Return to Video

Daphne Koller: Was wir vom Online-Lernen lernen

  • 0:01 - 0:04
    Wie so viele hier gehöre ich
    zu den Glücklichen.
  • 0:04 - 0:07
    In meiner Familie wurde
    Bildung großgeschrieben.
  • 0:07 - 0:11
    Doktorin in der dritten Generation,
    Tochter zweier Akademiker.
  • 0:11 - 0:15
    Als Kind spielte ich oft
    im Universitätslabor meines Vaters.
  • 0:15 - 0:19
    Es war also selbstverständlich, dass ich
    einige der besten Universitäten besuchte,
  • 0:19 - 0:23
    was mir wiederum eine Welt
    voller Möglichkeiten eröffnete.
  • 0:23 - 0:27
    Leider haben die meisten Menschen
    auf der Welt nicht so viel Glück.
  • 0:27 - 0:30
    In einigen Teilen der Welt,
    z. B. in Südafrika,
  • 0:30 - 0:33
    ist Bildung nur schwer zugänglich.
  • 0:33 - 0:36
    Das Bildungssystem in Südafrika wurde
  • 0:36 - 0:39
    zu Zeiten der Apartheid
    für die weiße Minderheit entwickelt.
  • 0:39 - 0:41
    Dadurch gibt es heutzutage
    einfach nicht genügend Plätze
  • 0:41 - 0:45
    für die vielen Menschen, die eine hochwertige
    Ausbildung wollen und verdienen.
  • 0:45 - 0:49
    Dieser Mangel führte
    im Januar diesen Jahres zu einer Krise
  • 0:49 - 0:51
    an der University of Johannesburg.
  • 0:51 - 0:53
    Es gab noch ein paar freie Studienplätze
  • 0:53 - 0:56
    im Standardzulassungsverfahren,
    und in der Nacht,
  • 0:56 - 0:59
    bevor die Registrierung für
    diese Plätze beginnen sollte,
  • 0:59 - 1:03
    stellten sich Tausende von Menschen
    in einer kilometerlangen Schlange vor dem Tor an.
  • 1:03 - 1:07
    Sie hofften,
    einen dieser Plätze zu ergattern.
  • 1:07 - 1:09
    Als sich die Tore öffneten,
    kam es zu einer Massenpanik,
  • 1:09 - 1:13
    bei der 20 Menschen verletzt wurden
    und eine Frau starb.
  • 1:13 - 1:14
    Es war eine Mutter,
    die bei dem Versuch,
  • 1:14 - 1:19
    ihrem Sohn ein besseres Leben zu
    ermöglichen, ihr Leben verlor.
  • 1:19 - 1:22
    Aber selbst in Teilen der Welt
    wie den Vereinigten Staaten,
  • 1:22 - 1:26
    wo Bildung vorhanden ist, ist sie
    nicht unbedingt erreichbar.
  • 1:26 - 1:29
    In den letzten Jahren wurde viel
  • 1:29 - 1:31
    über die steigenden Kosten
    im Gesundheitswesen diskutiert.
  • 1:31 - 1:33
    Viele wissen vielleicht nicht,
  • 1:33 - 1:37
    dass sich in der gleichen Zeit
    die Studiengebühren
  • 1:37 - 1:40
    um fast das Zweifache erhöht haben,
  • 1:40 - 1:44
    seit 1985 um insgesamt 559%.
  • 1:44 - 1:49
    Dadurch wird Bildung für viele unbezahlbar.
  • 1:49 - 1:52
    Selbst jenen mit einer Hochschulausbildung
  • 1:52 - 1:55
    bietet sich nicht unbedingt
    die passende Gelegenheit.
  • 1:55 - 1:58
    Nun knapp über die Hälfte der derzeitigen
  • 1:58 - 2:01
    Hochschulabsolventen
    in den Vereinigten Staaten
  • 2:01 - 2:04
    hat tatsächlich einen Job,
    der diese Qualifikation voraussetzt.
  • 2:04 - 2:06
    Natürlich gilt dies nicht für Studierende,
  • 2:06 - 2:08
    die an Top-Hochschulen abschließen,
  • 2:08 - 2:11
    doch für viele andere zahlen sich die investierte
  • 2:11 - 2:14
    Zeit und Mühe nicht aus.
  • 2:14 - 2:17
    Tom Friedman brachte unsere
    Bemühung in seinem jüngsten
  • 2:17 - 2:21
    Artikel in der New York Times
    unnachahmbar auf den Punkt:
  • 2:21 - 2:25
    "Große Durchbrüche finden statt,
  • 2:25 - 2:28
    wenn das plötzlich Mögliche auf
    das verzweifelt Benötigte trifft."
  • 2:28 - 2:31
    Über das verzweifelt Benötigte
    habe ich bereits gesprochen.
  • 2:31 - 2:34
    Kommen wir zu dem plötzlich Möglichen.
  • 2:34 - 2:37
    Das plötzlich Mögliche wurde durch
  • 2:37 - 2:38
    drei große Stanford-Kurse gezeigt,
  • 2:38 - 2:42
    die alle jeweils mehr als
    100.000 Teilnehmende hatten.
  • 2:42 - 2:46
    Zur Verdeutlichung sehen Sie hier den Kurs
  • 2:46 - 2:47
    "Maschinelles Lernen" meines Kollegen
  • 2:47 - 2:49
    und Mitbegründers Andrew Ng.
  • 2:49 - 2:52
    Andrew unterrichtet einen
    der größeren Stanford-Kurse.
