Ученые будущего: УЧЕНЫЕ БУДУЩЕГО 2022 — МЕЖДУНАРОДНЫЙ КОНКУРС НАУЧНО-ИССЛЕДОВАТЕЛЬСКИХ И ИНЖЕНЕРНО-ТЕХНИЧЕСКИХ ПРОЕКТНЫХ РАБОТ

УЧЕНЫЕ БУДУЩЕГО 2020 — результаты. МЕЖДУНАРОДНЫЙ КОНКУРС НАУЧНО-ИССЛЕДОВАТЕЛЬСКИХ И ИНЖЕНЕРНО-ТЕХНИЧЕСКИХ ПРОЕКТНЫХ РАБОТ

Победители суперфинала и Московской площадки конкурса:

По итогам рассмотрения поступивших работ жюри определило победителей суперфинала:

Жюри также отмечает высокий уровень работ следующих финалистов:

№ 21	Электронный поводырь незрячего на основе ощущения веса	Егорова	Мария	Валерьевна
		Монахов	Даниил	Дмитриевич
№ 101	Траектории ортоцентра треугольника при изменениях его формы и положения на плоскости	Рябов	Иван	Сергеевич
№ 106	Изучение касательных прямых к строфоиде методами синтетической геометрии.	Бороздин	Илья	Николаевич
№ 140	Исследование дезинфицирующих свойств холодной плазмы и её применения для повторного использования масок и респираторов	Матвеев	Данила	Денисович
№ 225	Поверхностно-активные вещества,пены и методы повышения их стойкости для получения эффективных пенобетонов	Плужник	Дарья	Сергеевна
№ 228	Некоторые свойства многоугольников, вытекающие из теоремы Наполеона	Рябцев	Евгений	Максимович
		Кучер	Кирилл	Владимирович
№ 254	Генетический полиморфизм популяций растений клевера Лугового в зоне широколиственных лесов Республики Татарстан.	Наумова	Александра	Владимировна
№ 704	Распознавание партий Го	Сенин	Георгий	Сергеевич
№ 756	Синтез производных S-аденозил-L-метионина для определения субстрата метилтрансферазы WBSCR27	Милованова	Анна	Николаевна
		Лосев	Михаил	Андреевич
№ 814	ОЦЕНКА ОТНОСИТЕЛЬНОЙ ЗАСУХОУСТОЙЧИВОСТИ СОРТОВ ЯРОВОЙ ГЕКСАПЛОИДНОЙ ТРИТИКАЛЕ ПРИ МОДЕЛИРОВАНИИ РАННЕЙ ЗАСУХИ	Соловьян	Игорь	Романович

Ученые будущего 2021: Поздравляем победителей!

№	Проект	Регион	Город	Фамилия	Имя	Отчество	Место
Физика и астрономия
105	Спектральный анализ пламени костра. Что делает огонь желтым – наночастицы углерода или соли натрия?	обл. Новосибирская	Новосибирск	Маслов	Иван	Андреевич	1
503	Падающая башня	Москва	Москва	Григорова	Алика	Сергеевна	2
		Москва	Москва	Рязанов	Константин	Юрьевич
640	Исследование микроструктуры легированных алюминиевых сплавов	обл. Нижегородская	Нижний Новгород	Пупков	Михаил	Андреевич	3
452	Исследование зависимости температуры нагреваемого тела от скорости обдува	Респ. Саха /Якутия/	Мирный	Сафронов	Егор	Константинович	4
247	Исследование выстрела из лука.	Респ. Саха /Якутия/	с. Намцы	Игнатьев	Андрей	Еремеевич	Почетный диплом
189	Пьезогенератор — альтернативный источник энергии	край. Красноярский	Ачинск	Маслов	Алексей	Александрович	Почетный диплом
Математика (дистанционно)
438	О коммутирующих разностных операторах	обл. Новосибирская	Новосибирск	Еловацкий	Станислав	Сергеевич	1
479	Диаграмма Вороного высшего порядка на различных сетках, на плоскости и в пространстве	Москва	Москва	Тлепбергенов	Джамбек	Джамбекович	2
		Москва	Москва	Орлова	Лилиана	Тимофеевна
539	Изучение непериодических замощений из прямоугольных треугольников	Москва	Москва	Федоренко	Дмитрий	Сергеевич	3
402	Исследование алгоритмов понижения размерности на топологии объектов: UMAP & t-SNE.	Москва	Москва	Фокаиди	Виктор	Николаевич	4
		Москва	Москва	Сильвестров	Василий	Алексеевич
Химия
54	Компактная система гибких ион-селективных электродов для определения разных типов ионов в биологических жидкостях человека	обл. Ленинградская	Санкт-Петербург	Королев	Илья	Сергеевич	1
420	Разработка подходов к модификации поверхности и инкапсуляции плёнок перовскита Ch4Nh4PbI3, способствующих увеличению их стабильности.	Москва	Москва	Минников	Ярослав	Вадимович	2
404	Получение светопоглощающих слоёв перовскита Ch4Nh4PbI3 методом конверсии металлического свинца растворами полииодидов в инертных растворителях.	Москва	Москва	Петрушина	Татьяна	Алексеевна	3
		Москва	Москва	Никитин	Кирилл	Юрьевич
660	Новые железосодержащие наноматериалы для очистк	Москва	Москва, Московский	Федченко	Анастасия	Сергеевна	4
541	Определение β-каротина в растениях методом тонкослойной хроматографии	Москва	Москва	Слабковская	Екатерина	Никитична	Почетный диплом
		Москва	Москва	Маноил	Ольга	Михайловна
Биология и науки о жизни (дистанционно)
123	Определение зависимости экспрессии гена SPP1 Nicotiana tabacum от длины светового дня.	Москва	Москва	Иванова	Кристина	Валерьевна	1
111	Некера перистая (Neckera pennata) на территории Сокольского района Вологодской области	обл. Вологодская	Сокол	Зайцев	Даниил	Васильевич	2
467	Исследование световой сенсорной системы (RGB-фототаксиса) у Trichoplax(Placozoa)	Севастополь	Севастополь	Козырицкий	Даниил	Витальевич	3
435	Влияние полиморфизмов гена UGT на скорость восстановления когнитивных функций после введения пропофола.	обл. Новосибирская	Новосибирск	Ушакова	Арина	Олеговна	4
444	Ген Sr: значение для селекции мягкой яровой пшеницы в условиях Западной Сибири	обл. Новосибирская	Новосибирск	Черкасов	Матвей	Георгиевич	Почетный диплом
Программирование
352	Разработка системы визуализации трехмерных сцен для тренировок навыков вождения в городской среде	Санкт-Петербург	Санкт-Петербург	Кураленок	Святослав	Игоревич	1
		Санкт-Петербург	Санкт-Петербург	Двас	Павел	Григорьевич
509	Библиотека автоматического машинного обучения на базе платформы SAP HANA	Москва	Москва	Хромов	Даниил	Максимович	2
		Москва	Москва	Павлов	Егор	Андреевич
443	Генератор списков оптимальных хэш-тегов для социальной сети «Twitter»	Москва	Москва	Рекут	Николай	Алексеевич	3
		Москва	Москва	Старостин	Ярослав	Ильич
356	Автоматическая конвертация пакета rpm в формат переносимых приложений AppImage в российских операционных системах ALT linux.	Карагандинская область	Караганда	Знаменок	Леонид	Сергеевич	4
Геология и Науки о Земле
354	Получение магнитных сорбентов для сбора нефти из железосодержащего шлама водоочистки	обл. Томская	Томск	Лихачева	Александра	Михайловна	1
262	Вторичные использование отходов производства(на прмере коры лиственницы)	Респ. Саха /Якутия/	Чурапча	Гоголев	Георгий	Федорович	2
300	Санитарно-токсикологическая характеристика донных отложений Пироговского пруда (Завьяловский район, Удмуртская республика)	Москва	Москва	Елшанская	Диана	Михайловна	3
101	Комплексный контроль состояния прудов городского округа Химки	обл. Московская	Химки	Гимаева	Эмилия	Айратовна	4
Техника и инженерные науки
148	узколучевой сканер с фиксацией на источнике	Севастополь	Севастополь	Якушев	Михаил	Дмитриевич	1
45	Разработка и тестирование ионного двигателя на эффекте Холла внешнего принципа работы	обл. Московская	Одинцово	Королев	Константин	Вячеславович	2
187	Разработка бизиборда с электронными устройствами для детей с ДЦП	обл. Челябинская	Челябинск	Прохоров	Роман	Леонидович	3
211	Управление бионическим протезом с использованием алгоритмов машинного зрения	Бесплатная версия kladr-api. ru	Реутов	Розанов	Илья	Александрович	4
172	Наушники для слабослышаших	Москва	Москва	Морозов	Юрий	Александрович	Почетный диплом
327	Создание современной «умной» парковочной зоны	обл. Владимирская	Ковров	Пронина	Наталья	Романовна	Почетный диплом
		обл. Владимирская	Ковров	Пронина	Светлана	Романовна
630	Роботизированный комплекс для посадки растений	Москва	Москва	Дорофеев	Владимир	Алексеевич	Почетный диплом
		Москва	Москва	Козычев	Михаил	Алексеевич
Цифровые технологии
378	Анализ отзывов клиентов на банковские каналы обслуживания и продукты/услуги	Москва	Москва	Рукавица	Артем	Кириллович	1
		Москва	Москва	Федченко	Анастасия	Кирилловна
449	Анализ и визуализация ДТП на открытых данных ГИБДД в Москве	Москва	Москва	Романенко	Данила	Сергеевич	2
		Москва	Москва	Филатов	Сергей	Александрович
70	VR-тренажёр для обучения вождению	Москва	Москва	Воронин	Владислав	Сергеевич	3
276	Анализ структуры и динамики сетевых сообществ выпускников ЛИТ 1533	Москва	Москва	Автухович	Наталья	Эдуардовна	4
455	Программное сопровождение волонтерской поддержки бездомных животных	Москва	Москва	Беспалова	Виктория	Андреевна	Почетный диплом

