Flest námsmyndbönd á YouTube eru ekki hönnuð til náms. Þau hafa innganga, styrktaraðilaauglýsingar, útúrdúra og engin kaflamerki. Sumir fyrirlestrar eru 90 mínútur af einu myndavélarhorni sem beinist að tússtöflu. Tól Scholarly sem breytir YouTube í myndfyrirlestra lagar þetta. Límdu inn tengil og gervigreindin skrifar upp allt myndbandið, fjarlægir óþarfa efni, skiptir efninu í rökrétta kafla og dregur fram hugtökin sem skipta námsmann raunverulega máli.
Útkoman er vandaður námsfyrirlestur í Scholarly: myndband með nýrri talsetningu, skýrri kaflaskiptingu, samstilltri uppskrift, spjöldum með lykilhugtökum í hliðarstikunni og upprunalega YouTube-myndbandinu aðeins einum smelli frá. Upplifunin líkist síður því að horfa á tilviljanakennt myndband og meira því að fara í gegnum námsþátt sem einhver útbjó sérstaklega fyrir þig.
Þú notar líklega þegar YouTube í náminu: 3Blue1Brown fyrir stærðfræði, Crash Course fyrir sögu, Organic Chemistry Tutor fyrir lífræna efnafræði og Andrew Ng fyrir vélanám. Vandinn er að áhorf er ekki það sama og nám. Að ýta á spilun virðist afkastamikið, en viku síðar manstu nánast ekkert. Með því að breyta YouTube-myndbandi í Scholarly-fyrirlestur færðu leitarbæra uppskrift, kafla sem þú getur farið aftur í án þess að spóla og gervigreindarkennara sem þú getur spurt „bíddu, hvað átti hann við með SN2?“ án þess að missa þráðinn.
Það gerir löng myndbönd líka nýtileg. Ógerlegt er að horfa aftur á 2 klukkustunda Stanford-fyrirlestur fyrir próf. Sami fyrirlestur, skipt í 12 kafla með uppskrift og námskortum, verður að 20 mínútna upprifjun sem þú getur í raun farið yfir kvöldið fyrir próf.
Öll fræðslumyndbönd á YouTube virka: fyrirlestrar frá MIT OpenCourseWare, Khan Academy, Crash Course, TED-Ed, Veritasium, 3Blue1Brown, Organic Chemistry Tutor, Professor Leonard, Eddie Woo, Kurzgesagt, auk háskólarása og ráðstefnuerinda. Myndbönd á erlendum tungumálum eru líka studd: gervigreindin skrifar upp upprunalega hljóðið og þú getur beðið hana um samantekt á ensku eða hvaða öðru tungumáli sem er.
Leiðbeininga- og forritunarmyndbönd henta mjög vel. Settu inn heilt námskeið frá freeCodeCamp og Scholarly skiptir því í kafla eftir efni svo þú getir fundið kaflann um async/await án þess að spóla í gegnum sex klukkustundir. Heimildarmyndir og ráðstefnuerindi (NeurIPS, JSConf, Google I/O) virka líka. Uppskriftin breytir þeim í leitarbært uppflettiefni.
Þegar YouTube-myndbandinu þínu hefur verið breytt í Scholarly-fyrirlestur er restin af námsferlinu aðeins einum smelli frá. Búðu til námskortastokk úr myndbandinu og gervigreindin dregur allar skilgreiningar, formúlur og dæmi út í spurninga- og svarspjöld. Búðu til próf og gervigreindin skrifar fjölvalsspurningar og opnar spurningar um efni myndbandsins, metur síðan svörin þín og útskýrir hvað var rangt.
Þetta er allt ferlið: YouTube-tengill → skipulegur fyrirlestur → námskort → æfingapróf. Þú getur gert þetta fyrir hvert myndband á listanum þínum til að horfa á síðar og breytt 40 myndbanda biðlista í raunverulega námsáætlun.
Hægt er að deila fyrirlestrum sem eru búnir til með einum tengli. Ef námshópurinn þinn skiptir með sér námskeiði á YouTube getur hver og einn umbreytt tveimur eða þremur myndböndum og deilt Scholarly-fyrirlestrinum sínum. Þá fær allur hópurinn skipulegar glósur, uppskriftir og námskort fyrir allt námskeiðið, án þess að nokkur þurfi að horfa aftur á það sem hinir hafa þegar farið yfir.