  • 2:52 - 2:53
    Er handelt von maschinellem Lernen
  • 2:53 - 2:56
    und jedes Mal nehmen 400 Studierende teil.
  • 2:56 - 3:00
    Als Andrew den Kurs Maschinelles Lernen
    öffentlich unterrichtete,
  • 3:00 - 3:02
    registrierten sich 100.000 Menschen.
  • 3:02 - 3:04
    Um Ihnen die Dimension zu verdeutlichen:
  • 3:04 - 3:06
    Wenn Andrew die gleiche Zahl an Zuhörern
  • 3:06 - 3:08
    mit seinem Stanford-Kurs erreichen wollte,
  • 3:08 - 3:12
    würde dies 250 Jahre in Anspruch nehmen.
  • 3:12 - 3:16
    Das wäre für ihn natürlich ziemlich langweilig.
  • 3:16 - 3:18
    Als wir die Wirkung des Angebots sahen,
  • 3:18 - 3:22
    entschieden Andrew und ich,
    dass wir es vergrößern mussten
  • 3:22 - 3:26
    um so vielen Menschen wie möglich
    die bestmögliche Bildung anzubieten.
  • 3:26 - 3:27
    Wir gründeten Coursera
  • 3:27 - 3:30
    mit dem Ziel, die besten Kurse
  • 3:30 - 3:34
    der besten Dozenten
    an den besten Universitäten
  • 3:34 - 3:38
    Menschen rund um die Welt
    kostenlos anzubieten.
  • 3:38 - 3:40
    Derzeit bieten wir auf der Plattform 43 Kurse
  • 3:40 - 3:43
    von vier Universitäten aus den
    unterschiedlichsten Fachrichtungen an.
  • 3:43 - 3:45
    Ich möchte Ihnen einen kurzen
  • 3:45 - 3:49
    Überblick geben, wie das aussieht.
  • 3:49 - 3:50
    (Video) Robert Ghrist:
    Willkommen bei "Analysis".
  • 3:50 - 3:52
    Ezekiel Emanuel: Fünfzig Millionen
    Menschen sind nicht versichert.
  • 3:52 - 3:55
    Scott Page: Anhand von Modellen können wir
    effizientere Institutionen und Richtlinien entwerfen.
  • 3:55 - 3:57
    Wir erreichen unglaubliche Segregation.
  • 3:57 - 3:59
    Scott Klemmer: Bush nahm
    also an, dass man zukünftig
  • 3:59 - 4:02
    eine Kamera mitten auf der Stirn tragen würde.
  • 4:02 - 4:06
    Mitchell Duneier: Mills möchte, dass Soziologie-
    studenten eine Qualität der Denkweise entwickeln.
  • 4:06 - 4:09
    RG: Das hängende Kabel nimmt die Form
    eines hyperbolischen Kosinus an.
  • 4:09 - 4:13
    Nick Parlante: Setzen Sie bei allen Pixeln
    des Bildes 'rot' auf Null.
  • 4:13 - 4:16
    Paul Offit: ... Durch Impfungen
    konnte Polio ausgerottet werden.
  • 4:16 - 4:19
    Dan Jurafsky: Bedient Lufthansa Frühstück
    und San Jose? Das klingt sehr komisch.
  • 4:19 - 4:23
    Daphne Koller: Welche Münze wählen Sie also
    und wie werden Sie sie werfen?
  • 4:23 - 4:26
    Andrew Ng: Beim maschinellen Lernen
    erstellen wir rechnerische ...
  • 4:26 - 4:32
    (Applaus)
  • 4:32 - 4:34
    DK: Es ist nicht überraschend,
  • 4:34 - 4:37
    dass es Studierenden gefällt, die besten Inhalte
  • 4:37 - 4:39
    von den besten Universitäten
    kostenlos zu erhalten.
  • 4:39 - 4:42
    Seit dem Launch der Website im Februar
  • 4:42 - 4:46
    hatten wir 640.000 Studierende
    aus 190 Ländern.
  • 4:46 - 4:48
    Es gab 1.5 Millionen Anmeldungen,
  • 4:48 - 4:51
    und in den 15 angebotenen Kursen
    wurden bisher 6 Millionen Quizze
  • 4:51 - 4:56
    eingereicht und 14 Millionen Videos angeschaut.
  • 4:56 - 4:59
    Aber es geht nicht nur um Zahlen,
  • 4:59 - 5:00
    es geht auch um Menschen.
  • 5:00 - 5:03
    So wie Akash, der aus
    einer kleinen indischen Stadt kommt
  • 5:03 - 5:06
    und wohl nie Zugang zu einem
  • 5:06 - 5:07
    hochwertigen Stanford-Kurs gehabt hätte
  • 5:07 - 5:10
    und ihn wohl auch nie hätte bezahlen können.
  • 5:10 - 5:12
    Oder die alleinerziehende
    zweifache Mutter Jenny,
  • 5:12 - 5:14
    die ihre Kenntnisse aufbessern möchte,
  • 5:14 - 5:17
    damit sie ihren Master-Studiengang
    abschließen kann.
  • 5:17 - 5:20
    Das ist Ryan, der nicht zur Universität gehen kann,
  • 5:20 - 5:22
    da seine Tochter an Immundefizienz litt
  • 5:22 - 5:25
    und er nicht riskieren wollte,
    Bakterien ins Haus zu bringen.
  • 5:25 - 5:27
    Deswegen konnte er das Haus nicht verlassen.
