Daphne Koller: Czego nas uczy edukacja online
-
0:01 - 0:04Jak wielu z was jestem szcz臋艣ciar膮.
-
0:04 - 0:07Pochodz臋 z rodziny,
w kt贸rej nauka by艂a wszechobecna. -
0:07 - 0:11Rodzice to akademicy.
Jestem 3 pokoleniem z doktoratem. -
0:11 - 0:15Dzieci艅stwo sp臋dzi艂am
w laboratorium uniwersyteckim ojca. -
0:15 - 0:19Ucz臋szcza艂am na najlepsze uczelnie,
-
0:19 - 0:23kt贸re otworzy艂y drog臋
do 艣wiata niesko艅czonych mo偶liwo艣ci. -
0:23 - 0:27Niestety, nie wszyscy maj膮 tyle szcz臋艣cia.
-
0:27 - 0:30W niekt贸rych cz臋艣ciach 艣wiata, jak w RPA,
-
0:30 - 0:33edukacja nie jest og贸lnie dost臋pna.
-
0:33 - 0:36System edukacyjny zosta艂 tam stworzony
-
0:36 - 0:39przez bia艂膮 mniejszo艣膰 w czasie apartheidu.
-
0:39 - 0:41Dlatego nadal brakuje miejsc dla wielu,
-
0:41 - 0:45kt贸rzy zas艂uguj膮
na edukacj臋 na wysokim poziomie. -
0:45 - 0:49Ten deficyt, doprowadzi艂 w styczniu do kryzysu
-
0:49 - 0:51na uniwersytecie w Johannesburgu.
-
0:51 - 0:53Po pierwszym etapie procesu rekrutacji,
-
0:53 - 0:56zosta艂a garstka wolnych miejsc
-
0:56 - 0:59i mia艂y zosta膰 udost臋pnione rano,
-
0:59 - 1:03tysi膮ce ludzi ustawi艂o si臋 w kolejce,
-
1:03 - 1:07w nadziei, 偶e miejsc wystarczy i dla nich.
-
1:07 - 1:09Po otwarciu bram wybuch艂a panika,
-
1:09 - 1:1320 os贸b rannych, jedna straci艂a 偶ycie.
-
1:13 - 1:14By艂a to matka, kt贸ra odda艂a 偶ycie
-
1:14 - 1:19pr贸buj膮c zapewni膰 synowi lepsz膮 przysz艂o艣膰.
-
1:19 - 1:22Ale nawet w kraju z edukacj膮 powszechn膮, jak USA,
-
1:22 - 1:26nie ka偶dy ma do niej dost臋p.
-
1:26 - 1:29Du偶o m贸wi si臋
-
1:29 - 1:31o wzro艣cie koszt贸w opieki medycznej.
-
1:31 - 1:33Wielu uwadze umkn臋艂o,
-
1:33 - 1:37偶e w tym samym czasie,
-
1:37 - 1:40koszt op艂at za studia od 1985 roku
-
1:40 - 1:44wzr贸s艂 o ca艂e 559%
-
1:44 - 1:49Dlatego edukacja jest dla wielu os贸b niedost臋pna.
-
1:49 - 1:52Nawet dla tych,
kt贸rzy zdobyli wy偶sze wykszta艂cenie, -
1:52 - 1:55cz臋sto drzwi do lepszego 偶ycia s膮 zamkni臋te.
-
1:55 - 1:58Niewiele ponad po艂owa absolwent贸w
-
1:58 - 2:01szk贸艂 wy偶szych w USA
-
2:01 - 2:04pracuje w zawodzie zgodnym z wykszta艂ceniem.
-
2:04 - 2:06Nie dotyczy to, rzecz jasna,
-
2:06 - 2:08student贸w czo艂owych uczelni wy偶szych.
-
2:08 - 2:11Czas i wysi艂ek wielu absolwent贸w
-
2:11 - 2:14nie jest ceniony na rynku pracy.
-
2:14 - 2:17Tom Friedman, z New York Timesa,
-
2:17 - 2:21艣wietnie to uj膮艂 pisz膮c o "duchu naszych stara艅".
-
2:21 - 2:25Napisa艂: "Najwi臋ksze prze艂omy nast臋puj膮,
-
2:25 - 2:28kiedy nowa mo偶liwo艣膰
pomaga sprosta膰 rozpaczliwej potrzebie. -
2:28 - 2:31M贸wi艂am ju偶 o rozpaczliwych potrzebach.
-
2:31 - 2:34Pom贸wmy o nowych mo偶liwo艣ciach.
-
2:34 - 2:37Pokaza艂y to ostatnio
-
2:37 - 2:383 kursy Uniwersytetu Stanford.
-
2:38 - 2:42Ka偶dy z nich liczy艂 oko艂o 100 tys. s艂uchaczy.
-
2:42 - 2:46Przyjrzyjmy si臋 jednemu: "Uczenie maszynowe",
-
2:46 - 2:47prowadzone przez mojego koleg臋
-
2:47 - 2:49i wsp贸艂za艂o偶yciela platformy, Andrew Ng.
