ABOUT THE SPEAKERS
Beau Lotto - Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system.

Why you should listen

"Let there be perception," was evolution's proclamation, and so it was that all creatures, from honeybees to humans, came to see the world not as it is, but as was most useful. This uncomfortable place--where what an organism's brain sees diverges from what is actually out there--is what Beau Lotto and his team at Lottolab are exploring through their dazzling art-sci experiments and public illusions. Their Bee Matrix installation, for example, places a live bee in a transparent enclosure where gallerygoers may watch it seek nectar in a virtual meadow of luminous Plexiglas flowers. (Bees, Lotto will tell you, see colors much like we humans do.) The data captured isn't just discarded, either: it's put to good use in probing scientific papers, and sometimes in more exhibits.

At their home in London’s Science Museum, the lab holds "synesthetic workshops" where kids and adults make abstract paintings that computers interpret into music, and they host regular Lates--evenings of science, music and "mass experiments." Lotto is passionate about involving people from all walks of life in research on perception--both as subjects and as fellow researchers. One such program, called "i,scientist," in fact led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," December 2010). It starts, "Once upon a time ..."

These and Lotto's other conjurings are slowly, charmingly bending the science of perception--and our perceptions of what science can be.

More profile about the speaker
Beau Lotto | Speaker | TED.com
Amy O'Toole - Student
Amy O'Toole is a 12-year-old student who helped run a science experiment inspired by Beau Lotto's participative science approach. At age 10 she became one of the youngest people ever to publish a peer-reviewed science paper.

Why you should listen

Amy O'Toole is a 12-year-old student with a peer-reviewed scientific publication under her belt. She took part in a participative science program led by Beau Lotto , called "i, scientist," which inspired a science experiment by a group of 26 primary school students in Blackawton, Devon, UK. O'Toole was never interested in science before this project, but now intends to study the human mind and body. The project led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," Royal Society's Biology Letters, December 2010). It starts: "Once upon a time ... ."

More profile about the speaker
Amy O'Toole | Speaker | TED.com
TEDGlobal 2012

Beau Lotto + Amy O'Toole: Science is for everyone, kids included

Beau Lotto + Amy O’Toole: La scienza è per tutti, bambini compresi.

Filmed:
1,504,898 views

Che cos'hanno in comune la scienza e il gioco? Il neuroscienziato Beau Lotto ritiene che tutti (bambini compresi) debbano poter fare scienza e, tramite il processo della scoperta, modificare le percezioni. È affiancato dalla dodicenne Amy O'Toole, che, insieme a 25 compagni di classe, ha pubblicato il primo articolo peer-review scritto da bambini delle elementari, sul progetto delle api di Blackawton. Inizia così: "C'era una volta..."
- Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system. Full bio - Student
Amy O'Toole is a 12-year-old student who helped run a science experiment inspired by Beau Lotto's participative science approach. At age 10 she became one of the youngest people ever to publish a peer-reviewed science paper. Full bio

Double-click the English transcript below to play the video.