  • 5:27 - 5:29
    Es freut mich sehr Ihnen mitzuteilen –
  • 5:29 - 5:31
    wir haben vor kurzem mit Ryan korrespondiert –
  • 5:31 - 5:33
    diese Geschichte hat ein Happyend.
  • 5:33 - 5:35
    Seiner kleinen Tochter
    Shannon – hier links im Bild –
  • 5:35 - 5:36
    geht es viel besser,
  • 5:36 - 5:40
    und Ryan fand einen Job, nachdem
    er einige unserer Kurse belegt hatte.
  • 5:40 - 5:42
    Was war das Besondere an diesen Kursen?
  • 5:42 - 5:46
    Online-Kurse gibt es ja schließlich
    schon eine ganze Weile.
  • 5:46 - 5:50
    Das Besondere war die Erfahrung,
    einen echten Kurs zu belegen.
  • 5:50 - 5:52
    Er begann an einem festgelegten Tag,
  • 5:52 - 5:55
    und ab da schauten die
    Studierenden wöchentlich Videos
  • 5:55 - 5:57
    und machten Hausaufgaben.
  • 5:57 - 5:59
    Diese Hausaufgaben waren echt,
  • 5:59 - 6:02
    mit echten Noten und
    einem echten Abgabetermin.
  • 6:02 - 6:04
    Hier sind die Abgabetermine
    und die Nutzungskurve.
  • 6:04 - 6:06
    Die Spitzen zeigen,
  • 6:06 - 6:10
    dass Prokrastination ein
    weltweites Phänomen ist.
  • 6:10 - 6:13
    (Lachen)
  • 6:13 - 6:14
    Nach Abschluss
    des Kurses erhielten
  • 6:14 - 6:16
    die Studierenden ein Zertifikat.
  • 6:16 - 6:18
    Sie konnten das Zertifikat
  • 6:18 - 6:21
    einer Bewerbung beilegen
    und einen besseren Job bekommen,
  • 6:21 - 6:23
    was viele unserer
    Studierenden gemacht haben.
  • 6:23 - 6:25
    Einige Studierende legten ihr Zertifikat
  • 6:25 - 6:28
    bei ihrer Bildungseinrichtung vor
  • 6:28 - 6:29
    und ihnen wurden dafür
    echte Leistungspunkte angerechnet.
  • 6:29 - 6:32
    Für diese Studierende zahlten sich
  • 6:32 - 6:35
    die investierte Zeit und Mühe aus.
  • 6:35 - 6:37
    Ich möchte nun ein wenig über
  • 6:37 - 6:39
    die Merkmale der Kurse sprechen.
  • 6:39 - 6:42
    Zum einen führt das Fehlen eines
  • 6:42 - 6:44
    wirklichen Unterrichtsraums
  • 6:44 - 6:47
    und die Nutzung von Material,
    das explizit für Online-Formate entworfen wird,
  • 6:47 - 6:49
    beispielsweise zur Loslösung von
  • 6:49 - 6:52
    der starren 60-minütigen Vorlesung.
  • 6:52 - 6:53
    Das Material kann zum Beispiel
  • 6:53 - 6:57
    in kleine, modulare Einheiten von
    8 bis 12 Minuten aufgebrochen werden,
  • 6:57 - 7:00
    die jeweils ein kohärentes Konzept aufweisen.
  • 7:00 - 7:02
    Studierende können das Material
    entsprechend ihres Vorwissens,
  • 7:02 - 7:06
    ihrer Fähigkeiten und ihres Interesses
    auf unterschiedliche Weise bearbeiten.
  • 7:06 - 7:09
    So können manche Studierende von
  • 7:09 - 7:11
    Vorbereitungsmaterialien, die andere
  • 7:11 - 7:13
    Studierende schon besitzen, profitieren.
  • 7:13 - 7:16
    Andere Studierende sind
    vielleicht an Zusatzmaterial
  • 7:16 - 7:19
    interessiert, mit dem sie sich
    genauer befassen möchten.
  • 7:19 - 7:22
    Dieses Format erlaubt es also, von
    dem Bildungsmodell abzukommen,
  • 7:22 - 7:25
    bei dem jeder das Gleiche
    vorgesetzt bekommt.
  • 7:25 - 7:29
    Es erlaubt Studierenden einen stark
    individualisierten Studienplan.
  • 7:29 - 7:31
    Uns Ausbildern ist natürlich klar, dass
  • 7:31 - 7:35
    Studierende nichts lernen, wenn sie
    bloß dasitzen und Videos anschauen.
  • 7:35 - 7:38
    Das wichtigste Merkmal unserer
    Überlegungen ist daher vielleicht,
  • 7:38 - 7:40
    dass wir Studierende anregen müssen,
  • 7:40 - 7:43
    das Material anzuwenden,
  • 7:43 - 7:46
    damit sie es wirklich verstehen.
  • 7:46 - 7:49
    Eine Reihe von Studien belegt
    die Bedeutung von Übungen.
  • 7:49 - 7:52
    Diese erschien letztes Jahr in "Science" und
  • 7:52 - 7:54
    zeigt beispielsweise, dass
    schon einfache Abfragen,
  • 7:54 - 7:57
    bei denen Studierende
    nur wiederholen müssen,
  • 7:57 - 7:59
    was sie schon gelernt haben,
  • 7:59 - 8:01
    zu auffällig verbesserten Ergebnissen
  • 8:01 - 8:03
    bei späteren Leistungstests führt
  • 8:03 - 8:07
    als viele andere Ausbildungsmaßnahmen.
