0:00:00.725,0:00:03.836
跟你们在座的人一样,我也是一个幸运的人.

0:00:03.836,0:00:07.236
我生于一个教育是很普遍的家庭

0:00:07.236,0:00:11.474
我是我们家里的第三代博士,我父母都是做学问的

0:00:11.474,0:00:15.268
童年时,我在我父亲的大学实验室里玩耍

0:00:15.268,0:00:19.117
因此毫无疑问我最后上了一些最好的大学

0:00:19.117,0:00:22.918
这样就为我打开一扇巨大的机会之门

0:00:22.918,0:00:27.038
不幸的是,这世上大多数的人并没那么幸运

0:00:27.038,0:00:30.173
在世界的某些地方,比如说,在南非,

0:00:30.173,0:00:32.878
教育确实是很难得到

0:00:32.878,0:00:35.853
在南非,教育系统是在种族隔离时期

0:00:35.853,0:00:38.726
为少数白人而建造的

0:00:38.726,0:00:41.426
因此,如今对于那些想要并且应当得到

0:00:41.426,0:00:45.278
高质量的教育的人来说却没有足够的位置

0:00:45.278,0:00:49.158
今年一月,教育机会上的贫乏导致了在

0:00:49.158,0:00:50.994
约翰尼斯堡大学的一个危机

0:00:50.994,0:00:53.125
在正常的录取工作下还有很多位置是空的,

0:00:53.125,0:00:56.094
而在他们准备打开这些位置

0:00:56.094,0:00:58.654
让别人来注册的前夜,

0:00:58.654,0:01:02.706
成千上万的人在门外排起了一英里长的队伍

0:01:02.706,0:01:06.586
希望自己是第一个进去得到这个位置的

0:01:06.586,0:01:08.894
当门打开时,出现了踩踏事件

0:01:08.894,0:01:12.546
结果导致20人受伤,1个女人死亡

0:01:12.546,0:01:14.486
她是一位母亲,试图为她儿子争取一个过上好生活

0:01:14.486,0:01:18.549
的机会

0:01:18.549,0:01:21.706
即使在像美国这样的地区

0:01:21.706,0:01:26.062
尽管教育机会开放,但仍然有可能无法垂手可得

0:01:26.062,0:01:28.734
过去几年有很多人在讨论

0:01:28.734,0:01:30.723
医疗保险的价格上升

0:01:30.723,0:01:33.365
对于人们来说可能不明显的是,在这段时间里

0:01:33.365,0:01:37.387
高等教育的消费支出

0:01:37.387,0:01:39.867
几乎在以两倍的速度增长

0:01:39.867,0:01:44.147
自1985年来上涨了559%

0:01:44.147,0:01:48.681
这使得很多人无法负担教育费用

0:01:48.681,0:01:52.482
即使对于很多有办法得到高等教育的人,

0:01:52.482,0:01:55.107
机会的大门也许不会向他们打开

0:01:55.107,0:01:58.314
只有仅仅过半的在美国

0:01:58.314,0:02:00.627
接受高等教育的大学研究生

0:02:00.627,0:02:04.090
实际工作在要求研究生学位的岗位上

0:02:04.090,0:02:05.930
当然,这对于从高等院校毕业的学生

0:02:05.930,0:02:07.882
来说肯定不是真的

0:02:07.882,0:02:10.514
但是对于其他人来说就是,他们没有得到

0:02:10.514,0:02:14.050
他们付出的时间和努力所带来的价值

0:02:14.050,0:02:17.080
Tom Friedman,在他最近的纽约时报的文章中（以他人所不能的方式）

0:02:17.080,0:02:21.448
抓住了在我们在努力背后的精神

0:02:21.448,0:02:24.568
他说巨大的突破是在当突然可能的事情

0:02:24.568,0:02:28.467
满足急切需要的事情时发生的

0:02:28.467,0:02:31.088