00:17
BeauBeau LottoLotto: So, this gamegioco is very simplesemplice.
0
1487
2169
Beau Lotto: Questo gioco è semplicissimo.
00:19
All you have to do is readleggere what you see. Right?
1
3656
4047
Dovete leggere quello che vedete. Ok?
00:23
So, I'm going to countcontare to you, so we don't all do it togetherinsieme.
2
7703
3201
Conterò per voi, così non dobbiamo farlo tutti.
00:26
Okay, one, two, threetre.AudiencePubblico: Can you readleggere this?
3
10904
2499
Uno, due, tre. Pubblico: "Can you read this?"
00:29
BLBL: AmazingIncredibile. What about this one? One, two, threetre.AudiencePubblico: You are not readinglettura this.
4
13403
4379
BL: Fantastico. E questo? Uno, due, tre. Pubblico: "You are not reading this."
00:33
BLBL: All right. One, two, threetre. (LaughterRisate)
5
17782
5316
BL: Molto bene. Uno, due, tre. (Risate)
00:38
If you were PortuguesePortoghese, right? How about this one? One, two, threetre.
6
23098
4797
Se foste portoghesi. E questo? Uno, due, tre.
00:43
AudiencePubblico: What are you readinglettura?
7
27895
1978
Pubblico: "What are you reading?"
00:45
BLBL: What are you readinglettura? There are no wordsparole there.
8
29873
3458
BL: "What are you reading?" Non ci sono parole, lì.
00:49
I said, readleggere what you're seeingvedendo. Right?
9
33331
2537
Vi ho detto di leggere quello che vedete. Giusto?
00:51
It literallyletteralmente saysdice, "WatWat arAR ouou reaRea in?" (LaughterRisate) Right?
10
35868
3850
Alla lettera dice: "Wat ar ou rea in?" (Risate) Giusto?
00:55
That's what you should have said. Right? Why is this?
11
39718
3828
Ecco cosa dovevate dire. Giusto? Perché?
00:59
It's because perceptionpercezione is groundedterra in our experienceEsperienza.
12
43546
3536
Perché la percezione è radicata nella nostra esperienza.
01:02
Right? The braincervello takes meaninglesssenza senso informationinformazione
13
47082
2897
La mente prende informazioni prive di senso
01:05
and makesfa meaningsenso out of it, whichquale meanssi intende we never see
14
49979
2959
e dà loro un senso; non vediamo mai
01:08
what's there, we never see informationinformazione,
15
52938
2256
quello che c'è, non vediamo mai l'informazione
01:11
we only ever see what was usefulutile to see in the pastpassato.
16
55194
3275
vediamo solo quello che era utile vedere nel passato.
01:14
All right? WhichChe meanssi intende, when it comesviene to perceptionpercezione,
17
58469
2736
Questo significa che, quando si tratta di percezioni,
01:17
we're all like this frograna.
18
61205
6795
siamo tutti come questa rana.
01:23
(LaughterRisate)
19
68000
912
(Risate)
01:24
Right? It's gettingottenere informationinformazione. It's generatinggeneratrice behaviorcomportamento
20
68912
3395
Raccoglie informazioni. Genera un comportamento
01:28
that's usefulutile. (LaughterRisate)
21
72307
4468
che è utile. (Risate)
01:32
(LaughterRisate)
22
76775
7032
(Risate)
01:39
(VideoVideo) Man: OwOw! OwOw! (LaughterRisate) (ApplauseApplausi)
23
83807
5982
(Video) Uomo: Ah! (Risate) (Applausi)
01:45
BLBL: And sometimesa volte, when things don't go our way,
24
89789
2712
BL: A volte, quando le cose non vanno come vogliamo,
01:48
we get a little bitpo annoyedinfastidito, right?
25
92501
2259
un po' ci infastidisce, no?
01:50
But we're talkingparlando about perceptionpercezione here, right?
26
94760
2730
Ma qui si parla di percezioni, o no?
01:53
And perceptionpercezione underpinsalla base everything we think, we know,
27
97490
4365
Sulle percezioni si fonda tutto ciò che pensiamo, sappiamo,
01:57
we believe, our hopessperanze, our dreamssogni, the clothesAbiti we wearindossare,
28
101855
2871
crediamo, le speranze, i sogni, ciò che indossiamo,
02:00
fallingcaduta in love, everything beginsinizia with perceptionpercezione.
29
104726
3743
innamorarci, tutto inizia con le percezioni.
02:04
Now if perceptionpercezione is groundedterra in our historystoria, it meanssi intende
30
108469
2945
Se le percezioni sono radicate nella nostra storia, significa
02:07
we're only ever respondingrispondere accordingsecondo to what we'venoi abbiamo donefatto before.
31
111414
3459
che noi reagiamo solo in base a cosa abbiamo già fatto.
02:10
But actuallyin realtà, it's a tremendousenorme problemproblema,
32
114873
3076
Ma in realtà è un problema tremendo,
02:13
because how can we ever see differentlydiversamente?
33
117949
3617
perché come si fa a vedere le cose diversamente?
02:17
Now, I want to tell you a storystoria about seeingvedendo differentlydiversamente,
34
121566
4063
Voglio raccontarvi una storia su come vedere diversamente le cose,
02:21
and all newnuovo perceptionspercezioni begininizio in the samestesso way.
35
125629
3988
e su come tutte le nuove percezioni iniziano allo stesso modo.
02:25
They begininizio with a questiondomanda.
36
129617
2582
Iniziano con una domanda.
02:28
The problemproblema with questionsle domande is they createcreare uncertaintyincertezza.
37
132199
3238
Il problema delle domande è che creano incertezza.
02:31
Now, uncertaintyincertezza is a very badcattivo thing. It's evolutionarilyevolutivamente
38
135437
2729
L'incertezza è una brutta cosa. È evolutivamente
02:34
a badcattivo thing. If you're not sure that's a predatorPredator, it's too latein ritardo.
39
138166
3601
una brutta cosa. Se non sei sicuro che quello lì è un predatore, è troppo tardi.
02:37
Okay? (LaughterRisate)
40
141767
1360
Ok? (Risate)
02:39
Even seasicknessmal di mare is a consequenceconseguenza of uncertaintyincertezza.
41
143127
3160
Anche il mal di mare è conseguenza dell'incertezza.
02:42
Right? If you go down belowsotto on a boatbarca, your innerinterno earsorecchie
42
146287
2252
Se scendete sottocoperta, l'orecchio interno
02:44
are you tellingraccontare you you're movingin movimento. Your eyesocchi, because
43
148539
2176
vi dice che vi state muovendo. Gli occhi,
02:46
it's movingin movimento in registerRegistrare with the boatbarca, say I'm standingin piedi still.
44
150715
2316
che si muovono insieme alla barca, mi dicono che sono fermo.
02:48
Your braincervello cannotnon può dealaffare with the uncertaintyincertezza of that informationinformazione, and it getsprende illmalato.
45
153031
4655
La mente non riesce a gestire l'incertezza di quella infomazione, e sta male.
02:53
The questiondomanda "why?" is one of the mostmaggior parte dangerouspericoloso things you can do,
46
157686
3929
Chiedersi "Perché?" è una delle cose più pericolose che potete fare,
02:57
because it takes you into uncertaintyincertezza.
47
161615
2992
poiché vi trasporta nell'incertezza.
03:00
And yetancora, the ironyironia is, the only way we can ever
48
164607
2879
Eppure, l'ironia è che l'unico modo in cui possiamo
03:03
do anything newnuovo is to steppasso into that spacespazio.
49
167486
3536
fare qualcosa di nuovo è avventurarci in quello spazio.