  • 8:07 - 8:10
    Daher haben wir versucht, Abfragen
    und viele andere Übungsformen
  • 8:10 - 8:12
    auf der Plattform zu integrieren.
  • 8:12 - 8:16
    So sind auch unsere Videos
    nicht nur bloß Videos.
  • 8:16 - 8:19
    Das Video wird alle paar Minuten unterbrochen
  • 8:19 - 8:21
    und den Studierenden wird eine Frage gestellt.
  • 8:21 - 8:23
    (Video) SP: Diese vier Aspekte.
    Prospect Theory, hyperbolische Diskontierung,
  • 8:23 - 8:26
    Tendenz zum Status quo, Prävalenzfehler.
    Alle sind gut dokumentiert.
  • 8:26 - 8:29
    Alle sind gut dokumentierte
    Abweichungen des rationalen Verhaltens.
  • 8:29 - 8:30
    DK: Hier unterbricht das Video
  • 8:30 - 8:33
    und die Studierenden tippen
    die Antwort in die Box
  • 8:33 - 8:36
    und senden sie ab. Es ist klar,
    sie haben nicht aufgepasst.
  • 8:36 - 8:37
    (Lachen)
  • 8:37 - 8:39
    Also versuchen sie es noch einmal,
  • 8:39 - 8:41
    und dieses Mal stimmt die Antwort.
  • 8:41 - 8:43
    Auf Wunsch gibt es
    eine optionale Erklärung.
  • 8:43 - 8:48
    Dann geht das Video mit
    dem nächsten Teil weiter.
  • 8:48 - 8:50
    Es mag eine recht
    einfache Frage sein,
  • 8:50 - 8:52
    die ich als Dozentin
    im Kurs stelle,
  • 8:52 - 8:54
    aber wenn ich so etwas im Kurs frage,
  • 8:54 - 8:56
    sind 80% der Studierenden immer noch
  • 8:56 - 8:57
    damit beschäftigt, meine
    letzten Worte zu notieren,
  • 8:57 - 9:01
    15% sind abgelenkt von Facebook
  • 9:01 - 9:03
    und dann gibt es diesen
    Besserwisser in der ersten Reihe,
  • 9:03 - 9:05
    der die Antwort heraus posaunt,
  • 9:05 - 9:07
    bevor irgendjemand sonst die Möglichkeit hatte,
    darüber nachzudenken,
  • 9:07 - 9:10
    und ich als Dozentin bin super glücklich,
  • 9:10 - 9:11
    dass tatsächlich jemand die Antwort wusste.
  • 9:11 - 9:14
    Und die Vorlesung geht weiter, bevor
  • 9:14 - 9:18
    die meisten Studierenden überhaupt gemerkt haben,
    dass eine Frage gestellt worden ist.
  • 9:18 - 9:20
    Hier muss sich jeder einzelne Studierende
  • 9:20 - 9:23
    mit dem Material befassen.
  • 9:23 - 9:25
    Diese einfachen Abfragen sind natürlich nicht
  • 9:25 - 9:27
    das Ende vom Lied.
  • 9:27 - 9:30
    Es müssen viel mehr sinnvolle
    Übungsaufgaben eingebaut werden,
  • 9:30 - 9:32
    und die Studierenden müssen Feedback
  • 9:32 - 9:34
    zu diesen Übungsaufgaben erhalten.
  • 9:34 - 9:36
    Doch wie kann man die Übungen
    von 100.000 Studierenden bewerten,
  • 9:36 - 9:40
    wenn nicht 10.000 Tutoren zur Verfügung stehen?
  • 9:40 - 9:42
    Die Lösung – wir müssen Technologie benutzen,
  • 9:42 - 9:43
    um dies zu bewerkstelligen.
  • 9:43 - 9:46
    Glücklicherweise hat sich
    die Technologie weit entwickelt,
  • 9:46 - 9:49
    und wir können heutzutage eine ganze Reihe
    von interessanten Aufgabentypen bewerten.
  • 9:49 - 9:51
    Zusätzlich zu Multiple Choice
  • 9:51 - 9:54
    und den kompakten Frage-Antwort-Aufgaben
    aus dem Video
  • 9:54 - 9:57
    können wir auch Mathematik,
    mathematische Begriffe
  • 9:57 - 9:59
    und auch mathematische Abweichungen bewerten.
  • 9:59 - 10:02
    Wir können Modelle bewerten, egal ob
  • 10:02 - 10:04
    Finanzmodelle in einem Wirtschaftskurs
  • 10:04 - 10:07
    oder physikalische Modelle in einem natur-
    oder ingenieurwissenschaftlichen Kurs.
  • 10:07 - 10:11
    Wir können ebenso einige sehr komplizierte Programmieraufgaben bewerten.
  • 10:11 - 10:13
    Das hier ist wirklich ziemlich einfach
  • 10:13 - 10:14
    und sehr anschaulich.
  • 10:14 - 10:17
    Informatik-Studierende aus dem Stanford Kurs 101
  • 10:17 - 10:18
    sollen die Farben
  • 10:18 - 10:20
    des verschwommenen roten Bilds korrigieren.
  • 10:20 - 10:22
    Sie tippen ihre Antwort in den Browser,
  • 10:22 - 10:26
    und sie sehen, die Antwort ist nicht ganz richtig,
    die Freiheitsstatue ist noch ein wenig seekrank.