我已经说了什么是急切需要的了

0:02:31.088,0:02:33.600
现在让我讲讲什么是突然可能的

0:02:33.600,0:02:36.719
这个其实已经被斯坦福大学三个大课

0:02:36.719,0:02:38.287
所展示了

0:02:38.287,0:02:42.167
每种课都是100000人以上在听

0:02:42.167,0:02:45.551
因此为了理解这一点,我们看看其中一个

0:02:45.551,0:02:47.471
由我一个同事和Andrew Ng教授

0:02:47.471,0:02:49.200
共同创办的机器研究课程

0:02:49.200,0:02:51.519
Andrew是教授斯坦福的大课程的

0:02:51.519,0:02:52.728
是机器研究课程

0:02:52.728,0:02:56.246
每回都有400多人参加

0:02:56.246,0:02:59.511
而当Andrew把这门课传播到公众当中,

0:02:59.511,0:03:02.127
100000人注册了

0:03:02.127,0:03:04.136
就这样来说吧,

0:03:04.136,0:03:06.495
为了让他通过教授斯坦福课程来

0:03:06.495,0:03:08.321
影响到那么多人

0:03:08.321,0:03:12.247
他得用250年时间

0:03:12.247,0:03:15.733
当然,他肯定会无聊死

0:03:15.733,0:03:18.470
因此在见识到这个事情的影响之后

0:03:18.470,0:03:21.598
Andrew和我决定我们得做大这件事

0:03:21.598,0:03:25.718
去尽可能的为更多人带来最优质的教育

0:03:25.718,0:03:27.213
因此我们创建了Coursera(译者注:Coursera.org 是一个提供免费网络课程的网站)

0:03:27.213,0:03:30.350
目地是为了让人们从最好的大学、最好的导师

0:03:30.350,0:03:33.667
中学到最好的课程

0:03:33.667,0:03:37.695
而且免费提供给世界各地的人

0:03:37.695,0:03:40.295
我们目前在平台上有43个课程

0:03:40.295,0:03:43.494
来自4所大学,有各种各样的学科

0:03:43.494,0:03:45.327
让我给大家看看这个网站

0:03:45.327,0:03:48.605
大概是什么样子吧

0:03:48.605,0:03:49.818
(视频)Robert Ghrist: 欢迎来到微积分课程

0:03:49.818,0:03:51.698
Ezekiel Emanuel: 有5千万人没有保险

0:03:51.698,0:03:54.969
Scott Page: 模型帮助我们去设计更有效的制度和政策

0:03:54.969,0:03:57.377
我们有不可置信的种族分离

0:03:57.377,0:03:59.169
Scot Klemmer: 因此布什想象到,在未来,

0:03:59.169,0:04:01.547
你会在你头正中间带一架照相机

0:04:01.547,0:04:05.801
Mitchell Duneier: Mills想要社会学的学生们培养他们思维的质量

0:04:05.801,0:04:09.466
RG: 悬挂的电线呈双曲线型的余弦函数形状

0:04:09.466,0:04:12.537
Nick Parlante: 对于图像中的每一个像素, 将红色设置为0

0:04:12.537,0:04:15.514
Paul Offit: 疫苗可以帮我们去消灭小儿麻痹症的病毒

0:04:15.514,0:04:19.137
Dan Jurafsky: 德国汉莎航空公司提供早餐和San Jose吗?(译者注: San Jose是圣约瑟餐馆) 嗯，那听起来挺有意思

0:04:19.137,0:04:22.753
Daphne Koller: 这就是你选出来的硬币,这是两次投掷的结果

0:04:22.753,0:04:26.440
Andrew Ng: 因此在大规模的机器研究中,我们希望得出计算型的....

0:04:26.440,0:04:32.049
(鼓掌)

