Like many of you, I'm one of the lucky people. I was born to a family where education was pervasive. I'm a third-generation PhD, a daughter of two academics. In my childhood, I played around in my father's university lab. So it was taken for granted that I attend some of the best universities, which in turn opened the door to a world of opportunity.
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.
Unfortunately, most of the people in the world are not so lucky. In some parts of the world, for example, South Africa, education is just not readily accessible. In South Africa, the educational system was constructed in the days of apartheid for the white minority. And as a consequence, today there is just not enough spots for the many more people who want and deserve a high quality education. That scarcity led to a crisis in January of this year at the University of Johannesburg. There were a handful of positions left open from the standard admissions process, and the night before they were supposed to open that for registration, thousands of people lined up outside the gate in a line a mile long, hoping to be first in line to get one of those positions. When the gates opened, there was a stampede, and 20 people were injured and one woman died. She was a mother who gave her life trying to get her son a chance at a better life.
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.
But even in parts of the world like the United States where education is available, it might not be within reach. There has been much discussed in the last few years about the rising cost of health care. What might not be quite as obvious to people is that during that same period the cost of higher education tuition has been increasing at almost twice the rate, for a total of 559 percent since 1985. This makes education unaffordable for many people.
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.
Finally, even for those who do manage to get the higher education, the doors of opportunity might not open. Only a little over half of recent college graduates in the United States who get a higher education actually are working in jobs that require that education. This, of course, is not true for the students who graduate from the top institutions, but for many others, they do not get the value for their time and their effort.
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.
Tom Friedman, in his recent New York Times article, captured, in the way that no one else could, the spirit behind our effort. He said the big breakthroughs are what happen when what is suddenly possible meets what is desperately necessary. I've talked about what's desperately necessary. Let's talk about what's suddenly possible.
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.
What's suddenly possible was demonstrated by three big Stanford classes, each of which had an enrollment of 100,000 people or more. So to understand this, let's look at one of those classes, the Machine Learning class offered by my colleague and cofounder Andrew Ng. Andrew teaches one of the bigger Stanford classes. It's a Machine Learning class, and it has 400 people enrolled every time it's offered. When Andrew taught the Machine Learning class to the general public, it had 100,000 people registered. So to put that number in perspective, for Andrew to reach that same size audience by teaching a Stanford class, he would have to do that for 250 years. Of course, he'd get really bored.
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،۰۰۰نفر 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.
So, having seen the impact of this, Andrew and I decided that we needed to really try and scale this up, to bring the best quality education to as many people as we could. So we formed Coursera, whose goal is to take the best courses from the best instructors at the best universities and provide it to everyone around the world for free. We currently have 43 courses on the platform from four universities across a range of disciplines, and let me show you a little bit of an overview of what that looks like.
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 ۴۳ 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.
(Video) Robert Ghrist: Welcome to Calculus.
(فیلم) روبرت رایست: به کلاس حساب خوش آمدید.
Ezekiel Emanuel: Fifty million people are uninsured.
ازکیل امانوئل: پنجاه میلیون نفر بیمه ندارند.
Scott Page: Models help us design more effective institutions and policies. We get unbelievable segregation.
اسکات پیج: مدل ها به ما امکان می دن تا مؤسسات و قوانین کارسازتری طراحی کنیم. جدایی که بدست میاریم باورنکردنیه.
Scott Klemmer: So Bush imagined that in the future, you'd wear a camera right in the center of your head.
اسکات کلمر: پس بوش تصور می کرد که در آینده شما یک دوربین درست در وسط سرتون میگذارید.
Mitchell Duneier: Mills wants the student of sociology to develop the quality of mind ...
میچل دانیر: میلز می خواد که دانشجوهای جامعه شناسی کیفیت ذهنی بدست بیارند...
RG: Hanging cable takes on the form of a hyperbolic cosine.
آر جی: کابل آویز شکل یک کسینوس سهموی به خودش می گیره.
Nick Parlante: For each pixel in the image, set the red to zero.
نیک پارلانت: به ازای هر پیکسل در عکس، قرمز را صفر کنید.
Paul Offit: ... Vaccine allowed us to eliminate polio virus.