  • 10:26 - 10:30
    Also versuchen es die Studierenden noch einmal
    und nun klappt es. Sie bekommen grünes Licht
  • 10:30 - 10:32
    und können die nächste Aufgabe beginnen.
  • 10:32 - 10:35
    Die Möglichkeit, aktiv mit
    dem Material zu interagieren
  • 10:35 - 10:37
    und zu wissen, ob man falsch oder richtig liegt,
  • 10:37 - 10:40
    ist eine elementare Lernerfahrung.
  • 10:40 - 10:42
    Es ist klar, dass wir noch nicht
  • 10:42 - 10:45
    den gesamten Umfang an Aufgaben
    für alle Kurse bewerten können.
  • 10:45 - 10:49
    Insbesondere fehlt es noch
    an kritischer Denkweise,
  • 10:49 - 10:50
    die so elementar für Bereiche wie
  • 10:50 - 10:54
    Geistes-, Sozialwissenschaften,
    Wirtschaft und so weiter ist.
  • 10:54 - 10:56
    So wollten wir einige unserer Kollegen der
  • 10:56 - 10:58
    Geisteswissenschaften überzeugen,
  • 10:58 - 11:01
    dass Multiple Choice keine so schlechte Sache ist.
  • 11:01 - 11:03
    Das hat nicht wirklich gut geklappt.
  • 11:03 - 11:05
    Wir mussten alternative Lösungen finden.
  • 11:05 - 11:08
    So kamen wir schlussendlich zur Peer-Bewertung.
  • 11:08 - 11:11
    Frühere Untersuchungen wie die von Saddler
  • 11:11 - 11:12
    und Good hatten festgestellt,
  • 11:12 - 11:15
    dass Peer-Bewertung ein
    erstaunlich effektiver Weg ist,
  • 11:15 - 11:18
    reproduzierbare Bewertungen zu erhalten.
  • 11:18 - 11:20
    Es wurde nur in kleinen Kursen getestet,
  • 11:20 - 11:21
    doch dort zeigte sich z. B.,
  • 11:21 - 11:24
    dass die Bewertung durch
    die Studierenden auf der y-Achse
  • 11:24 - 11:25
    ziemlich genau denen der Dozenten
  • 11:25 - 11:27
    auf der x-Achse entsprachen.
  • 11:27 - 11:31
    Noch erstaunlicher ist,
    dass Selbstbewertung,
  • 11:31 - 11:33
    wo Studierende also ihre
    eigenen Aufgaben kritisch prüfen –
  • 11:33 - 11:35
    so lange Sie ihnen
    einen passenden Anreiz bieten,
  • 11:35 - 11:37
    so dass sie sich selbst
    nicht die volle Punktzahl geben –
  • 11:37 - 11:40
    noch genauer mit den Bewertungen
    des Dozenten übereinstimmen.
  • 11:40 - 11:41
    Dies ist also ein wirkungsvoller Weg,
  • 11:41 - 11:44
    um in diesem Umfang zu bewerten,
  • 11:44 - 11:46
    und es ist eine sehr gute Lernstrategie
    für Studierende,
  • 11:46 - 11:49
    denn sie lernen von dieser Erfahrung.
  • 11:49 - 11:53
    Wir haben also die größte jemals
    erdachte Peer-Bewertung-Abfolge,
  • 11:53 - 11:56
    in der abertausende Studierende
  • 11:56 - 11:57
    gegenseitig die Aufgaben bewerten,
  • 11:57 - 12:00
    und zwar – offen gesagt – sehr erfolgreich.
  • 12:00 - 12:02
    Doch das alles dreht sich
    nicht nur um Studierende,
  • 12:02 - 12:05
    die allein zu Hause hocken und
    sich durch Aufgaben arbeiten.
  • 12:05 - 12:07
    Zu jedem Kurs
  • 12:07 - 12:09
    haben sich Gruppen
    von Studierenden formiert,
  • 12:09 - 12:11
    eine globale Menschengruppe
  • 12:11 - 12:14
    versammelte sich um eine
    intellektuelle Herausforderung.
  • 12:14 - 12:16
    Das hier ist eine selbst gestaltete Karte
  • 12:16 - 12:19
    von Studierenden des
    Princeton-Kurses Soziologie 101,
  • 12:19 - 12:22
    in dem sie sich auf einer
    Weltkarte markiert haben,
  • 12:22 - 12:25
    und man kann wirklich die weltumspannende
    Reichweite dieser Sache sehen.
  • 12:25 - 12:30
    In diesen Kursen haben Studierende
    auf verschiedenste Arten zusammen gearbeitet.
  • 12:30 - 12:32
    Zuallererst gab es ein
    Frage-Antwort-Forum,
  • 12:32 - 12:34
    in dem Studierende Fragen stellten,
  • 12:34 - 12:37
    und andere Studierende
    beantworteten diese.
  • 12:37 - 12:38
    Das wirkliche Tolle ist:
  • 12:38 - 12:40
    Es gab so viele Studierende,
  • 12:40 - 12:42
    und wenn ein Studierender eine Frage
  • 12:42 - 12:44
    um drei Uhr morgens stellte,
  • 12:44 - 12:46
    gab es irgendwo auf der Welt
  • 12:46 - 12:48
    jemanden, der wach war
  • 12:48 - 12:50
    und an der gleichen Aufgabe saß.
  • 12:50 - 12:52
    So kam es in vielen
    unserer Kurse dazu,
  • 12:52 - 12:54
    dass die durchschnittliche
    Reaktionszeit bei einer Frage
  • 12:54 - 12:58
    in einem Frage-Antwort-Forum
    bei 22 Minuten lag.