Конкурс научных проектов школьников старших классов «Ученые будущего» ⋆

Новости 

09/16/202209/16/2022

Про дОд

0 Комментариев
Конкурс, наука, наука и технологии

Оргкомитет Всероссийского фестиваля науки NAUKA 0+, Московский государственный университет имени М. В. Ломоносова и STEM-центр «Школа научных проектов» приглашают Вас принять участие в конкурсе научно-исследовательских работ учащихся старших классов “Ученые будущего“.

Кто участвует?
Учащиеся 9-11 классов стран СНГ с индивидуальными и командными (не более 2-х человек) проектами, а также приглашенные участники из дружественных стран.
Руководители приглашаются на научно-практический семинар.

Учащиеся средних классов (6-8) и младших (3-5) могут принять участие вне конкурса и только по решению Оператора Конкурса при наличии технических и ресурсных возможностей.

Основные даты:
17 сентября – окончание заочного тура
25 сентября – результаты заочного тура
7 – 9 октября – очный тур в г. Москва
Декабрь 2022 года – заочный суперфинал*

* Победители суперфинала входят в состав российской команды на Всемирный научно-технический смотр (International Science and Engineering Fair) в США (при условии прохождения конкурсом аффилиации и оформлением участником всех необходимых документов). Победители Конкурса имеют приоритетное право на вхождение в российскую национальную сборную на Пекинский научный конкурс (Beijing Youth Science Creation Competition) и на международную конференцию молодых учёных (International Conference of Young Scientists).

Категории проектов:

• физика и астрономия;
• математика;
• химия;
• биология и науки о Жизни;
• программирование;
• геология и науки о Земле;
• техника и инженерные науки;
• цифровые технологии;
• медицина.

Заочный этап конкурса продлится до 17 сентября включительно. Пожалуйста, завершите регистрацию работ вовремя. Регистрация работ осуществляется только на сайте в личном кабинете.

Для регистрации работ потребуются короткие тезисы в pdf и 1-минутное видео. Полные правила регистрации указаны в положении конкурса.
 
Очный этап и защита проекта будет проходить 9-го октября в виде постерной сессии (авторам следует заранее изготовить вертикальный плакат А0 с кратким, но информативным содержанием проекта).

Организационный взнос не взимается.

Оргкомитет конкурса оплачивает проживание в гостинице Университетская иногородним (всем, кроме Москвы и Московской области) участникам и руководителям в г. Москва 8-10 октября. Участник и его руководитель самостоятельно оплачивают проезд. Иногороднего участника (не из Москвы или Московской области) должен сопровождать один научный руководитель (желательно) или сопровождающий (не желательно).

 
Подробная информация о проезде, поселении, требованиям к докладам и программа конкурса размещены на сайте ub.festivalnauki.ru и в положении о конкурсе.

Источник: https://ub.festivalnauki.ru

• ← Профориентационный трек – к гарантиям успеха
• Веселое, яркое, шумное, полезное ЛетовГайдаре# →

Вам также может понравиться

PDF-версия журнала “Про_ДОД”

Навигатор конкурсных мероприятий, проводимых учреждениями Москвы и РФ

• Московский детский фестиваль национальных культур «Мой дом — Москва»
  • 13/01/2022 — 15/12/2022
  • Москва

• VII Городской экологический фестиваль «Бережём планету вместе»
  • 01/10/2021 — 31/10/2022
  • Москва

• Посмотреть все мероприятия

Отзывы

Семинар «Особенности работы педагога-организатора в контексте реализации профессионального стандарта» организован на высоком, профессиональном уровне. Все моменты учтены, продуманы, логично выстроены. Только положительные эмоции и впечатления! Особое впечатление произвели профессионализм организаторов-модераторов, которые чутко и оперативно реагировали на все технические сложности и моменты, а также доброта, уважение и уверенность ведущей семинара. Ваш семинар отличают актуальность, новизна, высокий уровень, профессионализм. Информация всегда доступно представляется, на все вопросы даются исчерпывающие ответы. Очень рада, что у педагогов, методистов, руководителей организаций есть такая уникальная возможность получения новых, необходимых, актуальных знаний не отходя от своего рабочего места. Что всегда есть возможность задать вопросы, и, что самое главное, получить на них грамотные, исчерпывающие, не оставляющие никаких сомнений и переживаний, ответы. Огромное вам спасибо! Я всегда рада принять участие в ваших семинарах, вебинарах.

Зарудняя Наталья Александровна,
старший методист
ГБОУ Школа № 1797 «Богородская»

Специальный выпуск журнала “Про_ДОД”

Педагогическое наследие Московского Дворца пионеров

ученых будущего: анализ интересов талантливых студентов | Международный журнал STEM Education

• Краткий отчет
• Открытый доступ
• Опубликовано: 03 сентября 2019 г.

• Тим Н. Хёффлер
  ORCID: orcid.org/0000-0002-3721-2109 ¹ ,
• Кристин Кёлер ¹ и
• Илька Парчманн ¹  

Международный журнал STEM-образования
том 6 , Номер статьи: 29 (2019)
Процитировать эту статью

• 4713 Доступы

• 6 Цитаты

• Сведения о показателях

Реферат

История вопроса

В настоящее время ученым необходимо не только быть творческими, находчивыми и изобретательными в отношении своих исследовательских вопросов и должны понимать свою область и методы исследования, но также должны знать, как учить, как каталогизировать, как заполнять формы предложений и многое другое. Основная цель этого исследования состояла в том, чтобы изучить и сравнить профили интереса к науке различных групп студентов, сосредоточив внимание как на успешных участниках научных конкурсов, так и на возможных гендерных различиях. Мы ожидали, что успешные участники научных конкурсов, как правило, будут больше заинтересованы в научной деятельности, чем неучастники, но особенно интересовались теми областями, которые мы ожидаем от успешных ученых сегодня, что помогло нам судить о разработке успешных мер по обогащению.

Результаты

Значимые средние различия в интересе к научной деятельности между участниками и неучастниками научных конкурсов были обнаружены по шести из семи параметров, а также в отношении школьной деятельности, деятельности по образовательным мероприятиям и профессиональных интересов. Различия были особенно велики в отношении исследовательской, социальной, предпринимательской и сетевой деятельности. Кроме того, мы обнаружили различия между девочками и мальчиками в социальных и художественных аспектах, а это означает, что девочки значительно больше интересовались научной деятельностью, которая также имела художественный и творческий аспект, такой как рисование, или социальный аспект, такой как преподавание.