0:04:32.049,0:04:34.323
DK: 结果呢,可能不是很令人吃惊,

0:04:34.323,0:04:36.561
学生们都喜欢免费从最好的大学得到

0:04:36.561,0:04:39.448
最好的课程内容

0:04:39.448,0:04:41.970
自从我们在二月创建了这个网站后,

0:04:41.970,0:04:46.328
我们现在已经有来自190个国家的640000名学生

0:04:46.328,0:04:48.480
我们有150万次的申请

0:04:48.480,0:04:51.330
15个已经开讲的课程里的600万个小测验

0:04:51.330,0:04:56.246
已被提交,1400万的视频已被观看

0:04:56.246,0:04:58.764
不过这不仅跟数字有关

0:04:58.764,0:05:00.405
还跟人有关

0:05:00.405,0:05:03.381
不管是来自印度的一个小镇

0:05:03.381,0:05:05.556
绝不会得到斯坦福水准的

0:05:05.556,0:05:07.045
课程,而且也无法支付那些课程的

0:05:07.045,0:05:09.560
Akash

0:05:09.560,0:05:11.598
或者是两个孩子的单身妈妈

0:05:11.598,0:05:13.565
想在家里学点技能

0:05:13.565,0:05:16.700
然后回去完成她的硕士学位的Jenny

0:05:16.700,0:05:19.836
还是Ryan, 他不能上学

0:05:19.836,0:05:21.701
因为他的无抵抗力的女儿

0:05:21.701,0:05:25.084
使他必须待在家里确保没有细菌

0:05:25.084,0:05:26.924
进入房间

0:05:26.924,0:05:28.556
我很高兴地可以说--

0:05:28.556,0:05:30.808
最近,我们在与Ryan联系

0:05:30.808,0:05:32.740
最后这个故事有了一个很好的结局

0:05:32.740,0:05:34.643
Shannon宝贝--你可以从左边看到她

0:05:34.643,0:05:35.994
现在变得好多了

0:05:35.994,0:05:40.192
而且Ryan由于上了我们提供的一些课,他得到了一份工作

0:05:40.192,0:05:42.436
那到底是什么使得这些课程与众不同呢?

0:05:42.436,0:05:46.156
毕竟,在线课程已经有很长一段时间了

0:05:46.156,0:05:49.868
但不同的是这些都是真正的上课体验

0:05:49.868,0:05:51.594
从固定的一天开始,

0:05:51.594,0:05:55.228
然后学生每周必须去观看视频

0:05:55.228,0:05:57.083
然后做家庭作业

0:05:57.083,0:05:58.874
而这些都是真正的家庭作业

0:05:58.874,0:06:02.178
有真正的成绩和截止日期

0:06:02.178,0:06:04.234
你看以看到截止日期和使用情况的图像

0:06:04.234,0:06:06.322
这些顶端表明

0:06:06.322,0:06:10.111
耽搁是一个全球现象

0:06:10.111,0:06:12.687
(笑声)

0:06:12.687,0:06:14.359
在每门课结束后

0:06:14.359,0:06:16.215
学生们会得到一个证书

0:06:16.215,0:06:18.375
他们可以把证书给雇主看

0:06:18.375,0:06:20.528
然后得到一个更好的工作

0:06:20.528,0:06:22.588
而我们知道很多学生都这么做了

0:06:22.588,0:06:24.507
很多学生拿着证书

0:06:24.507,0:06:27.629
给了他们在读的院校

0:06:27.629,0:06:29.470
索要真正的大学学分

0:06:29.470,0:06:31.684
因此这些学生为他们所付出的时间和努力

0:06:31.684,0:06:34.518
的确在得到一些有意义的东西

0:06:34.518,0:06:37.073
让我们谈谈在课程里面一些

0:06:37.073,0:06:38.965
部分内容吧

0:06:38.965,0:06:41.593
第一个就是当你

0:06:41.593,0:06:43.890
摆脱了在教室里的束缚

0:06:43.890,0:06:46.730
和为在线课程明确地设计内容的时候

0:06:46.730,0:06:49.258
你可以不再使用,比如说

0:06:49.258,0:06:51.673
单调的一小时讲座的模式

0:06:51.673,0:06:53.458
你可以将材料,比如说,

0:06:53.458,0:06:56.834
分成8到12分钟的短的单元

0:06:56.834,0:06:59.808
每一个都代表一个连贯的概念

0:06:59.808,0:07:02.378
学生可以用不同方式来反复研究这个材料

0:07:02.378,0:07:06.082
取决于他们的背景,技能,和兴趣

0:07:06.082,0:07:08.602
比如说,一些学生会从

0:07:08.602,0:07:11.362
一点点的准备材料中收益

0:07:11.362,0:07:13.433
但其他学生可能已经了解了

0:07:13.433,0:07:15.873
其他学生可能对其中的一个话题

0:07:15.873,0:07:18.959
感兴趣, 从而他们想去单独探索它

0:07:18.959,0:07:22.194
因此这种模式可以让我们逃出

0:07:22.194,0:07:25.018
“一刀切” 的教育方法

0:07:25.018,0:07:29.010
并且允许学生去遵循一个更个性化的课程安排

0:07:29.010,0:07:31.353
当然,我们都知道作为教育者,

0:07:31.353,0:07:34.713
学生们干坐着看视频是学不到什么东西的.

