कम्प्यूटेशनल व्यक्ति जैसी कोई चीज नहीं है

हमें कोडिंग के बारे में आवश्यक मानसिकता से पार पाने की जरूरत है

इन पौधों की तरह, आप भी कीबोर्ड पर बढ़ सकते हैं। (फोटो: एश्ले जुविनेट)

जब हमारे समर इंटर्न डैनियल पहली बार लैब में शामिल हुए, तो उन्हें MATLAB का डर लगने लगा।

और मैं उसे दोष नहीं दे सकता - जंगली में एक प्रोग्रामिंग भाषा का सामना करना डराना है, खासकर जब आप एक ग्रीष्मकालीन अनुसंधान कार्यक्रम के लिए साइन अप करते हैं और वे आपसे पूछते हैं कि क्या आप "कम्प्यूटेशनल" हैं या नहीं। डैनियल स्पष्ट रूप से नहीं है।

डैनियल ने एक "जैविक" न्यूरोसाइंस लैब के लिए साइन अप किया, इसलिए जब वह लगभग हर पहलू में हमारे काम में कोड का सामना करता था तो वह आश्चर्यचकित था। हम इसका उपयोग कच्चा डेटा एकत्र करने, उत्तेजनाओं को प्रस्तुत करने और आउटपुट के गीगाबाइट्स का विश्लेषण करने के लिए करते हैं। सामूहिक रूप से, कई भाषाओं में हमारे प्रयोगशाला कोड, और हम में से अधिकांश दो या तीन में कुशल हैं। हम एक कम्प्यूटेशनल लैब के रूप में लेबल नहीं हैं, लेकिन हम में से प्रत्येक को एक कारण या किसी अन्य के लिए गणित को कोड और नियोजित करना सीखना होगा।

इसलिए, मैंने उसे एक शॉट कोडिंग देने के लिए प्रोत्साहित किया। मैंने न्यूरोसाइंटिस्टों के लिए MATLAB की एक प्रति उधार ली, उसे कोड करने के लिए काफी सरल कार्य दिया, और उसे ढीला कर दिया। मुझे वास्तव में यकीन नहीं था कि उसे कैसे प्रशिक्षित किया जाए, लेकिन मुझे यकीन है कि एक बात पता थी: वह सीख सकता है कि अगर वह चाहता है तो कोड कैसे बना सकता है।

मक्खी पर कोडिंग

कई न्यूरोसाइंटिस्टों की तरह, मुझे कभी भी औपचारिक कोडिंग शिक्षा नहीं मिली। मैंने कोई कंप्यूटर विज्ञान पाठ्यक्रम नहीं लिया था - उन्हें प्रोत्साहित किया गया था लेकिन आवश्यक नहीं था (और अब भी, केवल K-12 स्कूलों में एक ही कक्षा कोडिंग की पेशकश करती है)। मुझे कभी भी किसी को कोड करने का तरीका नहीं सिखाना पड़ा, और अभी हाल ही में खुद को एक ऐसा व्यक्ति मानना ​​शुरू कर दिया है जो कोडिंग में निपुण है।

"आप कोड कैसे सीखते हैं?" डैनियल मुझसे पूछता है।

“सच्चाई से, परीक्षण और त्रुटि के माध्यम से। और Google बहुत सारे खोज करता है। ”ओह, और मैंने शायद अपने भद्दे मज़मूनों को बहुत कम कर दिया है।

मैंने अपने आप को एक गणित और विज्ञान व्यक्ति के रूप में लंबे समय से सोचा था, इसलिए मैं इस विचार के लिए खुला था कि मैं एक कोडिंग और संगणना व्यक्ति भी हो सकता हूं। हम इन सभी कौशल को एक बड़ी (एसटीईएम) पहचान में ढकेल देते हैं: वह व्यक्ति जो ग्रेड स्कूल में गुणन समस्याओं की पंक्तियों के माध्यम से उड़ता है, मानकीकृत परीक्षणों के मात्रात्मक वर्गों पर एक्सेल करता है, और अंततः एक कोडर बन जाता है।