Выводы

Мы не только обнаружили ожидаемые общие различия в пользу участников, но также смогли определить конкретные профили. Особенно большие различия последовательно обнаруживались в тех областях, которые можно было бы признать особо важными для большинства исследователей. Наши выводы могут помочь в разработке мер и мероприятий, направленных на повышение интереса к научной деятельности как у «обычных», так и у особо одаренных учащихся.

Фон

Часто многие люди, не являющиеся учеными, до сих пор считают, что ученые — это люди, похожие на Эйнштейна, в белых лабораторных халатах, которые маниакально работают с красочными химическими веществами (Barman, 1999; Painter, Jones, Tretter, & Kubasko, 2006). Конечно, хотя это все еще широко распространено в средствах массовой информации, в наши дни это в значительной степени неверно (и было неверным в течение долгого времени). В современной науке ученые обычно должны быть чем-то большим, чем отличными исследователями, работающими самостоятельно в своих лабораториях. Они должны иметь возможность сотрудничать, часто даже между дисциплинами; им необходимо сообщать свои идеи и выводы различным заинтересованным сторонам, которые принимают решение об их финансировании; и им нужно научить следующее поколение идти по их стопам. Профили карьеры ученых значительно расширились за последние десятилетия (например, Anderson et al., 2011; Andrews, Weaver, Hanley, Shamatha, & Melton, 2005; O’Leary, 2012; Wilding, 19).95). Им нужно не только проявлять творческий подход, понимать свою область и методы исследования, быть находчивыми и изобретательными в отношении своих исследовательских вопросов (Stefanadis, 2006), им также нужно знать, как учить, как каталогизировать, как заполнять предложения. формы, как представить свои результаты разным аудиториям, как сотрудничать с коллегами по всему миру и многое другое (Stamer, Pönicke, Höffler, Schwarzer, & Parchmann, 2019). Это, конечно, не соответствует интересам, задачам и способностям каждого ученого, и многие ученые часто жалуются на то, что слишком много обязанностей мешают им заниматься «настоящими исследованиями», некоторые имеют довольно узко определенные обязанности. Тем не менее, область, как она есть сегодня и, вероятно, будет в будущем, обычно требует ученых с разными компетенциями и интересами. Таким образом, крайне важно при поиске и обучении будущих ученых выходить за рамки простых знаний, а также искать и развивать дополнительные навыки, черты и интересы, необходимые для хороших или даже отличных ученых. Это уже начинается на школьном уровне.

Помимо школьного образования, большое количество мер по обогащению направлено на выявление таких навыков и интересов у молодых людей и их дальнейшую поддержку, в том числе научные лаборатории (de Jong, Linn, & Zacharia, 2013), летние школы (Markowitz, 2004 г.) и научных конкурсов (Höffler, Bonin, & Parchmann, 2017 г.). Однако остается открытым вопрос, действительно ли такие меры по обогащению достигают этих целей, и если да, то в какой степени, особенно в более широком смысле, когда основное внимание уделяется не только высокоодаренным учащимся (Stake & Mares, 2001). В то время как конкурсы, например, могут повысить самооценку успешных студентов и усилить их желание продолжить карьеру в науке (Feist, 2006; Subotnik & Steiner, 19). 94; Tirri & Nokelainen, 2010), они также могут привести к снижению интереса к любой дальнейшей научной деятельности для неуспешных участников. Необходимы дополнительные исследования, чтобы лучше определить условия и последствия различных мер по обогащению, чтобы лучше направлять потенциальные молодые таланты, тем самым разрабатывая и советуя подходящие виды деятельности для различных целей.

Вопрос заключается в следующем: Охвачены ли существующие меры по обогащению потенциальные молодые таланты и, в свою очередь, отвечают ли они требованиям современной науки?

Мы исследовали этот вопрос в отношении студентов, участвующих в научных конкурсах, как особой формы мер по обогащению (Taber, 2007) по сравнению с теми, кто не участвует. Одна из целей исследования заключалась в том, чтобы определить профили, представляющие интерес для различных групп, которые впоследствии можно было бы использовать для разработки программ адаптивной поддержки. Таким образом, было необходимо разработать подходящую теоретическую основу и инструмент, который представляет различные виды деятельности, необходимые в современной науке. Для этой цели мы использовали новый инструмент, свободно основанный на «RIASEC-модели» Джона Холланда (Holland, 1985, 1997; Диркс, Хёффлер и Парчманн, 2014 г.; Диркс, Хёффлер, Бланкенбург, Петерс и Парчманн, 2016 г.). Аббревиатура «РИАСЕК» означает различные области интересов, соответствующие различным требованиям профессий (например, «S» означает «социальный» и относится к интересам в помощи другим людям или в том, чтобы делать что-то хорошее для общества и, следовательно, для профессий). таких как социальные работники, учителя и медсестры). В то время как исходная модель использовалась для классификации типов личности , мы использовали поверхностную структуру только для измерения интересов в различных видах научной деятельности широко относятся к измерениям. Интересы часто различают между ситуативными интересами и индивидуальными интересами (Hidi, 1990; Krapp & Prenzel, 2011). Если ситуативный интерес более кратковременный и может характеризоваться мотивационным состоянием заинтересованности, то индивидуальные интересы описывают более устойчивую склонность к определенной деятельности. Как и в исходной модели, мы считаем интересы, измеряемые в нашем исследовании, относительно стабильными индивидуальными интересами. В то время как исходная модель ограничивала научные профессии атрибутами «реалистический» и «исследовательский», принимая во внимание широкую область науки и современных ученых, мы связали все атрибуты с деятельностью ученых (рис. 1).

Рис. 1.

Модель RIASEC+N. Заинтересованность в научной деятельности по адаптированной модели РИАСЕК+Н

Увеличить

Эта новая модель и прибор представляет собой более широкий спектр современных требований ученых; таким образом, мы можем сравнивать профили интересов успешных участников научных конкурсов с профилями обычных студентов, отслеживая гендерные различия и их последствия для мер по обогащению.

Цели исследования

Основная цель данного исследования состояла в том, чтобы изучить и сравнить профили интереса к науке различных групп студентов, сосредоточив внимание как на успешных участниках научных конкурсов, так и на возможных гендерных различиях. Мы ожидали, что успешные участники научных конкурсов, как правило, будут проявлять больший интерес к научной деятельности, чем не участвующие, но были особенно заинтересованы в различных аспектах RIASEC+N и ожидали различных профилей, которые должны совпадать с теми интересами, которые мы ожидаем от успешных ученых сегодня, а именно , особый интерес к исследовательской, социальной и сетевой деятельности. Мы расценивали гендерные различия как дополнительный исследовательский интерес, где мы ожидали средние профильные различия, то есть мы ожидали, что девочки будут больше интересоваться художественной и общественной научной деятельностью, в то время как мальчики могут быть больше заинтересованы в предприимчивой и реалистичной научной деятельности (Jones, Howe). , & Rua, 2000; Lupart, Cannon, & Telfer, 2004).

Материалы и методы

Участники

Мы включили в выборку N  = 988 студентов со всей Германии. Среди них были 63 участника немецкого национального финала Международной юношеской научной олимпиады (IJSO) и 925 учеников обычных школ, в основном из высшей ступени среднего образования в Германии («Гимназии»). Из них 510 никогда не участвовали ни в каких соревнованиях по естествознанию или математике, а 415 заявили, что хотя бы раз участвовали в них. Мы рассмотрели эти две группы отдельно для более подробного анализа. IJSO — это международное научное соревнование, в котором ежегодно принимают участие студенты примерно из 50 стран. Он включает биологию, химию и физику и направлен на поощрение интереса учащихся к науке, а также на межкультурное взаимопонимание (Petersen, Blankenburg, & Höffler, 2018). В Германии шесть членов команды для участия в международных соревнованиях раньше выбирались на национальном предварительном соревновании в три тура (в настоящее время процедура включает четыре тура). Из примерно 3500 студентов в первом туре около 500 студентов доходят до второго тура и 45 — до третьего. Конкурс требует от студентов теоретических знаний и экспериментальных компетенций. Он открыт для учащихся в возрасте до 15 лет.