-
2:49 - 2:52Jego kurs jest bardzo popularny.
-
2:52 - 2:53Gdy pojawia si臋 w ofercie,
-
2:53 - 2:56przyci膮ga oko艂o 400 s艂uchaczy.
-
2:56 - 3:00Kiedy kurs udost臋pniono online,
-
3:00 - 3:02zapisa艂o si臋 100 tys. os贸b.
-
3:02 - 3:04Gdyby Andrew chcia艂 zgromadzi膰
-
3:04 - 3:06tyle samo os贸b w audytorium
-
3:06 - 3:08w Stanford,
-
3:08 - 3:12musia艂by wyk艂ada膰 przez 250 lat.
-
3:12 - 3:16W ko艅cu by si臋 znudzi艂.
-
3:16 - 3:18Widz膮c wp艂yw tego przedsi臋wzi臋cia,
-
3:18 - 3:22postanowili艣my rozszerzy膰 skal臋,
-
3:22 - 3:26udost臋pniaj膮c najlepsz膮 edukacj臋
jak najwi臋kszej ilo艣ci os贸b. -
3:26 - 3:27Tak powsta艂a Coursera,
-
3:27 - 3:30kt贸ra dostarcza najlepsze kursy
-
3:30 - 3:34najlepszych wyk艂adowc贸w
z najlepszych uniwersytet贸w, -
3:34 - 3:38za darmo, wszystkim na ca艂ym 艣wiecie.
-
3:38 - 3:40S膮 na niej 43 kursy z r贸偶nych dziedzin,
-
3:40 - 3:43z 4 uniwersytet贸w.
-
3:43 - 3:45Poka偶臋 wam jak to dzia艂a.
-
3:45 - 3:49(Wideo) Robert Ghrist:
-
3:49 - 3:50Witam na analizie matematycznej.
-
3:50 - 3:52Ezekiel Emanuel: 50 mln os贸b nie ma bezpieczenia.
-
3:52 - 3:55Scott Page: Modele pozwalaj膮 tworzy膰
-
3:55 - 3:57skuteczniejsze strategie i instytucje.
-
3:57 - 3:59Scott Klemmer: Bush my艣la艂, 偶e w przysz艂o艣ci
-
3:59 - 4:02ludzie b臋d膮 nosi膰 kamery na g艂owie.
-
4:02 - 4:06Mitchell Duneier: Mills chce,
by student socjologii rozwija艂 umys艂... -
4:06 - 4:09RG: Wisz膮cy kabel przybiera posta膰
hiperbolicznego cosinusa. -
4:09 - 4:13Nick Parlante: Dla ka偶dego piksela
wyzeruj kolor czerwony. -
4:13 - 4:16Paul Offit: Szczepionki umo偶liwi艂y
eliminacj臋 wirusa polio. -
4:16 - 4:19Dan Jurafsky: Czy Lufthansa serwuje 艣niadanie
w San Jose? Brzmi 艣miesznie. -
4:19 - 4:23Daphne Koller: To wybrana moneta,
a to dwa kolejne rzuty. -
4:23 - 4:26Andrew Ng: By wprowadzi膰 uczenie maszynowe
na szerok膮 skal臋, -
4:26 - 4:32musieliby艣my wymy艣li膰 obliczeniowe...(Brawa)
-
4:32 - 4:34DK: Zgodnie z zamierzeniem,
-
4:34 - 4:37studenci za darmo otrzymuj膮 materia艂
-
4:37 - 4:39z najlepszych uniwersytet贸w.
-
4:39 - 4:42Od otwarcia portalu w lutym,
-
4:42 - 4:46mamy 640 tys. student贸w ze 190 kraj贸w
-
4:46 - 4:48i 1.5 mln zapis贸w, 6 mln test贸w
-
4:48 - 4:51z 15 kurs贸w, kt贸re rozpocz臋li艣my.
-
4:51 - 4:5614 milion贸w obejrza艂o nasze filmy.
-
4:56 - 4:59Ale nie chodzi o liczby.
-
4:59 - 5:00Chodzi o ludzi.
-
5:00 - 5:03Mo偶e to Akash z Indii,
-
5:03 - 5:06kt贸ry nigdy nie mia艂by dost臋pu
-
5:06 - 5:07do kurs贸w na poziomie Stanford
-
5:07 - 5:10i nie by艂oby go na nie sta膰.
-
5:10 - 5:12Czy Jenny, samotna matka dw贸jki,
-
5:12 - 5:14kt贸ra pragnie wr贸ci膰 na uczelni臋,
-
5:14 - 5:17by doko艅czy膰 studia magisterskie.
-
5:17 - 5:20Czy te偶 Ryan, kt贸ry nie mo偶e chodzi膰 na wyk艂ady,
-
5:20 - 5:22bo jego c贸reczka cierpi na immunopati臋,
-
5:22 - 5:25i nie mo偶na ryzykowa膰
-
5:25 - 5:27przyniesienia zarazk贸w do domu.