  • 12:58 - 13:02
    Ich konnte so einen Service meinen
    Studierenden bei Stanford nie bieten.
  • 13:02 - 13:04
    (Lachen)
  • 13:04 - 13:06
    Die Aussagen der Studierenden
    besagen folgendes:
  • 13:06 - 13:07
    Sie sind der Meinung,
  • 13:07 - 13:10
    dass sie sich aufgrund der
    großen Online-Gemeinschaft
  • 13:10 - 13:12
    auf vielerlei Arten miteinander
    austauschen konnten,
  • 13:12 - 13:17
    und das war intensiver als zu
    gleicher Gelegenheit im Kursraum.
  • 13:17 - 13:19
    Studierende organisierten sich auch
  • 13:19 - 13:21
    ohne unser Zutun
  • 13:21 - 13:23
    in kleinen Studiengruppen.
  • 13:23 - 13:25
    Einige waren reale Studiengruppen
  • 13:25 - 13:27
    mit geographischen Beschränkungen,
  • 13:27 - 13:30
    und sie trafen sich einmal pro Woche,
    um die Aufgaben durchzuarbeiten.
  • 13:30 - 13:32
    Das ist die Studiengruppe in San Francisco,
  • 13:32 - 13:34
    doch es gab sie überall auf der Welt.
  • 13:34 - 13:36
    Andere waren
    virtuelle Studiengruppen,
  • 13:36 - 13:39
    organisiert nach
    Sprachen oder Kulturen,
  • 13:39 - 13:40
    und hier unten links
  • 13:40 - 13:44
    sehen Sie unsere multikulturelle,
    universelle Studiengruppe
  • 13:44 - 13:46
    mit Menschen, die explizit
    mit Menschen aus anderen
  • 13:46 - 13:49
    Kulturen Kontakt aufnehmen wollten.
  • 13:49 - 13:51
    Aus diesem Gefüge ergaben sich
  • 13:51 - 13:54
    einige bedeutende Möglichkeiten.
  • 13:54 - 13:58
    Zuallererst ermöglicht es uns,
  • 13:58 - 14:00
    einen beispiellosen Einblick auf das
  • 14:00 - 14:03
    menschliche Lernen zu bekommen.
  • 14:03 - 14:06
    Die Daten, die wir hier gewinnen,
    sind nämlich einzigartig.
  • 14:06 - 14:10
    Man kann jeden Klick,
    jede Einsendung von Hausaufgaben,
  • 14:10 - 14:15
    jeden Foren-Beitrag von Tausenden
    von Studierenden sammeln.
  • 14:15 - 14:17
    Man kann also bei der Untersuchung
    des menschlichen Lernens
  • 14:17 - 14:19
    vom hypothetischen Modus
  • 14:19 - 14:22
    zum datenbasierten Modus wechseln.
    Das ist eine Transformation,
  • 14:22 - 14:25
    die zum Beispiel die
    Biologie revolutionierte.
  • 14:25 - 14:28
    Man kann die Daten verwenden und
    solch fundamentale Fragen beantworten wie
  • 14:28 - 14:30
    den Unterschied zwischen
    guten Lernstrategien und
  • 14:30 - 14:33
    solchen, die nicht effektiv sind.
  • 14:33 - 14:35
    Im Bezug auf bestimmte Kurse
  • 14:35 - 14:37
    kann man sich fragen,
  • 14:37 - 14:40
    welche die häufigsten
    Missverständnisse sind und wie
  • 14:40 - 14:42
    man den Studierenden helfen kann,
    diese zu beheben.
  • 14:42 - 14:43
    Hier ist ein Beispiel,
  • 14:43 - 14:45
    das auch aus Andrews Kurs
    zum maschinellem Lernen stammt.
  • 14:45 - 14:48
    Hier sehen wir die Verteilung
    der falschen Antworten
  • 14:48 - 14:49
    bei einer von Andrews Aufgaben.
  • 14:49 - 14:51
    Die Antwort sind ein paar Zahlen,
  • 14:51 - 14:53
    also kann man sie in dieser
    zweidimensionalen Grafik eintragen.
  • 14:53 - 14:57
    Jedes kleine Kreuz ist eine
    andere, falsche Antwort.
  • 14:57 - 15:00
    Das große Kreuz oben links zeigt,
  • 15:00 - 15:02
    dass 2000 Studierende
  • 15:02 - 15:05
    die gleiche falsche Antwort gaben.
  • 15:05 - 15:07
    Wenn zwei Studierende unter 100
  • 15:07 - 15:08
    die gleiche falsche Antwort gäben,
  • 15:08 - 15:10
    würde man es niemals wahrnehmen.
  • 15:10 - 15:12
    Aber wenn 2000 Studierende
    die gleiche falsche Antwort geben,
  • 15:12 - 15:14
    ist es schwer zu übersehen.
  • 15:14 - 15:16
    Andrew schaute sich also mit seinen
  • 15:16 - 15:18
    Studierenden ein paar Aufgaben an.
  • 15:18 - 15:22
    Sie erkannten den Grund
    für das Missverständnis
  • 15:22 - 15:24
    und dann formulierten sie
    eine passgenaue Fehlermeldung,
  • 15:24 - 15:27
    die alle Studierende erreichte,
  • 15:27 - 15:29
    deren Antwort diesen Fehler aufwies.
