模块化,专注的数据科学教育提高了生物医学学习者的能力:对数据和分析研究培训 (DART) 计划的研究
Rose Hartman1, Karen Joy Payton1, Rose Franzen1
1Department of Biomedical and Health Informatics, Children's Hospital of Philadelphia, Philadelphia, Pennsylvania, United States of America.
PLoS computational biology
|July 17, 2025
概括
生物医学研究人员现在可以访问一个新的,模块化的数据科学培训计划. 该计划显著提高了数据科学技能,并促进了开放科学实践,解决了关键的教育差距.
科学领域:
- 生物医学研究生物医学研究
- 数据科学教育数据科学教育
- 计算生物学 计算生物学
背景情况:
- 大数据和计算方法正在改变生物医学研究.
- 研究人员面临的挑战是找到合适的数据科学培训.
- 缺乏证据阻碍了有效的教育计划的选择.
研究的目的:
- 为生物医学研究人员推出一种新的模块化数据科学培训计划.
- 评估该计划在提高数据科学技能和开放科学采用方面的有效性.
- 提供数据科学教育中数据收集和共享的模型.
主要方法:
- 开发了一个灵活的,模块化的数据科学课程,专注于可重复性研究.
- 进行了两波参与者的研究,以测试该计划的有效性.
- 关于数据科学能力和开放科学协议的改进的预先注册的假设.
主要成果:
- 在这两次研究浪潮中,学习者在自我报告的数据科学能力方面表现出显著的改善.
- 参与者对开放科学价值观的同意增加了,尽管由于潜在的上限效应,他们对开放科学价值观的同意增加了.
- 后续分析证实了数据科学技能提升的稳定性.
结论:
- 新的培训计划有效地提高了生物医学研究人员的数据科学技能.
- 该计划提供了一个灵活和量身定制的教育解决方案.
- 这项研究为评估和改善科学中的数据科学教育提供了一个框架.
更多相关视频
13:44Project-Based Learning Guidelines for Health Sciences Students: An Analysis with Data Mining and Qualitative Techniques
Published on: December 9, 2022
3.7K
10:17Improving Student Outcomes with an Adaptable Molecular Cloning Course-Based Undergraduate Research Experience
Published on: November 15, 2024
1.2K