-
5:27 - 5:29Mi艂o mi poinformowa膰,
-
5:29 - 5:31偶e ta historia
-
5:31 - 5:33znalaz艂a szcz臋艣liwe zako艅czenie.
-
5:33 - 5:35Shannon, po prawej, ma si臋 lepiej,
-
5:35 - 5:36a Ryan dosta艂 prac臋
-
5:36 - 5:40dzi臋ki kilku naszym kursom.
-
5:40 - 5:42Co wyr贸偶nia nasze kursy?
-
5:42 - 5:46Nauka online jest dost臋pna od jakiego艣 czasu.
-
5:46 - 5:50Ale nasze kursy pozwalaj膮 do艣wiadczy膰 szko艂y.
-
5:50 - 5:52Zaczynaj膮 si臋 w konkretnym dniu,
-
5:52 - 5:55studenci ogl膮daj膮 wyk艂ady co tydzie艅,
-
5:55 - 5:57i rozwi膮zuj膮 prawdziwe zadania domowe,
-
5:57 - 5:59i rozwi膮zuj膮 prawdziwe zadania domowe,
-
5:59 - 6:02w okre艣lonym terminie i na ocen臋.
-
6:02 - 6:04Mo偶ecie to zobaczy膰 na wykresie.
-
6:04 - 6:06Jasno pokazuje on,
-
6:06 - 6:10偶e zw艂oka jest zjawiskiem globalnym.
-
6:10 - 6:13(艢miech)
-
6:13 - 6:14Na koniec kursu
-
6:14 - 6:16ka偶dy otrzymuje certyfikat.
-
6:16 - 6:18Mog膮 go przedstawi膰 przysz艂emu pracodawcy
-
6:18 - 6:21i otrzyma膰 lepsz膮 prac臋.
-
6:21 - 6:23Znamy wiele takich przypadk贸w.
-
6:23 - 6:25Niekt贸rzy, przedstawili go swojej uczelni
-
6:25 - 6:28Niekt贸rzy, przedstawili go swojej uczelni
-
6:28 - 6:29i otrzymali punkty zaliczeniowe.
-
6:29 - 6:32Ich czas i trud zosta艂 doceniony
-
6:32 - 6:35i mia艂o to znaczenie.
-
6:35 - 6:37Porozmawiajmy teraz
-
6:37 - 6:39o sk艂adniowych kurs贸w.
-
6:39 - 6:42Kiedy pozbywamy si臋 fizycznych ogranicze艅 klasy,
-
6:42 - 6:44i projektujemy zawarto艣膰 kurs贸w
-
6:44 - 6:47w formacie odpowiednim dla internetu,
-
6:47 - 6:49mo偶na odej艣膰 od monolitu
-
6:49 - 6:52godzinnego wyk艂adu;
-
6:52 - 6:53podzieli膰 materia艂 na kr贸tkie,
-
6:53 - 6:578-12 minutowe fragmenty,
-
6:57 - 7:00dotycz膮ce konkretnego zagadnienia.
-
7:00 - 7:02Studenci przyswaja膰 materia艂 na r贸偶ne sposoby,
-
7:02 - 7:06zale偶nie od dotychczasowej wiedzy,
umiej臋tno艣ci i zainteresowa艅. -
7:06 - 7:09Niekt贸rzy mog膮 skorzysta膰
-
7:09 - 7:11z materia艂u przygotowawczego,
-
7:11 - 7:13kt贸ry innym jest ju偶 znany.
-
7:13 - 7:16Inni mog膮 by膰 zainteresowani
-
7:16 - 7:19szczeg贸艂owym wzbogaceniem tematyki.
-
7:19 - 7:22Ten format pozwala na zerwanie
-
7:22 - 7:25z tradycyjnym podej艣ciem do nauczania,
-
7:25 - 7:29umo偶liwiaj膮c rozw贸j edukacji spersonalizowanej.
-
7:29 - 7:31Jako wyk艂adowcy wiemy,
-
7:31 - 7:35偶e studenci nie ucz膮 si臋 pasywnie s艂uchaj膮c.
-
7:35 - 7:38Wa偶nym elementem tego procesu,
-
7:38 - 7:40jest praca student贸w,
-
7:40 - 7:43kt贸rzy musz膮 prze膰wiczy膰 materia艂,
-
7:43 - 7:46aby go naprawd臋 zrozumie膰.
-
7:46 - 7:49To przekonanie potwierdza szereg bada艅.
-
7:49 - 7:52W zesz艂orocznym numerze "Science"
-
7:52 - 7:54ukaza艂 si臋 artyku艂 pokazuj膮cy,
-
7:54 - 7:57偶e nawet proste techniki powt贸rzeniowe
-
7:57 - 7:59znanego ju偶 materia艂u,
-
7:59 - 8:01daj膮 znacznie lepsze rezultaty
-
8:01 - 8:03w r贸偶nych testach osi膮gni臋膰,
-
8:03 - 8:07ni偶 inne edukacyjne zabiegi.
-
8:07 - 8:10Staramy si臋 uwzgl臋dnia膰 to na naszej platformie,
-
8:10 - 8:12na r贸wni z innymi metodami.