  • 15:29 - 15:31
    Das bedeutet, dass Studierende,
    die den gleichen Fehler machten,
  • 15:31 - 15:33
    nun ein personalisiertes Feedback erhielten
  • 15:33 - 15:37
    und viel exakter erfuhren,
    wie sie das Missverständnis beheben konnten.
  • 15:37 - 15:41
    Diese Personalisierung ist etwas, das man
  • 15:41 - 15:44
    durch große Zahlen aufbauen kann.
  • 15:44 - 15:46
    Personalisierung ist dabei vielleicht
  • 15:46 - 15:49
    eine der besten Gelegenheiten,
  • 15:49 - 15:51
    denn sie ermöglicht uns, ein
  • 15:51 - 15:54
    30 Jahre altes Rätsel zu lösen.
  • 15:54 - 15:57
    1984 veröffentlichte der
    Bildungsforscher Benjamin Bloom
  • 15:57 - 16:00
    etwas, das '2-Sigma-Problem' heißt.
  • 16:00 - 16:03
    Er beobachtete dies bei drei Populationen.
  • 16:03 - 16:06
    Die erste Population
    studierte vorlesungsbasiert.
  • 16:06 - 16:09
    Die zweite Studierendenpopulation lernte
  • 16:09 - 16:11
    vorlesungsbasiert,
  • 16:11 - 16:13
    doch basierend auf dem Konzept des Könnens,
  • 16:13 - 16:15
    sodass Studierende nur mit dem
    nächsten Thema beginnen konnten,
  • 16:15 - 16:18
    wenn sie ihr Können beim vorherigen
    unter Beweis gestellt hatten.
  • 16:18 - 16:20
    Schließlich gab es noch
    eine Studierendenpopulation,
  • 16:20 - 16:25
    die persönlich durch
    einen Tutor betreut wurde.
  • 16:25 - 16:28
    Die könnenbasierte Population
    wies die Standard-Abweichung, d. h.
  • 16:28 - 16:30
    Sigma, auf, denn ihre Leistungen waren besser
  • 16:30 - 16:33
    als im regulären, vorlesungsbasierten Kurs.
  • 16:33 - 16:35
    Die individuelle Betreuung ergibt eine Verbesserung
  • 16:35 - 16:37
    der Leistung von 2 Sigma.
  • 16:37 - 16:38
    Um zu verstehen, was das bedeutet,
  • 16:38 - 16:40
    schauen wir uns den
    vorlesungsbasierten Kurs an
  • 16:40 - 16:43
    und nehmen die durchschnittliche
    Leistung als Schwellenwert.
  • 16:43 - 16:44
    In dem vorlesungsbasiertem
    Kurs sind nun also
  • 16:44 - 16:48
    die Hälfte der Studierenden über diesem Wert
    und die andere Hälfte darunter.
  • 16:48 - 16:50
    Bei der individuellen Betreuung
  • 16:50 - 16:55
    sind 98% der Studierenden
    über dem Schwellenwert.
  • 16:55 - 16:59
    Stellen Sie sich vor, wir könnten so unterrichten,
    dass 98% der Studierenden
  • 16:59 - 17:01
    überdurchschnittlich wären.
  • 17:01 - 17:05
    Deswegen das 2-Sigma-Problem,
  • 17:05 - 17:07
    denn wir können es uns als
    Gesellschaft nicht leisten,
  • 17:07 - 17:10
    jedem Studierenden einen
    menschlichen Tutor zur Seite zu stellen.
  • 17:10 - 17:12
    Doch vielleicht können wir es uns leisten,
    jedem Studierenden
  • 17:12 - 17:14
    einen Computer oder ein
    Smartphone zu verschaffen.
  • 17:14 - 17:17
    Die Frage ist also, wie wir
    Technologie nutzen können,
  • 17:17 - 17:20
    um von der linken Seite des Graphen,
    von der blauen Kurve,
  • 17:20 - 17:23
    zur rechten Seite mit der
    grünen Kurve zu drängen?
  • 17:23 - 17:25
    Können kann mithilfe eines
    Computers leicht erreicht werden,
  • 17:25 - 17:26
    denn Computer ermüden nicht,
  • 17:26 - 17:30
    wenn sie ein Video fünf Mal zeigen.
  • 17:30 - 17:33
    Ebenso ermüden sie nicht, wenn sie
    eine Arbeit viele Male bewerten.
  • 17:33 - 17:36
    Das haben wir bei etlichen Beispielen
    gesehen, die ich vorgestellt habe.
  • 17:36 - 17:38
    Wir sehen sogar den Beginn von
  • 17:38 - 17:40
    Personalisierung,
  • 17:40 - 17:43
    entweder durch einen
    personalisierten Studienplan
  • 17:43 - 17:46
    oder durch personalisiertes Feedback,
    dass wir Ihnen zeigten.
  • 17:46 - 17:49
    Das Ziel ist dabei also zu
    versuchen und zu drängen,
  • 17:49 - 17:52
    und zu sehen, wie weit wir in Richtung
    der grünen Kurve kommen können.
  • 17:52 - 17:58
    Nun – wenn dies so grandios ist,
    sind Universitäten nun obsolet?
  • 17:58 - 18:01
    Tja, Mark Twain dachte das jedenfalls.
  • 18:01 - 18:03
    Er sagte: "Das College ist ein Ort, an dem
    die Vorlesungsnotizen des Professors
  • 18:03 - 18:05
    direkt in die Vorlesungsnotizen
    der Studierenden gehen,
  • 18:05 - 18:07
    ohne durch das Gehirn des einen
    oder anderen gegangen zu sein."