03:06
So how can we ever do anything newnuovo? Well fortunatelyfortunatamente,
50
171022
3224
Allora come potremo mai fare qualcosa di nuovo?
03:10
evolutionEvoluzione has givendato us an answerrisposta, right?
51
174246
3584
Per fortuns l'evoluzione ci ha dato una risposta, no?
03:13
And it enablesAbilita us to addressindirizzo even the mostmaggior parte difficultdifficile
52
177830
3595
E ci permette di affrontare anche le domande
03:17
of questionsle domande. The bestmigliore questionsle domande are the onesquelli that createcreare the mostmaggior parte uncertaintyincertezza.
53
181425
4679
più difficili. Le domande migliori sono quelle che creano più incertezza.
03:22
They're the onesquelli that questiondomanda the things we think to be truevero alreadygià. Right?
54
186104
3956
Sono proprio quelle che mettono in dubbio le cose che diamo per vere. Giusto?
03:25
It's easyfacile to askChiedere questionsle domande about how did life begininizio,
55
190060
1989
È facile fare domande su come la vita ha avuto inizio,
03:27
or what extendssi estende beyondal di là the universeuniverso, but to questiondomanda what you think to be truevero alreadygià
56
192049
3308
su cosa c'è oltre l'universo, ma mettere in dubbio quello che date per vero
03:31
is really steppingfare un passo into that spacespazio.
57
195357
3001
è davvero avventurarsi in quello spazio.
03:34
So what is evolution'sdi evoluzione answerrisposta to the problemproblema of uncertaintyincertezza?
58
198358
4810
Quindi qual è la risposta dell'evoluzione al problema dell'incertezza?
03:39
It's playgiocare.
59
203168
1773
È il gioco.
03:40
Now playgiocare is not simplysemplicemente a processprocesso. ExpertsEsperti in playgiocare will tell you
60
204941
4193
Il gioco non è soltanto un processo. Gli esperti vi diranno
03:45
that actuallyin realtà it's a way of beingessere.
61
209134
2615
che è proprio un modo di essere.
03:47
PlayGioca is one of the only humanumano endeavorssforzi where uncertaintyincertezza
62
211749
2891
Il gioco è una delle uniche attività umane dove l'incertezza
03:50
is actuallyin realtà celebratedcelebre. UncertaintyIncertezza is what makesfa playgiocare fundivertimento.
63
214640
4326
viene invece celebrata. L'incertezza è ciò che rende il gioco divertente.
03:54
Right? It's adaptableadattabile to changemodificare. Right? It openssi apre possibilitypossibilità,
64
218966
4275
Si adatta ai cambiamenti. Apre alle possibilità,
03:59
and it's cooperativecooperativa. It's actuallyin realtà how we do our socialsociale bondingincollaggio,
65
223241
4109
e alla cooperazione. È così che creiamo le nostre relazioni sociali,
04:03
and it's intrinsicallyintrinsecamente motivatedmotivato. What that meanssi intende
66
227350
1726
ed ha una motivazione intrinseca. Ciò significa che
04:04
is that we playgiocare to playgiocare. PlayGioca is its ownproprio rewardricompensa.
67
229076
4606
giochiamo per giocare. Il gioco è ricompensa di se stesso.
04:09
Now if you look at these fivecinque waysmodi of beingessere,
68
233682
3891
Se ora guardiamo questi cinque modi di essere,
04:13
these are the exactesatto samestesso waysmodi of beingessere you need
69
237573
2721
sono proprio gli stessi modi di essere necessari
04:16
in orderordine to be a good scientistscienziato.
70
240294
2036
per essere un bravo scienziato.
04:18
ScienceScienza is not defineddefinito by the methodmetodo sectionsezione of a papercarta.
71
242330
3027
La scienza non è definita dalla sezione materiali e metodi di un articolo.
04:21
It's actuallyin realtà a way of beingessere, whichquale is here, and this is truevero
72
245357
3140
È in realtà un modo di essere, questo, valido per
04:24
for anything that is creativecreativo.
73
248497
2653
tutto ciò che è creativo.
04:27
So if you addInserisci rulesregole to playgiocare, you have a gamegioco.
74
251150
4203
Se aggiungiamo regole mentre giochiamo, otteniamo un vero gioco.
04:31
That's actuallyin realtà what an experimentsperimentare is.
75
255353
2790
È così che funzionano gli esperimenti.
04:34
So armedarmati with these two ideasidee,
76
258143
1919
Armati di queste due idee,
04:35
that sciencescienza is a way of beingessere and experimentsesperimenti are playgiocare,
77
260062
4322
che la scienza è un modo di essere e che gli esperimenti sono un gioco,
04:40
we askedchiesto, can anyonechiunque becomediventare a scientistscienziato?
78
264384
3453
ci siamo chiesti, possiamo tutti diventare scienziati?
04:43
And who better to askChiedere than 25 eight-otto- to 10-year-old-anni childrenbambini?
79
267837
3500
E a chi chiederlo se non a 25 bambini dagli 8 ai 10 anni?
04:47
Because they're expertsesperti in playgiocare. So I tookha preso my beeape arenaarena
80
271337
3507
Loro sono gli esperti. Così ho portato la mia teca delle api
04:50
down to a smallpiccolo schoolscuola in DevonDevon, and the aimscopo of this
81
274844
3547
in una piccola scuola nel Devon, e lo scopo era
04:54
was to not just get the kidsbambini to see sciencescienza differentlydiversamente,
82
278391
4244
non solo far vedere diversamente la scienza ai bambini,
04:58
but, throughattraverso the processprocesso of sciencescienza, to see themselvesloro stessi differentlydiversamente. Right?
83
282635
4598
ma, tramite il processo scientifico, vedere diversamente se stessi. Ok?
05:03
The first steppasso was to askChiedere a questiondomanda.
84
287233
3408
Il primo passo è stato fare una domanda.
05:06
Now, I should say that we didn't get fundingfinanziamento for this studystudia
85
290641
2880
Ora, va detto che non ci sono stati finanziamenti per questo studio
05:09
because the scientistsscienziati said smallpiccolo childrenbambini couldn'tnon poteva make
86
293521
3330
perché gli scienziati hanno detto che i bambini non potevano dare
05:12
a usefulutile contributioncontributo to sciencescienza, and the teachersinsegnanti said kidsbambini couldn'tnon poteva do it.
87
296851
4302
un contribuito significativo alla scienza, e gli insegnanti che non erano in grado di farlo.
05:17
So we did it anywaycomunque. Right? Of coursecorso.
88
301153
3734
Allora l'abbiamo fatto lo stesso. Ovviamente.
05:20
So, here are some of the questionsle domande. I put them in smallpiccolo printstampare
89
304887
2819
Queste sono alcune delle domande. Le ho scritte in piccolo
05:23
so you wouldn'tno botherperdete tempo readinglettura it. PointPunto is that fivecinque of the questionsle domande that the kidsbambini cameè venuto up with
90
307706
4440
così non vi disturbate a leggerle. Il punto è che cinque tra le domande poste dai bambini
05:28
were actuallyin realtà the basisbase of sciencescienza publicationpubblicazione the last fivecinque to 15 yearsanni. Right?
91
312146
4618
erano in realtà alla base delle pubblicazioni scientifiche degli ultimi 5 -15 anni.