-
8:12 - 8:16Nasze wyk艂ady to nie tylko filmy.
-
8:16 - 8:19Co kilka minut wyk艂ad zostaje zatrzymany
-
8:19 - 8:21a studenci dostaj膮 pytania.
-
8:21 - 8:23(Wideo) SP: 4 rzeczy. Teoria perspektywy, hiperboliczne obni偶enie warto艣ci,
-
8:23 - 8:26b艂膮d statusu quo, zaniedbywanie miarodajno艣ci.
-
8:26 - 8:29To dobrze udokumentowane odchylenia
od racjonalnego zachowania. -
8:29 - 8:30DK: W tym momencie film si臋 zatrzymuje,
-
8:30 - 8:33a student wpisuje odpowied藕 w ramk臋 i zatwierdza.
-
8:33 - 8:36[Odpowied藕 b艂臋dna]
Najwyra藕niej nie uwa偶a艂. -
8:36 - 8:37(艢miech)
-
8:37 - 8:39Mo偶e spr贸bowa膰 ponownie.
-
8:39 - 8:41Tym razem odpowied藕 poprawna.
-
8:41 - 8:43Mo偶e te偶 skorzysta膰 z dodatkowego wyja艣nienia.
-
8:43 - 8:48Nast臋puje dalsza cz臋艣膰 wyk艂adu.
-
8:48 - 8:50Kiedy zadaj臋 takie pytania
-
8:50 - 8:52podczas wyk艂adu,
-
8:52 - 8:54kt贸ry prowadz臋,
-
8:54 - 8:5680% student贸w
-
8:56 - 8:57notuje jeszcze moje s艂owa,
-
8:57 - 9:0115% przegl膮da Facebooka,
-
9:01 - 9:03i tylko m膮drala z pierwszego rz臋du
-
9:03 - 9:05wyskakuje z odpowiedzi膮,
-
9:05 - 9:07zanim inni zdo艂ali pomy艣le膰.
-
9:07 - 9:10Jako wyk艂adowca, jestem zadowolona,
-
9:10 - 9:11偶e kto艣 w og贸le zna艂 odpowied藕.
-
9:11 - 9:14Wyk艂ad idzie dalej, zanim wi臋kszo艣膰 student贸w
-
9:14 - 9:18zd膮偶y艂a cho膰by zauwa偶y膰, 偶e zadano pytanie.
-
9:18 - 9:20Tutaj ka偶dy student musi pozna膰 materia艂.
-
9:20 - 9:23Tutaj ka偶dy student musi pozna膰 materia艂.
-
9:23 - 9:25Pytania powt贸rzeniowe
-
9:25 - 9:27to nie wszystko.
-
9:27 - 9:30Potrzebne s膮 dog艂臋bniejsze pytania
-
9:30 - 9:32i umo偶liwienie studentom
-
9:32 - 9:34konsultacji odpowiedzi.
-
9:34 - 9:36Ale jak ocenia膰 prac臋 100 tys. student贸w
-
9:36 - 9:40bez 100 tys. asystent贸w?
-
9:40 - 9:42Nale偶y u偶ywa膰 technologii.
-
9:42 - 9:43Nale偶y u偶ywa膰 technologii.
-
9:43 - 9:46Nowa technologia umo偶liwia nam,
-
9:46 - 9:49ocen臋 r贸偶nych zada艅 domowych.
-
9:49 - 9:51Opr贸cz test贸w wielokrotnego wyboru,
-
9:51 - 9:54i kr贸tkich pyta艅, jakie widzieli艣my na filmie,
-
9:54 - 9:57mo偶emy ocenia膰 wyra偶enia matematyczne
-
9:57 - 9:59czy pochodne;
-
9:59 - 10:02modele,
-
10:02 - 10:04czy to finansowe na kursie biznesu,
-
10:04 - 10:07czy te偶 fizyczne na zaj臋ciach z in偶ynierii lub fizyki.
-
10:07 - 10:11Mo偶emy te偶 ocenia膰 skomplikowane
zadania programistyczne. -
10:11 - 10:13Poka偶臋 wam prosty,
-
10:13 - 10:14ale wyrazisty przyk艂ad.
-
10:14 - 10:17Stanfordzki kurs informatyki.
-
10:17 - 10:18Studenci maj膮 poprawi膰 kolorystyk臋
-
10:18 - 10:20rozmazanego czerwonego obrazu.
-
10:20 - 10:22Wpisuj膮 sw贸j program w przegl膮dark臋.
-
10:22 - 10:26Je艣li si臋 pomyl膮, Statua Wolno艣ci b臋dzie zielona.
-
10:26 - 10:30Je艣li wpisz膮 program poprawnie,
-
10:30 - 10:32przechodz膮 do nast臋pnego zadania.
-
10:32 - 10:35Mo偶liwo艣膰 interaktywnej pracy z materia艂em,
-
10:35 - 10:37na zasadzie z艂ych i dobrych odpowiedzi,
-
10:37 - 10:40jest niezb臋dna w procesie nauczania.
