Comprendre la disparité entre les domaines de la recherche en éducation et de la génomique, Considérez simplement comment chacun pourrait définir le mot « codage ».

Aux Marilyne Stains du Nebraska, dont les recherches sur l'éducation STEM lui ont récemment valu le Presidential Early Career Award for Scientists and Engineers, cela signifie classer le comportement en classe des instructeurs et des étudiants.

A Robert Erdmann, qui a obtenu son doctorat en génétique végétale avant de rejoindre le laboratoire de Stains, il décrit comment les organismes stockent les manuels d'instructions biologiques qui rendent la vie possible.

Mais Stains a amené Erdmann à bord précisément parce que sa formation universitaire était différente de la sienne, appréciant la chance d'ajouter une perspective et une voix distinctes à son laboratoire. Cet investissement dans l'interdisciplinarité a porté ses fruits sous la forme de Classroom as Genome, une approche inspirée de la génétique que le duo a développée pour mieux analyser et interpréter les données recueillies dans les salles de classe.

Les outils statistiques et de visualisation qui ont accéléré la recherche d'indicateurs génétiques de maladie ou de fitness dans les organismes ont le potentiel de faire de même pour l'éducation STEM, les chercheurs ont dit.

"Je pense que la grande innovation ici est de (être) capable de tirer parti d'outils déjà approuvés et existants dans des domaines complètement différents et de les appliquer aux données de l'éducation, " Taches, professeur agrégé de chimie, mentionné. "Les outils que nous utilisons ici nous aident à identifier des modèles de comportement des instructeurs (et) des étudiants que nous ne pourrions vraiment pas faire avec des statistiques traditionnelles."

En comparant les notes tout en faisant un remue-méninges sur l'approche, Stains et Erdmann ont identifié quelques similitudes critiques mais facilement négligées entre les génomes et les salles de classe.

Le duo a réalisé, par exemple, que les deux comportent plusieurs couches d'informations qui peuvent être perdues ou compressées lorsqu'on ne regarde que l'ensemble. Collectivement, un génome peut être considéré comme l'ensemble du catalogue des schémas génétiques d'un organisme. Comprendre le génome sur le plan pratique, bien que, signifie creuser dans les couches les plus profondes :ce que sont réellement l'ADN et les gènes, comment les instructions intégrées dans les gènes sont transcrites et traduites, pourquoi ce processus échoue parfois.

La plupart des approches traditionnelles d'analyse des données de classe ressemblent davantage aux premières qu'aux secondes, les chercheurs ont dit, la dynamique manquante qui capture parfois le mieux la façon dont les instructeurs enseignent et les étudiants apprennent. Stains et Erdmann voulaient les nuances. Ils voulaient une approche qui puisse tenir compte à la fois de l'influence de la séquence - comment un élément peut provoquer ou affecter le suivant - et l'interaction entre les événements qui se produisent simultanément ou qui se chevauchent dans le temps. Et ils voulaient discerner des modèles significatifs à partir d'énormes quantités de données recueillies auprès de centaines, voire de milliers de salles de classe.

Les généticiens ont été confrontés à des défis similaires mais encore plus grands en étudiant les génomes des organismes, dont beaucoup contiennent des millions, voire des milliards de bases nucléotidiques, les quatre "lettres" de l'alphabet de l'ADN. L'essor technologique de la bioinformatique au cours des dernières décennies a permis aux généticiens d'interpréter les équivalents de mots, pages et chapitres des manuels d'instructions formés par ce code, ainsi que la syntaxe, la ponctuation et d'autres règles qui déterminent la façon dont il est transcrit.

Dans l'esprit d'Erdmann, que des progrès stupéfiants représentaient également un potentiel non réalisé.

"Ce que je voyais était une opportunité d'utiliser ces mêmes outils bio-informatiques que j'ai utilisés pour la biologie végétale dans un but unique et créatif :analyser des données qui ont en fait beaucoup de parallèles avec les données biologiques mais qui n'avaient pas été vues dans ce contexte avant, " dit Erdmann, maintenant à l'Université du Minnesota Rochester. "Je pense que nous étions tous les deux très satisfaits de la fluidité de leur utilisation et des résultats que nous avons pu obtenir en testant les outils."

En avance sur la classe

Un atout majeur de l'approche Classroom as Genome, Stains et Erdmann ont dit, est qu'il peut incorporer plusieurs façons de mesurer les mêmes observations en classe. Un instrument commun, connu sous le nom de COPUS, aide à catégoriser la présence ou l'absence de comportements et d'interactions en classe. D'autres instruments classent la qualité perçue ou d'autres aspects de ces événements.

Les chercheurs en éducation analysent généralement les données de différents instruments indépendamment les uns des autres, dit Stains. Mais la nouvelle approche permettra aux chercheurs de superposer la présence, quantité et qualité d'une pratique ou d'une interaction dans un seul outil de visualisation, en leur donnant une vision plus complète mais toujours compréhensible du style d'un instructeur ou de la culture de la classe, elle a dit.

« Les salles de classe sont des lieux chaotiques, " a déclaré Erdmann. "Vous voulez pouvoir obtenir autant d'informations que possible et ne rien en perdre. C'est une excellente structure de données à utiliser pour cela.

"Cela permet aux chercheurs d'utiliser les meilleures parties de plusieurs outils simultanément pour obtenir plus d'informations à partir du même ensemble de données."

Pour illustrer l'utilisation et la valeur de Classroom en tant que génome, Stains et Erdmann ont inclus des exemples et des études de cas – cette dernière avec des données d'un article de 2015 – lorsqu'ils ont dévoilé leur approche dans la revue CBE – Life Sciences Education.

Leurs exemples consistaient en des questions que les chercheurs en éducation pourraient mieux aborder en utilisant l'approche, aux côtés des équivalents génomiques déjà répondus via la bioinformatique. Une question en classe portant sur la répartition uniforme des questions de clic sur une période d'instruction a été associée à la distance entre un code génétique et d'autres instances du même code dans un génome.

Dans une étude de cas connexe, le duo a utilisé les données COPUS et un outil de visualisation génomique pour tester l'hypothèse selon laquelle les instructeurs émettant des questions à clic encouragent également les étudiants à collaborer avant de répondre. Stains et Erdmann ont ensuite élargi l'analyse pour démontrer l'étendue des questions ou hypothèses connexes auxquelles l'approche pourrait répondre.

"Je pense que cela sera particulièrement utile pour les chercheurs en éducation ou autres qui ne connaissent rien à ces techniques, " dit Stains. " Si vous utilisez déjà la bioinformatique, la langue et les façons de penser sont probablement communes. Mais surtout pour les gens qui sont en dehors de ce monde, il était vraiment important de montrer à quoi ressemblent ces outils (et) ce qu'ils peuvent faire.

"C'est une sorte de preuve de concept de voir le potentiel de ces méthodes. Mais je pense que c'est tellement nouveau que nous devons en être l'exemple."

Stains et Erdmann ont déclaré qu'ils espéraient que l'inverse se révélerait également vrai - que les scientifiques de laboratoire qui sont plus familiers avec les analyses en laboratoire qu'en classe en viendront à apprécier et potentiellement à utiliser ces dernières.

"Cela pourrait être un grand pont entre les gens dans les départements universitaires qui sont du côté plus biologique et les gens qui pensent plus dans le sens de l'éducation, " a déclaré Erdmann. " Si vous offrez des opportunités pour que leurs mondes entrent en collision, cela peut être très utile pour les deux parties en termes de réflexion sur l'éducation de manière nouvelle et d'aider à faire de la recherche en éducation un sujet auquel plus de gens pensent. »