پل افیت: ... واکسن به ما اجازه داد که ویروس فلج اطفال را ریشه کن کنیم.
Dan Jurafsky: Does Lufthansa serve breakfast and San Jose? Well, that sounds funny.
دن یورافسکی: آیا لوفتانزا در سن خوزه صبحانه میده؟ خوب این خنده داره.
Daphne Koller: So this is which coin you pick, and this is the two tosses.
دافنه کولر: خوب این که کدوم سکه را انتخاب می کنید و دو بار پرتاب می کنید.
Andrew Ng: So in large-scale machine learning, we'd like to come up with computational ...
اندرو نگ: در فراگیری ماشینی در سطح بالا، ما باید به محاسبات...
(Applause)
(تشویق حاضران)
DK: It turns out, maybe not surprisingly, that students like getting the best content from the best universities for free. Since we opened the website in February, we now have 640,000 students from 190 countries. We have 1.5 million enrollments, 6 million quizzes in the 15 classes that have launched so far have been submitted, and 14 million videos have been viewed.
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.
But it's not just about the numbers, it's also about the people. Whether it's Akash, who comes from a small town in India and would never have access in this case to a Stanford-quality course and would never be able to afford it. Or Jenny, who is a single mother of two and wants to hone her skills so that she can go back and complete her master's degree. Or Ryan, who can't go to school, because his immune deficient daughter can't be risked to have germs come into the house, so he couldn't leave the house. I'm really glad to say -- recently, we've been in correspondence with Ryan -- that this story had a happy ending. Baby Shannon -- you can see her on the left -- is doing much better now, and Ryan got a job by taking some of our courses.
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.
So what made these courses so different? After all, online course content has been available for a while. What made it different was that this was real course experience. It started on a given day, and then the students would watch videos on a weekly basis and do homework assignments. And these would be real homework assignments for a real grade, with a real deadline. You can see the deadlines and the usage graph. These are the spikes showing that procrastination is global phenomenon.
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.
(Laughter)
(خنده ی حاضران)
At the end of the course, the students got a certificate. They could present that certificate to a prospective employer and get a better job, and we know many students who did. Some students took their certificate and presented this to an educational institution at which they were enrolled for actual college credit. So these students were really getting something meaningful for their investment of time and effort.
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.
Let's talk a little bit about some of the components that go into these courses. The first component is that when you move away from the constraints of a physical classroom and design content explicitly for an online format, you can break away from, for example, the monolithic one-hour lecture. You can break up the material, for example, into these short, modular units of eight to 12 minutes, each of which represents a coherent concept. Students can traverse this material in different ways, depending on their background, their skills or their interests. So, for example, some students might benefit from a little bit of preparatory material that other students might already have. Other students might be interested in a particular enrichment topic that they want to pursue individually. So this format allows us to break away from the one-size-fits-all model of education, and allows students to follow a much more personalized curriculum.
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.
Of course, we all know as educators that students don't learn by sitting and passively watching videos. Perhaps one of the biggest components of this effort is that we need to have students who practice with the material in order to really understand it. There's been a range of studies that demonstrate the importance of this. This one that appeared in Science last year, for example, demonstrates that even simple retrieval practice, where students are just supposed to repeat what they already learned gives considerably improved results on various achievement tests down the line than many other educational interventions.
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.
We've tried to build in retrieval practice into the platform, as well as other forms of practice in many ways. For example, even our videos are not just videos. Every few minutes, the video pauses and the students get asked a question.
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.
(Video) SP: ... These four things. Prospect theory, hyperbolic discounting, status quo bias, base rate bias. They're all well documented. So they're all well documented deviations from rational behavior.
(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.
DK: So here the video pauses, and the student types in the answer into the box and submits. Obviously they weren't paying attention.
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.
(Laughter)
(خنده ی حاضران)
So they get to try again, and this time they got it right. There's an optional explanation if they want. And now the video moves on to the next part of the lecture. This is a kind of simple question that I as an instructor might ask in class, but when I ask that kind of a question in class, 80 percent of the students are still scribbling the last thing I said, 15 percent are zoned out on Facebook, and then there's the smarty pants in the front row who blurts out the answer before anyone else has had a chance to think about it, and I as the instructor am terribly gratified that somebody actually knew the answer. And so the lecture moves on before, really, most of the students have even noticed that a question had been asked. Here, every single student has to engage with the material.
