Per comprendere la disparità tra i campi della ricerca educativa e della genomica, basta considerare come ciascuno potrebbe definire la parola "codifica".

Ai Marilyne Stains del Nebraska, la cui ricerca sull'istruzione STEM le è valsa di recente il Presidential Early Career Award for Scientists and Engineers, significa classificare il comportamento in classe di docenti e studenti.

A Robert Erdmann, che ha conseguito il dottorato studiando genetica vegetale prima di entrare nel laboratorio di Stains, descrive come gli organismi immagazzinano i manuali di istruzioni biologiche che rendono possibile la vita.

Ma Stains ha portato a bordo Erdmann proprio perché il suo background accademico era diverso dal suo, apprezzando la possibilità di aggiungere una prospettiva e una voce distinte al suo laboratorio. Quell'investimento nell'interdisciplinare ha dato i suoi frutti sotto forma di Classroom as Genome, un approccio ispirato alla genetica che il duo ha sviluppato per analizzare e interpretare meglio i dati raccolti dalle aule.

Gli strumenti statistici e di visualizzazione che hanno accelerato la ricerca di indicatori genetici di malattia o fitness negli organismi hanno il potenziale per fare lo stesso per l'educazione STEM, hanno detto i ricercatori.

"Penso che la grande innovazione qui sia (essere) in grado di sfruttare strumenti che sono già controllati ed esistenti in campi completamente diversi e applicarli ai dati sull'istruzione, " Macchie, professore associato di chimica, disse. "Gli strumenti che stiamo usando qui ci aiutano a identificare modelli di comportamento dell'istruttore (e) degli studenti che non potremmo davvero fare con le sole statistiche tradizionali".

Nel confrontare le note durante il brainstorming dell'approccio, Stains ed Erdmann hanno identificato alcune somiglianze critiche ma facilmente trascurate tra genomi e classi.

Il duo ha realizzato, ad esempio, che entrambi presentano più livelli di informazioni che possono andare persi o compressi quando si osserva solo l'insieme. Collettivamente, un genoma può essere pensato come l'intero catalogo di schemi genetici in un organismo. Comprendere il genoma a livello pratico, anche se, significa scavare negli strati più profondi:cosa sono realmente il DNA e i geni, come le istruzioni incorporate nei geni vengono trascritte e tradotte, perché quel processo a volte fallisce.

La maggior parte degli approcci tradizionali all'analisi dei dati della classe assomiglia più al primo che al secondo, i ricercatori hanno detto, dinamiche mancanti che a volte catturano al meglio il modo in cui gli istruttori insegnano e gli studenti imparano. Stains ed Erdmann volevano le sfumature. Volevano un approccio che potesse spiegare sia l'influenza della sequenza - come un elemento potrebbe causare o influenzare il successivo - sia l'interazione tra eventi che si verificano simultaneamente o si sovrappongono nel tempo. E volevano distinguere modelli significativi da enormi quantità di dati raccolti da centinaia o addirittura migliaia di aule.

I genetisti hanno affrontato sfide simili ma ancora più grandi mentre studiavano i genomi degli organismi, molti dei quali contengono milioni se non miliardi di basi nucleotidiche, le quattro "lettere" dell'alfabeto del DNA. L'ascesa della bioinformatica guidata dalla tecnologia negli ultimi decenni ha permesso ai genetisti di interpretare gli equivalenti di parole, pagine e capitoli nei manuali di istruzione formati da quel codice, insieme alla sintassi, punteggiatura e altre regole che determinano come viene trascritto.

Nella mente di Erdmann, che il progresso sbalorditivo rappresentava anche un potenziale non realizzato.