0:07:34.713,0:07:37.658
或许这努力当中最大的部分

0:07:37.658,0:07:40.250
是需要让这些学生通过

0:07:40.250,0:07:42.659
材料的练习去

0:07:42.659,0:07:45.815
真正的理解课程

0:07:45.815,0:07:49.083
有很多研究表明这一方面的重要性,

0:07:49.083,0:07:51.615
比如说,去年在科学杂志上出现的一篇,

0:07:51.615,0:07:54.447
表明了即使是简单的重复小练习

0:07:54.447,0:07:57.239
只需要学生重复

0:07:57.239,0:07:58.639
他们刚刚学到的东西

0:07:58.639,0:08:00.559
会带来很大的提高效果

0:08:00.559,0:08:02.828
不管是在各种成绩测试

0:08:02.828,0:08:07.132
还是其他教育性的打断

0:08:07.132,0:08:10.094
我们在尝试在平台中去建立一个回顾性的测试

0:08:10.094,0:08:12.348
以及其他各种方式的练习

0:08:12.348,0:08:16.492
比如说,我们的视频不光是简单的视频

0:08:16.492,0:08:18.535
每过几分钟,视频就会暂停下来

0:08:18.535,0:08:20.686
然后学生必须回答一个问题

0:08:20.686,0:08:22.907
(视频)SP: ...这四样东西,预期理论,双曲贴现,

0:08:22.907,0:08:25.999
现状偏差,基准利率偏差.这些都被很好地记录下来

0:08:25.999,0:08:28.766
因此他们都是从理性的行为中很好地记录下来的偏差

0:08:28.766,0:08:30.390
DK: 在这视频就暂停了

0:08:30.390,0:08:32.646
然后学生需要在方框里输入答案

0:08:32.646,0:08:35.869
然后提交.显然这些学生在走神儿

0:08:35.884,0:08:36.753
(笑声)

0:08:36.753,0:08:38.763
所以他们又试了一次

0:08:38.763,0:08:41.299
而这回他们答对了

0:08:41.299,0:08:43.492
这还有一个参考的解释, 如果他们想要的话

0:08:43.492,0:08:47.749
然后现在视频才继续进行到讲座的下一部分

0:08:47.749,0:08:49.627
这是一种我作为一名导师

0:08:49.627,0:08:51.708
可能会在课堂上问的简单的问题

0:08:51.708,0:08:54.208
不过当我在真正的课堂上问的时候,

0:08:54.208,0:08:55.508
80%的学生

0:08:55.508,0:08:57.374
还在琢磨我前面说的话

0:08:57.374,0:09:00.695
15%的学生都沉浸在Facebook里,

0:09:00.695,0:09:03.151
然后坐在前排的聪明蛋

0:09:03.151,0:09:04.510
直接在其他人还没机会思考的之前

0:09:04.510,0:09:06.717
一口报出正确答案.

0:09:06.717,0:09:09.589
然后作为老师我极度满足

0:09:09.589,0:09:11.237
竟然有人知道答案

0:09:11.237,0:09:14.029
因此我就继续往下讲了,所以你可以看到,

0:09:14.029,0:09:17.558
大多数学生只是注意到了老师问了个问题...

0:09:17.558,0:09:20.165
在这,每个学生

0:09:20.165,0:09:22.949
必须与材料接洽

0:09:22.949,0:09:24.885
当然不光是这些回顾性的

0:09:24.885,0:09:26.547
小问题

0:09:26.547,0:09:29.517
应该有更多的有意义的练习性问题

0:09:29.517,0:09:31.870
而且还应该在那些问题上

0:09:31.870,0:09:33.533
对学生有所回馈

0:09:33.533,0:09:36.421
那如果没有10000助教的话,

0:09:36.421,0:09:39.503
怎么样才能批改100000名学生的作业呢?

