Ne postoji takva osoba kao računska osoba

Moramo prijeći esencijalistički način razmišljanja o kodiranju

Kao i ove biljke, i vi možete rasti na klavijaturama. (Foto: Ashley Juavinett)

Kad se naš ljetni pripravnik Daniel prvi put pridružio laboratoriju, djelovao je prestravljeno od MATLAB-a.

I ne mogu mu zamjeriti - susretanje s programskim jezikom u divljini je zastrašujuće, posebno kada se prijavite za ljetni istraživački program i oni od vas zatraže da unaprijed izjavite da li ste "računarica" ​​ili ne. Daniel kategorički nije.

Daniel se prijavio u "biološki" laboratorij neuroznanosti pa je bio iznenađen kad je naišao na kod u gotovo svakom aspektu našeg rada. Koristimo ga za prikupljanje neobrađenih podataka, predstavljanje podražaja i analizu gigabajta izlaznog materijala. Naši laboratorijski kodovi kolektivno su na mnogim jezicima, a većina nas poznaje dva ili tri jezika. Nismo označeni kao računalni laboratorij, ali svatko od nas mora iz tih ili drugih razloga naučiti kako kodirati i koristiti matematiku.

Stoga sam ga potaknuo na snimanje. Posudio sam kopiju MATLAB-a za neuroznanstvenike, dao mu prilično jednostavan zadatak da ga šifrira i pustio ga u slobodu. Nisam baš bila sigurna kako da ga treniram, ali sigurno sam znala jedno: mogao bi naučiti kako kodirati ako to želi.

Kodiranje u letu

Poput mnogih neuroznanstvenika, ni ja nikad nisam imao formalno obrazovanje o kodiranju. Nisam pohađao tečajeve informatike - ohrabrili su ih, ali nisu potrebni (čak i sada, samo četvrtina škola K-12 nudi satove kodiranja). Nikada nisam morao nikoga podučavati kako kodirati, a tek sam nedavno počeo smatrati sebe osobom koja je iskusna u kodiranju.

"Kako si naučio šifrirati?", Pita me Daniel.

„Istina, putem pokušaja i pogreške. I puno Google pretraga. "Oh, i vjerojatno sam prilično gnjavio svoje ljubazne laboratorij.

Dugo sam smatrao sebe osobom iz matematike i znanosti, pa sam bio otvoren za ideju da bih mogao biti i osoba za kodiranje i računanje. Sve ove skupove vještina obično skupljamo u jedan veći (STEM) identitet: osoba koja leti u nizima problema s umnožavanjem u razredu škole, ističe se na kvantitativnim odjeljcima standardiziranih testova i na kraju postaje koder.

Međutim, ne svi u istraživanjima neuroznanosti ne identificiraju matematiku. U stvari, mnogi su oplemenjivali ideju da "nisu matematička osoba", frazu koja je prepuna dubokih uvjerenja o tome kako funkcioniraju intelektualne sposobnosti. Složeniji računski pristupi sigurno imaju koristi od naprednih matematičkih pozadina, ali matematičko iskustvo ne znači da automatski znate kako kodirati. Ipak, zato što tako snažno povezujemo matematiku, kodiranje i računanje, mnogi pretpostavljaju da kodiranje nije za njih.

Slušalice i naljepnice mijenjaju način na koji učimo

Posljednja dva desetljeća Carol Dweck i njegove kolege razvijaju tijelo istraživanja koje potiče odgajatelje i roditelje da preispitaju način na koji podučavamo djecu, posebno iz matematike. Ako pitate učenike i nastavnike da razmisle o tome što ljude čini dobrim u matematici, primijetit ćete da neki snažnije vjeruju u fiksne ili urođene sposobnosti, dok drugi vjeruju da su intelektualne sposobnosti podložne i da se mogu naučiti. Dweck je skovao pojmove „fiksni“ i „rast“, kako bi opisao naša implicitna uvjerenja o intelektualnim sposobnostima. Sklada za matematičko i prirodoslovno obrazovanje je zapanjujuća: učenici s mentalnim stavovima rasta s vremenom su bolji (čak i u organskoj kemiji).

Priča za informatiku je slična. Naše uvjerenje o tome da li su računske sposobnosti fiksne ili podložne utječu na naš osjećaj pripadnosti, kako odgovaramo na poteškoće i, na kraju, na naše postignuće.

U SAD-u imamo snažne kulturne ideje o tome što znači biti osoba koja može šifrirati. Svježi ljetni pripravnici privlače više od eksperimentalnih vještina - oni uče i naše kulturne norme. Kada tražimo od učenika da se izjasne kao računski ili ne, osnovna poruka je da su ovi skupovi vještina urođeni, a samo su neki studenti računski.

