Er bestaat niet zoiets als een computationeel persoon

We moeten voorbij de essentialistische denkwijze over codering komen

Net als deze planten, kunt u ook groeien op toetsenborden. (Foto: Ashley Juavinett)

Toen onze zomerstagiair Daniel voor het eerst bij het lab kwam, leek hij doodsbang voor MATLAB.

En ik kan het hem niet kwalijk nemen - een programmeertaal in het wild tegenkomen is intimiderend, vooral wanneer je je aanmeldt voor een zomeronderzoeksprogramma en ze je vooraf vragen of je 'computationeel' bent of niet. Daniel is dat categorisch niet.

Daniel heeft zich aangemeld voor een 'biologisch' neurowetenschappelijk laboratorium, dus hij was verrast toen hij in bijna elk aspect van ons werk code tegenkwam. We gebruiken het om onbewerkte gegevens te verzamelen, stimuli te presenteren en gigabytes aan output te analyseren. Gezamenlijk zijn onze labcodes in vele talen, en de meesten van ons zijn bedreven in twee of drie. We zijn niet gelabeld als een computationeel lab, maar ieder van ons heeft om de een of andere reden moeten leren hoe te coderen en wiskunde te gebruiken.

Dus ik moedigde hem aan om codering een kans te geven. Ik leende een exemplaar van MATLAB voor neurowetenschappers, gaf hem een ​​vrij eenvoudige taak om te coderen en liet hem los. Ik wist niet echt hoe ik hem moest trainen, maar ik wist één ding zeker: hij kon leren coderen als hij dat wilde.

Codering tijdens de vlucht

Zoals vele neurowetenschappers heb ik nooit een formele codeeropleiding gevolgd. Ik heb geen cursussen informatica gevolgd - ze waren aangemoedigd maar niet noodzakelijk (en zelfs nu biedt slechts een kwart van de K-12-scholen codeerlessen). Ik heb nog nooit iemand moeten leren hoe te coderen en ben pas onlangs begonnen mezelf te beschouwen als iemand die bedreven is in coderen.

"Hoe heb je leren coderen?" Vraagt ​​Daniel me.

“Eerlijk gezegd, door vallen en opstaan. En veel Google-zoekopdrachten. ”Oh, en ik heb waarschijnlijk mijn gracieuze collega's nogal wat lastiggevallen.

Ik heb mezelf lang beschouwd als een persoon voor wiskunde en wetenschap, dus ik stond open voor het idee dat ik ook een persoon voor codering en berekening kon zijn. We neigen ertoe al deze vaardigheden in één grotere (STEM) identiteit te stoppen: de persoon die door rijen met vermenigvuldigingsproblemen op de lagere school vliegt, uitblinkt in kwantitatieve secties van gestandaardiseerde tests en uiteindelijk een coder wordt.

Niet iedereen in neurowetenschappelijk onderzoek identificeert zich echter als wiskunde. In feite hebben velen het idee geïnternaliseerd dat ze 'geen wiskundig persoon' zijn, een zin die vol zit met diepgewortelde overtuigingen over hoe intellectueel vermogen werkt. Meer complexe computationele benaderingen profiteren zeker van geavanceerde wiskundige achtergronden, maar wiskundige ervaring betekent niet dat je automatisch weet hoe je moet coderen. Omdat we wiskunde, codering en berekening zo sterk associëren, gaan veel mensen ervan uit dat codering niets voor hen is.

Mindsets en labels veranderen hoe we leren

Carol Dweck en collega's hebben de afgelopen twee decennia een geheel van onderzoek ontwikkeld dat opvoeders en ouders aanmoedigt om de manier waarop we kinderen lesgeven te heroverwegen, vooral in de wiskunde. Als je studenten en docenten vraagt ​​om na te denken over wat mensen goed maakt in wiskunde, zul je merken dat sommigen sterker geloven in vaste of aangeboren vaardigheden, terwijl anderen geloven dat intellectuele vaardigheden kneedbaar zijn en kunnen worden geleerd. Dweck bedacht de termen 'vaste' en 'groei'-denkrichtingen om onze impliciete opvattingen over intellectueel vermogen te beschrijven. De kern van wiskunde en natuurwetenschappelijk onderwijs is verbluffend: studenten met groeimindsets presteren na verloop van tijd beter (zelfs in de organische chemie).

Het verhaal voor informatica is vergelijkbaar. Onze overtuigingen over de vraag of rekenvaardigheden vast of kneedbaar zijn, hebben invloed op ons gevoel van verbondenheid, hoe we reageren op moeilijkheden en uiteindelijk op onze prestaties.

In de VS hebben we sterke culturele ideeën over wat het betekent om een ​​persoon te zijn die kan coderen. Frisse zomerstagiairs leren meer dan alleen experimentele vaardigheden - ze leren ook onze culturele normen. Wanneer we studenten vragen om zichzelf als computationeel te verklaren of niet, is de onderliggende boodschap dat deze vaardigheden aangeboren zijn en dat slechts enkele studenten computationeel zijn.