Средний возраст всей выборки составил 14,7  лет. 43,4% всех участников были женщинами.

Инструменты

Интерес измерялся с помощью адаптированной версии опросника Холланда (1985 г.) RIASEC, обычно используемого для измерения типов личности для различных профессий и классифицирующего участников по шести профессиональным измерениям: реалистичные («исполнители»; типичное призвание: механик) исследовательская («мыслители»; например, ученый), артистическая («творцы»; например, художник), социальная («помощники»; например, учитель), предприимчивая («убеждающие»; например, деловая женщина) и конвенциональная («организаторы» », например, бухгалтер). Версия Dierks et al. (2014, 2016) адаптировали эти широкие категории к типичной деятельности современных ученых, чтобы профессиональные интересы учащихся в научной деятельности можно было охватить с помощью гораздо более детального инструмента, включающего деятельность из всех шести категорий (и седьмую, сетевое взаимодействие, которое отражает одноранговый обмен с коллегами). Важно отметить, что в отличие от исходной модели Холланда новый инструмент никак не измеряет типы личности, а интересуется исключительно типичной деятельностью ученых, сгруппированной по семи измерениям. Например, что касается реалистичности, инструмент измеряет интерес к таким видам деятельности, как выполнение лабораторных работ; относительно следственного измерения, решения теоретических задач; относительно художественного измерения, подчеркивая лингвистические и визуальные аспекты научных тем; относительно социального измерения, обучения и объяснения другим; относительно предпринимательского измерения, управления работой научной группы; относительно обычного размера, организации и управления химическим хранилищем; и что касается сетевого измерения, обсуждение научных тем с одноклассниками-единомышленниками (дополнительные примеры см. в Dierks et al., 2016).

Инструмент состоит из 28 элементов (таким образом, по четыре элемента на измерение). Кроме того, на все пункты нужно было ответить отдельно в отношении интереса к конкретной деятельности в школе, к мере обогащения и к возможной профессии в более позднем возрасте. Таким образом, 84 пункта измеряли интерес к научной деятельности в семи измерениях и в отношении трех различных сред. Цитируя Диркса и др. (2016):

Для адаптации атрибуты исходной модели были связаны с соответствующими видами деятельности для профессий и видов деятельности, связанных с наукой. Например, в исходной модели RIASEC реалистичное измерение описывает в основном ручную и техническую деятельность. В сфере науки это может быть выполнение практических лабораторных работ. По аналогии с этими предметами были выбраны школьные мероприятия, связанные с наукой, и мероприятия по обогащению, связанные с наукой. В школе, например, выполняются лабораторные работы, но в основном с упором на эксперименты по заданным инструкциям. Лабораторная работа по обогащению также может включать более сложные и открытые эксперименты. Таким образом, различия в трех средах заключаются в различных реальных задачах, обеспечивающих правильную адаптацию тестовых заданий.

Участники ответили на все вопросы по 4-балльной шкале Лайкерта («Это меня очень интересует – это меня совсем немного интересует – это меня немного интересует – это меня совсем не интересует»). Надежность была в основном удовлетворительной и находилась в том же диапазоне, что и в предыдущих исследованиях, от Кронбаха α  = 0,66 до 0,86. При объединении трех сред, школы, обогащения и профессиональной деятельности достоверность колеблется от α  = 0,86 до 0,93.

Что касается валидности, предыдущие исследования (Dierks et al., 2016) показали сильную связь между общим интересом к естественным наукам и математике и интересом к научной деятельности, измеренной с помощью инструмента RIASEC+N. Чтобы предварительно просмотреть некоторые результаты, это также имеет место в текущем исследовании: семь шкал RIASEC+N значительно коррелируют с общим интересом к естественным наукам между r  = 0,26 (обычный) и r  = 0,53 (исследование и сетевое взаимодействие). ). Более того, несколько раз структура инструмента была показана как валидная путем расчета подтверждающих моделей факторного анализа с очень хорошими показателями согласия в трех исследованиях с разными участниками (Dierks et al. , 2016: классы 8–12; Бланкенбург, Хёффлер и Парчманн, 2016a: класс 6; Хёфт, Бернхольт, Бланкенбург и Винберг, 2019: 5–11 классы). Наконец, исследование, в котором профессорам естественных наук было предложено оценить обоснованность их действий в отношении семи измерений, еще больше подтвердило общую структуру модели (Stamer et al., 2019).

На заполнение анкеты требовалось не более 20 мин.

Анализ данных

Данные были проанализированы с помощью SPSS. Для сравнения всех трех групп был рассчитан однофакторный дисперсионный анализ. Апостериорные попарные сравнения с поправкой Сидака (альфа-коррекция) служили для сравнения двух групп. Альфа-коррекция рекомендуется при расчете множественных сравнений, чтобы снизить риск ошибки типа I путем объединения альфа-уровня (Aickin & Gensler, 19).96). Для расчета однородности дисперсии, одного из условий расчета дисперсионного анализа, был применен критерий Левена (Levene, 1960). Если однородность дисперсии не достигалась, для проверки устойчивости результата использовались тесты Уэлча (Welch, 1951), поскольку эти тесты не требуют одинаковых дисперсий. Для проверки нормальности распределения данных применялись тесты Колмогорова-Смирнова. Когда они указывали на ненормальность зависимых переменных, применялись дополнительные непараметрические тесты (Манна-Уитни 9).0069 У испытаний; Mann & Whitney, 1947), которые не требуют предположения о нормальном распределении. Во всех случаях это привело к сравнимым результатам, как и парные сравнения, представленные ниже (что часто бывает; см. Fay & Proschan, 2010). Двухфакторный дисперсионный анализ был рассчитан при сравнении двух независимых переменных.

Результаты

При сравнении профилей интересов xстудентов было обнаружено несколько существенных различий между всеми тремя группами (рис. 2). Это касалось внутришкольной деятельности, мер по обогащению и профессиональных интересов (табл. 1).

Рис. 2.

Профили интересов профессиональных наук. Профили интересов участников IJSO, неучастников и участников других соревнований по естествознанию или математике в сравнении. Отмечены статистически значимые различия (*** p  < 0,001; ** p  < 0,01).

Изображение в натуральную величину

Таблица 1 Средние различия и результаты анализа средних различий между участниками IJSO, неучастниками и участниками других соревнований по естествознанию или математике по параметрам RIASEC+N для внутришкольной деятельности, мер по обогащению и по профессиональным интересам. Оценка эфсайза (от малого до большого) по Коэну (1988).

Полноразмерная таблица

Что касается профессиональных интересов, можно обнаружить ряд существенных эффектов, самые большие из которых заключаются в различиях в исследовательском, социальном, предприимчивом и сетевом измерениях. В меньшей степени это относится и к школьной деятельности, и к мероприятиям по обогащению. Размер эффекта от среднего до большого (таблица 1) подтверждает статистическую значимость этих различий.

Что касается различий между девочками и мальчиками (например, рис. 3 для интереса к школьным занятиям), девочки проявляют значительно больший интерес к научной деятельности, чем мальчики, когда они подчеркивают художественные аспекты, такие как эстетическое иллюстрирование научных тем или рисование экспериментальных установок или приготовления. Это относится и к интересу к художественной науке в школьной деятельности ( F (1, 973) = 23,20, P <0,001, η ² _P = 0,023), Актуальная научная деятельность ( F (1, 952). <0,001, η ² _P = 0,021) и профессиональные интересы ( F (1, 955) = 5,43, P = 0,02, η ^{2 2} 928 ^{2 2} 928 ² 928 ² 928 ² 9009 2 2 .  = 0,006). В меньшей степени то же самое верно для деятельности по обществознанию, но только для внутришкольной деятельности (9).0069 F (1, 972) = 8,11, P = 0,004, η ² _P = 0,008) и деятельность по обогащению ( F (1, 950) = 7,75, . 0,005, η ² _p  = 0,008), не по профессиональным интересам ( F (1, 955) = 2,43,  9002). За исключением предприимчивой научной деятельности в сфере обогащения ( F (1, 947) = 4,17, p  = 0,041, η ² _p  = 0,004), другие различия между девочками и мальчиками по другим параметрам не были статистически значимыми.