Implicitna uvjerenja o računalnim sposobnostima također se presijecaju pristranosti o rasi i spolu. Dobronamjerni ljudi i dalje imaju implicitne pristranosti u pogledu spola, rase i matematike - ja ću biti prvi koji će priznati da se također nisam potpuno riješio tih implicitnih uvjerenja, ali aktivno radim protiv njih. Još gore od nenamjerno teških anketnih pitanja ili deskriptora u laboratoriji, izraženija su uvjerenja da su neki ljudi matematički skloni, a drugi ne. Čak i ako je dominantna i politički korektna poruka da su muškarci i žene jednaki, još uvijek postoje otvoreni seksistički zaposlenici Googlea i rasistički dobitnici Nobelove nagrade. Žene i manjine posebno prihvaćaju te poruke k srcu, a to može biti nevjerojatno štetno.

Rana laboratorijska iskustva ključni su prozori za mlade znanstvenike kako bi stekli uvid u naše područje i zamislili svoje mjesto u njemu. Naročito u ovom razdoblju trebali bismo širiti predodžbu da svatko može razviti skupove veština kodiranja i računskih vještina (ili bilo koje druge vještine, u tom pogledu). Ove vrste pozitivnih, orijentiranih na rast poruka imaju utjecaj, posebno za studente prve generacije i manjine.

Imena podpolja mogu biti pogrešna

Sigurno ne pokušavam oprati zanimljiva polja polja neuroznanosti. "Računanje" može biti značajan opisnik za laboratorije koji ne provode eksperimentalni rad. No, ne mora nužno biti drukčije - mnogi laboratoriji molekularne biologije okreću se analizama većih razmjera u proteomima ili genima, a laboratoriji kognitivne neuroznanosti već duže vrijeme su dobro smješteni u računalnim pristupima. I neuroznanost sustava sve se više kreće u svijet velikih podataka dok dobivamo podatke iz sve više neurona i regija mozga.

Možda je „teorijska“ neuroznanost bolji termin za neke laboratorije i manje opterećena unaprijed stvorenim predodžbama o tome tko je matematički, a tko ne. Ipak razumijem da je "računarstvo" postalo primarni način opisivanja istraživanja koje uključuje modeliranje i složenije analize podataka, tako da je možda kasno za redefiniranje čitavog polja. Trebali bismo biti barem oprezni kada laboratorij označavamo računarskim ili ne kada pozivamo studente u sebe - ponekad je to jednostavno obmanjivanje.

Bez obzira ako ste novi u istraživanjima neuroznanosti, znajte ovo: možete biti (i možda trebate biti) neuroznanstvenik koji koristi kod, matematiku i statistiku za proučavanje mozga. Kodiranje je vještina, baš kao i učenje bavljenja sportom ili instrumentom. Možda se osjećate kao da pravite više grešaka od drugih ljudi - niste. Kada sam se prvi put susreo s izazovom kodiranja u diplomskoj školi, dočekali su me redovi i redovi blještavih crvenih poruka o pogrešci. Godinama kasnije, još uvijek dobijam pogreške, ali brazde obrva puno, puno manje.

Razmišljajući o ovom članku, sjeo sam s nekoliko ljetnih pripravnika kako bismo razgovarali o akademskim ustanovama i pitao ih o njihovim razmišljanjima o navodnoj podjeli između računanja i biologije. Nekolicina ih je prešla u ljetnom stažu, bilo očekivano ili neočekivano. Kad smo razgovarali o Danielovom iskustvu susreta s linijama i linijama koda u laboratoriju "biologije", svi su kimnuli u dogovoru - nisu vidjeli čvrstu podjelu između biološkog i računalnog laboratorija. U pravu su, nema Kad se usredotočimo na samo istraživanje, granica se ruši.

Posljednja prezentacija Daniela za CSHL dodiplomski istraživački program (Fotograf: Anne Urai)

Daniel je student prve generacije iz Kolumbije. Prevladao je mnoge prepreke da bude ovdje, a ovog je ljeta učinio nevjerojatne korake u MATLAB-u. Tijekom posljednjeg izlaganja, raspravljao je o svojoj analizi gigabajta podataka o ponašanju i elektrofiziologiji, koju je izveo koristeći vlastiti kod. Nije računalni ljetni stažista, ali sigurno izgleda kao jedan.

Ovaj je post početak razgovora

Ovaj je dio dio serije koja će se na kraju pretvoriti u knjigu, naslovljeno pod nazivom "Znači, želite biti neuroznanstvenik? Iskreni prikaz života istraživača “(Columbia University Press). Cilj je ambicioznim neuroznanstvenicima ponuditi iskren, informativan uvid u naše područje kao i obrazovanje i karijere u njemu. Najvažnije je da će odražavati mišljenja i iskustva cijele naše zajednice - zato bih cijenio vaše komentare. Što sam propustio? S čime se ne slažete?

Twitter: @analog_ashley