05:32
So they were askingchiede questionsle domande that were significantsignificativo
92
316764
2660
Dunque hanno posto domande che sono significative
05:35
to expertesperto scientistsscienziati.
93
319424
2130
per scienziati esperti.
05:37
Now here, I want to shareCondividere the stagepalcoscenico with someonequalcuno quiteabbastanza specialspeciale. Right?
94
321554
4134
Adesso voglio condividere il palco con una persona molto speciale.
05:41
She was one of the younggiovane people who was involvedcoinvolti in this studystudia,
95
325688
2612
Lei era una dei bambini coinvolti nello studio,
05:44
and she's now one of the youngestminore publishedpubblicato scientistsscienziati
96
328300
2334
e adesso è uno degli scienziati più giovani mai pubblicati
05:46
in the worldmondo. Right? She will now, onceuna volta she comesviene ontosu stagepalcoscenico,
97
330634
3883
al mondo. Ok? Lei sarà, una volta salita sul palco,
05:50
will be the youngestminore personpersona to ever speakparlare at TEDTED. Right?
98
334517
3698
la persona più giovane che abbia mai parlato a TED.
05:54
Now, sciencescienza and askingchiede questionsle domande is about couragecoraggio.
99
338215
2875
Per fare scienza e porre domande ci vuole coraggio.
05:56
Now she is the personificationpersonificazione of couragecoraggio, because she's
100
341090
3200
Lei è la personificazione del coraggio, perché
06:00
going to standstare in piedi up here and talk to you all.
101
344290
1387
verrà qui a parlare davanti a tutti voi.
06:01
So AmyAmy, would you please come up? (ApplauseApplausi)
102
345677
5254
Amy, vuoi raggiungermi quassù? (Applausi)
06:06
(ApplauseApplausi)
103
350931
7185
(Applausi)
06:14
So Amy'sDi Amy going to help me tell the storystoria of what we call
104
358116
2519
Amy mi aiuterà a raccontarvi la storia di quello che chiamiamo
06:16
the BlackawtonBlackawton BeesAPI ProjectProgetto, and first she's going to tell you
105
360635
2666
il progetto Blackawton Bees, e per prima cosa vi dirà
06:19
the questiondomanda that they cameè venuto up with. So go aheadavanti, AmyAmy.
106
363301
2545
la domanda che si sono posti. Inizia pure, Amy.
06:21
AmyAmy O'TooleO ' Toole: Thank you, BeauBeau. We thought
107
365846
1719
Amy O'Toole: Grazie, Beau. Abbiamo pensato
06:23
that it was easyfacile to see the linkcollegamento betweenfra humansgli esseri umani and apesscimmie
108
367565
3401
che fosse facile vedere il collegamento tra l'uomo e le scimmie
06:26
in the way that we think, because we look alikenello stesso modo.
109
370966
3024
nel modo di ragionare, perché siamo simili.
06:29
But we wonderedchiesti if there's a possiblepossibile linkcollegamento
110
373990
2689
Ma ci siamo chiesti se ci fosse un collegamento
06:32
with other animalsanimali. It'dSarebbe be amazingStupefacente if humansgli esseri umani and beesAPI
111
376679
4704
anche con altri animali. Sarebbe sorprendente se uomini e api
06:37
thought similarsimile, sinceda they seemsembrare so differentdiverso from us.
112
381383
4113
ragionassero allo stesso modo, poiché sembrano così diverse da noi.
06:41
So we askedchiesto if humansgli esseri umani and beesAPI mightpotrebbe solverisolvere
113
385496
3053
Allora ci siamo chiesti se uomini e api potessero risolvere
06:44
complexcomplesso problemsi problemi in the samestesso way.
114
388549
2407
problemi complessi allo stesso modo.
06:46
Really, we wanted to know if beesAPI can alsoanche adaptadattare
115
390956
3287
Davvero, volevamo scoprire se anche le api sapessero adattarsi
06:50
themselvesloro stessi to newnuovo situationssituazioni usingutilizzando previouslyin precedenza learnedimparato rulesregole
116
394243
3707
a situazioni nuove sfruttando regole e condizioni apprese
06:53
and conditionscondizioni. So what if beesAPI can think like us?
117
397950
4214
in precedenza. E se le api ragionassero come noi?
06:58
Well, it'dSarebbe be amazingStupefacente, sinceda we're talkingparlando about an insectinsetto
118
402164
2552
Be', sarebbe soprendente, poiché stiamo parlando di un insetto
07:00
with only one millionmilione braincervello cellscellule.
119
404716
2525
con appena un milione di cellule cerebrali.
07:03
But it actuallyin realtà makesfa a lot of sensesenso they should,
120
407241
2142
Ma in realtà avrebbe molto senso,
07:05
because beesAPI, like us, can recognizericonoscere a good flowerfiore
121
409383
3277
perché le api, come noi, sanno riconoscere un buon fiore
07:08
regardlessindipendentemente of the time of day, the lightleggero, the weathertempo metereologico,
122
412660
3613
a prescindere dall'ora, dalla luce, dal tempo
07:12
or from any angleangolo they approachapproccio it from. (ApplauseApplausi)
123
416273
5742
o da qualsiasi angolo vi si avvicinino. (Applausi)
07:17
BLBL: So the nextIl prossimo steppasso was to designdesign an experimentsperimentare,
124
422015
3782
BL: Quindi lo step successivo è stato progettare un esperimento,
07:21
whichquale is a gamegioco. So the kidsbambini wentandato off and they designedprogettato
125
425797
3302
cioè un gioco. I bambini si sono messi all'opera e hanno progettato
07:24
this experimentsperimentare, and so -- well, gamegioco -- and so,
126
429099
3301
questo esperimento, e quindi -- o meglio, gioco -- e quindi,
07:28
AmyAmy, can you tell us what the gamegioco was,
127
432400
1466
Amy, puoi dirci qual era il gioco,
07:29
and the puzzlepuzzle that you setimpostato the beesAPI?
128
433866
2143
e il rompicapo che avete ideato per le api?
07:31
AOAO: The puzzlepuzzle we cameè venuto up with was an if-thenSe-allora ruleregola.
129
436009
3023
AO: Il rompicapo che abbiamo ideato si basava sulla logica se-allora.
07:34
We askedchiesto the beesAPI to learnimparare not just to go to a certaincerto colorcolore,
130
439032
3645
Abbiamo chiesto alle api di imparare non solo ad andare verso un certo colore,
07:38
but to a certaincerto colorcolore flowerfiore only
131
442677
2668
ma verso un fiore di un certo colore
07:41
when it's in a certaincerto patternmodello.
132
445345
1632
solo quando risponde a un certo schema.
07:42
They were only rewardedpremiati if they wentandato to the yellowgiallo flowersfiori
133
446977
3259
Ricevevano una ricompensa solo se andavano verso i fiori gialli,
07:46
if the yellowgiallo flowersfiori were surroundedcircondato by the blueblu,
134
450236
3060
se i fiori gialli erano circondati dal blu,
07:49
or if the blueblu flowersfiori were surroundedcircondato by the yellowgiallo.
135
453296
3268
o se i fiori blu erano circondati dal giallo.
07:52
Now there's a numbernumero of differentdiverso rulesregole the beesAPI can learnimparare
136
456564
2585
Ci sono quindi una serie di regole diverse che le api possono imparare
07:55
to solverisolvere this puzzlepuzzle. The interestinginteressante questiondomanda is, whichquale?
137