Рис. 3.

Гендерные профили интереса к науке в школьной деятельности. Профили интересов девочек и мальчиков, участвующих, не участвующих в IJSO и других науках и математике, в реалистической, исследовательской, художественной, социальной, предприимчивой, традиционной и сетевой научной деятельности.

Изображение полного размера

Обсуждение

Используя разработанную модель интереса к научной деятельности, мы стремились сравнить профили интереса талантливых участников научной олимпиады с профилями других студентов. Во-первых, прибор RIASEC+N, который мы теперь использовали в четырех различных исследованиях, снова показал многообещающие результаты и привел к интересным результатам. Его небольшая или средняя корреляция с общим интересом к научным предметам может указывать на то, что мы действительно измерили интерес к научной деятельности, но более детально, чем с помощью обычных инструментов. Таким образом, этот подход может дать учащимся более аутентичный взгляд на науку (см. также Stamer et al., 2019).) и может заставить их осознать, что наука более разнообразна, чем они думали.

Кроме того, мы не только обнаружили ожидаемые общие различия в пользу участников, но также смогли определить конкретные профили. Хотя они не были строго совпадающими при сравнении профессиональных интересов, интересов в деятельности научных школ и в деятельности по обогащению науки, особенно большие различия постоянно обнаруживались в областях исследовательской, социальной, предпринимательской и сетевой деятельности. Можно сказать, что это интересы, особенно важные для будущих ученых. Кроме того, наши выводы могут помочь в разработке профессиональных, внутришкольных и развивающих мер и мероприятий, чтобы повысить интерес к научной деятельности не только у «обычных» учащихся, но и у талантливых учащихся в области естественных наук. Примечательно, что участники IJSO проявляют наибольший интерес к исследовательской, социальной и сетевой деятельности. Эти результаты подчеркивают важность таких мероприятий, как научные конкурсы, которые могут особенно способствовать развитию сетей. Тот факт, что те студенты, которые уже участвовали в одном или нескольких соревнованиях по естествознанию или математике в прошлом, имели значительно более сильные интересы, чем те, кто этого не делал, в некоторой степени еще больше подтверждает эту интерпретацию. (Однако мы не можем знать, привело ли участие в научных конкурсах к более высокому интересу или в научных конкурсах участвовали только учащиеся с более высоким интересом — вероятно, сочетание того и другого. ) В любом случае, размышления о школьных мероприятиях, которые могли бы оказать заинтересованные учащиеся, например, для обмена своими знаниями (т. е. сетевой деятельности) со учащимися из других классов также могут быть полезными. Безусловно, очень интересно, что сетевое измерение играет такую ​​важную роль для успешных студентов STEM, то есть участников IJSO. Школы могут захотеть применить этот вывод, продвигая любые виды сетевой научной деятельности, вознаграждая участие во внеклассных проектах STEM и объединяя заинтересованных учащихся. Действительно, уже было показано, что предыдущее участие в научных конкурсах может увеличить вероятность успеха (Urhahne, Ho, Parchmann, & Nick, 2012) и что соревнования можно использовать в качестве постоянной стратегии для стимулирования интереса учащихся к науке (Blankenburg). , Höffler, Peters, & Parchmann, 2016b). Таким образом, это недавно установленное измерение научных интересов требует дальнейших исследований и должно быть сосредоточено в будущих мероприятиях.

Кроме того, мы обнаружили, что девочки проявляют значительно больший интерес к художественной и общественной деятельности, чем мальчики. Хотя в этом нет ничего нового для художественной деятельности в целом (Lupart et al., 2004), следует отметить, что такой интерес, похоже, распространяется на художественную и социальную деятельность (см. также Lubinski & Benbow, 2006; Blankenburg et al. , 2016а). Таким образом, преподаватели, возможно, захотят подумать о разработке мер по обогащению с учетом гендерных факторов и школьных мероприятий, уделяя особое внимание таким научным занятиям, которые особенно привлекательны для девочек. Такое обогащение или школьная деятельность может вызвать более сильный интерес к науке как таковой, тем самым представив возможный метод устранения все еще существующего гендерного разрыва в научных конкурсах, научных курсах и науке как профессии (например, Reis & Park, 2001; Steegh, Хеффлер, Келлер и Парчманн, 2019 г.). С другой стороны, этот вывод можно рассматривать как серьезный недостаток профилей интересов мальчиков: поскольку деятельность в области социальных и художественных наук является важной частью работы современных ученых (Stamer et al. , 2019), а художественное измерение развивалось в детство, в частности, очень важно для достижения успеха среди взрослых специалистов в области науки, технологий, инженерии, математики и медицины (STEMM) (Root-Bernstein et al., 2019), серьезные усилия могут быть направлены на продвижение интересов мальчиков в этих областях.

В качестве ограничения текущего исследования, к сожалению, лишь небольшая часть нашей выборки была участниками IJSO. Конечно, хотелось бы больше. Тем не менее, полученная неоднородность дисперсии была устранена с помощью теста Уэлча, что сделало результаты достаточно надежными. Надежность некоторых весов также была ниже, чем хотелось бы; поэтому интерпретации следует делать с некоторой осторожностью.

Заключение

Кто такие выдающиеся ученые завтрашнего дня, которые предложат нам творческие решения социальных и экологических проблем нашего мира? Они, безусловно, должны иметь чрезвычайный интерес к поиску новых идей и разработке новых подходов и, следовательно, являются исследовательскими. Однако они также должны проявлять заинтересованность в сотрудничестве с другими экспертами, поскольку сегодняшние и будущие требования слишком сложны, чтобы их можно было решить в одиночку. И они должны убедиться, что их выводы применимы ко многим людям, и иметь возможность обучать этим выводам.

Глядя на наши результаты, успешные участники более или менее демонстрируют профиль, который мы описали ранее как важный для ответственных ученых, проявляя высокий интерес, особенно к исследовательской, социальной и сетевой деятельности. У них также есть довольно сильный интерес к предприимчивой научной деятельности, чего мы не ожидали, но что также имеет смысл, поскольку управление научными группами — это нечто важное, в чем участники IJSO уже должны иметь некоторый опыт. Судя по всему, они участвуют в конкурсе не только ради победы. Результаты также противоречат прежним выводам, в которых сообщалось о стереотипных результатах, таких как сильный интерес к социальной деятельности для девочек и сильный интерес к исследовательской деятельности для мальчиков (Vock, Köller, & Nagy, 2012). Таким образом, адаптированная модель и новый инструмент обещают более дифференцированный анализ и понимание интересов молодых студентов в науке, чтобы лучше адаптировать меры поощрения и тем самым привлечь больше талантливых студентов в науку и всю область STEM — в качестве будущих ученых или непредубежденных граждан.

Доступность данных и материалов

Набор данных, использованный в ходе текущего исследования, можно получить у соответствующего автора по обоснованному запросу.

Сокращения

IJSO:

Международная юношеская научная олимпиада

РИАСЕК(+Н):

Буквы обозначают различные аспекты интереса к (научной) деятельности: Реалистичная, Исследовательская, Художественная, Социальная, Предприимчивая, Традиционная, Нетворкинг

ШТОК (М):

Наука, технология, инженерия, математика, (медицина)

Ссылки

• Айкин М. и Генслер Х. (1996). Поправка на множественное тестирование при сообщении результатов исследования: методы Бонферрони и Холма. Американский журнал общественного здравоохранения, 86 (5), 726–728.

  Google ученый

• Anderson, W. A., et al. (2011). Изменение культуры научного образования в исследовательских университетах. Наука, 331 (6014), 152–153.

  Google ученый

• Эндрюс, Э., Уивер, А., Хэнли, Д., Шамата, Дж., и Мелтон, Г. (2005). Ученые и работа с общественностью: участие, мотивы и препятствия. Journal of Geoscience Education, 53 (3), 281–293.

  Google ученый

• Барман, Ч. Р. (1999). Мнения учащихся об ученых и школьной науке: привлечение учителей K-8 к национальному исследованию. Журнал педагогического образования, 10 (1), 43–54.

