Il n’existe pas de computationnelle

Nous devons dépasser la mentalité essentialiste concernant le codage

Comme ces plantes, vous pouvez aussi grandir sur des claviers. (Photo: Ashley Juavinett)

Lorsque notre stagiaire d’été, Daniel a rejoint le laboratoire, il semblait terrifié par MATLAB.

Et je ne peux pas lui en vouloir: rencontrer un langage de programmation à l’état sauvage est intimidant, en particulier lorsque vous vous inscrivez à un programme de recherche pour l’été et qu’ils vous demandent de déclarer d'emblée si vous êtes «informatique» ou non. Daniel n'est pas catégorique.

Daniel s'est inscrit à un laboratoire de neuroscience «biologique». Il a donc été surpris de découvrir le code sous presque tous les aspects de notre travail. Nous l'utilisons pour collecter des données brutes, présenter des stimuli et analyser des gigaoctets de sortie. Ensemble, nos codes de laboratoire sont disponibles dans de nombreuses langues et la plupart d’entre nous maîtrisons deux ou trois langues. Nous ne sommes pas considérés comme un laboratoire informatique, mais chacun de nous a dû apprendre à coder et à utiliser les mathématiques pour une raison ou une autre.

Donc, je l'ai encouragé à donner un coup de code. J'ai emprunté une copie de MATLAB pour neuroscientifiques, je lui ai confié une tâche assez simple à coder et je l'ai laissé perdre. Je ne savais pas vraiment comment le former, mais je savais une chose: il pourrait apprendre à coder s’il le voulait.

Codage à la volée

Comme beaucoup de neuroscientifiques, je n'ai jamais suivi d'éducation formelle en codage. Je n’ai suivi aucun cours d’informatique - ils étaient encourageants, mais pas nécessaires (et même à l’heure actuelle, seul un quart des écoles de la maternelle à la 12e année proposent des cours de codage). Je n’ai jamais eu à apprendre à quelqu'un à coder, et ce n'est que récemment que j'ai commencé à me considérer comme une personne douée en codage.

«Comment avez-vous appris à coder?» Me demande Daniel.

«En vérité, par essais et erreurs. Et beaucoup de recherches sur Google. »Oh, et j'ai probablement déjà pas mal bousculé mes compatissants labos.

Je me considère depuis longtemps comme une personne des mathématiques et de la science, alors j’étais ouvert à l’idée que je pourrais aussi être une personne du codage et du calcul. Nous avons tendance à regrouper toutes ces compétences dans une identité plus large (STEM): la personne qui survole des rangs de problèmes de multiplication à l'école primaire, excelle dans des sections quantitatives de tests standardisés et finit par devenir un codeur.

Cependant, tous les chercheurs en neurosciences ne s’identifient pas comme des maths. En fait, nombreux sont ceux qui ont intériorisé l’idée qu’ils ne sont «pas des mathématiciens», une phrase chargée de croyances profondes sur le fonctionnement des capacités intellectuelles. Les approches informatiques plus complexes tirent certainement parti des connaissances avancées en mathématiques, mais une expérience en mathématiques ne signifie pas que vous savez automatiquement comment coder. Néanmoins, comme nous associons si fortement les mathématiques, le codage et le calcul, de nombreuses personnes supposent que le codage ne leur est pas destiné.

Les mentalités et les étiquettes changent notre façon d'apprendre

Au cours des deux dernières décennies, Carol Dweck et ses collègues ont développé un ensemble de recherches encourageant les éducateurs et les parents à revoir leur façon d’enseigner aux enfants, en particulier en mathématiques. Si vous demandez aux élèves et aux éducateurs de réfléchir à ce qui rend les élèves bons en mathématiques, vous constaterez que certains croient plus fermement en des capacités fixes ou innées, alors que d’autres estiment que les capacités intellectuelles sont malléables et qu’elles peuvent être apprises. Dweck a inventé les termes «mentalité fixe» et «mentalité de croissance» pour décrire nos croyances implicites sur la capacité intellectuelle. La ligne de force pour l’enseignement des mathématiques et des sciences est surprenante: les étudiants ayant une mentalité de croissance se comportent mieux avec le temps (même en chimie organique).

L'histoire de l'informatique est similaire. Nos convictions quant à savoir si les capacités de calcul sont fixes ou malléables ont une incidence sur notre sentiment d’appartenance, sur la manière dont nous répondons aux difficultés et, en fin de compte, sur nos réalisations.

Aux États-Unis, nous avons de fortes idées culturelles sur ce que signifie être une personne capable de coder. Les nouveaux stagiaires d’été acquièrent plus que des compétences expérimentales: ils apprennent également nos normes culturelles. Lorsque nous demandons aux étudiants de se déclarer computationnels ou non, le message sous-jacent est que ces compétences sont innées et que seuls quelques-uns sont calculateurs.

