Neurohackademy：Un enseignement en neuroinformatique combinant interactions en ligne et en présentiel

Contexte

Ces dernières années, la neuroscience humaine est entrée dans une ère des données massives. Grâce aux projets comme le Human Connectome Project et l’étude sur le développement cognitif du cerveau des adolescents (ABCD), les scientifiques ont obtenu des ensembles de données d’une ampleur et d’une portée inimaginables auparavant. Ces ensembles de données possèdent un potentiel scientifique crucial pour la recherche fondamentale et clinique. Cependant, ils introduisent également de nouveaux défis pour les chercheurs en termes de génération, traitement, accès, analyse et compréhension des données. L’un des défis principaux est le “fossé des compétences en big data” : les projets de recherche utilisant ces ensembles de données nécessitent une base de connaissances et des compétences différentes, ainsi que des outils techniques et conceptuels distincts de ceux utilisés dans les recherches expérimentales à petite échelle.

Recherche et source

Cette étude a été réalisée par Ariel Rokem et Noah C. Benson, tous deux chercheurs à l’Institut eScience de l’Université de Washington. L’article fut publié en 2024 dans la revue « Neuroinformatics », sous le titre « hands-on neuroinformatics education at the crossroads of online and in-person: lessons learned from neurohackademy ».

Contenu de la recherche

Neurohackademy est un cours de deux semaines visant à former les chercheurs en neurosciences en début de carrière aux méthodes de la science des données et à leur application en neuroimagerie. Cet événement vise à combler le fossé des compétences en big data en présentant aux participants des méthodes et compétences en science des données souvent négligées dans les cours traditionnels. Ces compétences sont essentielles pour analyser et interpréter les grands ensembles de données complexes collectés de manière centralisée.

En 2020, en raison de la pandémie de COVID-19, Neurohackademy a rapidement passé d’un événement en présentiel à un événement en ligne, attirant des centaines de participants du monde entier. Les événements ultérieurs de 2022 et 2023 ont évolué vers un format « hybride » comprenant des participants en ligne et en présentiel. Cet article discute des éléments techniques et sociotechniques des événements hybrides, résume les expériences organisationnelles, et met en avant le rôle de ces événements dans la création d’une communauté mondiale de pratiques inclusives.

Processus de la recherche

Première phase : Clarification des étapes d’apprentissage

Les participants assistent d’abord à des conférences sur l’application des méthodes de science des données dans les neurosciences humaines, comprenant des discussions sur des thèmes généraux comme la neuroéthique et la gouvernance des données, ainsi que des tutoriels sur des sujets spécifiques comme la programmation, l’ingénierie logicielle, la visualisation des données et l’apprentissage automatique.

Deuxième phase : Apprentissage basé sur des projets

À ce stade, les participants participent à un hackathon en proposant des projets et des idées, puis en formant des équipes avec d’autres participants. Les formateurs et organisateurs jouent le rôle d’encadrants, offrant des opportunités d’apprentissage par la pratique.

Méthodes expérimentales spéciales

En 2020, en réponse à la pandémie, Neurohackademy est passé du présentiel à l’en ligne. Cela a non seulement levé les limitations spatiales, mais a également permis la participation de chercheurs restreints par les déplacements, les finances ou les visas. Pour s’adapter à ce changement, les organisateurs ont utilisé de nombreux outils en ligne comme Slack et Zoom pour garantir une interaction et une participation à distance.

En 2021, sur la base de l’expérience de 2020, les activités ont été optimisées en allégeant la charge de cours et en facilitant des processus de formation d’équipes plus organiques. En 2022 et 2023, tout en maintenant certaines mesures de santé publique, l’événement a évolué vers une forme hybride permettant à certains participants de participer en ligne et d’autres en présentiel.

Résultats de la recherche

À partir d’une série d’activités en ligne et hybrides, deux leçons ont été tirées :

1. Nous pouvons toucher un public plus large et diversifié avec des ateliers en ligne et hybrides qu’avec des ateliers purement en présentiel.
2. Bien que difficile, il est possible d’organiser des hackathons significatifs incluant des participants en ligne.

Lors des activités hybrides de 2022 et 2023, diverses outils technologiques comme Slack et Zoom ont été utilisés pour faciliter l’interaction des participants. Trois grands défis ont été identifiés : l’infrastructure technique, l’enseignement et la communication, ainsi que l’intégration des participants distants et en présentiel.

Conclusion

Valeur scientifique et applicative

Le design et les méthodes pédagogiques innovantes de Neurohackademy aident à combler le fossé des compétences en big data dans la recherche en neurosciences. En associant les concepts de Brainhack et de Software Carpentry, les participants peuvent non seulement acquérir des compétences clés en science des données, mais aussi travailler sur des projets pratiques lors du hackathon, comprenant l’importance de la collaboration et de l’innovation interdisciplinaire.

Cette méthode d’apprentissage améliore non seulement les compétences pratiques, la collaboration et la motivation des étudiants, mais crée également une nouvelle communauté de pratiques mondiales pour les chercheurs. À l’avenir, de telles activités seront d’une grande importance pour l’amélioration des compétences et l’innovation scientifique des chercheurs en neurosciences.

Points forts de la recherche

1. Format d’activité hybride innovant : Le format hybride de Neurohackademy permet la participation d’individus de divers horizons et conditions, éliminant les restrictions spatiales traditionnelles.
2. Réduire le fossé des compétences par la formation au big data : L’activité instruit les participants aux compétences nécessaires comme la programmation et la gestion des données, favorisant la collaboration interdisciplinaire et la résolution créative de problèmes à travers des projets pratiques.
3. Création d’une communauté de pratiques mondiale : Grâce à la participation en ligne à l’échelle mondiale, une nouvelle communauté de pratiques dans le domaine de la neuroimagerie et de la science des données a été établie.

Signification concrète des points spécifiques

1. Soutien technique pour l’enseignement et l’apprentissage : L’utilisation d’outils en ligne comme Slack et Zoom, ainsi que l’établissement d’environnements de calcul standardisés, ont grandement amélioré la praticité du cours et la commodité pour les participants.
2. Intégration organique du matériel et du logiciel : L’utilisation de plateformes de calcul dans le cloud, en particulier, a permis à tous les participants de travailler dans un environnement de calcul unifié, surmontant les limites des différents dispositifs de calcul et systèmes d’exploitation.
3. Promotion d’une collaboration approfondie en ligne et en présentiel : Des outils comme le dispositif Owl ont assuré l’interaction et la coopération entre les participants en ligne et en présentiel, fournissant un modèle précieux pour l’enseignement hybride futur.

Évaluation globale et perspectives

Neurohackademy a efficacement combattu le fossé des compétences en big data dans les neurosciences avec des concepts et méthodes innovants, fournissant également une expérience précieuse pour de futures activités éducatives. Pour mieux s’adapter aux modèles éducatifs post-pandémiques, nous croyons que de telles activités continueront à se développer, créant davantage d’opportunités d’apprentissage et de collaboration pour les chercheurs et les étudiants.

L’expérience de Neurohackademy démontre que la combinaison de méthodes en ligne et en présentiel est réalisable et efficace dans le domaine éducatif, offrant un excellent exemple pour d’autres projets similaires. Le défi à venir réside dans la manière de promouvoir et d’appliquer cette méthode à une échelle plus large pour en faire bénéficier un plus grand nombre de chercheurs et d’académiciens.