اهمیت علوم داده محور فراتر از یک شعار است

به گزارش سیناپرس از ایسنا و به نقل از پایگاه یو.دبلیو.نیوز، رصد ستارگان توسط تلسکوپ به روش قدیمی را فراموش کنید. امروزه یک ستاره‌شناس همه امور خود را به صورت دیجیتال و آنلاین انجام می‌دهد. زمانبندی رصدهای دیجیتالی و رصد ستارگان با کنترل از راه دور توسط تلسکوپی که وسط بیابان قرار داده شده و کیلومترها دور از ستاره‌شناس است و دانلود و پردازش اطلاعات به دست آمده، همگی توسط روش‌های نوین امروزی انجام می‌پذیرد.

اولین قدم در تولید علم برای بسیاری از ستاره‌شناسان، کاوش و محاسبه دیجیتالی داده‌های به دست آمده از رصدها است. شاید این حرف شعار به نظر برسد اما علوم داده محور بخشی از یک تغییر عمیق در شاخه‌های مختلف از جمله ستاره‌شناسی است.

انجمن علوم استرالیا در گزارشی در سال 2015 بیان کرد که از میان 500 ستاره‌شناس حرفه‌ای در استرالیا، تحقیقات حدود یک چهارم از آن‌ها بر پایه انجام محاسبات در طبیعت بوده است.

محاسبات دیجیتالی با توجه به شبیه‌سازی مدلی از دنیا و کاوش داده‌های مشاهداتی نه تنها بخش اصلی ستاره‌شناسی بلکه هسته مرکزی بسیاری از علوم نظیر بیوانفورماتیک، زبان‌شناسی محاسباتی و فیزیک ذرات است.

برای آماده‌سازی نسل بعد بایستی روش‌های نوین آموزش را توسعه داد به طوری که علوم داده محور یکی از ابزارهای ابتدایی تحقیقات آینده باشد.

علوم تجربی تاریخچه بلندی دارد و تفاوت‌های معناداری در رویکرد سنتی با رویکرد داده محور امروزی وجود دارد. تجربه‌گرایان در قرن هفدهم میلادی معتقد بودند اگر انسان‌ها تمام حواسشان را به جمع‌آوری هر چه بیشتر اطلاعات متمرکز کنند به شناخت بسیار بیشتری از دنیا می‌رسند.تفاوت‌هایی که در جمع‌آوری و پردازش اطلاعات و نحوه محاسبات کامپیوترها نمایان است. تفاوت‌هایی که باعث ظهور یک فلسفه شد.

داده‌ می‌تواند برای پروژه‌های زیادی کاربرد داشته باشد، نه فقط یکی، و نحوه کاوش و محاسبه ما است که می‌تواند این امکان را فراهم آورد.

امروزه دانشمندان زیادی برای طراحی آزمایشاتی که بتواند همزمان به چند پروژه کمک و فرضیه‌های مختلف را محک بزند، همکاری می‌کنند.

نظام آموزشی نیازمند تغییر است

درک و شناخت ما نسبت به علوم مختلف در دبیرستان شکل می‌گیرد، جایی که با نظریات و آزمایشات مختلف آشنا می‌شویم. در حالی که محاسبات دیجیتالی به عنوان مهارت‌های اصلی و کلیدی مغفول می‌ماند، چرا که دانشمندان برای طراحی آزمایشات بی نقص و انتخاب نمونه‌های قوی محتاج مهارت‌های محاسباتی و آماری هستند. اما اغلب قسمت محاسبات ریاضی در دانشگاه‌ها دستکم گرفته می‌شود. برای اجرای آزمایشات داده محور و دسترسی به دقیق‌ترین نتایج، دانشمند نیازمند مهارت‌های محاسباتی بیشتری نسبت به آنچه در دبیرستان فرا گرفته، است.

در واقع دانشمندان در عصر حاضر نیازمند توسعه تفکر محاسباتی خود هستند. فراگرفتن کدنویسی و برنامه‌نویسی شروع خوبی است اما آن‌ها باید خلاقانه به الگوریتم‌ها بیاندیشند و مدیریت کردن آن‌ها و استفاده از این الگوریتم‌ها با مهارت‌های پیچیده را فرابگیرند.

البته قدم‌هایی در این راه برداشته شده است. تعدادی از دانشگاه‌ها دوره‌ها و رشته "علوم داده" را ارائه می‌کنند. علوم داده ترکیب محاسبات آماری و علم کامپیوتر است که با علم و بیزنس ادغام شده است. برای مثال دوره "ستاره‌شناسی داده محور" یکی از دوره‌های مشتق از علوم داده است که مهارت‌هایی مثل مدیریت داده‌ها و آشنایی با ماشین‌ها و ربات‌های مورد استفاده در ستاره‌شناسی و رصدخانه را آموزش می‌دهد.

با آموزش محاسبات ریاضی و آماری به عنوان بخش مهمی از علوم می‌توان اطمینان یافت که دانشجویان و نسل‌های بعدی به کشفیات بزرگ جدیدی دست یابند.

این مقاله توسط تارا مورفی با همکاری دانشگاه سیدنی استرالیا نگاشته شده است و برای اولین بار در وبسایت کانورسیشن (The Conversation) منتشر شده است.

No tags for this post.