Les croyances implicites sur les capacités de calcul se recoupent également avec des préjugés sur la race et le sexe. Les personnes bien intentionnées ont toujours des préjugés implicites sur le genre, la race et les mathématiques - je serai le premier à admettre que moi aussi je ne suis pas complètement débarrassé de ces croyances implicites, mais que je travaille activement contre elles. Pire que des questions d’enquête ou des descripteurs de laboratoire pesant involontairement lourds sont les croyances plus explicites selon lesquelles certaines personnes ont une inclination mathématique et d’autres pas. Même si le message prédominant et politiquement correct est que les hommes et les femmes sont égaux, il y a toujours des employés sexistes franches de Google et des lauréats du prix Nobel racistes. Les femmes et les minorités prennent particulièrement ces messages à cœur et cela peut être extrêmement préjudiciable.

Les premières expériences de laboratoire sont des fenêtres critiques pour que les jeunes scientifiques puissent mieux comprendre notre domaine et envisager leur place. Durant cette période en particulier, nous devrions répandre l'idée que tout le monde peut développer des compétences en codage et en calcul (ou toute autre compétence, en l'occurrence). Ces types de messages positifs axés sur la croissance ont un impact, en particulier pour les étudiants de première génération et les étudiants appartenant à des minorités.

Les noms de sous-champs peuvent être trompeurs

Je ne cherche certainement pas à passer en revue les sous-domaines intéressants des neurosciences. «Computationnel» peut être un descripteur significatif pour les laboratoires qui ne mènent pas de travail expérimental. Mais cela ne fonctionne pas nécessairement dans l’autre sens: de nombreux laboratoires de biologie moléculaire se tournent vers des analyses à plus grande échelle de protéomes ou de génomes, et les laboratoires de neuroscience cognitive sont bien situés dans les approches informatiques depuis longtemps. Et la neuroscience des systèmes se déplace de plus en plus dans le monde des données volumineuses à mesure que nous obtenons des données provenant de plus en plus de neurones et de régions du cerveau.

Peut-être que neurosciences «théoriques» est un terme plus approprié pour certains laboratoires et moins chargé d’idées préconçues sur qui est mathématique et qui ne l’est pas. Néanmoins, je comprends que le «calcul» soit devenu un moyen essentiel de décrire une recherche impliquant la modélisation et des analyses de données plus complexes. Il est donc peut-être trop tard pour redéfinir un domaine entier. Nous devrions au moins faire preuve de prudence lorsque nous qualifions les laboratoires de calcul ou non lorsque nous invitons des étudiants - parfois, cela est tout simplement trompeur.

Indépendamment de cela, si vous êtes novice en recherche en neurosciences, sachez ceci: vous pouvez être (et devrez peut-être l'être) un neuroscientifique qui utilise le code, les mathématiques et les statistiques pour étudier le cerveau. Le codage est une compétence, tout comme apprendre à jouer à un sport ou à un instrument. Vous pourriez avoir l’impression que vous faites plus d’erreurs que d’autres personnes - vous ne le faites pas. Lorsque j'ai rencontré un défi de codage lors de mes études supérieures, j'ai été accueilli avec des rangées et des rangées de messages d'erreur rouges éclatants. Des années plus tard, j'ai encore des erreurs, mais je fronce encore plus mon front.

En réfléchissant à cet article, je me suis assis avec quelques-uns des stagiaires d'été pour discuter du monde universitaire et leur demander leur avis sur le fossé supposé entre l'informatique et la biologie. Quelques-uns étaient passés dans leur stage d'été, soit de manière inattendue, soit prévue. Lorsque nous avons discuté de l’expérience de Daniel de rencontrer des lignes et des lignes de code dans un laboratoire de «biologie», ils ont tous acquiescé de la tête - ils n’ont pas constaté de séparation nette entre les laboratoires biologiques et les laboratoires informatiques. Et ils ont raison, il n'y en a pas. Lorsque nous nous concentrons sur la recherche elle-même, la frontière s'effrite.

Présentation finale de Daniel pour le programme de recherche de premier cycle de la CSHL (Crédit photo: Anne Urai)

Daniel est un étudiant de première génération originaire de Colombie. Il a surmonté de nombreux obstacles et a réalisé d’énormes progrès cet été avec MATLAB. Lors de sa présentation finale, il a présenté son analyse des gigaoctets de données comportementales et électrophysiologiques, qu'il a effectuées à l'aide de son propre code. Il n’est pas un stagiaire en calcul, mais il en a bien l’air.

Cet article est le début d'une conversation

Cette pièce fait partie d'une série qui finira par se transformer en un livre, intitulé provisoirement «Alors, vous voulez être neuroscientifique? Un compte rendu honnête de la vie de chercheur »(Columbia University Press). L’objectif est d’offrir aux aspirants neuroscientifiques un aperçu honnête et informatif de notre domaine ainsi que de l’éducation et des carrières qui s’y rattachent. Plus important encore, cela reflètera les opinions et l’expérience de toute notre communauté - j’apprécierais donc beaucoup vos commentaires. Qu'est-ce que j'ai raté? Avec quoi n'es tu pas d'accord?

Twitter: @analog_ashley