0:09:39.503,0:09:41.857
答案是,你得使用科技

0:09:41.857,0:09:43.352
来帮助你

0:09:43.352,0:09:46.000
幸运的是,科技已经很发达了

0:09:46.000,0:09:49.268
我们现在可以批改各种各样的作业

0:09:49.268,0:09:50.795
不光是选择题

0:09:50.795,0:09:53.948
还有那种你在视频中看到的简答题

0:09:53.948,0:09:57.208
我们还可以批改数学或者数学表达式

0:09:57.208,0:09:59.160
以及数学词源

0:09:59.160,0:10:02.034
我们还可以批改模型,

0:10:02.034,0:10:04.210
不管是在商业课中的金融模型

0:10:04.210,0:10:07.194
还是在科学或工程课上的物理模型

0:10:07.194,0:10:10.938
我们还能批改一些比较复杂的编程作业

0:10:10.938,0:10:12.857
让我给大家看一个比较简单的

0:10:12.857,0:10:14.337
不过清晰可见

0:10:14.337,0:10:16.814
这是斯坦福的计算机科学101课程

0:10:16.814,0:10:18.418
学生应当去更正模糊的

0:10:18.418,0:10:20.010
红色区域

0:10:20.010,0:10:22.028
他们在浏览器里直接输入自己的程序

0:10:22.028,0:10:26.086
你可以看到他们没有弄对,自由女神还没来拯救他们

0:10:26.086,0:10:29.842
于是学生又试了一次,现在他们弄对了,然后他们就被告知

0:10:29.842,0:10:32.201
可以移动到下一个题目了

0:10:32.201,0:10:35.349
这种能够和材料积极互动以及

0:10:35.349,0:10:37.033
被告知自己正确与否的能力

0:10:37.033,0:10:40.159
对于学生学习是至关重要的

0:10:40.159,0:10:42.434
不过,当然我们还无法批改

0:10:42.434,0:10:45.268
所有种类的作业

0:10:45.268,0:10:48.569
确切地讲,我们缺少一种批判性思维的工作

0:10:48.569,0:10:50.491
这种思维在人文类,社会科学,商业和

0:10:50.491,0:10:54.088
其他领域都是极其关键的

0:10:54.088,0:10:56.337
因此我们尝试去,比如说,

0:10:56.337,0:10:57.953
让人文学的教职工相信

0:10:57.953,0:11:00.649
多项选择题不是那么坏的一个策略

0:11:00.649,0:11:02.840
不过效果却不是很好

0:11:02.840,0:11:05.273
因此我们必须想出另外一个办法

0:11:05.273,0:11:08.347
最后的解决方案是学生之间互批

0:11:08.347,0:11:10.769
之前的研究表明

0:11:10.769,0:11:12.441
比如Saddler和Good做的这个研究,

0:11:12.441,0:11:14.929
同伴互批是一个对于提供可复写成绩的

0:11:14.929,0:11:18.143
十分有效的策略

0:11:18.143,0:11:19.913
这曾经只在小课堂中用过,

0:11:19.913,0:11:21.400
不过这它显示了,比如说,

0:11:21.400,0:11:23.882
这些学生批改的在Y轴上的分数

0:11:23.882,0:11:25.193
实际上跟老师批改的

0:11:25.193,0:11:27.489
在X轴上的分数较为吻合

0:11:27.489,0:11:30.649
更惊奇的是,自我批改

0:11:30.649,0:11:32.960
就是让学生自己给自己批改作业

0:11:32.960,0:11:34.697
只要你合适地激励他们,

0:11:34.697,0:11:36.635
确保他们不能随随便便就给自己一个满分-

0:11:36.635,0:11:39.826
甚至跟老师批改的成绩更加吻合

0:11:39.826,0:11:41.433
因此这是一个很有效的策略

0:11:41.433,0:11:43.537
对于大规模作业批改来说

0:11:43.537,0:11:46.273
并且还是个对于学生来说有用的学习策略

0:11:46.273,0:11:48.528
因为他们实际上从这段经验中学到了东西

0:11:48.528,0:11:53.177
因此我们现在就有设计出的最大的同龄人批改线

0:11:53.177,0:11:55.681
这当中成千上万的学生

0:11:55.681,0:11:56.879
在互相批改作业

0:11:56.879,0:11:59.948
而且我必须说,这很成功

0:11:59.948,0:12:02.208
不过这不只是学生们

0:12:02.208,0:12:05.249
在客厅干坐着解决问题

0:12:05.249,0:12:07.056
在我们的每一个课程

0:12:07.056,0:12:09.216
一个团队的学生形成了了

0:12:09.216,0:12:11.096
一个全球性的社区

0:12:11.096,0:12:13.628
都有一个共同的智力目标

0:12:13.628,0:12:16.280
你在这里看到一张自动生成的地图

0:12:16.280,0:12:19.241
显示在普林斯顿社会学101课程的学生

0:12:19.241,0:12:22.000
从世界各地而来

0:12:22.000,0:12:24.960
你看以看到这种努力的全球性延伸

0:12:24.960,0:12:29.527
学生在这些课程中以不同的方式进行合作

0:12:29.527,0:12:32.166
第一,我们有一个问答平台

0:12:32.166,0:12:34.310
学生可以提出问题,

0:12:34.310,0:12:36.734
然后其他学生可以回答问题

0:12:36.734,0:12:38.447
最惊奇的是

0:12:38.447,0:12:40.117
因为学生太多了

0:12:40.117,0:12:42.482
这意味着即使有学生在凌晨3点

0:12:42.482,0:12:44.114
提出一个问题

0:12:44.114,0:12:45.696
在世界上的某个地方

0:12:45.696,0:12:47.770
总有人会醒着

0:12:47.770,0:12:50.083
在同一问题上工作

0:12:50.083,0:12:52.041
因此,在许多课程中,

0:12:52.041,0:12:54.370
在问答平台上的回答时间中间值

0:12:54.370,0:12:57.788
只有22分钟

0:12:57.788,0:13:02.365
这比我对我斯坦福学生的服务要好得多

0:13:02.365,0:13:03.706
(笑声)