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.
And of course these simple retrieval questions are not the end of the story. One needs to build in much more meaningful practice questions, and one also needs to provide the students with feedback on those questions. Now, how do you grade the work of 100,000 students if you do not have 10,000 TAs? The answer is, you need to use technology to do it for you. Now, fortunately, technology has come a long way, and we can now grade a range of interesting types of homework. In addition to multiple choice and the kinds of short answer questions that you saw in the video, we can also grade math, mathematical expressions as well as mathematical derivations. We can grade models, whether it's financial models in a business class or physical models in a science or engineering class and we can grade some pretty sophisticated programming assignments.
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.
Let me show you one that's actually pretty simple but fairly visual. This is from Stanford's Computer Science 101 class, and the students are supposed to color-correct that blurry red image. They're typing their program into the browser, and you can see they didn't get it quite right, Lady Liberty is still seasick. And so, the student tries again, and now they got it right, and they're told that, and they can move on to the next assignment. This ability to interact actively with the material and be told when you're right or wrong is really essential to student learning.
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.
Now, of course we cannot yet grade the range of work that one needs for all courses. Specifically, what's lacking is the kind of critical thinking work that is so essential in such disciplines as the humanities, the social sciences, business and others. So we tried to convince, for example, some of our humanities faculty that multiple choice was not such a bad strategy. That didn't go over really well.
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.
So we had to come up with a different solution. And the solution we ended up using is peer grading. It turns out that previous studies show, like this one by Saddler and Good, that peer grading is a surprisingly effective strategy for providing reproducible grades. It was tried only in small classes, but there it showed, for example, that these student-assigned grades on the y-axis are actually very well correlated with the teacher-assigned grade on the x-axis. What's even more surprising is that self-grades, where the students grade their own work critically -- so long as you incentivize them properly so they can't give themselves a perfect score -- are actually even better correlated with the teacher grades. And so this is an effective strategy that can be used for grading at scale, and is also a useful learning strategy for the students, because they actually learn from the experience. So we now have the largest peer-grading pipeline ever devised, where tens of thousands of students are grading each other's work, and quite successfully, I have to say.
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.
But this is not just about students sitting alone in their living room working through problems. Around each one of our courses, a community of students had formed, a global community of people around a shared intellectual endeavor. What you see here is a self-generated map from students in our Princeton Sociology 101 course, where they have put themselves on a world map, and you can really see the global reach of this kind of effort.
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.
Students collaborated in these courses in a variety of different ways. First of all, there was a question and answer forum, where students would pose questions, and other students would answer those questions. And the really amazing thing is, because there were so many students, it means that even if a student posed a question at 3 o'clock in the morning, somewhere around the world, there would be somebody who was awake and working on the same problem. And so, in many of our courses, the median response time for a question on the question and answer forum was 22 minutes. Which is not a level of service I have ever offered to my Stanford students.
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.
(Laughter)
(خنده ی حاضران)
And you can see from the student testimonials that students actually find that because of this large online community, they got to interact with each other in many ways that were deeper than they did in the context of the physical classroom. Students also self-assembled, without any kind of intervention from us, into small study groups. Some of these were physical study groups along geographical constraints and met on a weekly basis to work through problem sets. This is the San Francisco study group, but there were ones all over the world. Others were virtual study groups, sometimes along language lines or along cultural lines, and on the bottom left there, you see our multicultural universal study group where people explicitly wanted to connect with people from other cultures.
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.
There are some tremendous opportunities to be had from this kind of framework. The first is that it has the potential of giving us a completely unprecedented look into understanding human learning. Because the data that we can collect here is unique. You can collect every click, every homework submission, every forum post from tens of thousands of students. So you can turn the study of human learning from the hypothesis-driven mode to the data-driven mode, a transformation that, for example, has revolutionized biology. You can use these data to understand fundamental questions like, what are good learning strategies that are effective versus ones that are not? And in the context of particular courses, you can ask questions like, what are some of the misconceptions that are more common and how do we help students fix them?
