

یک توضیح هم وجود دارد که اگر بخواهد می تواند ببیند.

و حالا قسمت بعدی فیلم شروع می شود.

این پرسش ساده ای ست

که من به عنوان مدرس ممکنه در کلاس بپرسم،

اما وقتی من این طور سئوال ها را در کلاس می پرسم،

۸۰ درصد دانشجوها

هنوز دارند چیزی که قبلاً گفتم را می نویسند،

۱۵ درصد در فیسبوک می چرخند،

و بعد یه بچه زرنگ در ردیف جلو هست

که جواب را می گه

قبل از اینکه هیچ کس دیگه وقت داشته باشه بش فکر کنه،

و من به عنوان مدرس وحشتناک خوشحال می شم

که حداقل یه نفر جواب را بلد بود.

و بعد درس ادامه پیدا می کنه قبل از انکه واقعاً

بیشتر دانشجوها متوجه شوند که سئوالی پرسیده شده.

اینجا تک تک دانشجوها

مجبورند با مطالب درگیر شوند.

البته این پرسش های ساده ی یادآوری تمام ماجرا نیستند.

البته این پرسش های ساده ی یادآوری تمام ماجرا نیستند.

باید تمرینات خیلی با معنی تری ایجاد شود،

و به دانشجوها باید از این تمرین ها بازخورد داده شود.

و به دانشجوها باید از این تمرین ها بازخورد داده شود.

حالا چطور می شه کار ۱۰۰،۰۰۰ دانشجو را تصحیح کرد

اگر ۱۰،۰۰۰ نفر دستیار آموزش نداشته باشیم؟

پاسخ اینه که باید از تکنولوژی برای این کار استفاده کرد.

پاسخ اینه که باید از تکنولوژی برای این کار استفاده کرد.

خوشبختانه امروزه فن آوری راه زیادی را پیموده،

و ما می توانیم گستره ای از انواع جالبی از تکالیف را تصحیح کنیم.

علاوه بر پرسش های چند گزینه ای

و انواع پرسش های جواب کوتاه که در فیلم دیدید،

ما می توانیم به ریاضی، عبارت های ریاضی

و مشتق های ریاضی نمره بدهیم.

ما می توانیم مدل ها را هم نمره بدهیم،

چه مدل های مالی در کلاس بازرگانی باشد

یا مدل های فیزیکی در کلاس علوم پایه یا مهندسی

و می توانیم تکالیف برنامه نویسی پیچیده ای را هم نمره بدهیم.

بگذارید نمونه ای به شما نشون بدم که خیلی ساده ست اما دیدنیه.

بگذارید نمونه ای به شما نشون بدم که خیلی ساده ست اما دیدنیه.

این کلاس مقدماتی علوم کمپیوتر استنفورد است،

و دانشجوها باید رنگ این تصویر قرمز تار را درست کنند.

و دانشجوها باید رنگ این تصویر قرمز تار را درست کنند.

اونا برنامه شون را در مرورگر تایپ می کنند،

و می تونید ببینید که هنوز درست نشده چون خانم آزادی هنوز دریا زده ست.

و بنابراین دانشجو دوباره امتحان می کنه و این بار درسته

و به اونا گفته می شه که می تونند به تمرین بعدی برن.

این توانایی ارتباط فعال داشتن با مطالب

و اعلام اینکه جواب شما درست بوده یا غلط

برای یادگیری دانشجوها ضروری ست.

البته ما هنوز نمی تونیم تمام گستره ی مطالبی که

برای تمام کلاس ها مورد نیاز است را تصحیح کنیم.

به خصوص جای آن نوع کار فکری نقادانه خالیست

که برای درس هایی مثل علوم انسانی،

علوم اجتماعی، بازرگانی و غیره نیاز است.

پس ما سعی کردیم که مثلاً

گروه علوم انسانیمان را قانع کنیم

که چند گزینه ای راه کار چندان بدی هم نیست.

که نتیجه ی خیلی خوبی نداشت.

پس ما مجبور بودیم راه چاره ی جدیدی پیدا کنیم.

و راهی که ما پیدا کردیم تصحیح تکالیف دانشجو به وسیله ی همکلاسانش بود.

معلوم شد که مطالعات قبلی نشان می دهند

مثل این یکی توسط سادل و گود،

که تصحیح دانشجو به طور نامنتظره ای در ایجاد

نمرات قابل تکرار مؤثر است.