Impliciete overtuigingen over rekenvaardigheden kruisen ook met vooroordelen over ras en geslacht. Goedbedoelende mensen hebben nog steeds impliciete vooroordelen over geslacht, ras en wiskunde - ik ben de eerste om toe te geven dat ook ik niet volledig van deze impliciete overtuigingen af ​​ben, maar ik werk er actief tegen. Erger dan onbedoeld zware onderzoeksvragen of labdescriptoren zijn de meer expliciete overtuigingen dat sommige mensen wiskundig geneigd zijn, en anderen niet. Zelfs als de overheersende en politiek correcte boodschap is dat mannen en vrouwen gelijk zijn, zijn er nog steeds uitgesproken seksistische Google-medewerkers en racistische Nobelprijswinnaars. Vooral vrouwen en minderheden nemen deze berichten ter harte, en het kan ongelooflijk schadelijk zijn.

Vroege laboratoriumervaringen zijn cruciale vensters voor jonge wetenschappers om inzicht te krijgen in ons vakgebied en zich hun plek daarin voor te stellen. Vooral in deze periode moeten we het idee verspreiden dat iedereen coderings- en computationele vaardigheden (of andere vaardigheden, wat dat betreft) kan ontwikkelen. Dit soort positieve, op groei gerichte berichten zijn impactvol, vooral voor studenten van de eerste generatie en minderheden.

Subveldnamen kunnen misleidend zijn

Ik probeer zeker niet de interessante deelgebieden van de neurowetenschappen te overspoelen. "Computationeel" kan een zinvolle descriptor zijn voor laboratoria die geen experimenteel werk verrichten. Maar het werkt niet noodzakelijkerwijs de andere kant op - veel labs voor moleculaire biologie wenden zich tot analyses op grotere schaal in proteomen of genomen, en cognitieve neurowetenschappelijke laboratoria zijn al lang goed in computationele benaderingen. En de neurowetenschap van systemen beweegt zich steeds meer in de wereld van big data, omdat we gegevens verkrijgen van steeds meer neuronen en hersengebieden.

Misschien is 'theoretische' neurowetenschap een betere term voor sommige laboratoria en minder belast met vooroordelen over wie wiskundig is en wie niet. Toch begrijp ik dat 'computationeel' een primaire manier is geworden om onderzoek te beschrijven dat modellering en meer complexe data-analyses omvat, dus het kan te laat zijn om een ​​heel veld opnieuw te definiëren. We moeten op zijn minst voorzichtig zijn wanneer we labs labelen als computationeel of niet wanneer we studenten uitnodigen - soms is het gewoon misleidend.

Hoe dan ook, als je nieuw bent met neurowetenschappelijk onderzoek, weet dit: je kunt (en moet dat ook zijn) een neurowetenschapper die code, wiskunde en statistieken gebruikt om de hersenen te bestuderen. Coderen is een vaardigheid, net als leren hoe je een sport of een instrument speelt. Je hebt misschien het gevoel dat je meer fouten maakt dan andere mensen - dat doe je niet. Toen ik voor het eerst een codeeruitdaging tegenkwam op de graduate school, werd ik begroet met rijen en rijen schetterende rode foutmeldingen. Jaren later krijg ik nog steeds fouten, maar ik fronste veel, veel minder mijn wenkbrauwen.

Bij het nadenken over dit artikel, ging ik zitten met een paar van de zomerstagiaires om over de academische wereld te praten en hun hun mening te vragen over de veronderstelde kloof tussen berekening en biologie. Een paar waren in hun zomerstage overgestoken, naar verwachting of onverwacht. Toen we Daniel's ervaring bespraken met het tegenkomen van regels en coderegels in een laboratorium voor 'biologie', knikten ze allemaal in overeenstemming - ze zagen geen duidelijke kloof tussen biologische en computationele labs. En ze hebben gelijk, dat is er niet. Wanneer we ons concentreren op het onderzoek zelf, brokkelt de grens af.

Daniel's laatste presentatie voor het CSHL Undergraduate Research Program (Photo credit: Anne Urai)

Daniel is een eerste generatie student uit Colombia. Hij heeft veel obstakels overwonnen om hier te zijn en heeft deze zomer geweldige vorderingen gemaakt in MATLAB. Tijdens zijn laatste presentatie besprak hij zijn analyse van gigabytes aan gedrags- en elektrofysiologische gegevens, die hij uitvoerde met zijn eigen code. Hij is geen computationele zomerstagiair, maar hij lijkt er zeker op.

Dit bericht is het begin van een gesprek

Dit stuk maakt deel uit van een serie die uiteindelijk zal veranderen in een boek, voorlopig getiteld "Dus wil je een neurowetenschapper worden? Een eerlijk verslag van het leven als onderzoeker ”(Columbia University Press). Het doel is om aspirant-neurowetenschappers een eerlijk, informatief inzicht te bieden over ons vakgebied, evenals over opleiding en loopbanen daarin. Het belangrijkste is dat het de meningen en ervaringen van onze hele gemeenschap weerspiegelt - dus ik stel uw feedback zeer op prijs. Wat heb ik gemist? Waar ben je het niet mee eens?

Twitter: @analog_ashley