-
10:40 - 10:42Oczywi艣cie, nie mo偶emy oceni膰
-
10:42 - 10:45szerokiego zakresu prac wszystkich kierunk贸w.
-
10:45 - 10:49Brakuje mo偶liwo艣ci oceny my艣lenia krytycznego,
-
10:49 - 10:50tak potrzebnego w dyscyplinach humanistycznych,
-
10:50 - 10:54spo艂ecznych, biznesie i wielu innych.
-
10:54 - 10:56Pr贸bowali艣my przekona膰
-
10:56 - 10:58wydzia艂 nauk humanistycznych
-
10:58 - 11:01do test贸w wielokrotnego wyboru.
-
11:01 - 11:03Nie posz艂o najlepiej.
-
11:03 - 11:05Musieli艣my znale藕膰 inne rozwi膮zanie.
-
11:05 - 11:08To system wzajemnej oceny student贸w.
-
11:08 - 11:11Badania Saddlera czy Good'a,
-
11:11 - 11:12jasno wskazuj膮,
-
11:12 - 11:15偶e to zaskakuj膮co skuteczna
-
11:15 - 11:18strategia oceniania.
-
11:18 - 11:20Badania w ma艂ych klasach
-
11:20 - 11:21jasno pokaza艂y,
-
11:21 - 11:24偶e oceny student贸w, na osi rz臋dnych
-
11:24 - 11:25by艂y bardzo zbli偶one
-
11:25 - 11:27do ocen nauczycieli, na osi odci臋tych.
-
11:27 - 11:31Ciekawy jest te偶 fakt,
-
11:31 - 11:33偶e studenci oceniaj膮cy w艂asn膮 prac臋,
-
11:33 - 11:35przy odpowiedniej zach臋cie,
-
11:35 - 11:37by nie dawa膰 sobie najwy偶szych ocen,
-
11:37 - 11:40oceniaj膮 bardzo podobnie do nauczycieli.
-
11:40 - 11:41Zatem to bardzo skuteczna metoda oceniania,
-
11:41 - 11:44Zatem to bardzo skuteczna metoda oceniania,
-
11:44 - 11:46jak r贸wnie偶 nauczania,
-
11:46 - 11:49bo studenci ucz膮 si臋 te偶 przez do艣wiadczenie.
-
11:49 - 11:53Tak stworzyli艣my najwi臋kszy system wzajemnej oceny ,
-
11:53 - 11:56gdzie tysi膮ce student贸w
-
11:56 - 11:57z powodzeniem ocenia
-
11:57 - 12:00prac臋 swoich koleg贸w.
-
12:00 - 12:02Nie chodzi jednak o samotne
-
12:02 - 12:05rozwi膮zywanie zada艅.
-
12:05 - 12:07Ka偶dy kurs tworzy wok贸艂 siebie
-
12:07 - 12:09studenck膮 spo艂eczno艣膰,
-
12:09 - 12:11zgrupowan膮 wok贸艂
-
12:11 - 12:14wsp贸lnego wysi艂ku intelektualnego.
-
12:14 - 12:16To mapa samoistnie wygenerowana
-
12:16 - 12:19przez student贸w socjologii Princeton.
-
12:19 - 12:22Umie艣cili miejsca zamieszkania na mapie.
-
12:22 - 12:25Dok艂adnie obrazuje globalny zasi臋g
tego przedsi臋wzi臋cia. -
12:25 - 12:30Studenci wsp贸艂pracowali na wiele r贸偶nych sposob贸w.
-
12:30 - 12:32Stworzono forum pyta艅 i odpowiedzi,
-
12:32 - 12:34gdzie studenci mogli
-
12:34 - 12:37zadawa膰 i odpowiada膰 na pytania.
-
12:37 - 12:38Niezwyk艂e by艂o to,
-
12:38 - 12:40偶e grupa by艂a tak liczna,
-
12:40 - 12:42偶e nawet je艣li kto艣
-
12:42 - 12:44zada艂 pytanie o 3 nad ranem,
-
12:44 - 12:46gdzie艣 na 艣wiecie
-
12:46 - 12:48znalaz艂 si臋 kto艣,
-
12:48 - 12:50kto w艂a艣nie pracowa艂 nad tym problemem.
-
12:50 - 12:52W wielu kursach
-
12:52 - 12:54艣redni czas odpowiedzi
-
12:54 - 12:58wynosi艂 zaledwie 22 minuty.
-
12:58 - 13:02Takiego poziomu us艂ug
nigdy nie zapewni臋 studentom na Stanford. -
13:02 - 13:04(艢miech)
-
13:04 - 13:06Z opinii student贸w
-
13:06 - 13:07jasno wynika,
-
13:07 - 13:10偶e dzi臋ki tej olbrzymiej spo艂eczno艣ci
-
13:10 - 13:12mogli nawi膮za膰 kontakty
-
13:12 - 13:17g艂臋bsze ni偶 podczas kontaktu w klasie.