459149
3425
per risolvere questo rompicapo. La domanda interessante è: quali?
07:58
What was really excitingemozionante about this projectprogetto was we,
138
462574
2780
Ciò che era davvero entusiasmante in questo progetto era che noi,
08:01
and BeauBeau, had no ideaidea whetherse it would work.
139
465354
2343
e Beau, non avevamo idea se avrebbe funzionato.
08:03
It was completelycompletamente newnuovo, and no one had donefatto it before,
140
467697
2454
Era del tutto nuovo e nessuno l'aveva mai fatto prima,
08:06
includingCompreso adultsadulti. (LaughterRisate)
141
470151
3723
adulti compresi. (Risate)
08:09
BLBL: IncludingTra cui the teachersinsegnanti, and that was really harddifficile for the teachersinsegnanti.
142
473874
3464
BL: Compresi gli insegnanti, ed è stata molto dura per gli insegnanti.
08:13
It's easyfacile for a scientistscienziato to go in and not have a cluetraccia what he's doing,
143
477338
2904
È facile per uno scienziato iniziare senza avere idea di quello che sta facendo,
08:16
because that's what we do in the lablaboratorio, but for a teacherinsegnante
144
480242
2544
perché è quello che facciamo in laboratorio, ma per un insegnante,
08:18
not to know what's going to happenaccadere at the endfine of the day --
145
482786
1625
non sapere cosa succederà alla fine della giornata --
08:20
so much of the creditcredito goesva to DaveDave StrudwickStrudwick, who was
146
484411
2599
buona parte dei meriti va a Dave Strudwick,
08:22
the collaboratorcollaboratore on this projectprogetto. Okay?
147
487010
2209
che ha collaborato a questo progetto.
08:25
So I'm not going to go throughattraverso the wholetotale detailsdettagli of the studystudia
148
489219
2732
Non entrerò nei dettagli dello studio
08:27
because actuallyin realtà you can readleggere about it, but the nextIl prossimo steppasso
149
491951
2638
perché potete leggerlo, ma lo step successivo
08:30
is observationosservazione. So here are some of the studentsstudenti
150
494589
3645
è l'osservazione. Ecco alcuni studenti
08:34
doing the observationsosservazioni. They're recordingregistrazione the datadati
151
498234
2768
durante l'osservazione. Stanno registrando i dati
08:36
of where the beesAPI flyvolare.
152
501002
5044
su dove volano le api.
08:41
(VideoVideo) DaveDave StrudwickStrudwick: So what we're going to do —StudentStudente: 5C.
153
506046
2023
(Video) Dave Strudwick: Allora cosa facciamo? -- Alunno: 5C
08:43
DaveDave StrudwickStrudwick: Is she still going up here?StudentStudente: Yeah.
154
508069
3990
DS: Sta andando sempre lassù? -- Alunno: Sì.
08:47
DaveDave StrudwickStrudwick: So you keep tracktraccia of eachogni.StudentStudente: HenryHenry, can you help me here?
155
512059
3597
DS: Allora tienile d'occhio tutte. -- Alunno: Henry, mi dai un mano?
08:51
BLBL: "Can you help me, HenryHenry?" What good scientistscienziato saysdice that, right?
156
515656
2904
BL: "Mi dai una mano, Henry?" Quale bravo scienziato non direbbe così?
08:54
StudentStudente: There's two up there.
157
518560
4710
Alunno: Ce ne sono due lassù.
08:59
And threetre in here.
158
523270
2874
E tre quaggiù.
09:02
BLBL: Right? So we'venoi abbiamo got our observationsosservazioni. We'veAbbiamo got our datadati.
159
526144
2275
BL: Quindi abbiamo le nostre osservazioni. Abbiamo i nostri dati.
09:04
They do the simplesemplice mathematicsmatematica, averagingin media, etceccetera., etceccetera.
160
528419
3773
Fanno loro i calcoli semplici, le medie, etc., etc.
09:08
And now we want to shareCondividere. That's the nextIl prossimo steppasso.
161
532192
1931
E ora lo vogliamo condividere. È lo step successivo.
09:10
So we're going to writeScrivi this up and try to submitSottoscrivi this
162
534123
1608
Risistemiamo il tutto e cerchiamo di proporlo
09:11
for publicationpubblicazione. Right? So we have to writeScrivi it up.
163
535731
2856
per la pubblicazione. Quindi dobbiamo risistemarlo.
09:14
So we go, of coursecorso, to the pubpub. All right? (LaughterRisate)
164
538587
4513
Quindi, ovviamente, andiamo al pub. Ok? (Risate)
09:19
The one on the left is mineil mio, okay? (LaughterRisate)
165
543100
2284
Quello a sinistra è il mio. (Risate)
09:21
Now, I tell them, a papercarta has fourquattro differentdiverso sectionssezioni:
166
545384
2086
E io dico, un articolo si divide in quattro parti:
09:23
an introductionintroduzione, a methodsmetodi, a resultsrisultati, a discussiondiscussione.
167
547470
2807
introduzione, materiali e metodi, risultati, discussione.
09:26
The introductionintroduzione saysdice, what's the questiondomanda and why?
168
550277
2604
L'introduzione dice: qual è la domanda e perché?
09:28
MethodsMetodi, what did you do? ResultsRisultati, what was the observationosservazione?
169
552881
3119
Materiali e metodi: cosa avete fatto? Risultati: cosa avete osservato?
09:31
And the discussiondiscussione is, who carescure? Right?
170
556000
2143
E la discussione è: a chi importa?
09:34
That's a sciencescienza papercarta, basicallyfondamentalmente. (LaughterRisate)
171
558143
2459
Ecco un articolo scientifico, in pratica. (Risate)
09:36
So the kidsbambini give me the wordsparole, right? I put it into a narrativenarrazione,
172
560602
4529
I bambini mi danno le parole. Io ne faccio un racconto,
09:41
whichquale meanssi intende that this papercarta is writtenscritto in kidspeakKidspeak.
173
565131
3247
perciò l'articolo è scritto nella lingua dei bambini.
09:44
It's not writtenscritto by me. It's writtenscritto by AmyAmy
174
568378
2528
Non l'ho scritto io. L'hanno scritto Amy
09:46
and the other studentsstudenti in the classclasse. As a consequenceconseguenza,
175
570906
3320
e i suoi compagni di classe. Di conseguenza,
09:50
this sciencescienza papercarta beginsinizia, "OnceVolta uponsu a time ... " (LaughterRisate)
176
574226
6017
l'articolo scientifico inizia con: "C'era una volta..." (Risate)
09:56
The resultsrisultati sectionsezione, it saysdice: "TrainingFormazione phasefase, the puzzlepuzzle ... duhduh duhduh duuuuuhhhduuuuuhhh." Right? (LaughterRisate)
177
580243
5312
La parte dei risultati dice: "I preparativi, il mistero... ta da da daaaaan." Ok? (Risate)
10:01
And the methodsmetodi, it saysdice, "Then we put the beesAPI
178
585555
2196
E materiali e metodi dice: "Poi abbiamo messo le api
10:03
into the fridgeFrigorifero (and madefatto beeape piegrafico a torta)," smileySmiley faceviso. Right? (LaughterRisate)
179
587751
3317
in frigo (e abbiamo fatto la torta di api), faccina sorridente. (Risate)
10:06
This is a sciencescienza papercarta. We're going to try to get it publishedpubblicato.
180
591068
3833
È un articolo scientifico. Proviamo a farcelo pubblicare.
10:10
So here'secco the titletitolo pagepagina. We have a numbernumero of authorsautori there.
181
594901
2834
Ecco la prima pagina. Vediamo che ci sono numerosi autori.