  • 18:07 - 18:11
    (Lachen)
  • 18:11 - 18:14
    Ich bin jedoch anderer Ansicht als Mark Twain.
  • 18:14 - 18:17
    Denn meiner Meinung nach
    beschwert er sich nicht über
  • 18:17 - 18:19
    Universitäten, sondern vielmehr über
    das vorlesungsbasierte Format,
  • 18:19 - 18:22
    auf das viele Universitäten viel Zeit verwenden.
  • 18:22 - 18:25
    Gehen wir noch weiter zurück zu Plutarch,
  • 18:25 - 18:28
    der sagte: "Der Verstand ist kein Gefäß,
    das gefüllt werden muss,
  • 18:28 - 18:30
    sondern Holz, das entfacht werden muss."
  • 18:30 - 18:32
    Vielleicht sollten wir weniger Zeit an den
    Universitäten damit verbringen,
  • 18:32 - 18:34
    den Verstand unserer Studierenden
    in Vorlesungen
  • 18:34 - 18:38
    mit Inhalt zu füllen, sondern viel eher
    ihre Kreativität entfachen,
  • 18:38 - 18:41
    ihre Vorstellungskraft und
    ihre Problemlösungsfähigkeiten,
  • 18:41 - 18:44
    indem wir tatsächlich mit ihnen reden.
  • 18:44 - 18:45
    Wie können wir das erreichen?
  • 18:45 - 18:49
    Wir schaffen das, indem wir
    aktives Lernen im Kursraum fördern.
  • 18:49 - 18:51
    Es gibt zahlreiche Studien,
    wie diese hier,
  • 18:51 - 18:53
    die zeigen, dass die Anwendung
    von aktivem Lernen,
  • 18:53 - 18:56
    von Interaktion mit Studierenden
    im Kursraum,
  • 18:56 - 18:58
    die Leistung in jedem
    Bereich verbessert –
  • 18:58 - 19:01
    Anwesenheit, Beteiligung und Lernen,
  • 19:01 - 19:03
    wie durch einen
    standardisierten Test bewiesen.
  • 19:03 - 19:05
    So kann man etwa sehen,
    wie der Wert für Leistung
  • 19:05 - 19:08
    sich fast verdoppelt
    in diesem Experiment.
  • 19:08 - 19:12
    Vielleicht sollten wir so unsere Zeit
    an den Universitäten verwenden.
  • 19:12 - 19:17
    Zusammenfassend lässt sich fragen:
    Was würde passieren,
  • 19:17 - 19:18
    wenn wir jedem auf der Welt
  • 19:18 - 19:21
    hochwertige Bildung bieten könnten.
    Drei Dinge.
  • 19:21 - 19:25
    Erstens würde Bildung als
    fundamentales Menschenrecht etabliert
  • 19:25 - 19:26
    und jeder Mensch auf der Welt,
  • 19:26 - 19:28
    der die Fähigkeit und die Motivation besitzt,
  • 19:28 - 19:30
    könnte sich die Fertigkeiten
    aneignen, die man braucht,
  • 19:30 - 19:31
    um ein besseres Leben zu
    erreichen, für sich selbst,
  • 19:31 - 19:34
    die Familie und die Gemeinschaft.
  • 19:34 - 19:36
    Zweitens würde es lebenslanges
    Lernen ermöglichen.
  • 19:36 - 19:38
    Es ist eine Schande,
    dass so viele Menschen
  • 19:38 - 19:41
    nicht mehr weiter lernen, wenn sie die
    Schule oder Hochschule abschliessen.
  • 19:41 - 19:44
    Wenn diese großartigen
    Informationen zugängig wären,
  • 19:44 - 19:47
    könnten wir immer dann
    etwas Neues lernen,
  • 19:47 - 19:48
    wann immer wir wollten,
  • 19:48 - 19:49
    sei es um den Verstand zu erweitern
  • 19:49 - 19:51
    oder unser Leben zu verändern.
  • 19:51 - 19:54
    Schließlich würden wir eine
    Innovationswelle auslösen,
  • 19:54 - 19:57
    denn tolle Talente gibt es überall.
  • 19:57 - 20:00
    Vielleicht lebt der nächste Albert Einstein
    oder der nächste Steve Jobs
  • 20:00 - 20:03
    irgendwo in einem entlegenen
    afrikanischen Dorf.
  • 20:03 - 20:06
    Wenn wir dieser Person
    Bildung bieten könnten,
  • 20:06 - 20:08
    könnte sie die nächste
    große Idee haben
  • 20:08 - 20:10
    und die Welt dadurch für
    uns alle verbessern.
  • 20:10 - 20:11
    Vielen Dank.
  • 20:11 - 20:19
    (Applaus)
Title:
Daphne Koller: Was wir vom Online-Lernen lernen
Speaker:
Daphne Koller
Description:

Daphne Koller verführt Top-Universitäten, ihre faszinierendsten Kurse kostenlos online zu stellen – nicht bloß als Service, sondern als Weg, das menschliche Lernverhalten zu untersuchen. Jeder Tastenanschlag, jedes Verständnisquiz, Peer-to-Peer-Forum-Diskussionen und selbstbewertete Hausaufgaben ergeben einen noch nie dagewesenen Datenpool nicht nur zu der Frage, wie Wissen verarbeitet wird, sondern vor allem, wie es absorbiert wird.

more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
20:40

German subtitles

Revisions