हालांकि, तंत्रिका विज्ञान अनुसंधान में हर कोई गणित-वाई के रूप में पहचान नहीं करता है। वास्तव में, कई लोगों ने इस विचार को आंतरिक रूप दिया है कि वे "एक गणित व्यक्ति नहीं हैं", एक वाक्यांश जो गहरी क्षमता वाले विश्वासों के साथ भरी हुई है कि बौद्धिक क्षमता कैसे काम करती है। अधिक जटिल कम्प्यूटेशनल दृष्टिकोण निश्चित रूप से उन्नत गणित पृष्ठभूमि से लाभान्वित होते हैं, लेकिन गणित के अनुभव का मतलब यह नहीं है कि आप स्वचालित रूप से कोड करना जानते हैं। फिर भी, क्योंकि हम गणित, कोडिंग और संगणना को इतनी मजबूती से जोड़ते हैं, कई लोग मानते हैं कि कोडिंग उनके लिए नहीं है।

माइंडसेट्स और लेबल बदलते हैं कि हम कैसे सीखते हैं

पिछले दो दशकों से, कैरोल ड्वेक और सहकर्मियों ने अनुसंधान का एक शरीर विकसित किया है जो शिक्षकों और माता-पिता को प्रोत्साहित करता है कि जिस तरह से हम बच्चों को पढ़ाते हैं, खासकर गणित में। यदि आप छात्रों और शिक्षकों से यह पूछते हैं कि गणित में लोगों को अच्छा बनाने के लिए क्या करना है, तो आप पाएंगे कि कुछ लोग निश्चित या सहज क्षमताओं में अधिक विश्वास करते हैं, जबकि अन्य मानते हैं कि बौद्धिक क्षमता निंदनीय है और इसे सीखा जा सकता है। ड्वेक ने बौद्धिक क्षमता के बारे में हमारी अंतर्निहित मान्यताओं का वर्णन करने के लिए "निश्चित" और "विकास" मानसिकता वाले शब्दों को गढ़ा। गणित और विज्ञान शिक्षा के लिए पंचलाइन चौंका देने वाली है: ग्रोथ माइंडसेट वाले छात्र समय के साथ (यहां तक ​​कि ऑर्गेनिक केमिस्ट्री में भी) बेहतर प्रदर्शन करते हैं।

कंप्यूटर विज्ञान के लिए कहानी समान है। कम्प्यूटेशनल क्षमताओं को तय किया गया है या नहीं, इस बारे में हमारी धारणाएं हमारी भावना को प्रभावित करती हैं, हम कठिनाइयों का जवाब कैसे देते हैं, और आखिरकार, हमारी उपलब्धि।

U.S. में, हमारे पास मजबूत सांस्कृतिक विचार हैं, इसका मतलब यह है कि एक व्यक्ति जो कोड कर सकता है। ताजा ग्रीष्मकालीन इंटर्न केवल प्रयोगात्मक कौशल से अधिक उठा रहे हैं - वे हमारे सांस्कृतिक मानदंडों को भी सीख रहे हैं। जब हम छात्रों से खुद को कम्प्यूटेशनल घोषित करने या न करने के लिए कहते हैं, तो अंतर्निहित संदेश यह है कि ये कौशल सहज हैं, और केवल कुछ छात्र ही कम्प्यूटेशनल हैं।