10:13
All the onesquelli in boldgrassetto are eightotto to 10 yearsanni oldvecchio.
182
597735
2851
Tutti quelli in grassetto hanno dagli 8 ai 10 anni.
10:16
The first authorautore is BlackawtonBlackawton PrimaryPrimario SchoolScuola, because
183
600586
2050
Il primo autore è la Blackawton Primary School, perché
10:18
if it were ever referenceda cui fa riferimento, it would be "BlackawtonBlackawton etet alal,"
184
602636
3246
se dovesse essere mai citato, sarebbe "Blackawton et al."
10:21
and not one individualindividuale. So we submitSottoscrivi it to a publicpubblico accessaccesso journalrivista,
185
605882
3057
e non un singolo individuo. Poi lo inviamo a una rivista ad accesso aperto,
10:24
and it saysdice this. It said manymolti things, but it said this.
186
608939
3332
e ci hanno detto così. Ci hanno detto tante cose, ma ci hanno detto così.
10:28
"I'm afraidimpaurito the papercarta failsnon riesce our initialiniziale qualityqualità controlcontrollo checkscontrolli in severalparecchi differentdiverso waysmodi." (LaughterRisate)
187
612271
3919
"Temo che l'articolo non soddisfi i nostri requisiti iniziali di qualità sotto diversi aspetti". (Risate)
10:32
In other wordsparole, it startsinizia off "onceuna volta uponsu a time,"
188
616190
2560
In altre parole, inizia con "c'era una volta",
10:34
the figuresfigure are in crayonpastello, etceccetera. (LaughterRisate)
189
618750
2526
in numeri sono scritti a matita, etc. (Risate)
10:37
So we said, we'llbene get it reviewedrivisto. So I sentinviato it to DaleDale PurvesPurves,
190
621276
4353
Ci siamo detti, chiediamo un parere. Così l'ho mandato a Dale Purves,
10:41
who is at the NationalNazionale AcademyAccademia of ScienceScienza, one of the leadingprincipale neuroscientistsneuroscienziati in the worldmondo,
191
625629
3533
che è della National Academy of Sciences, uno dei maggiori neuroscienziati al mondo,
10:45
and he saysdice, "This is the mostmaggior parte originaloriginale sciencescienza papercarta I have ever readleggere" — (LaughterRisate) —
192
629162
3449
e ci ha detto: "Questo è l'articolo scientifico più originale che abbia mai letto --" (Risate)
10:48
"and it certainlycertamente deservesmerita widelargo exposureesposizione."
193
632611
2097
"di certo merita grande visibilità".
10:50
LarryLarry MaloneyMaloney, expertesperto in visionvisione, saysdice, "The papercarta is magnificentmagnifico.
194
634708
4271
Larry Maloney, esperto in percezione visiva, ha detto: "L'articolo è magnifico.
10:54
The work would be publishablepubblicabile if donefatto by adultsadulti."
195
638979
3366
Il lavoro sarebbe pubblicabile se fatto da adulti".
10:58
So what did we do? We sendinviare it back to the editoreditore.
196
642345
1979
Allora cosa abbiamo fatto? L'abbiamo rimandato all'editor.
11:00
They say no.
197
644324
1589
Hanno detto di no.
11:01
So we askedchiesto LarryLarry and NatalieNatalie HempelHempel to writeScrivi
198
645913
2454
Quindi abbiamo chiesto a Larry e Natalie Hempel di scrivere
11:04
a commentarycommento situatingsituando the findingsRisultati for scientistsscienziati, right,
199
648367
4007
un commento per inquadrare i risultati agli occhi degli scienziati,
11:08
puttingmettendo in the referencesRiferimenti, and we submitSottoscrivi it to BiologyBiologia LettersLettere.
200
652374
4128
abbiamo inserito le referenze e lo abbiamo inviato a Biology Letters.
11:12
And there, it was reviewedrivisto by fivecinque independentindipendente refereesarbitri,
201
656502
3327
E là è stato esaminato da cinque referee indipendenti,
11:15
and it was publishedpubblicato. Okay? (ApplauseApplausi)
202
659829
4421
ed è stato pubblicato.
11:20
(ApplauseApplausi)
203
664250
6000
(Applausi)
11:26
It tookha preso fourquattro monthsmesi to do the sciencescienza,
204
670250
3021
Ci sono voluti quattro mesi per la ricerca scientifica,
11:29
two yearsanni to get it publishedpubblicato. (LaughterRisate)
205
673271
3228
due anni per farla pubblicare. (Risate)
11:32
TypicalTipico sciencescienza, actuallyin realtà, right? So this makesfa AmyAmy and
206
676499
4835
Tipico della scienza, in realtà. Questo fa di Amy e
11:37
her friendsamici the youngestminore publishedpubblicato scientistsscienziati in the worldmondo.
207
681334
2433
dei suoi compagni i più giovani scienziati mai pubblicati.
11:39
What was the feedbackrisposta like?
208
683767
2016
Com'è stato il feedback?
11:41
Well, it was publishedpubblicato two daysgiorni before ChristmasNatale,
209
685783
2885
Be', è stato pubblicato due giorni prima di Natale,
11:44
downloadedscaricato 30,000 timesvolte in the first day, right?
210
688668
4003
scaricato 30.000 volte il primo giorno.
11:48
It was the Editors'Editors' ChoiceScelta in ScienceScienza, whichquale is a topsuperiore sciencescienza magazinerivista.
211
692671
4040
È fra le Editors' Choice di Science, fra le migliori riviste scientifiche.
11:52
It's foreverper sempre freelyliberamente accessibleaccessibile by BiologyBiologia LettersLettere.
212
696711
2542
Sarà sempre gratuito su Biology Letters.
11:55
It's the only papercarta that will ever be freelyliberamente accessibleaccessibile by this journalrivista.
213
699253
3680
È l'unico articolo che sarà sempre gratuito su questa rivista.
11:58
Last yearanno, it was the second-mostseconda più downloadedscaricato papercarta
214
702933
2699
L'anno scorso è stato il secondo articolo più scaricato
12:01
by BiologyBiologia LettersLettere, and the feedbackrisposta from not just scientistsscienziati
215
705632
4104
su Biology Letters, con un feedback non solo dagli scienziati
12:05
and teachersinsegnanti but the publicpubblico as well.
216
709736
2548
e dai docenti ma anche dal pubblico.
12:08
And I'll just readleggere one.
217
712284
1772
Ve ne leggo uno.
12:09
"I have readleggere 'Blackawton' Blackawton Bees'Delle API recentlyrecentemente. I don't have
218
714056
2490
"Ho letto 'Blackawton Bees' di recente. Non trovo
12:12
wordsparole to explainspiegare exactlydi preciso how I am feelingsensazione right now.
219
716546
2313
le parole per spiegare esattamente cosa ne penso.
12:14
What you guys have donefatto is realvero, truevero and amazingStupefacente.
220
718859
2479
Quello che voi avete fatto è reale, vero e sorprendente.
12:17
CuriosityCuriosità, interestinteresse, innocenceinnocenza and zealzelo are the mostmaggior parte basicdi base
221
721338
3109
Curiosità, interesse, innocenza e zelo sono le cose più basilari
12:20
and mostmaggior parte importantimportante things to do sciencescienza.
222
724447
1724
e più importanti per fare scienza.
12:22
Who elsealtro can have these qualitiesqualità more than childrenbambini?
223
726171
2478
Chi altri può avere queste qualità se non i bambini?
12:24
Please congratulatecongratulo con your children'sbambini teamsquadra from my sidelato."