  Google ученый

• Бланкенбург, Дж. С., Хёффлер, Т. Н., и Парчманн, И. (2016a). Содействовать сегодня тому, что понадобится завтра: изучение интереса учащихся к науке. Научное образование, 100 (2), 364–391.

  Google ученый

• Бланкенбург, Дж. С., Хёффлер, Т. Н., Петерс, Х., и Парчманн, И. (2016b). Эффективность проектного дня для ознакомления учащихся шестого класса с научными олимпиадами. Исследования в области науки и технического образования, 34 (3), 342–358.

  Google ученый

• Коэн, Дж. (1988). Статистический анализ мощности для поведенческих наук (2-е изд.). Махва: Lawrence Erlbaum Associates.

• де Йонг, Т., Линн, М.К., и Захария, З.К. (2013). Физические и виртуальные лаборатории в науке и инженерном образовании. Наука, 340 , 305–308.

  Google ученый

• Диркс П.О., Хеффлер Т.Н., Бланкенбург Дж. С., Петерс Х. и Парчманн И. (2016). Интерес к науке: анализ интересов студентов на основе RIASEC. Международный журнал научного образования, 38 , 238–258.

  Google ученый

• Диркс, П.О., Хёффлер, Т.Н., и Парчманн, И. (2014). Профилирование интереса школьников к науке: Обучение в школе и за ее пределами. Исследования в области науки и технического образования, 32 , 97–114.

  Google ученый

• Фэй, М. П., и Прошан, М. А. (2010). Уилкоксон-Манн-Уитни или t-критерий? О предположениях для проверки гипотез и множественных интерпретациях правил принятия решений. Статистические обследования, 4 , 1–39. https://doi.org/10.1214/09-SS051.

  Артикул

  Google ученый

• Файст, Г. Дж. (2006). Развитие научных талантов у финалистов Вестингауза и членов Национальной академии наук. Журнал развития взрослых, 13 (1), 23–35.

  Google ученый

• Хиди, С. (1990). Интерес и его вклад как умственный ресурс для обучения. Review of Educational Research, 60 , 549–571.

  Google ученый

• Хёффлер, Т. Н., Бонин, В., и Парчманн, И. (2017). Наука против спорта: мотивация и самооценка участников различных школьных соревнований. Международный журнал науки и математического образования, 15 , 817–836.

  Google ученый

• Хёфт Л., Бернхольт С., Бланкенбург Дж. С. и Винберг М. (2019 г.). Больше знать о вещах, которые вас меньше всего волнуют: перекрестный анализ противоположной тенденции и взаимодействия между концептуальным пониманием и интересом к химии в средней школе. Журнал исследований в области преподавания естественных наук, 56 (2), 184–210.

  Google ученый

• Holland, JL (1985). Выбор профессии: теория профессиональных личностей и рабочей среды . Энглвуд Клиффс, Нью-Джерси: Прентис-Холл.

  Google ученый

• Holland, JL (1997). Выбор профессии: теория профессиональных личностей и рабочей среды . Эдесса, Флорида: Ресурсы по психологической оценке.

  Google ученый

• Джонс, М. Г., Хоу, А., и Руа, М. Дж. (2000). Гендерные различия в опыте, интересах и отношении учащихся к науке и ученым. Научное образование, 84 (2), 180–192.

  Google ученый

• Крапп, А., и Прензел, М. (2011). Исследование интереса к науке: теории, методы и выводы. Международный журнал научного образования, 33 (1), 27–50.

  Google ученый

• Левен, Х. (1960). Надежные тесты на равенство дисперсий. В O. Ingram, H. Hotelling, et al. (ред.), Вклад в теорию вероятностей и статистику: очерки в честь Гарольда Хотеллинга (стр. 278–292). Стэнфорд: Издательство Стэнфордского университета.

  Google ученый

• Любински, Д., и Бенбоу, С.П. (2006). Изучение не по годам развитой математики молодежи после 35 лет: выявление предпосылок для развития знаний в области математики. Перспективы психологической науки, 1 (4), 316–345.

• Лупарт, Дж. Л., Кэннон, Э., и Телфер, Дж. А. (2004). Гендерные различия в успеваемости, интересах, ценностях и жизненных ролях подростков. Исследования высших способностей, 15 (1), 25–42.

  Google ученый

• Манн, Х. Б., и Уитни, Д. Р. (1947). О проверке того, является ли одна из двух случайных величин стохастически больше другой. Анналы математической статистики, 18 (1), 50–60.

  Google ученый

• Марковиц, Д. Г. (2004). Оценка долгосрочного воздействия университетской летней научной программы средней школы на интерес учащихся и предполагаемые способности к естественным наукам. Journal of Science Education and Technology, 13 , 395–407 2004.

  Google ученый

• О’Лири, С. (2012). Влияние преподавания предпринимательства в высших учебных заведениях на возможность трудоустройства ученых и инженеров. Промышленность и высшее образование, 26 (6), 431–442.

  Google ученый

• Пейнтер Дж., Джонс М.Г., Треттер Т.Р. и Кубаско Д. (2006). Отодвигая занавес: раскрытие и изменение представлений учащихся об ученых. Школьная наука и математика, 106 (4), 181–190.

  Google ученый

• Петерсен, С., Бланкенбург, Дж. С., и Хёффлер, Т. Н. (2018). Борьба с одаренными учащимися в науке — немецкие научные олимпиады. В KS Taber, M. Sumida и L. McClure (Eds.), Обучение одаренных учащихся предметам STEM: развитие талантов в науке, технологиях, инженерии и математике (стр. 157–170). Лондон: Рутледж.

  Google ученый

• Рейс С.М. и Парк С. (2001). Гендерные различия в успеваемости учащихся по математике и естественным наукам. Журнал для образования одаренных, 25 , 52–73.

  Google ученый

• Рут-Бернштейн Р., Перуски А., Вандайк М., Рут-Бернштейн М., Ламор Р., Швейцер Дж., Лоутон Дж. и Рорабак Э. (2019 г. ). Различия мужских и женских занятий декоративно-прикладным искусством в раннем обучении и патентовании специалистов STEMM. Технологии и инновации, 20 (3), 197–219.

  Google ученый

• Стейк, Дж. Э., и Марес, К. Р. (2001). Программы обогащения естественных наук для одаренных старшеклассников и мальчиков: предикторы воздействия программы на уверенность в науке и мотивацию. Журнал исследований в области преподавания естественных наук, 38 , 1065–1088.

  Google ученый

• Стамер И., Пёнике Х., Хёффлер Т. Н., Шварцер С. и Парчманн И. (2019 г.)). Разработка и проверка научных видеороликов для продвижения восприятия аутентичной науки в студенческих лабораториях. Исследования в области науки и технического образования. https://doi.org/10.1080/02635143.2019.1600491.

• Стиг, А., Хеффлер, Т. Н., Келлер, М., и Парчманн, И. (2019). Гендерные различия в соревнованиях по математике и естественным наукам: систематический обзор. Журнал исследований в области преподавания естественных наук. https://doi.org/10.1002/tea.21580.

• Стефанадис, CI (2006). Характеристики хорошего исследователя: врожденный талант или приобретенные навыки? Греческий журнал кардиологии, 47 , 52-53 (2006).

• Суботник, Р.Ф., и Штайнер, К.Л. (1994). Взрослые проявления подросткового таланта в науке: продольное исследование победителей Westinghouse Science Talent Search 1983 года. В RF Subotnik & KD Arnold (Eds.), Beyond Terman: Современные лонгитюдные исследования одаренности и таланта (стр. 52–76). Норвуд, Нью-Джерси: Ablex Publishing.

  Google ученый

• Табер, К.С. (2007). Научное образование для одаренных учащихся? В KS Taber (Ed.), Научное образование для одаренных учащихся (стр. 17–30). Нью-Йорк: Рутледж.

  Google ученый

• Тирри, К., и Нокелайнен, П. (2010). Влияние самовосприятия способностей и стилей атрибуции на академический выбор: последствия для одаренного образования. Roeper Review, 33 (1), 26–32.