कम्प्यूटेशनल क्षमताओं के बारे में निहित मान्यताएं दौड़ और लिंग के बारे में पूर्वाग्रह के साथ भी अंतर करती हैं। अच्छी तरह से अर्थ लोगों में अभी भी लिंग, जाति और गणित के बारे में निहितार्थ हैं - मैं सबसे पहले यह स्वीकार करना चाहता हूं कि मैं भी इन निहित मान्यताओं से पूरी तरह से छुटकारा नहीं पा रहा हूं, लेकिन मैं उनके खिलाफ सक्रिय रूप से काम कर रहा हूं। गैर-कानूनी रूप से वेटीवेट सर्वेक्षणों या लैब डिस्क्रिप्टर की तुलना में अधिक स्पष्ट मान्यताएं हैं कि कुछ लोग गणितीय रूप से इच्छुक हैं, और अन्य लोग ऐसा नहीं करते हैं। भले ही प्रमुख और राजनीतिक रूप से सही संदेश यह है कि पुरुष और महिला समान हैं, अभी भी मुखर सेक्सिस्ट Google कर्मचारी और नस्लवादी नोबेल पुरस्कार विजेता हैं। महिलाएं और अल्पसंख्यक विशेष रूप से इन संदेशों को दिल से लेते हैं, और यह अविश्वसनीय रूप से हानिकारक हो सकता है।

युवा वैज्ञानिकों के लिए हमारे क्षेत्र के बारे में जानकारी हासिल करने और उसमें अपनी जगह की कल्पना करने के लिए शुरुआती लैब अनुभव महत्वपूर्ण खिड़कियां हैं। इस अवधि के दौरान विशेष रूप से, हमें इस धारणा को फैलाना चाहिए कि हर कोई कोडिंग और कम्प्यूटेशनल कौशल (या उस मामले के लिए कोई अन्य कौशल) विकसित कर सकता है। इस प्रकार के सकारात्मक, विकासोन्मुख संदेश प्रभावशाली हैं, खासकर पहली पीढ़ी और अल्पसंख्यक छात्रों के लिए।

सबफील्ड के नाम भ्रामक हो सकते हैं

मैं निश्चित रूप से तंत्रिका विज्ञान के दिलचस्प उपक्षेत्रों को धोने की कोशिश नहीं कर रहा हूं। "कम्प्यूटेशनल" उन प्रयोगशालाओं के लिए एक सार्थक विवरणक हो सकता है जो प्रयोगात्मक कार्य नहीं करते हैं। लेकिन यह आवश्यक रूप से दूसरे तरीके से काम नहीं करता है - कई आणविक जीव विज्ञान प्रयोगशालाएं प्रोटिओम या जीनोम में बड़े पैमाने पर विश्लेषण करने के लिए बदल रही हैं, और संज्ञानात्मक तंत्रिका विज्ञान प्रयोगशालाएं लंबे समय तक कम्प्यूटेशनल दृष्टिकोणों में अच्छी तरह से स्थित हैं। और सिस्टम तंत्रिका विज्ञान बड़े डेटा की दुनिया में तेजी से बढ़ रहा है क्योंकि हम अधिक से अधिक न्यूरॉन्स और मस्तिष्क क्षेत्रों से डेटा प्राप्त करते हैं।

शायद "सैद्धांतिक" तंत्रिका विज्ञान कुछ प्रयोगशालाओं के लिए एक बेहतर शब्द है, और जो गणितीय है, और कौन नहीं है, इस बारे में पूर्व धारणाओं से भरा हुआ है। फिर भी, मैं समझता हूं कि "कम्प्यूटेशनल" अनुसंधान का वर्णन करने के लिए एक प्राथमिक तरीका बन गया है जिसमें मॉडलिंग और अधिक जटिल डेटा विश्लेषण शामिल हैं, इसलिए पूरे क्षेत्र को फिर से परिभाषित करने में बहुत देर हो सकती है। जब हम प्रयोगशालाओं को कम्प्यूटेशनल के रूप में लेबल करते हैं तो कम से कम हमें सतर्क रहना चाहिए जब हम छात्रों को आमंत्रित नहीं कर रहे हैं - कभी-कभी यह केवल भ्रामक है।