224
728649
3541
Faccia i miei complimenti al suo team di bambini."
12:28
So I'd like to concludeconcludere with a physicalfisico metaphormetafora.
225
732190
3383
Vorrei concludere con una metafora fisica.
12:31
Can I do it on you? (LaughterRisate)
226
735573
2968
Posso provarla su di voi? (Risate)
12:34
Oh yeah, yeah, yeah, come on. Yeah yeah. Okay.
227
738541
3093
Dai, dai, dai, su. Dai, dai. Ok.
12:37
Now, sciencescienza is about takingpresa risksrischi, so this is an incredibleincredibile riskrischio, right? (LaughterRisate)
228
741634
5177
Fare scienza implica correre dei rischi, e questo è un rischio incredibile. (Risate)
12:42
For me, not for him. Right? Because we'venoi abbiamo only donefatto this onceuna volta before. (LaughterRisate)
229
746811
6098
Per me, non per lui. Ok? Perché l'abbiamo provato solo una volta finora. (Risate)
12:48
And you like technologytecnologia, right?
230
752909
1576
Lei ama la tecnologia, vero?
12:50
ShimonShimon SchockenSchocken: Right, but I like myselfme stessa.
231
754485
2176
Shimon Schocken: Sì, però amo anche me stesso.
12:52
BLBL: This is the epitomeepitome of technologytecnologia. Right. Okay.
232
756661
2951
BL: Ecco il paradigma della tecnologia. Ok.
12:55
Now ... (LaughterRisate)
233
759612
3608
Ora... (Risate)
12:59
Okay. (LaughterRisate)
234
763220
2880
Ok. (Risate)
13:02
Now, we're going to do a little demonstrationdimostrazione, right?
235
766100
4084
Ora faremo una piccola dimostrazione, ok?
13:06
You have to closevicino your eyesocchi, and you have to pointpunto
236
770184
4019
Deve chiudere gli occhi e deve indicare
13:10
where you hearsentire me clappingche applaude. All right?
237
774203
3157
dove mi sente battere le mani. Ok?
13:13
(ClappingChe applaude)
238
777360
4398
(Batte le mani)
13:17
(ClappingChe applaude)
239
781758
3144
(Batte le mani)
13:20
Okay, how about if everyonetutti over there shoutsmessaggi in bacheca. One, two, threetre?
240
784902
2903
Che ne dite se tutti da quel lato urlate? Uno, due, tre.
13:23
AudiencePubblico: (ShoutsMessaggi in bacheca)
241
787805
2901
Pubblico: (Urla)
13:26
(LaughterRisate)
242
790706
4446
(Risate)
13:31
(ShoutsMessaggi in bacheca) (LaughterRisate)
243
795152
3171
(Urla) (Risate)
13:34
BrilliantBrillante. Now, openAperto your eyesocchi. We'llWe'll do it one more time.
244
798323
3641
Perfetto. Ora apra gli occhi. Lo facciamo un'altra volta.
13:37
EveryoneTutti over there shoutShout. (ShoutsMessaggi in bacheca)
245
801964
2802
Da quel lato, urlate tutti. (Urla)
13:40
Where'sDov' è the soundsuono comingvenuta from? (LaughterRisate) (ApplauseApplausi)
246
804766
5932
Da dove viene il suono? (Risate) (Applausi)
13:46
Thank you very much. (ApplauseApplausi)
247
810698
4230
Grazie mille. (Applausi)
13:50
What's the pointpunto? The pointpunto is what sciencescienza does for us.
248
814928
3713
Qual è il punto? Il punto è cosa fa per noi la scienza.
13:54
Right? We normallynormalmente walkcamminare throughattraverso life respondingrispondere,
249
818641
2406
Normalmente passiamo la vita a rispondere,
13:56
but if we ever want to do anything differentdiverso, we have to
250
821047
2212
ma se vogliamo fare qualcosa di diverso, dobbiamo
13:59
steppasso into uncertaintyincertezza. When he openedha aperto his eyesocchi,
251
823259
2689
avventurarci nell'incertezza. Quando ha aperto gli occhi,
14:01
he was ablecapace to see the worldmondo in a newnuovo way.
252
825948
2382
è riuscito a vedere il mondo con occhi nuovi.
14:04
That's what sciencescienza offersofferte us. It offersofferte the possibilitypossibilità
253
828330
3168
Ecco cosa ci offre la scienza. Offre la possibilità
14:07
to steppasso on uncertaintyincertezza throughattraverso the processprocesso of playgiocare, right?
254
831498
4016
di avventurarci nell'incertezza tramite il processo del gioco.
14:11
Now, truevero sciencescienza educationeducazione I think should be about
255
835514
3024
Credo che la vera formazione scientifica debba occuparsi di
14:14
givingdando people a voicevoce and enablingabilitare to expressesprimere that voicevoce,
256
838538
3399
dare voce alla gente e permetterle di esprimere quella voce,
14:17
so I've askedchiesto AmyAmy to be the last voicevoce in this shortcorto storystoria.
257
841937
4369
così ho chiesto ad Amy di essere l'ultima voce di questo racconto.
14:22
So, AmyAmy?
258
846306
3105
Amy?
14:25
AOAO: This projectprogetto was really excitingemozionante for me,
259
849411
2553
AO: Questo progetto è stato molto entusiamante per me,
14:27
because it broughtportato the processprocesso of discoveryscoperta to life,
260
851964
2671
perché ha dato vita al processo della scoperta,
14:30
and it showedha mostrato me that anyonechiunque, and I mean anyonechiunque,
261
854635
2911
e mi ha mostrato che chiunque, e dico chiunque,
14:33
has the potentialpotenziale to discoverscoprire something newnuovo,
262
857546
2753
ha il potenziale per scoprire qualcosa di nuovo,
14:36
and that a smallpiccolo questiondomanda can leadcondurre into a biggrande discoveryscoperta.
263
860299
4072
e che una piccola domanda può portare a una grande scoperta.
14:40
ChangingCambiando the way a personpersona thinkspensa about something
264
864371
2652
Cambiare il modo in cui una persona la pensa su qualcosa
14:42
can be easyfacile or harddifficile. It all dependsdipende on the way the personpersona
265
867023
3712
può essere facile o difficile. Tutto dipende da come quella persona
14:46
feelssi sente about changemodificare.
266
870735
1488
si pone di fronte al cambiamento.
14:48
But changingmutevole the way I thought about sciencescienza was
267
872223
2452
Ma cambiare il mio modo di vedere la scienza è stato
14:50
surprisinglysorprendentemente easyfacile. OnceVolta we playedgiocato the gamesi giochi
268
874675
2275
sorprendentemente facile. Dopo aver giocato
14:52
and then startediniziato to think about the puzzlepuzzle,
269
876950
2418
e iniziato a riflettere sul rompicapo,
14:55
I then realizedrealizzato that sciencescienza isn't just a boringnoioso subjectsoggetto,
270
879368
3857
allora ho capito che la scienza non è solo una materia noiosa,
14:59
and that anyonechiunque can discoverscoprire something newnuovo.
271
883225
3194
e che chiunque può scoprire qualcosa di nuovo.
15:02
You just need an opportunityopportunità. My opportunityopportunità cameè venuto
272
886419
3200
Bisogna solo avere un'opportunità. La mia opportunità è arrivata
15:05
in the formmodulo of BeauBeau, and the BlackawtonBlackawton BeeApe ProjectProgetto.
273
889619
2636
nella persona di Beau, e con il progetto Blackawton Bee.
15:08
Thank you.BLBL: Thank you very much. (ApplauseApplausi)
274
892255
4361
Grazie. BL: Grazie mille. (Applausi)
15:12
(ApplauseApplausi)
275
896616
7747
(Applausi)
Translated by Isabella Martini
Reviewed by Lela Selmo