این کار فقط در کلاس های کوچک امتحان شده،

ولی در اونجا نشون داد که مثلاً

این نمره هایی که دانشجوها دادند، روی محور y

در واقع خیلی خوب با نمراتی که معلم ها دادند، روی محور x مرتبط است.

در واقع خیلی خوب با نمراتی که معلم ها دادند، روی محور x مرتبط است.

چیزی که حتی نامنتظره تر است، این که نمره به خود

که دانشجوها کار خودشان را به طور دقیق تصحیح می کنند-

وقتی که انگیزه ی کافی به آنها بدهیم

تا نتوانند به خودشان نمره ی کامل بدهند-

حتی بهتر با نمره ی معلم ها مرتبط است.

پس این یک راه کار مؤثر است

که می تواند برای تصحیح در سطح وسیع به کار رود،

و راهی برای یادگیری برای دانشجو هم هست،

چون اونها از این تجربه می آموزند.

خوب حالا ما بزرگترین سیستم تصحیح دانشجو که تا بحال ایجاد شده را داریم،

جایی که ده ها هزار دانشجو به کار همدیگر نمره می دهند،

جایی که ده ها هزار دانشجو به کار همدیگر نمره می دهند،

و باید بگم که کاملاً هم موفق هستند.

اما این فقط برای دانشجوهایی نیست

که به تنهایی در نشیمن خانه نشسته اند و کار می کنند.

در اطراف هر کلاس ما،

جامعه ای از دانشجوها تشکیل شده،

اجتماعی جهانی از مردم

که به دور یک فعالیت فکری جمع شدند.

چیزی که اینجا می بینید نقشه ی خود ساخته ای است از

دانشجوهای کلاس مقدماتی جامعه شناسی پرینستون،

که خودشان را بر روی یک نقشه ی جهان قرار داده اند،

و شما می توانید وسعت جهانی این نوع کار را ببینید.

دانشجوها به روش های متفاوتی در این کلاس ها با هم همکاری می کردند.

اول اینکه فرم پرسش و پاسخی بود

که در آن دانشجوها سئوال می پرسیدند

و دانشجوهای دیگر پاسخ می دادند.

و شگفت اینکه

چون تعداد دانشجوها بسیار زیاد است،

این یعنی اگر یک دانشجو ساعت ۳ صبح

سئوالی پرسید

در جایی از جهان

کسی بیدار هست

و روی مطلب مشابه کار می کند.

و بنابراین در بسیاری از کلاس های ما،

میانه ی زمان پاسخگویی به یک پرسش

در فرم پرسش و پاسخ ۲۲دقیقه ست.

که سطحی از خدمات هست که من تا به حال به دانشجویانم در استنفورد ارائه نکرده ام.

(خنده ی حاضران)

و شما می تونید از شهادت دانشجوها بفهمید که

دانشجوها واقعاً در می یابند

که به خاطر این جامعه ی عظیم آنلاین،

می توانند با هم از راه های مختلف ارتباط برقرار کنند

که عمیق تر از آنچه در کلاس های حقیقی است، خواهد بود.

دانشجوها همچنین بدون هیچ دخالتی از طرف ما

بین خود گروه های درسی تشکیل دادند.

بین خود گروه های درسی تشکیل دادند.

برخی از اینها گروه های مطالعه ی حقیقی بودند

که در محدوده های جغرافیایی تشکیل می شدند

و به طور هفتگی دیدار می کردند تا روی چند مسئله کار کنند.

این گروه مطالعه ی سان فرانسیسکوست،

اما در همه جای دنیا گروه هایی هستند.

بقیه گروه های مطالعه ی مجازی بودند،

بعضاً حول یک زبان یا فرهنگ تشکیل می شدند،

و در گوشه ی پایین سمت چپ،

شما گروه مطالعه ی چند فرهنگی و جهانی ما را می بینید

که در آن مردم به طور خاص می خواستند

با مردمی از فرهنگ های دیگر مرتبط شوند.

می توان فرصت های عظیمی

از این نوع چارچوب به دست آورد.

اول اینکه ظرفیت این را دارد که به ما

دید کاملاً تازه ای

نسبت به یادگیری انسان بدهد.

چون داده هایی که ما اینجا به دست می آوریم منحصر به فرد است.

شما می توانید تک تک کلیک ها و تکلیف ها را جمع آوری کنید،

و هر پستی از ده ها هزار دانشجو در فرم.

پس شما می توانید مطالعه ی یادگیری انسان را

از حالت بر اساس فرضیه

به حالتِ بر اساس داده تغییر دهید.

تغییری که مثلاً زیست شناسی را منقلب کرد.

