La majoria de vídeos d’estudi de YouTube no estan pensats per estudiar. Tenen introduccions, missatges de patrocinadors, digressions i cap marcador de capítol. Algunes classes són 90 minuts d’una càmera fixa enfocant una pissarra. L’eina de Scholarly per convertir YouTube en videoclasses ho resol. Enganxa un enllaç i la IA transcriurà tot el vídeo, eliminarà el contingut de farciment, dividirà el contingut en capítols lògics i n’extraurà els conceptes que realment importen per a un estudiant.
El resultat és una classe d’estudi ben elaborada dins de Scholarly: un vídeo amb una nova narració, capítols clars, una transcripció sincronitzada, fitxes de termes clau a la barra lateral i la font original de YouTube a un clic. S’assembla menys a mirar un vídeo qualsevol i més a seguir un mòdul d’un curs que algú ha creat expressament per a tu.
Probablement ja fas servir YouTube per estudiar: 3Blue1Brown per a matemàtiques, Crash Course per a història, Organic Chemistry Tutor per a química orgànica i Andrew Ng per a aprenentatge automàtic. El problema és que mirar no és estudiar. Prémer el botó de reproducció sembla productiu, però una setmana després gairebé no recordes res. Convertir un vídeo de YouTube en una classe de Scholarly et dona una transcripció on pots cercar, capítols que pots tornar a consultar sense buscar el punt a la barra de reproducció i un tutor amb IA a qui pots preguntar «un moment, què volia dir amb SN2?» sense perdre el fil.
També fa que els vídeos llargs siguin aprofitables. És impossible tornar a mirar una classe de Stanford de 2 hores abans d’un examen. La mateixa classe, estructurada en 12 capítols amb transcripció i targetes d’estudi, es converteix en un repàs de 20 minuts que sí que pots fer la nit abans d’una prova.
Qualsevol vídeo educatiu de YouTube funciona: classes de MIT OpenCourseWare, Khan Academy, Crash Course, TED-Ed, Veritasium, 3Blue1Brown, Organic Chemistry Tutor, Professor Leonard, Eddie Woo i Kurzgesagt, a més de canals universitaris i ponències. També s’admeten vídeos en altres idiomes: la IA transcriu l’àudio original i li pots demanar que el resumeixi en anglès o en qualsevol altre idioma.
Els tutorials i els vídeos de programació funcionen molt bé. Introdueix un curs complet de freeCodeCamp i Scholarly el dividirà en capítols per temes perquè puguis trobar la secció sobre async/await sense haver de buscar entre sis hores de vídeo. Els documentals i les ponències de congressos com NeurIPS, JSConf i Google I/O també funcionen: la transcripció els converteix en material de consulta amb cerca.
Un cop el vídeo de YouTube s’ha convertit en una classe de Scholarly, la resta del procés d’estudi és a un clic. Genera un conjunt de targetes d’estudi a partir del vídeo i la IA extraurà cada definició, fórmula i exemple per crear targetes de preguntes i respostes. Genera un examen i la IA redactarà preguntes de resposta múltiple i de resposta oberta sobre el vídeo, després corregirà les teves respostes i t’explicarà en què t’has equivocat.
Aquest és el procés complet: enllaç de YouTube → classe estructurada → targetes d’estudi → examen de pràctica. Ho pots fer amb cada vídeo de la llista «Mira més tard» i convertir 40 vídeos pendents en un programa d’estudi real.
Les classes generades es poden compartir amb un sol enllaç. Si el teu grup d’estudi es reparteix un curs de YouTube, cada persona pot convertir dos o tres vídeos, compartir la seva classe de Scholarly i tot el grup acabarà tenint apunts estructurats, transcripcions i targetes d’estudi de tot el curs, sense que ningú hagi de tornar a mirar el que els companys ja han treballat.