▲Back to top

ABOUT THE SPEAKERS
Beau Lotto - Neuroscientist, Artist
Beau Lotto is founder of Lottolab, a hybrid art studio and science lab. With glowing, interactive sculpture -- and old-fashioned peer-reviewed research--he's illuminating the mysteries of the brain's visual system.

Why you should listen

"Let there be perception," was evolution's proclamation, and so it was that all creatures, from honeybees to humans, came to see the world not as it is, but as was most useful. This uncomfortable place--where what an organism's brain sees diverges from what is actually out there--is what Beau Lotto and his team at Lottolab are exploring through their dazzling art-sci experiments and public illusions. Their Bee Matrix installation, for example, places a live bee in a transparent enclosure where gallerygoers may watch it seek nectar in a virtual meadow of luminous Plexiglas flowers. (Bees, Lotto will tell you, see colors much like we humans do.) The data captured isn't just discarded, either: it's put to good use in probing scientific papers, and sometimes in more exhibits.

At their home in London’s Science Museum, the lab holds "synesthetic workshops" where kids and adults make abstract paintings that computers interpret into music, and they host regular Lates--evenings of science, music and "mass experiments." Lotto is passionate about involving people from all walks of life in research on perception--both as subjects and as fellow researchers. One such program, called "i,scientist," in fact led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," December 2010). It starts, "Once upon a time ..."

These and Lotto's other conjurings are slowly, charmingly bending the science of perception--and our perceptions of what science can be.

More profile about the speaker
Beau Lotto | Speaker | TED.com
Amy O'Toole - Student
Amy O'Toole is a 12-year-old student who helped run a science experiment inspired by Beau Lotto's participative science approach. At age 10 she became one of the youngest people ever to publish a peer-reviewed science paper.

Why you should listen

Amy O'Toole is a 12-year-old student with a peer-reviewed scientific publication under her belt. She took part in a participative science program led by Beau Lotto , called "i, scientist," which inspired a science experiment by a group of 26 primary school students in Blackawton, Devon, UK. O'Toole was never interested in science before this project, but now intends to study the human mind and body. The project led to the publication of the first ever peer-reviewed scientific paper written by schoolchildren ("Blackawton Bees," Royal Society's Biology Letters, December 2010). It starts: "Once upon a time ... ."

More profile about the speaker
Amy O'Toole | Speaker | TED.com