भले ही, अगर आप न्यूरोसाइंस अनुसंधान में नए हैं, तो यह जान लें: आप एक न्यूरोसाइंटिस्ट हो सकते हैं, जो मस्तिष्क का अध्ययन करने के लिए कोड, गणित और आंकड़ों का उपयोग करता है। कोडिंग एक कौशल है, ठीक उसी तरह जैसे कोई खेल या साधन खेलना सीखता है। आप ऐसा महसूस कर सकते हैं कि आप अन्य लोगों की तुलना में अधिक गलतियाँ कर रहे हैं - आप नहीं हैं। जब मैंने पहली बार स्नातक विद्यालय में एक कोडिंग चुनौती का सामना किया, तो मुझे लाल त्रुटि संदेशों को धुंधला करने वाली पंक्तियों और पंक्तियों के साथ स्वागत किया गया। वर्षों बाद, मुझे अभी भी त्रुटियां हैं, लेकिन मैंने अपने भौंह को बहुत कम कर दिया है, बहुत कम।

इस लेख के बारे में सोचने पर, मैंने कुछ गर्मियों के इंटर्न के साथ बैठकर शिक्षाविदों के बारे में बातचीत की और उनसे गणना और जीव विज्ञान के बीच के विभाजन के बारे में अपने विचार पूछे। कुछ ने अपनी गर्मियों की इंटर्नशिप में पार किया था, या तो उम्मीद से या अप्रत्याशित रूप से। जब हमने डैनियल के "जीवविज्ञान" लैब में लाइनों और कोड की पंक्तियों का सामना करने के अनुभव पर चर्चा की, तो उन्होंने समझौते में सिर हिलाया - वे जैविक और कम्प्यूटेशनल प्रयोगशालाओं के बीच एक ठोस विभाजन नहीं देखते हैं। और वे सही हैं, वहाँ नहीं है जब हम खुद अनुसंधान पर ध्यान केंद्रित करते हैं, तो सीमा टूट जाती है।

CSHL अंडरग्रेजुएट रिसर्च प्रोग्राम के लिए डैनियल की अंतिम प्रस्तुति (फोटो क्रेडिट: ऐनी उराई)

डैनियल कोलंबिया से पहली पीढ़ी के कॉलेज के छात्र हैं। उन्होंने यहां आने के लिए कई बाधाओं को दूर किया है, और इस गर्मी में MATLAB में आश्चर्यजनक प्रगति की है। अपनी अंतिम प्रस्तुति के दौरान, उन्होंने व्यवहार और इलेक्ट्रोफिजियोलॉजी डेटा के गीगाबाइट्स के अपने विश्लेषण पर चर्चा की, जो उन्होंने अपने कोड का उपयोग करके किया। वह कम्प्यूटेशनल समर इंटर्न नहीं है, लेकिन वह निश्चित रूप से एक जैसा दिखता है।

यह पोस्ट एक बातचीत की शुरुआत है

यह टुकड़ा एक श्रृंखला का हिस्सा है जो अंततः एक किताब में रूपांतरित हो जाएगा, जिसका शीर्षक है "अस्थायी रूप से" तो आप एक न्यूरोसाइंटिस्ट बनना चाहते हैं? एक शोधकर्ता के रूप में जीवन का एक ईमानदार खाता ”(कोलंबिया यूनिवर्सिटी प्रेस)। लक्ष्य हमारे क्षेत्र के साथ-साथ शिक्षा और करियर के बारे में ईमानदार न्यूरोसाइंटिस्टों को ईमानदार, ज्ञानवर्धक अंतर्दृष्टि प्रदान करना है। सबसे महत्वपूर्ण बात, यह हमारे पूरे समुदाय की राय और अनुभव को प्रतिबिंबित करेगा - इसलिए, मैं आपकी प्रतिक्रिया की बहुत सराहना करता हूं। मुझसे क्या छूट गया? आप किस बात से असहमत हैं?

ट्विटर: @analog_ashley