Créer de nouvelles compétences et de nouvelles connexions avec l’atelier sur les méthodes quantitatives du MIT | Actualités du MIT

À partir du jour de l’An, alors que de nombreuses personnes s’accrochaient encore aux festivités des Fêtes, des dizaines d’étudiants et de professeurs d’une douzaine d’universités partenaires ont plutôt ouvert leurs ordinateurs portables pour assister au MIT. Atelier de méthodes quantitatives, une introduction bien remplie d’une semaine sur la façon dont les techniques informatiques et mathématiques peuvent être appliquées à la recherche en neurosciences et en biologie. Mais ne considérez pas le QMW comme un « cours intensif ». Au lieu de cela, l’objectif du programme est d’aider à élever les perspectives scientifiques de chaque participant, à la fois par les compétences et les concepts qu’il transmet et par la communauté qu’il crée.

« Cela élargit leurs horizons, cela leur montre des applications significatives auxquelles ils n’avaient jamais pensé et leur présente des personnes qu’en tant que chercheurs, ils connaîtront et avec lesquelles ils collaboreront peut-être un jour », explique Susan L. Epstein, professeur d’informatique au Hunter College et coordinateur pédagogique du Center for Brains, Minds, and Machines du MIT, qui héberge le programme avec les départements de biologie et de sciences du cerveau et des sciences cognitives et le Picower Institute for Learning and Memory. «C’est un modèle d’érudition interdisciplinaire.»

Cette année, 83 étudiants de premier cycle et membres du corps professoral d’établissements qui servent principalement des groupes sous-représentés dans les domaines STEM ont participé au QMW, selon l’organisateur. Mandana Sassanfar, maître de conférences et directeur de la diversité et de la sensibilisation scientifique dans les quatre entités hôtes du MIT. Depuis son lancement en 2010, l’atelier a attiré plus de 1 000 participants, dont plus de 170 ont participé aux programmes de recherche d’été du MIT (tels que PDSF-BIO), et 39 sont venus au MIT pour faire des études supérieures.

Objectifs individuels, expérience partagée

Les étudiants de premier cycle et les professeurs de diverses disciplines STEM viennent souvent à QMW pour acquérir une compréhension ou élargir leur expertise en matière d’analyse de données informatiques et mathématiques. Les participants passionnés d’informatique et de statistiques viennent en apprendre davantage sur la manière dont ces techniques peuvent être appliquées dans les domaines des sciences de la vie. En cours; dans des laboratoires pratiques où ils ont utilisé le langage de programmation informatique Python pour traiter, analyser et visualiser des données ; et dans des contextes moins formels tels que des visites et des déjeuners avec des professeurs du MIT, les participants ont travaillé et appris ensemble et ont échangé leurs points de vue.

Et quel que soit leur domaine d’études, les participants ont établi des liens entre eux ainsi qu’avec les étudiants et les professeurs du MIT qui ont enseigné et pris la parole au cours de la semaine.

Vlad Vostrikov, étudiant en deuxième année en informatique au Hunter College, déclare que même s’il a déjà travaillé avec l’apprentissage automatique et d’autres concepts de programmation, il souhaitait « se diversifier » en voyant comment ils sont utilisés pour analyser des ensembles de données scientifiques. Il a également apprécié l’occasion d’apprendre les expériences des étudiants diplômés qui enseignent dans les laboratoires pratiques de QMW.

«C’était une bonne façon d’explorer la biologie computationnelle et les neurosciences», explique Vostrikov. « J’aime aussi beaucoup entendre les gens qui nous enseignent. C’est intéressant de savoir d’où ils viennent et ce qu’ils font.

Jariatu Kargbo, étudiante en deuxième année de biologie et de chimie à l’Université du Maryland dans le comté de Baltimore, dit que lorsqu’elle a entendu parler pour la première fois du QMW, elle n’était pas sûre que ce soit pour elle. Cela semblait très axé sur le calcul. Mais sa conseillère Holly Willoughby a encouragé Kargbo à y assister pour découvrir comment la programmation pourrait être utile dans les recherches futures – elle participe actuellement à des recherches sur la rétine à l’UMBC. Plus que cela, Kargbo a également réalisé que ce serait une bonne opportunité d’établir des liens au MIT avant peut-être de postuler au PDSF cet été.

« J’ai pensé que ce serait une excellente façon de rencontrer des professeurs et de voir à quoi ressemble l’environnement ici, car je ne suis jamais allé au MIT auparavant », explique Kargbo. “C’est toujours agréable de rencontrer d’autres personnes dans votre domaine et de développer votre réseau.”

QMW n’est pas réservé qu’aux étudiants. C’est également pour leurs professeurs, qui ont déclaré pouvoir acquérir une formation professionnelle précieuse pour leur recherche et leur enseignement.

Fayuan Wen, professeur adjoint de biologie à l’Université Howard, n’est pas étranger à la biologie computationnelle, ayant effectué des analyses génétiques Big Data de la drépanocytose (SCD). Mais elle a principalement travaillé avec le langage de programmation R et QMW se concentre sur Python. Alors qu’elle envisage des projets dans lesquels elle souhaite analyser des données génomiques pour aider à prédire les conséquences de la drépanocytose et du VIH, elle affirme qu’une séance QMW animée par Hannah Jacobs, étudiante diplômée en biologie, était parfaitement pertinente.

«Cet atelier possède les compétences que je souhaite acquérir», déclare Wen.