  Google ученый

• Урхане Д., Хо Л.Х., Парчманн И. и Ник С. (2012). Попытка предсказать успех в отборочном туре Международной химической олимпиады. Исследования высших способностей, 23 (2), 167–182.

  Google ученый

• Вок, М. , Келлер, О., и Надь, Г. (2012). Профессиональные интересы интеллектуально одаренных и успешных молодых людей. Британский журнал педагогической психологии, 83 , 305–328.

  Google ученый

• Уэлч, Б.Л. (1951). О сравнении нескольких средних значений: Альтернативный подход. Биометрика, 38 , 330–336.

  Google ученый

• Уайлдинг, П. (1995). Меняющаяся роль ученого клинической лаборатории: выход из подвала. Клиническая химия, 41 (8), 1211–1214.

  Google ученый

Ссылки на скачивание

Благодарности

Авторы выражают благодарность Pay O. Dierks и Wilfried Wentorf за их ценную предыдущую работу, которая заложила основу для частей настоящей рукописи.

Финансирование

Этот проект финансировался Немецким исследовательским фондом (DFG), грант №. НО 4303/5-1.

Информация об авторе

Авторы и организации

1. Институт науки и математики им. Лейбница (IPN), Olshausenstr. 62, 24118, Kiel, Germany

   Tim N. Höffler, Christine Köhler & Ilka Parchmann

Авторы

1. Tim N. Höffler

   Посмотреть публикации автора

   Вы также можете искать этого автора в
   PubMed Google Scholar

2. Christine Köhler

   Просмотр публикаций автора

   Вы также можете искать этого автора в
   PubMed Google Академия

3. Ilka Parchmann

   Посмотреть публикации автора

   Вы также можете искать этого автора в
   PubMed Google Scholar

Contributions

TH разработал эту рукопись, проанализировал данные и был частью концептуальной группы. CK получил данные, был частью концептуальной группы и существенно переработал рукопись. IP руководил концепцией и внес существенный вклад в рукопись. Все авторы прочитали и одобрили окончательный вариант рукописи.

Автор, ответственный за переписку

Тим Н. Хёффлер.

Заявление об этике

Конкурирующие интересы

Авторы заявляют об отсутствии конкурирующих интересов.

Дополнительная информация

Примечание издателя

Springer Nature остается нейтральной в отношении юрисдикционных претензий в опубликованных картах и ​​институциональной принадлежности.

Права и разрешения

Открытый доступ Эта статья распространяется в соответствии с условиями международной лицензии Creative Commons Attribution 4.0 (http://creativecommons.org/licenses/by/4.0/), которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии, что вы предоставите соответствующие указать автора (авторов) и источник, предоставить ссылку на лицензию Creative Commons и указать, были ли внесены изменения.

Перепечатки и разрешения

Об этой статье

Исследователь данных будущего, по версии Microsoft | ДатаЭксперт

Недавно я построил прогностическую модель, которая вскоре принесет огромную пользу, но я не специалист по данным и не имею формального образования в области науки о данных. Это заставило меня задуматься; почему так много промышленности и образования существует вокруг такой специализированной науки о данных? Еще в 2012 году Harvard Business Review опубликовал статью, в которой провозгласил Data Scientist самой сексуальной профессией 21 века. С тех пор тысячи рабочих мест были созданы в области науки о данных для применения сложных статистических моделей к бизнес-задачам. Впервые в истории стало практичным применять глубокую математику к обычным задачам. Многие компании и целые отрасли были основаны на практике науки о данных.

Эта статья опередила свое время во многих отношениях. В статье утверждается, что другими навыками, общими для специалистов по данным, должны быть любознательность, способность писать код, визуализировать данные, анализировать данные и эффективно общаться. Между аналитиками данных и статистиками существует резкое различие, несмотря на сходство.

Обучение наукам о данных

Следуя популярности и интересу к наукам о данных, многие колледжи и университеты в 2010-х годах запустили учебные программы по наукам о данных, чтобы не отставать от этого нового спроса. Инструментарий в то время был относительно примитивным по сравнению с сегодняшними стандартами и включал статистические модели в Python или R, которые должны были быть тщательно отобраны и настроены обученными профессионалами, что само по себе было искусством, а результаты интерпретировались для максимизации эффективности. различные методы подсчета очков. Ранние образовательные программы были сосредоточены на программировании и статистике в качестве основной учебной программы для подготовки специалистов по данным, поскольку обучение модели и ее интерпретация были необходимыми навыками до появления современных инструментов. Со временем развивалась и индустрия. Основная статистика была абстрагирована от специалиста по обработке и анализу данных, и вместо этого модель могла оптимизироваться для различных методов оценки. Код, необходимый для обучения моделей и выполнения логических выводов, был сокращен до почти полного абстрагирования. Многие современные программы по науке о данных, преподающиеся сегодня в университетах, основаны на устаревших навыках, появившихся в результате популярности ранней науки о данных, и им еще предстоит адаптироваться.

Чем сегодня занимаются специалисты по данным?

Это сильно различается, как это часто бывает с такой технологической революцией. Многие опытные специалисты по данным по-прежнему верят в создание моделей вручную и в модели ручной настройки. Многие другие предпочитают использовать сложные инструменты для повышения точности своей модели и, в конечном счете, реализовать большее количество готовых к производству моделей. Как описано в вышеупомянутой статье HBR, определение Data Scientist сильно различается. Некоторые компании полагаются на специалистов по обработке и анализу данных для разработки тестов для мониторинга показателей и принятия решений с использованием относительно небольшого количества статистических принципов. Другие компании полагаются на специалистов по обработке и анализу данных для разработки новых статистических моделей или усовершенствования существующих статистических моделей для повышения производительности своих продуктов или конвейеров прогнозирования. Более того, сегодня есть много компаний, которые полагаются на специалистов по данным для выполнения многих из тех же функций, что и современные аналитики; написание SQL-запросов для управления данными и доставки данных бизнесу в виде электронных таблиц или визуализаций данных. При таком широком распределении обязанностей на рынке существует много путаницы, и обычно принимается множество различных определений.

Почему AutoML набирает обороты?

Для полного раскрытия: я классифицирую себя как Data Engineer, а не Data Scientist. Я построил конвейеры данных для поддержки прогнозного моделирования, но меня не интересует создание или настройка моделей. Продукты AutoML, такие как Azure AutoML, позволяют людям, не обладающим формальными знаниями о моделях обучения и настройке гиперпараметров, создавать мощные статистические прогнозы. Современный аналитик данных впервые в истории получает доступ к новым возможностям. Аналитики, как правило, находятся на переднем крае понимания бизнес-проблем и того, как применять данные для их решения. Хотя исторически аналитики могли быть только реакционными и отображать прошлые тенденции, теперь аналитики могут создавать функции, которые будут использоваться инструментами AutoML для получения информации о будущем.

Станет ли аналитик следующим специалистом по данным? Я считаю, что оба названия будут существовать с большой двусмысленностью в ближайшие годы. Data Scientist может быть логическим прогрессом для аналитика, как только аналитик освоит использование бизнес-данных и научится работать с инструментами AutoML. Однако с помощью этого нового инструмента простые в освоении навыки, такие как разработка функций, могут быть изучены на рабочем месте, вместо того, чтобы требовать длительных, часто устаревших и дорогостоящих степеней.

Кто разрабатывает прогнозное моделирование следующего поколения?

Подавляющее большинство таких компаний, как Amazon и Meta, нанимают группы ученых-исследователей с докторской степенью для усовершенствования своих наиболее ценных прогностических моделей. Эти ученые-исследователи узко специализируются на программировании и статистике, разбираются в глубоко развивающихся областях математики и могут применять эти сложные концепции для улучшения доступных инструментов.

Ежедневно группы ученых-исследователей делают важные открытия. GPT-3 или «Generative Pre-trained Transformer version 3» — это сложная модель естественного языка, обученная на миллиардах образцов, способная писать целые статьи, вести человеческую беседу и отвечать на вопросы с удивительной степенью точности. Модели компьютерного зрения, подобные найденным в PyTorch, способны обнаруживать объекты, сегментировать и классифицировать их на уровнях, сопоставимых с человеческими, за исключением чихуахуа и кексов.