0:13:03.706,0:13:05.648
你还可以从学生的证明书里看到

0:13:05.648,0:13:07.335
学生实际上发现

0:13:07.335,0:13:09.856
因为这个巨大的线上社区

0:13:09.856,0:13:12.455
学生其实可以以多种方式进行互动

0:13:12.455,0:13:16.648
这其实比在一个教室里的收获还多

0:13:16.648,0:13:18.992
学生们还都“组装”自己

0:13:18.992,0:13:20.855
我们对此不进行任何干扰

0:13:20.855,0:13:22.758
组织形成学习小组

0:13:22.758,0:13:25.120
这里面有些是物理学习小组

0:13:25.120,0:13:26.946
来研究地理条件限制

0:13:26.946,0:13:29.668
他们每周见面去研究一系列问题

0:13:29.668,0:13:31.568
这是旧金山学习小组

0:13:31.568,0:13:33.887
不过这些人都来自世界各地

0:13:33.887,0:13:35.919
其他都是实质上的小组

0:13:35.919,0:13:38.908
有时候通过语言和文化来划分

0:13:38.908,0:13:40.352
在左下方这里

0:13:40.352,0:13:44.148
你看以看到我们多文化的学习小组

0:13:44.148,0:13:45.911
人们直率地去和有其他文化背景的人

0:13:45.911,0:13:48.917
主动交流

0:13:48.917,0:13:51.028
这种框架的构建就带来一些

0:13:51.028,0:13:54.353
巨大的机会

0:13:54.353,0:13:58.007
首先它拥有带给我们

0:13:58.007,0:14:00.441
前所未有的

0:14:00.441,0:14:02.730
在了解人类学习方面的潜力

0:14:02.730,0:14:06.193
因为我们这里能收集到的数据是独一无二的

0:14:06.193,0:14:10.202
你可以收集到每一次点击,每一次作业提交

0:14:10.202,0:14:14.565
每一份来自成千上万学生的论坛帖子

0:14:14.565,0:14:16.908
因此你可以将人类学习的模式

0:14:16.908,0:14:18.841
从理论假设的形式

0:14:18.841,0:14:21.699
变为以数据为基础的形式,

0:14:21.699,0:14:24.740
这是一种,比方说,已经变革生物科学的转型

0:14:24.740,0:14:28.164
你可以通过这些数据去了解最基本的问题

0:14:28.164,0:14:30.044
比如说,哪些是好的学习策略

0:14:30.044,0:14:32.740
哪些是有效的而哪些是无效的?

0:14:32.740,0:14:34.980
而在特定的几个课程背景中,

0:14:34.980,0:14:36.517
你可以问像这样的问题:

0:14:36.517,0:14:39.772
有哪些误解是十分常见的,

0:14:39.772,0:14:41.949
如何需要我们帮助学生去更正它们?