De plus, Wen dit qu’elle envisage de créer un cours d’apprentissage automatique dans le département de biologie de Howard et qu’elle a été inspirée par certains des supports pédagogiques qu’elle a rencontrés à QMW – par exemple, des modules de programme en ligne développés par Taylor Baum, un étudiant diplômé du MIT en électricité. les laboratoires d’ingénierie et d’informatique et du Picower Institute, et Paloma Sánchez-Jáuregui, une coordinatrice qui travaille avec Sassanfar.

Tiziana Ligorio, doctorante en informatique au Hunter College qui, avec Epstein, enseigne un cours d’apprentissage automatique approfondi sur le campus de la City University de New York, a ressenti la même chose. Plutôt que d’exiger un ensemble de prérequis susceptibles d’éloigner les étudiants du cours, Ligorio se tournait vers le programme d’études intense mais introductif de QMW comme ressource pour concevoir une manière plus inclusive de préparer les étudiants au cours.

Des interactions instructives

Chaque journée se déroule de 9h à 17h, avec des cours et des séances pratiques le matin et l’après-midi. Les sujets de cours allaient de l’analyse de données statistiques et de l’apprentissage automatique aux interfaces cerveau-ordinateur, en passant par l’imagerie cérébrale, le traitement du signal des données d’activité neuronale et la microscopie électronique cryogénique.

« Cet atelier ne pourrait avoir lieu sans des instructeurs dévoués – étudiants diplômés, postdoctorants et professeurs – qui se portent volontaires pour donner des conférences, concevoir et enseigner des laboratoires informatiques pratiques et rencontrer les étudiants au cours de la toute première semaine de janvier », explique Saassanfar.

Les sessions entourent des déjeuners d’étudiants avec des membres du corps professoral du MIT. Par exemple, le 2 janvier à midi, professeur adjoint de biologie Brady Weissbourd, un enquêteur de l’Institut Picower, s’est assis avec sept étudiants dans l’un des canapés incurvés du bâtiment 46 pour répondre à des questions sur ses recherches en neurosciences sur les méduses et sur la manière dont il utilise des techniques quantitatives dans le cadre de ces travaux. Il a également décrit ce que signifie être professeur et d’autres sujets qui sont venus à l’esprit des étudiants.

Ensuite, les participants ont tous traversé la rue Vassar jusqu’à la salle 152 du bâtiment 26, où ils ont formé des groupes différents mais de taille similaire pour le laboratoire pratique « Applications d’apprentissage automatique pour l’étude du cerveau », enseigné par Baum. Elle a guidé la classe à travers des exercices Python qu’elle a développés illustrant des formes d’apprentissage automatique « supervisé » et « non supervisé », notamment comment cette dernière méthode peut être utilisée pour discerner ce qu’une personne voit sur la base de lectures magnétiques de l’activité cérébrale.

Pendant que les élèves effectuaient les exercices, les camarades de table s’entraidaient en complétant l’enseignement de Baum. Ligorio, Vostrikov et Kayla Blincowprofesseur adjoint de biologie à l’Université des Îles Vierges, par exemple, tous se sont levés d’un bond pour aider à leur table.

À la fin du cours, lorsque Baum a demandé aux étudiants ce qu’ils avaient appris, ils ont proposé une litanie de nouvelles connaissances. Les données d’enquête que Sassanfar et Sánchez-Jáuregui utilisent pour suivre de manière anonyme les résultats du QMW ont révélé de nombreuses autres attestations de ce type sur la valeur des sessions. Lorsqu’on lui a demandé comment appliquer ce qu’il avait appris, un répondant a écrit : « Poursuivre une carrière ou une entreprise de recherche dans laquelle j’applique ensemble les concepts de l’informatique et des neurosciences. »

Des liens durables

Alors que certains nouveaux participants au QMW ne peuvent que spéculer sur la manière dont ils appliqueront leurs nouvelles compétences et relations, Luis Miguel de Jesús Astacio pourrait témoigner de la façon dont sa participation au QMW en tant qu’étudiant de premier cycle en 2014 s’est inscrite dans une carrière où il est maintenant professeur. membre en physique du campus Rio Piedras de l’Université de Porto Rico. Après QMW, il est retourné au MIT cet été-là en tant qu’étudiant dans le laboratoire du neuroscientifique et professeur Picower. Susumu Tonegawa. Il est revenu en 2016 au laboratoire du physicien et professeur Francis Friedman Mehran Kardar. Ce qui a persisté pendant cette décennie, c’est son lien avec Sassanfar. Ainsi, alors qu’il était autrefois étudiant à QMW, il était de retour cette année avec une cohorte d’étudiants de premier cycle en tant que membre du corps professoral.

Michael Aldarondo Jeffries, directeur des programmes de perfectionnement académique à l’Université de Floride centrale, a appuyé la valeur du réseautage qui a lieu à QMW. Il accueille des étudiants depuis une décennie, dont quatre cette année. Ce qu’il a observé, c’est que lorsque les étudiants se réunissent dans des contextes tels que QMW ou le programme McNair de l’UCF, qui aide à préparer les étudiants aux études supérieures, ils sont inspirés par un avenir potentiel en tant que chercheurs.

« Ce qui ressort, c’est la communauté qui s’est formée », dit-il. « Pour de nombreux étudiants, c’est la première fois qu’ils font partie d’un groupe qui comprend vers quoi ils s’orientent. Ils n’ont pas besoin d’expliquer pourquoi ils sont impatients de lire les journaux un vendredi soir.

Ou pourquoi ils sont ravis de passer une semaine, y compris le jour de l’An, au MIT pour apprendre à appliquer des méthodes quantitatives aux données des sciences de la vie.