-
13:17 - 13:19Bez naszej ingerencji,
-
13:19 - 13:21samodzielnie formowali
-
13:21 - 13:23mniejsze grupy.
-
13:23 - 13:25Niekt贸re z nich na poziomie lokalnym,
-
13:25 - 13:27zgodnie z miejscem pobytu.
-
13:27 - 13:30Co tydzie艅 wsp贸lnie pracowano nad zadaniami.
-
13:30 - 13:32To grupa naukowa z San Francisco,
-
13:32 - 13:34ale by艂y te偶 gdzie indziej na 艣wiecie.
-
13:34 - 13:36Tworzono te偶 wirtualne grupy naukowe,
-
13:36 - 13:39ze wzgl臋du na wsp贸lnot臋 j臋zyka czy kultury.
-
13:39 - 13:40W lewym dolnym rogu,
-
13:40 - 13:44mo偶ecie zobaczy膰 grup臋 wielokulturow膮,
-
13:44 - 13:46stworzon膮 przez ludzi
-
13:46 - 13:49chc膮cych pozna膰 inne kultury.
-
13:49 - 13:51Tego rodzaju struktury
-
13:51 - 13:54maj膮 ogromny potencja艂.
-
13:54 - 13:58Daj膮 mo偶liwo艣膰
-
13:58 - 14:00bezprecedensowego spojrzenia
-
14:00 - 14:03i zrozumienia procesu ludzkiej nauki.
-
14:03 - 14:06Zbierane przez nas dane s膮 unikatowe.
-
14:06 - 14:10Mo偶na rejestrowa膰 ka偶de klikni臋cie, prace domow膮
-
14:10 - 14:15i post na forum dla setek tysi臋cy student贸w.
-
14:15 - 14:17Stan bada艅 nad zdobywaniem wiedzy
-
14:17 - 14:19przejdzie od hipotez
-
14:19 - 14:22do analizy danych.
-
14:22 - 14:25Ta metoda zrewolucjonizowa艂a biologi臋.
-
14:25 - 14:28Te dane mog膮 pom贸c zrozumie膰
-
14:28 - 14:30jakie metody nauki s膮 efektywne
-
14:30 - 14:33a jakie nie.
-
14:33 - 14:35Przy konkretnych kursach
-
14:35 - 14:37mo偶na zada膰 pytanie
-
14:37 - 14:40o najbardziej powszechne b艂臋dy
-
14:40 - 14:42i pom贸c je studentom rozwi膮za膰.
-
14:42 - 14:43Ponownie "Uczenie maszynowe".
-
14:43 - 14:45To wykres
-
14:45 - 14:48b艂臋dnych odpowiedzi
-
14:48 - 14:49na jedno z zada艅 Andrew.
-
14:49 - 14:51Odpowied藕 wyra偶ono w formie dw贸ch liczb,
-
14:51 - 14:53dlatego obrazuje j膮 dwuwymiarowa podzia艂ka.
-
14:53 - 14:57Dwa krzy偶yki to dwie r贸偶ne b艂臋dne odpowiedzi.
-
14:57 - 15:00Du偶y krzy偶yk w lewy g贸rnym rogu
-
15:00 - 15:02obrazuje kumulacj臋 b艂臋dnych odpowiedzi
-
15:02 - 15:05oko艂o 2 tys. student贸w.
-
15:05 - 15:07Kiedy w klasie licz膮cej 100 os贸b
-
15:07 - 15:08zaledwie 2 student贸w odpowiada b艂臋dnie,
-
15:08 - 15:10ci臋偶ko to zauwa偶y膰.
-
15:10 - 15:12Ale je艣li 2 tys. daje t膮 sam膮 b艂臋dn膮 odpowied藕,
-
15:12 - 15:14ten fakt trudno przegapi膰.
-
15:14 - 15:16Andrew wraz ze studentami,
-
15:16 - 15:18przejrzeli niekt贸re zadania,
-
15:18 - 15:22aby zrozumie膰, sk膮d wzi膮艂 si臋 b艂膮d.
-
15:22 - 15:24Stworzyli te偶 zindywidualizowany komunikat b艂edu
-
15:24 - 15:27dla ka偶dego studenta,
-
15:27 - 15:29kt贸ry wyszed艂 z tego b艂臋dnego za艂o偶enia.
-
15:29 - 15:31Studenci, kt贸rzy pope艂nili te same b艂臋dy
-
15:31 - 15:33otrzymali spersonalizowan膮 informacj臋,
-
15:33 - 15:37jak skutecznie poprawi膰 b艂臋dne za艂o偶enie.
-
15:37 - 15:41Personalizacj臋 mo偶na rozbudowywa膰
-
15:41 - 15:44w艂a艣nie dzi臋ki du偶ej ilo艣ci student贸w.
-
15:44 - 15:46Mo偶e personalizacja
-
15:46 - 15:49jest r贸wnie偶 ogromn膮 szans膮
-
15:49 - 15:51na rozwi膮zanie problemu
-
15:51 - 15:54maj膮cego ju偶 30 lat.
