和鲸101领航：课训赛结合，培养高质量医学人才直播活动圆满结束
3月19日，和鲸举办了“课-训-赛”育人才系列第二场直播活动。
以“如何培养高质量应用型医学人才”为主题，活动特别邀请上海交通大学医学院临床研究中心的副研究员张维拓老师，以及和鲸科技售前管理部总监、前阿斯利康 AI 实验室负责人王浩宇，分享面向多背景学生的医学数据分析课程的前沿教学理念、实用教学方法、教学经验及教学案例，吸引了来自全国近 30 所医科类大学的老师共同参与、热烈交流。
张老师首先提出了一个有趣且具有前瞻性的问题：随着技术的快速进步，特别是有了像 ChatGPT 这样强大的自然语言处理工具，面向医学生的数据科学教学是否还有必要？
他分享了一位学生的经历——从未学过编程却通过 GPT 创造出了可使用的小程序，这表明编程的门槛正在降低。但张老师表示，即使都使用自然语言，资深程序员还是能创造出比初学者更高效、复杂的程序，这是因为他们具备的的不仅是语言规则，更是编程背后的思维和逻辑方式。
数据科学和计算机语言教学的知识其实分为两部分：一部分是人为规定的，比如语法，这是有可能会被时代淘汰的；而另一部分是编程内在的学科逻辑，它的重要性是不会改变的。
关于面向医学生的数据科学培养，张老师提出了“接口型人才”教育的观点，着重于让学生掌握利用工具提升解决医学问题的能力，并逐渐转变心态，成为新技术的“高级用户”、“生产者”。
如果学生潜意识里就觉得自己是个会用 R 的人，即使他可能并不熟练，但他会觉得这是他能力范围之内的，这样在他将来遇到困难的问题时就会产生‘我是不是能用 R 解决’的想法。
针对医学生易对编程产生畏难情绪、习惯性记忆、难以跨域术语门槛等特点，张老师提出了几点教学建议，并以 2023 年底他与和鲸社区共同举办的 R 语言医学数据分析训练营为例说明。
建议一：以（医学）应用场景，而非计算机逻辑组织课程
零基础的医学生在学习编程时需要能使他们尽快进入场景，如果一开始就花大量课时去介绍语言背景、环境配置、包的安装，学生有很大可能产生“劝退感”。
建议二：目标承诺、快速反馈，知识和操作结合
每次课程都设置明确目标，并承诺学生上完当堂课后便能达成这个目标，从而激发学生的热情。
知识和操作结合，要求学生一定要上手做。
建议三：明确重点与非重点，渗透式的知识点教学
明确地告诉学生哪些知识点是现在需要掌握的，哪些只需要了解即可。
让学生像玩游戏一样去学习，比如一些前置知识不用单独进行课程设计，在具体分析过程中碰到了再简单讲一讲，慢慢深入，从而降低学生的认知负担。
建议四：内容要有学生审核，避免知识诅咒
专业的老师教授非专业的学生，建议课件提前让非专业的学生审核一遍，保证上课时学生都能理解和看懂。
承接张老师的分享，王浩宇介绍了和鲸数据科学教学-实训平台 ModelWhale 对于降低医学生学习 R 语言的门槛提供的一些能力，包括：
- 开箱即用的云端分析环境，内置数百种医学数据分析工作包，可以帮助医学生跳过环境配置，快速进入到医学数据分析场景；
- 可快速复现的 Notebook 交互式课件，自动关联所需的分析环境、数据集和计算资源，学生在操作过程中可以实时执行代码并立即查看结果，获得即时反馈；
- 平台与和鲸社区打通，使得丰富的行业案例和数据资源可以直接用于教学，学生也可以在课外参与社区活动增加实践；
- 课程材料和作业在线收发，实践类作业支持复现评估与自动评估，极大地节约了老师的时间；
- 课程数据智能分析，老师能够通过分析学生的作业完成情况和计算资源使用情况，精准把握每个学生的学习进度和效果。
此外，王浩宇还强调了 ModelWhale 平台同样适用于科研场景，实现教科研一体化，尤其是低代码拖拽式的编程方式，可以让医学生快速熟悉医学数据分析流程、快速搭建起研究思路，也便于临床医生与生统师相互协作。
我们的产品某些方面就是围绕着像张老师所说的‘接口型人才’的培养去设计的，让已经被医学学习压得喘不过气的同学们的 toolbox 里再多点好用的工具，能再轻松地学到些东西，就是我们所希望的。
“课-训-赛”育人才是和鲸面向高校教师开设的系列活动，每月一次。我们将邀请教育领域的专家学者，围绕“教学理念与教学方法”、“课程设计与实践案例”、“教师发展与个人成长”、“学科建设与人才培养”等多元化主题，展开深入探讨与经验分享，希望能由此为老师们提供一个持续学习和交流的平台，同时助力推动教学创新和教学质量的提升。
和鲸社区聚集 50万+ 数据从业者与爱好者，具备丰富且实时更新的真实数据、开源代码、项目案例及实训活动资源，覆盖商科经管、地球科学、人文社科、生物医学等广泛的学科领域，您可点此链接免费注册使用。
本次活动属于和鲸发起的和鲸社区“101数智领航计划”系列活动，旨在积极贯彻教育部基础学科系列“101计划”工作。2024 年，和鲸社区结合近十年在数据科学人工智能的开源资源积累和专业共建经验积累，将与 20 个头部高校共创共建高质量课程、高质量数据集、高质量实践项目以及学科大模型等，同时开放有限学院名额，助力建立 AI 创新虚拟实验室。
若您对这一计划感兴趣，也欢迎点此链接与我们取得联系（添加时请备注“101”）。