شما می توانید این داده را استفاده کنید تا به پرسش های اساسی پاسخ دهید

مثل اینکه راه کارهای خوب یادگیری مؤثر در برابر نامؤثر کدامند؟

مثل اینکه راه کارهای خوب یادگیری مؤثر در برابر نامؤثر کدامند؟

و در مورد برخی درس های خاص،

می توانید سئوالاتی بپرسید مثل اینکه

کدام کج فهمی ها که متداول تر هستند؟

و چطور به دانشجوها کمک کنیم آنها را حل کنند؟

این هم یک مثال آن،

باز هم از کلاس فراگیری ماشینی اندرو.

این توزیع پاسخ های غلط

به یکی از تکالیف اندرو است.

از اتفاق پاسخ یک جفت عدد است،

پس می توان آنها را روی یک نمودار دو بعدی رسم کرد.

هر یک ضربدر کوچک که می بینید یک پاسخ اشتباه است.

ضربدر بزرگ در سمت چپ بالا

جایی است که ۲۰۰۰ دانشجو

دقیقاً همان پاسخ غلط را داده اند.

حالا اگر ۲ دانشجو در یک کلاس ۱۰۰ره

پاسخ اشتباه یکسانی دهند

شما هرگز متوجه نمی شوید.

اما وقتی ۲۰۰۰ دانشجو همان پاسخ اشتباه را بدهند

دیده خواهد شد.

پس اندرو و دانشجوهاش رفتند و

به برخی از این تکالیف نگاه کردند،

و ریشه ی دلیل کج فهمی را پیدا کردند.

و بعد یک هشدار هدف دار درست کردند

که به هر دانشجویی که پاسخش در آن دسته قرار می گرفت

نشان داده می شد.

که یعنی دانشجویانی که همان اشتباه را کرده بودند

حالا بازخورد شخصی دریافت می کنند

که به آنها نشان می دهد چطور کج فهمی شان را به شکل مؤثری درست کنند.

پس این شخصی کردن آموزش چیزی است که شما می توانید

با داشتن تعداد زیاد به دست بیاورید.

شاید اینجا شخصی کردن هم

یکی از بزرگترین فرصت ها باشد،

چون به ما ظرفیت می دهد تا

یک مشکل سی ساله را حل کنیم.

محقق حوزه ی آموزش بنجامین بلوم در سال ۱۹۸۴

مسئله ای مطرح کرد که "مسئله ی ۲-سیگما" نامیده می شه

که او هنگام مطالعه ی سه جمعیت آن را مشاهده کرد.

اول جمعیتی ازکلاس تدریس به شیوه ی سخنرانی را مطالعه کرد

دومین جمعیتی از دانشجویان که مطالعه کرد

از کلاس های استاندارد به شیوه ی سخنرانی بود

اما با رویکردی تسلط مدارانه،

که دانشجوها نمی توانستند به سرفصل بعدی بروند

قبل از اینکه به سرفصل قبلی مسلط شده باشند.

و بالاخره، جمعیتی از دانشجوها که

با معلم های خصوصی تک نفره درس خوانده بودند.

نمرات جمعیت تسلط مدار یک انحراف معیار کامل یا سیگما

از دانشجویان کلاس با شیوه ی سخنرانی استاندارد بهتر بودند.

از دانشجویان کلاس با شیوه ی سخنرانی استاندارد بهتر بودند.

و معلم خصوصی ۲ سیگما پیشرفت در عملکرد نشان می دهد.

و معلم خصوصی ۲ سیگما پیشرفت در عملکرد نشان می دهد.

برای اینکه معنی این را بفهمیم،

بیایید به تدریس به شیوه ی سخنرانی نگاهی بیاندازیم،

و عملکرد میانه را به عنوان آستانه در نظر بگیریم.

پس در کلاس به شیوه ی سخنرانی ،

نیمی از دانشجوها بالای آن حد آستانه و نیمی زیر آن هستند.

در تدریس خصوصی

۹۸ درصد دانشجویان بالای خط آستانه خواهند بود.

حالا تصور کنید اگر ما می توانستیم طوری تدریس کنیم

که ۹۸ درصد دانشجویان بالای میانگین باشند.

بنابراین، مسئله ی دو سیگما.

چون ما نمی توانیم به عنوان یک جامعه

برای تمام دانشجوها یک آموزگار انسان شخصی فراهم کنیم.

اما شاید ما می توانیم برای هر دانشجو

یک کامپیوتر یا یک تلفن هوشمند فراهم کنیم.

