Rozwijanie edukacji badań nauk o danych w Afryce poprzez innowacje napędzane datathonami

Dlaczego to ma znaczenie dla zdrowia w Afryce

W całej Afryce badacze zbierają ogromne ilości informacji zdrowotnych — od wizyt w klinikach po liczenia komarów i obrazy satelitarne. Jednak bez osób przeszkolonych w analizie tych danych wiele życiodajnych wniosków pozostaje niedostępnych. Artykuł opisuje nowy sposób szybkiego szkolenia młodych naukowców w Afryce Zachodniej za pomocą „datathonów” — intensywnych, zespołowych wydarzeń, podczas których uczestnicy analizują rzeczywiste dane dotyczące malarii i przekształcają swoje prace w badania nadające się do publikacji. Podejście pokazuje, jak krótkie, ukierunkowane programy mogą zwiększać lokalną ekspertyzę i pomagać w tym, by afrykańskie dane służyły do rozwiązywania afrykańskich problemów zdrowotnych.

Nowy rodzaj wydarzenia edukacyjnego

Autorzy zaprojektowali dwuetapowy model szkoleniowy w ramach inicjatywy Data Science for Health Discovery and Innovation in Africa. Najpierw odbył się hybrydowy „tydzień podstawowy”, otwarty dla około 50 uczestników z 14 krajów, z których wielu dołączało zdalnie. W tej fazie uczestnicy uczyli się programowania, zarządzania danymi i podstawowych umiejętności analitycznych, korzystając z darmowych lub powszechnie dostępnych narzędzi, takich jak R, Python i oprogramowanie do tworzenia map. Nacisk położono na praktyczne ćwiczenia zamiast wykładów, z zadaniami prowadzącymi krok po kroku przez rzeczywiste zadania analityczne. Osoby, które zaliczyły większość sesji, otrzymały certyfikat i zakwalifikowały się do drugiej, stacjonarnej fazy.

Przekształcanie statystyki w mądrzejsze narzędzia

Większość uczestników znała już podstawową statystykę, więc instruktorzy wykorzystali tę znajomość jako most do nowszych metod często zaliczanych do sztucznej inteligencji i uczenia maszynowego. Zamiast traktować je jako tajemnicze „czarne skrzynki”, szkolenie pokazywało, jak wywodzą się one z dobrze znanych pomysłów. Na przykład jedno studium porównywało zwykłą regresję liniową — podstawę statystyki — z regresją w stylu uczenia maszynowego, która dzieli dane na zbiory uczące i testowe i używa walidacji krzyżowej do sprawdzania wydajności. Inne ćwiczenie porównywało ręczne wyznaczanie obiektów na obrazach satelitarnych z automatycznymi metodami klasyfikacji obrazów, które potrafią szybciej i dokładniej wyodrębnić dachy domów. Te demonstracje obok siebie pomagały uczestnikom zrozumieć, kiedy stosować klasyczne techniki, a kiedy uczenie maszynowe wnosi realną wartość.

W trakcie datathonu

Po fazie podstawowej 15 uczestników przyjechało do Bamako w Mali na pięciodniowy datathon stacjonarny, odbywający się w specjalistycznym centrum bioinformatycznym. Pracowali na bogatym magazynie danych o malarii, stworzonym na podstawie długo prowadzonego badania w Mali, Senegalu i Gambii, które śledziło przez kilka lat tysiące osób, gospodarstw domowych, komarów i wizyt w klinikach. Uczestnicy zostali podzieleni na pięć małych zespołów łączących umiejętności programistyczne, epidemiologiczne i kliniczne. Pod opieką mentorów każda grupa wybierała własne pytanie badawcze — na przykład, dlaczego niektóre dzieci noszą pasożyta malarii bez objawów, lub jak ryzyko malarii zmienia się w zależności od sezonu i miejsca — a następnie czyściła, łączyła i analizowała odpowiednie warstwy danych.

Od intensywnego tygodnia do trwałego wpływu

W ciągu tygodnia zespoły codziennie przedstawiały postępy przed sędziami, którzy oceniali projekty pod kątem jakości naukowej i metod. Na koniec grupy wygłosiły wystąpienia końcowe i dostarczyły raporty pisemne, a nagrody wyróżniły najlepsze projekty. Kluczowe było to, że datathon nie zakończył się wraz z wydarzeniem. Każdy zespół został przypisany do starszego mentora i włączony do rotującego harmonogramu spotkań online, aby w ciągu około roku przekształcić projekt w pełny artykuł naukowy. Program uwypuklił też rzeczywiste wyzwania: koordynację podróży międzynarodowych, radzenie sobie z barierami językowymi między anglo- i francuskojęzycznymi uczestnikami oraz zapewnienie kobietom naukowcom równych szans na zgłoszenie się, udział i prowadzenie zespołów. Pomimo tych przeszkód uczestnicy zgłaszali duże zaangażowanie i satysfakcję, a autorzy odnotowali silne sieciowanie i współpracę między krajami.

Co to oznacza na przyszłość

Badanie pokazuje, że starannie zaplanowane datathony mogą dać znacznie więcej niż krótkie kursy programowania. Łącząc ustrukturyzowane przygotowanie, dostęp do wysokiej jakości lokalnych danych zdrowotnych i stałe mentorskie wsparcie, model pomaga młodym afrykańskim naukowcom uczyć się poprzez prowadzenie rzeczywistej nauki istotnej dla ich społeczności. Autorzy argumentują, że podobne programy można dostosować do innych chorób i regionów, szczególnie tam, gdzie uniwersytety lub szpitale dysponują podstawową infrastrukturą komputerową. W dłuższej perspektywie takie działania mogą przekształcić niewykorzystane dane w dowody dla lepszych polityk zdrowotnych, jednocześnie budując nowe pokolenie naukowców biegłych w pracy z danymi na całym kontynencie.

Cytowanie: Doumbia, S., Kane, F., Diabate, O. et al. Advancing data science research education in Africa through datathon-driven innovations. Sci Rep 16, 11527 (2026). https://doi.org/10.1038/s41598-026-41474-7

Słowa kluczowe: szkolenie datathon, dane zdrowotne, badania nad malarią, budowanie zdolności w Afryce, edukacja w zakresie uczenia maszynowego