0:14:41.949,0:14:43.373
这儿有一个例子

0:14:43.373,0:14:45.389
同样是从Andrew的机器研究课程来的

0:14:45.389,0:14:47.597
这是对于Andrew其中一项作业

0:14:47.597,0:14:49.207
所有错误答案的分布

0:14:49.207,0:14:51.100
答案都是数对

0:14:51.100,0:14:53.371
因此你可以在二维图象里画出来

0:14:53.371,0:14:57.149
每一个你看到的小叉叉就是一个不同的错误答案

0:14:57.149,0:14:59.555
在左上方的大叉叉

0:14:59.555,0:15:01.703
指的是有2000个学生

0:15:01.703,0:15:04.748
得出了一样的错误答案

0:15:04.748,0:15:07.075
现在，如果有两个学生在100人的课堂里

0:15:07.075,0:15:08.362
给出了同样的错误答案

0:15:08.362,0:15:09.713
你肯定发现不了

0:15:09.713,0:15:12.273
不过当2000人都给出同样的错误答案

0:15:12.273,0:15:13.970
就很难看不到了

0:15:13.970,0:15:16.162
因此Andrew和他的学生

0:15:16.162,0:15:17.682
分析了一些作业

0:15:17.682,0:15:21.770
然后找到了误解的根本原因

0:15:21.770,0:15:24.290
然后他们创建了一条专门针对

0:15:24.290,0:15:26.539
提供错误答案学生的

0:15:26.539,0:15:28.718
特别信息

0:15:28.718,0:15:30.802
这样一来这些学生

0:15:30.802,0:15:32.828
就可以得到一种个性化的回馈

0:15:32.828,0:15:37.227
告诉他们如何更有效地更正误解

0:15:37.227,0:15:41.038
因此这种个性化的东西是通过

0:15:41.038,0:15:44.178
利用大规模数据的优势来创建的

0:15:44.178,0:15:46.490
个性化估计也是这儿

0:15:46.490,0:15:48.913
最大的机会之一

0:15:48.913,0:15:51.258
因为它提供给我们一种

0:15:51.258,0:15:53.948
解决30年未决的问题的潜力

0:15:53.948,0:15:57.297
教育研究家Benjamin Bloom在1984年

0:15:57.297,0:15:59.548
提出了叫做2 sigma问题

0:15:59.548,0:16:02.610
他通过学习三种人群观察到的

0:16:02.610,0:16:06.218
第一是在以授课为基础的课堂中学习的人群

0:16:06.218,0:16:08.995
第二是使用标准的以授课为基础的课堂学习的人群

0:16:08.995,0:16:10.714
第二是使用标准的以授课为基础的课堂学习的人群

0:16:10.714,0:16:12.794
但是有一个旨在精通的方法

0:16:12.794,0:16:14.714
因此学生必须熟练掌握前一个话题才能继续学习下一个

0:16:14.714,0:16:18.068
因此学生必须熟练掌握前一个话题才能继续学习下一个

0:16:18.068,0:16:20.362
最后一个就是

0:16:20.362,0:16:24.890
在导师一对一课程中受教育的人群

0:16:24.890,0:16:28.162
旨在精通的人群是完全标准差

0:16:28.162,0:16:30.450
或者sigma,他们在成就分数方面

0:16:30.450,0:16:32.844
比标准的以授课为基础的班要好得多

0:16:32.844,0:16:34.988
而导师一对一的课程在表现提高方面

0:16:34.988,0:16:36.818
就有2个sigma

0:16:36.818,0:16:38.281
为了了解这意味着什么,

0:16:38.281,0:16:40.114
让我们看看以授课为基础的课堂吧

0:16:40.114,0:16:43.033
我们把中位数当做一个门槛

0:16:43.033,0:16:44.371
因此在以授课为基础的课堂中

0:16:44.371,0:16:48.250
是一半对一半

0:16:48.250,0:16:50.348
在导师一对一授课中,

0:16:50.348,0:16:55.149
98%都达到了门槛

0:16:55.149,0:16:59.069
想象一个如果我们教的学生

0:16:59.069,0:17:01.267
98%都在平均标准之上

0:17:01.267,0:17:04.690
因此,就有这个2 sigma的问题

0:17:04.690,0:17:07.089
因为我们作为一个社会不可能去给

0:17:07.089,0:17:10.161
每一个学生都提供一个一对一的导师

0:17:10.161,0:17:12.410
但是我们可以提供给他们每人一台电脑

0:17:12.410,0:17:14.429
或者一部智能手机

0:17:14.429,0:17:16.618
因此问题是,我们如何应该使用科技

0:17:16.618,0:17:19.993
去推动我们摆脱左边蓝色的图像,

0:17:19.993,0:17:22.731
最后到达右边绿色的图像呢?

0:17:22.731,0:17:25.068
通过电脑来实现精通的目地是很简单的,

0:17:25.068,0:17:26.473
因为电脑对于放5遍同样的视频来说,

0:17:26.473,0:17:29.546
从来不嫌累

0:17:29.546,0:17:32.797
而且多次批改同样的作业也不会累

0:17:32.802,0:17:35.828
我们在很多我举的例子当中也看到了

0:17:35.828,0:17:37.682
而且甚至我们也看到

0:17:37.682,0:17:39.818
个性化的设计在逐渐开始发展

0:17:39.818,0:17:43.010
不管是通过课程中个性化的轨道

0:17:43.010,0:17:46.274
或是一些我们给大家展示的个性化反馈

0:17:46.274,0:17:48.762
因此我们的目标是尝试看看

0:17:48.762,0:17:52.259
我们能够多接近那个绿色的图像

0:17:52.259,0:17:57.618
好吧,那如果这个这么好,大学是不是过时了?