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؟
So here's an example of that, also from Andrew's Machine Learning class. This is a distribution of wrong answers to one of Andrew's assignments. The answers happen to be pairs of numbers, so you can draw them on this two-dimensional plot. Each of the little crosses that you see is a different wrong answer. The big cross at the top left is where 2,000 students gave the exact same wrong answer. Now, if two students in a class of 100 give the same wrong answer, you would never notice. But when 2,000 students give the same wrong answer, it's kind of hard to miss. So Andrew and his students went in, looked at some of those assignments, understood the root cause of the misconception, and then they produced a targeted error message that would be provided to every student whose answer fell into that bucket, which means that students who made that same mistake would now get personalized feedback telling them how to fix their misconception much more effectively.
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 ۱۰۰نفره 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.
So this personalization is something that one can then build by having the virtue of large numbers. Personalization is perhaps one of the biggest opportunities here as well, because it provides us with the potential of solving a 30-year-old problem. Educational researcher Benjamin Bloom, in 1984, posed what's called the 2 sigma problem, which he observed by studying three populations. The first is the population that studied in a lecture-based classroom. The second is a population of students that studied using a standard lecture-based classroom, but with a mastery-based approach, so the students couldn't move on to the next topic before demonstrating mastery of the previous one. And finally, there was a population of students that were taught in a one-on-one instruction using a tutor. The mastery-based population was a full standard deviation, or sigma, in achievement scores better than the standard lecture-based class, and the individual tutoring gives you 2 sigma improvement in performance.
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.
To understand what that means, let's look at the lecture-based classroom, and let's pick the median performance as a threshold. So in a lecture-based class, half the students are above that level and half are below. In the individual tutoring instruction, 98 percent of the students are going to be above that threshold. Imagine if we could teach so that 98 percent of our students would be above average. Hence, the 2 sigma problem.
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.
Because we cannot afford, as a society, to provide every student with an individual human tutor. But maybe we can afford to provide each student with a computer or a smartphone. So the question is, how can we use technology to push from the left side of the graph, from the blue curve, to the right side with the green curve? Mastery is easy to achieve using a computer, because a computer doesn't get tired of showing you the same video five times. And it doesn't even get tired of grading the same work multiple times, we've seen that in many of the examples that I've shown you. And even personalization is something that we're starting to see the beginnings of, whether it's via the personalized trajectory through the curriculum or some of the personalized feedback that we've shown you. So the goal here is to try and push, and see how far we can get towards the green curve.
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.
So, if this is so great, are universities now obsolete? Well, Mark Twain certainly thought so. He said that, "College is a place where a professor's lecture notes go straight to the students' lecture notes, without passing through the brains of either."
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."
(Laughter)
(خنده ی حاضران)
I beg to differ with Mark Twain, though. I think what he was complaining about is not universities but rather the lecture-based format that so many universities spend so much time on. So let's go back even further, to Plutarch, who said that, "The mind is not a vessel that needs filling, but wood that needs igniting." And maybe we should spend less time at universities filling our students' minds with content by lecturing at them, and more time igniting their creativity, their imagination and their problem-solving skills by actually talking with them.
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.
So how do we do that? We do that by doing active learning in the classroom. So there's been many studies, including this one, that show that if you use active learning, interacting with your students in the classroom, performance improves on every single metric -- on attendance, on engagement and on learning as measured by a standardized test. You can see, for example, that the achievement score almost doubles in this particular experiment. So maybe this is how we should spend our time at universities.
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.
So to summarize, if we could offer a top quality education to everyone around the world for free, what would that do? Three things. First it would establish education as a fundamental human right, where anyone around the world with the ability and the motivation could get the skills that they need to make a better life for themselves, their families and their communities.
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.
Second, it would enable lifelong learning. It's a shame that for so many people, learning stops when we finish high school or when we finish college. By having this amazing content be available, we would be able to learn something new every time we wanted, whether it's just to expand our minds or it's to change our lives.
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.
And finally, this would enable a wave of innovation, because amazing talent can be found anywhere. Maybe the next Albert Einstein or the next Steve Jobs is living somewhere in a remote village in Africa. And if we could offer that person an education, they would be able to come up with the next big idea and make the world a better place for all of us.
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.
Thank you very much.
خیلی ممنونم.
(Applause)
(تشویق حاضران)