-
15:54 - 15:57W 1984 roku, Benjamin Bloom
-
15:57 - 16:00przedstawi艂 fenomen zwany problemem 2 sigma,
-
16:00 - 16:03kt贸ry zaobserwowa艂 badaj膮c 3 grupy uczni贸w.
-
16:03 - 16:06Pierwsza grupa s艂ucha艂a tradycyjnych wyk艂ad贸w.
-
16:06 - 16:09Druga uczy艂a si臋 r贸wnie偶 w klasie,
-
16:09 - 16:11ale przy u偶yciu metody zak艂adaj膮cej,
-
16:11 - 16:13偶e studenci nie mog膮
-
16:13 - 16:15przej艣膰 do nast臋pnego tematu,
-
16:15 - 16:18zanim nie opanuj膮 mistrzowsko poprzedniego.
-
16:18 - 16:20Ostatnia, trzecia grupa
-
16:20 - 16:25nauczana by艂a indywidualnie.
-
16:25 - 16:28Wyniki metody mistrzowskiej by艂y lepsze
-
16:28 - 16:30o ca艂e odchylenie standardowe, czyli sigma,
-
16:30 - 16:33od standardowych wyk艂ad贸w.
-
16:33 - 16:35Nauczanie indywidualne r贸偶ni艂o si臋 o dwie sigmy
-
16:35 - 16:37czyli dwa odchylenia standardowe.
-
16:37 - 16:38Aby zrozumie膰, co to dok艂adnie oznacza,
-
16:38 - 16:40przyjrzyjmy si臋 tradycyjnemu nauczaniu
-
16:40 - 16:43i wybierzmy 艣redni膮 ocen jako pr贸g.
-
16:43 - 16:44Po艂owa student贸w znajdzie si臋 powy偶ej przeci臋tnej,
-
16:44 - 16:48a po艂owa poni偶ej.
-
16:48 - 16:50W nauczaniu indywidualnym,
-
16:50 - 16:5598% znajduje si臋 powy偶ej przeci臋tnej.
-
16:55 - 16:59Wyobra藕my sobie takie kszta艂cenie,
-
16:59 - 17:01gdzie 98% student贸w jest ponad przeci臋tn膮.
-
17:01 - 17:05Problem 2 odchyle艅 standardowych bierze si臋 st膮d,
-
17:05 - 17:07偶e spo艂ecze艅stwa nie sta膰
-
17:07 - 17:10na indywidualne nauczanie wszystkich student贸w.
-
17:10 - 17:12Ale mo偶e sta膰 nas na zapewnienie im
-
17:12 - 17:14dost臋pu do komputera czy smartfona.
-
17:14 - 17:17Jak u偶y膰 technologii,
-
17:17 - 17:20by b艂臋kitna krzywa wykresu
-
17:20 - 17:23przesun臋艂a si臋 w prawo, do zielonej krzywej?
-
17:23 - 17:25Z komputerem 艂atwiej jest opanowywa膰 materia艂,
-
17:25 - 17:26bo nie m臋czy go
-
17:26 - 17:30pokazywanie tego samego materia艂u 5 razy z rz臋du,
-
17:30 - 17:33czy ocenianie tej samej pracy kilka razy.
-
17:33 - 17:36Mieli艣my okazj臋 ju偶 to zauwa偶y膰.
-
17:36 - 17:38Zaczynamy r贸wnie偶 widzie膰 pocz膮tki
-
17:38 - 17:40personalizacji nauczania,
-
17:40 - 17:43np. indywidualny tok studi贸w
-
17:43 - 17:46lub spersonalizowane informacje zwrotne.
-
17:46 - 17:49Chcemy przesun膮膰
-
17:49 - 17:52niebiesk膮 krzyw膮 jeszcze bli偶ej zielonej.
-
17:52 - 17:58Czy uniwersytety przechodz膮 do lamusa?
-
17:58 - 18:01Mark Twain tak w艂a艣nie s膮dzi艂 m贸wi膮c,
-
18:01 - 18:03偶e szko艂a to miejsce,
gdzie notatki profesora -
18:03 - 18:05l膮duj膮 w notatkach student贸w,
-
18:05 - 18:07nie przelatuj膮c przez niczyj m贸zg.
-
18:07 - 18:11(艢miech)
-
18:11 - 18:14艢miem si臋 nie zgadza膰.
-
18:14 - 18:17Narzeka艂 nie na uniwersytety per se,
-
18:17 - 18:19ale na form臋 wyk艂ad贸w,
-
18:19 - 18:22kt贸rym uczelnie po艣wi臋caj膮 tyle czasu.
-
18:22 - 18:25Plutarch powiedzia艂:
"Umys艂 nie jest naczyniem, -
18:25 - 18:28kt贸re nale偶y nape艂ni膰,
-
18:28 - 18:30lecz ogniem, kt贸ry trzeba roznieci膰".