Кто такой специалист по данным будущего?

Благодаря инвестициям Microsoft в ведущие в отрасли продукты, такие как Azure AutoML, я считаю, что Microsoft продемонстрировала понимание ценности объединения сложных продуктов Auto ML с экспертами в предметной области и отказа от большей части программирования и статистики, необходимых для обработки данных. Ученый вчерашнего дня.

Я верю, что знание предметной области будет определять будущее. Понимание взаимосвязи между входными и выходными данными способами, понятными для человека, и наличие навыков передачи этих знаний является наиболее важным вкладом в прогностическое моделирование. Я не удивлюсь, если на программах MBA начнут требовать курсы SQL или преподавать разработку функций. Акцент сместился с настройки модели на ввод модели, как на единственный способ повысить точность модели. Для получения более качественных входных данных модели бизнес-задача, к которой применяется модель, должна быть понятна специалистам. Эти специалисты, вероятно, будут называться учеными данных, но у них очень мало общего ДНК с ранними учеными данных. Я считаю, что специалисты по данным будущего будут тратить большую часть своего времени на разработку экспериментов, подтверждение гипотез, тесное внедрение в бизнес и написание SQL для создания функций, повышающих точность модели.

Глубокие статистики смогут сосредоточить свои специализированные навыки на повышении точности автоматизированных архитектур машинного обучения, снабдив этих футуристических специалистов по данным постоянно совершенствующимися инструментами для достижения еще более высокой точности.

Один день из жизни будущего ученого в следующем десятилетии

Грэм МакГиббон, директор по партнерству, ACD/Labs

Представление многих людей о том, как может выглядеть лаборатория в будущем или как она может функционировать, исходит из телевидения или фильмов, где данные генерируются быстро и делаются открытия в моменты внезапного «а-ха». В то время как на самом деле ученые, которые работают в лабораториях сегодня или работали в недавнем прошлом, используют процессы экспериментов, которые не могут соответствовать этой ожидаемой скорости. Однако цель будущих технологий, несомненно, состоит в том, чтобы соответствовать этому идеалу.

Итак, какой будет лаборатория, скажем, в 2030 году?

Как можно себе представить, двух одинаковых дней не бывает — всегда будут разные техники, разные данные и разные процедуры. Тем не менее, поскольку Gartner признает демократизацию одной из 10 главных технологических тенденций на 2020 год, мы считаем, что искусственный интеллект (ИИ), оцифровка и структурная характеристика выйдут на первый план в лабораториях, оказав наибольшее влияние на рутину ученых и их работу. открытия, которые они делают.

Можно предвидеть, что ученые будут использовать искусственный интеллект для планирования экспериментов, что повысит эффективность работы лаборатории и позволит извлечь ценную информацию из множества данных. Кроме того, мы думаем, что ученые ускорят инновации в исследованиях и разработках за счет усилий по оцифровке, которые оптимизируют рабочие процессы и демонстрируют целостность данных. Наконец, мы верим, что ученые снизят риски и расходы, связанные с исследованиями, и разработают новые химические вещества, в идеале с более быстрой, дешевой и более надежной структурной характеристикой.

Итак, хотя их основная миссия останется в основном неизменной, как эти технологии и меняющиеся рабочие процессы повлияют на повседневную рутину ученого? Я предположил, как будет выглядеть их рабочий день:

День будущего ученого начнется, как и любой другой — после пробуждения и утренней рутины, так как лаборатория будущего совместная, они будут сканировать не только мир новости, которые их интересуют, а также любую новую научную информацию, отмеченную как очень важная в источниках данных их команды. Может быть, пока они заваривают или потягивают свежий кофе, они будут думать о первом решении для планов на день: есть ли какие-то корректировки в отношении продуктов, которые мы хотим, и как мы будем их делать? Варианты будут исходить из комбинации предложений от систем искусственного интеллекта, просматривающих данные за одну ночь, и мыслей, возникающих из собственного опытного и интуитивного ума ученого. До тех пор, пока в будущем утром не будут предприняты некоторые усилия по объединению этих источников в экспериментальный план дня.

В обозримом будущем часть работы ученых часто будет проходить в лаборатории, которую они физически посещают. В лабораторных условиях ИИ уже помог спланировать наличие оборудования и инструментов вместе с расписанием ученого и отслеживать прогресс членов команды. Все, кто участвует в эксперименте, смогут увидеть подробности и обновления о работе дня. Встречи уже будут запланированы, и любые насущные или срочные вопросы, требующие внимания для принятия решений людьми, будут отмечены.

Поскольку лаборатория будущего будет автоматизирована и параллельна, для производства новых материалов будут созданы, проводиться и контролироваться процессы на оборудовании, которое является частью более широкого перечня имеющегося или потенциального сырья и оборудования. В сочетании с ИИ ученый обеспечит выбор и настройку предпочтительного экспериментального процесса.

Требования к настройке будут варьироваться в зависимости от эксперимента, но лаборатория будущего — цифровая , поэтому мы знаем наверняка одно: в каждом эксперименте будут использоваться цифровые инструменты для контроля и отслеживания процессов, записи наблюдений человека и сбора данных с приборов. Некоторые из этих инструментов будут иметь форму планшета или портативного устройства, разработанного с учетом рабочего процесса ученого. Возможно, он активируется голосом или использует видео для записи наблюдений, но, тем не менее, он будет способен отслеживать в реальном времени, чтобы устанавливать соединения по мере сбора данных. Это не только сократит время, необходимое для документирования того, что на самом деле было сделано и наблюдалось экспериментально, но и будет менее субъективным, чтобы обеспечить повторяемость.

В идеальном будущем эксперименты будут производить только желаемые продукты со 100% выходом, но в реальном мире результаты по-прежнему будут зависеть от масштаба, продолжительности, сложности и неконтролируемых переменных в каждом эксперименте. Итак, следующие решения, с которыми ученый столкнется в течение дня, касаются каких-либо операций по очистке и детальной характеристики материальных качеств. Я ожидаю, что будущий ученый проведет прогнозное моделирование, пересмотрит состав анализов вещества или рассмотрит возможность сбора дополнительных данных в зависимости от проводимого эксперимента и результатов первоначальной характеристики. Большинство этих процессов будут хотя бы частично автоматизированы и смогут обмениваться результатами, поэтому инструменты, используемые для принятия решений, будут разработаны для поддержки совместной работы и взаимодействия. Будущие ученые будут работать совместно друг с другом, будь то в одной лаборатории или в разных странах. Барьеры для выполнения работы будут сведены к минимуму, поскольку соответствующие данные из каждого конвейера рабочего процесса передаются в системы поддержки принятия решений в течение нескольких минут, а любые добавленные идеи будут доступны в режиме реального времени для сотрудников.

Будущий ученый может просматривать статьи в научных журналах, связанные с его работой или интересами, а также сканировать краткий отчет, содержащий обзор основных собранных наблюдений и обзор того, что было сделано, чтобы подготовиться к групповому обсуждению результатов дня и следующего дня. Экспериментальная дизайн. Любые возникающие неожиданные результаты должны быть легко и быстро отмечены в программном обеспечении для поддержки принятия решений или подключенных инструментах, и важные решения будут приниматься в отношении неопределенных интерпретаций, возможных альтернатив и планов экспериментального проектирования на следующий день.

Ни одному будущему ученому не нужно будет проверять свои собственные записи на точность — эти записи будут в цифровом формате и будут собираться по мере завершения эксперимента. Этот процесс позволит лаборатории сэкономить средства, ускорить разработку и свести к минимуму риск, поскольку любые расхождения данных будут устраняться в режиме реального времени. Технология хранения этой информации будет иметь передовые возможности безопасности для поддержки целостности данных и будет доступна только сотрудникам эксперимента. В идеальном будущем роботы будут заниматься уборкой в ​​конце дня и начинать подготовку к работе на следующий день. Все техническое обслуживание будет плановым и профилактическим. Будущие ученые покинут лабораторию, зная, что их день был продуктивным и что следующий день уже спланирован.

Благодаря ИИ часы, затрачиваемые человеком на планирование, будут значительно сокращены, и ученый сможет спать спокойно, зная, что на следующий день все будет так же эффективно.