"Quello che stavo vedendo era un'opportunità di utilizzare quegli stessi strumenti bioinformatici che ho usato per la biologia vegetale per una sorta di scopo unico e creativo:analizzare i dati che in realtà hanno molti paralleli con i dati biologici ma non erano stati visti in quel contesto prima, " ha detto Erdmann, ora presso l'Università del Minnesota Rochester. "Penso che siamo rimasti entrambi molto soddisfatti della fluidità con cui è stato possibile utilizzarli e dei risultati che siamo stati in grado di ottenere quando abbiamo testato gli strumenti".

Prima della classe

Un grande vantaggio dell'approccio Classroom as Genome, Stains e Erdmann hanno detto, è che può incorporare più modi di misurare le stesse osservazioni in classe. Uno strumento comune, noto come COPUS, aiuta a classificare la presenza o l'assenza di comportamenti e interazioni in classe. Altri strumenti classificano la qualità percepita o altri aspetti di quegli eventi.

I ricercatori nel campo dell'istruzione in genere analizzano i dati provenienti da strumenti diversi indipendentemente l'uno dall'altro, Macchie ha detto. Ma il nuovo approccio consentirà ai ricercatori di stratificare la presenza, quantità e qualità di una pratica o interazione in un unico strumento di visualizzazione, dando loro una visione più completa ma ancora comprensibile dello stile di un istruttore o della cultura della classe, lei disse.

"Le aule sono luoghi caotici, " Ha detto Erdmann. "Vuoi essere in grado di ottenere il maggior numero di informazioni possibile e non perderne nessuna. Questa è un'ottima struttura dati da utilizzare per questo.

"Ciò consente ai ricercatori di utilizzare le parti migliori di più strumenti contemporaneamente per ottenere più informazioni dallo stesso set di dati".

Per illustrare l'uso e il valore di Classroom come genoma, Stains e Erdmann hanno incluso esempi e casi di studio, quest'ultimo con i dati di un documento del 2015 quando hanno svelato il loro approccio sulla rivista CBE—Life Sciences Education.

I loro esempi consistevano in domande che i ricercatori nel campo dell'istruzione potrebbero affrontare meglio utilizzando l'approccio, accanto agli equivalenti genomici già risolti tramite la bioinformatica. Una domanda in classe che esaminava la distribuzione uniforme delle domande clicker in un periodo di istruzione è stata abbinata alla distanza di un codice genetico da altre istanze dello stesso codice in un genoma.

In un caso di studio correlato, il duo ha utilizzato i dati COPUS e uno strumento di visualizzazione genomica per testare l'ipotesi che gli istruttori che emettono domande clicker incoraggino anche gli studenti a collaborare prima di rispondere. Stains e Erdmann hanno quindi ampliato l'analisi per dimostrare l'ampiezza di domande o ipotesi correlate che l'approccio potrebbe affrontare.

"Penso che sarà particolarmente utile per i ricercatori nel campo dell'istruzione o altri che non sanno nulla di queste tecniche, " Disse Stains. "Se usi già la bioinformatica, il linguaggio ei modi di pensare sono probabilmente comuni. Ma soprattutto per le persone che sono al di fuori di quel mondo, è stato davvero importante dimostrare che aspetto hanno questi strumenti (e) cosa possono fare.

"È una specie di prova del concetto per vedere il potenziale che questi metodi hanno. Ma penso che sia così nuovo che dobbiamo esemplificarlo".

Stains ed Erdmann hanno affermato di sperare che anche l'inverso si dimostri vero:che gli scienziati di banco che hanno più familiarità con le analisi in laboratorio che in classe possano apprezzare e potenzialmente utilizzare quest'ultimo.

"Questo potrebbe essere un ottimo ponte tra le persone nei dipartimenti accademici che si trovano sul lato più biologico e le persone che pensano di più lungo le linee educative, " Disse Erdmann. "Se dai l'opportunità ai loro mondi di scontrarsi, può essere molto utile per entrambe le parti in termini di pensare all'istruzione in modi nuovi e contribuire a rendere la ricerca sull'istruzione qualcosa a cui stanno pensando più persone".