حالا مسئله اینه که ما چطور می توانیم از فن آوری طوری استفاده کنیم

که از طرف چپ نمودار، از منحنی آبی،

به طرف راست و منحنی سبز برویم؟

مسلط شدن بر درس با استفاده از کامپیوتر آسان است

چون کامپیوتر از پنج بار نشان دادن یک فیلم

خسته نمی شود.

و حتی از چندین بار تصحیح کردن یک تکلیف هم خسته نمی شود،

این را در نمونه هایی که به شما نشان دادم دیدید.

و حتی شخصی کردن

که ما تازه داریم شروعش را می بینیم،

خواه از طریق برنامه ی آموزشی شخصی

یا بازخورد شخصی که به شما نشان دادم.

پس هدف اینجا این است که تلاش کنیم

و ببینیم چقدر می توانیم به منحنی سبز نزدیک شویم.

پس حالا که این روش اینقدر عالی ست، آیا دانشگاه ها منسوخ هستند؟

خوب بدون شک مارک تواین اینطور فکر می کرد.

او گفت: "کالج جایی است که یادداشت های استاد

مستقیماً به یادداشت های دانشجوها می رود،

بدون اینکه از مغز هیچ یک از آنها عبور کند."

(خنده ی حاضران)

اما من با "مارک تواین " مخالفم.

من فکر می کنم او با دانشگاه ها مخالف نبود

بلکه با شیوه ی تدریس برپایه سخنرانی مخالف بود

که بسیاری از دانشگاه ها این همه وقت روی آن می گذارند.

خوب بیایید کمی عقب تر، به زمان" پلوتارک "، برویم،

که می گفت، " ذهن ظرفی نیست که نیاز به پر کردن داشته باشد،

بلکه چوبی است که نیاز به شعله ور شدن دارد."

و شاید ما باید وقت کمتری را در دانشگاه ها صرف

پر کردن ذهن دانشجوهایمان با مطالب سخنرانی کنیم

و وقت بیشتری را صرف شعله ور کردن خلاقیت،

ابتکار و قدرت حل مسئله ی آنها کنیم

به وسیله ی صحبت کردن با آنها.

پس ما چطور این کار را انجام دهیم؟

ما این کار را با یادگیری فعال در کلاس درس انجام می دهیم.

مطالعات زیادی انجام گرفته، شامل این یکی،

که نشان می دهند اگر شما یادگیری فعال را به کار ببرید،

با دانشجوهایتان در کلاس ارتباط برقرار کنید،

عملکرد آنها در تک تک معیارها بهبود می یابد -

در حضور در کلاس، در دگیر شدن با مطالب و در یادگیری

که با آزمایش های استاندارد اندازه گیری می شود.

مثلاً می توانید ببینید که امتیاز پیشرفت

در این آزمایش به خصوص تقریباً دو برابر شده.

پس شاید ما باید وقتمان را در دانشگاه ها اینطور بگذرانیم.

پس برای اینکه خلاصه کنم، اگر بتوانیم آموزش با سطح کیفی بالا

به همه در اطراف دنیا و مجانی ارائه کنیم،

این چه فایده ای دارد؟ سه چیز.

اول اینکه آموزش را به عنوان یکی از حقوق اولیه ی انسانی پایه گذاری می کند،

که هر کس در اطراف دنیا

که توان و انگیزه دارد

بتواند مهارت هایی که نیاز دارد را کسب کند

تا زندگی بهتری برای خود،

خانواده و جامعه شان بسازند.

دوم اینکه، می تواند امکان یادگیری در هر سنی را فراهم کند.

باعث شرمساری است که برای بسیاری از مردم،

یادگیری بعد از اتمام دبیرستان یا کالج تمام می شود، آموزش متوقف می شود.

با در دسترس داشتن این مطالب شگفت آور،

ما می توانیم هر وقت می خواهیم

چیزهای نو بیاموزیم،

خواه فقط برای باز کردن ذهنمان باشد

یا برای عوض کردن زندگی مان.

و بالاخره، این کار می تواند موجی از نوآوری ایجاد کند،

چون استعدادهای شگفت آور همه جا پیدا می شوند.

شاید آلبرت اینشتین بعدی یا استیو جابز بعدی

جایی در دهکده ی دورافتاده ای در آفریقا زندگی می کند.

و اگر بتوانیم به آن فرد امکان تحصیل بدهیم،

او می تواند ایده ی بزرگ بعدی را مطرح کند

و دنیا را تبدیل به جای بهتری برای همه ی ما کند.

خیلی ممنونم.

(تشویق حاضران)