-
18:30 - 18:32Mo偶e trzeba sp臋dza膰 mniej czasu na uniwersytetach
-
18:32 - 18:34wype艂niaj膮c umys艂y wiedz膮 wyk艂adow膮
-
18:34 - 18:38i zacz膮膰 rozpala膰 studenck膮 kreatywno艣膰
-
18:38 - 18:41i umiej臋tno艣ci rozwi膮zywania problem贸w
-
18:41 - 18:44poprzez prawdziw膮 rozmow臋.
-
18:44 - 18:45Ale jak tego dokona膰?
-
18:45 - 18:49Poprzez aktywne nauczanie.
-
18:49 - 18:51To i wiele innych bada艅 wskazuje,
-
18:51 - 18:53偶e aktywne nauczanie,
-
18:53 - 18:56faktyczna interakcja na linii nauczyciel-student,
-
18:56 - 18:58powoduje polepszenie wynik贸w,
-
18:58 - 19:01lepsz膮 obecno艣膰, zaanga偶owanie w nauk臋
-
19:01 - 19:03co mo偶na zmierzy膰 standaryzowanym testem.
-
19:03 - 19:05Pu艂ap osi膮gni臋膰 wzrasta niemal dwukrotnie
-
19:05 - 19:08w tym konkretnym eksperymencie.
-
19:08 - 19:12Tak nale偶y sp臋dza膰 czas na uniwersytetach.
-
19:12 - 19:17Gdyby zaoferowa膰 edukacj臋 na najwy偶szym poziomie
-
19:17 - 19:18ka偶demu na 艣wiecie za darmo,
-
19:18 - 19:21co by to da艂o? Trzy rzeczy.
-
19:21 - 19:25Po pierwsze ustanowiliby艣my wykszta艂cenie
-
19:25 - 19:26jako podstawowe prawo cz艂owieka.
-
19:26 - 19:28Tak, by zdolno艣ci i motywacja wystarczy艂y
-
19:28 - 19:30do zdobycia po偶膮danych umiej臋tno艣ci
-
19:30 - 19:31i poprawy 偶ycia sobie,
-
19:31 - 19:34swoim rodzinom i spo艂eczno艣ciom.
-
19:34 - 19:36Po drugie, umo偶liwi艂oby to kszta艂cenie ustawiczne.
-
19:36 - 19:38To okropna strata, 偶e dla wielu ludzi,
-
19:38 - 19:41nauka ko艅czy si臋 wraz z uko艅czeniem
liceum czy studi贸w. -
19:41 - 19:44Maj膮c t膮 niesamowit膮 mo偶liwo艣膰,
-
19:44 - 19:47mo偶emy uczy膰 si臋 czego艣 nowego
-
19:47 - 19:48kiedy tylko przyjdzie nam ochota,
-
19:48 - 19:49czy to dla poszerzenia w艂asnych horyzont贸w,
-
19:49 - 19:51czy dla dokonania zmian w 偶yciu.
-
19:51 - 19:54Pozwoli艂oby to na fal臋 innowacji,
-
19:54 - 19:57bo niesamowite talenty mo偶na znale藕膰 wsz臋dzie.
-
19:57 - 20:00Mo偶e kolejny Einstein lub Jobs
-
20:00 - 20:03mieszka gdzie艣 w odleg艂ym zak膮tku Afryki.
-
20:03 - 20:06Umo偶liwienie takiej osobie wykszta艂cenia
-
20:06 - 20:08zaowocowa艂oby wielkim odkryciem,
-
20:08 - 20:10dzi臋ki kt贸remu 艣wiat sta艂by si臋 lepszy.
-
20:10 - 20:11Dzi臋kuj臋 bardzo.
-
20:11 - 20:19(Brawa)
- Title:
- Daphne Koller: Czego nas uczy edukacja online
- Speaker:
- Daphne Koller
- Description:
-
Daphne Koller pr贸buje zach臋ci膰 najlepsze o艣rodki akademickie do umieszczania swoich najatrakcyjniejszych kurs贸w za darmo online. Nie chodzi tylko o us艂ug臋, ale r贸wnie偶 jako nowy spos贸b bada艅 nad sposobami zdobywania wiedzy. Ka偶de naci艣ni臋cie klawisza, quiz, forum dyskusyjne i system samooceny buduje bezprecedensow膮 baz臋 danych na temat tego, w jaki spos贸b wiedza jest przetwarzana i, co najwa偶niejsze, przyswajana.
- Video Language:
- English
- Team:
closed TED
- Project:
- TEDTalks
- Duration:
- 20:40
![]() |
Maciej Mackiewicz edited Polish subtitles for What we're learning from online education | |
![]() |
Maciej Mackiewicz edited Polish subtitles for What we're learning from online education | |
![]() |
Rysia Wand commented on Polish subtitles for What we're learning from online education | |
![]() |
Rysia Wand approved Polish subtitles for What we're learning from online education | |
![]() |
Rysia Wand commented on Polish subtitles for What we're learning from online education | |
![]() |
Rysia Wand edited Polish subtitles for What we're learning from online education | |
![]() |
Rysia Wand edited Polish subtitles for What we're learning from online education | |
![]() |
Rysia Wand edited Polish subtitles for What we're learning from online education |