0:17:57.618,0:18:00.610
嗯,马克吐温显然这么想,

0:18:00.610,0:18:03.155
他说:"大学是一个教授的笔记

0:18:03.155,0:18:04.858
直接成为学生的笔记,

0:18:04.858,0:18:07.234
并且都没有经过两者大脑的地方."

0:18:07.234,0:18:11.281
(笑声)

0:18:11.281,0:18:13.949
不过我真不敢与马克吐温苟同

0:18:13.949,0:18:16.614
我认为他在抱怨的不是大学

0:18:16.614,0:18:19.364
而是以授课为基础的课堂模式

0:18:19.364,0:18:22.148
因为这些模式在大学太流行了

0:18:22.148,0:18:25.307
那让我们在往回看看,回到Plutarch(译者注：希腊历史家)

0:18:25.307,0:18:27.534
他说:"思想不是一个需要填充的容器,

0:18:27.534,0:18:29.557
而是需要点燃的木头."

0:18:29.557,0:18:31.747
因此或许我们应该在

0:18:31.747,0:18:34.318
通过授课填充学生脑袋的大学少花点时间,

0:18:34.318,0:18:38.118
而应当多花些时间点燃他们的创造力

0:18:38.118,0:18:41.373
他们的想象力和解决问题的能力

0:18:41.373,0:18:43.871
通过积极与他们交流来实现

0:18:43.871,0:18:45.238
那么我们怎么做呢?

0:18:45.238,0:18:48.669
我们通过主动的学习来实现

0:18:48.669,0:18:51.118
有很多研究表明,包括这个,

0:18:51.118,0:18:53.198
如果你使用积极学习法的话,

0:18:53.198,0:18:55.614
就是与你的学生在课堂上互动,

0:18:55.614,0:18:58.310
他们的表现会在每个单位不断提高,

0:18:58.310,0:19:00.759
在出勤,在参与度,在学习方面

0:19:00.759,0:19:02.814
尤其在被一个标准测试衡量的时候

0:19:02.814,0:19:04.678
你可以看到,比如说,成就分数

0:19:04.678,0:19:07.548
在这个实验中几乎都翻倍了

0:19:07.548,0:19:11.949
或许这就是我们如何应当度过大学时光的办法

0:19:11.949,0:19:16.526
因此总结一下,如果我们能免费向世上的每个人提供高质量的教育

0:19:16.526,0:19:18.429
因此总结一下,如果我们能免费向世上的每个人提供高质量的教育

0:19:18.429,0:19:21.250
那么会怎么样了?会是这样:

0:19:21.250,0:19:24.671
首先教育变成了人类最基本的权利

0:19:24.671,0:19:26.037
世界上所有有能力和积极性的人

0:19:26.037,0:19:27.958
世界上所有有能力和积极性的人

0:19:27.958,0:19:29.909
都可以得到他们想需要的技能

0:19:29.909,0:19:31.494
为他们自己,他们家人, 他们的社区追求更好的生活

0:19:31.494,0:19:33.511
为他们自己,他们家人, 他们的社区追求更好的生活

0:19:33.511,0:19:36.142
第二,这会使终生学习成为可能

0:19:36.142,0:19:38.093
对于很多人,在高中或者大学结束后就再也不学了是惭愧的事

0:19:38.093,0:19:41.405
对于很多人,在高中或者大学结束后就再也不学了是惭愧的事

0:19:41.405,0:19:43.886
通过这样一个项目

0:19:43.886,0:19:46.629
每当我们想要的时候,我们可以学一些新知识

0:19:46.629,0:19:47.765
每当我们想要的时候,我们可以学一些新知识

0:19:47.765,0:19:49.094
不管是用来拓展我们的思维

0:19:49.094,0:19:51.053
还是改变我们的生活

0:19:51.053,0:19:54.198
最后,这个项目会带来一股创新潮

0:19:54.198,0:19:57.270
因为哪里都能找到惊人的天赋

0:19:57.270,0:20:00.278
或许下一个爱因斯坦或者乔布斯

0:20:00.278,0:20:02.893
就住在非洲一个偏远的小镇上

0:20:02.893,0:20:05.549
而且如果我们能为那个人提供一份教育

0:20:05.549,0:20:07.905
他们可能会想出下一个极好的主意

0:20:07.905,0:20:10.309
使我们的世界变得更美好

0:20:10.309,0:20:11.469
非常感谢

0:20:11.469,0:20:19.052
(鼓掌)