通过数据马拉松驱动的创新推进非洲数据科学研究教育

这对非洲健康为何重要

在非洲各地，研究人员正在收集大量健康信息，从门诊就诊记录到蚊子数量统计和卫星图像。然而，如果没有受过训练来理解这些数据的人，许多可挽救生命的洞见将被锁住。本文描述了一种通过“数据马拉松”快速培训西非年轻科学家的新方法——这是一种密集的、以团队为基础的活动，参与者分析真实的疟疾数据并将工作转化为可发表的研究。该方法展示了短期、集中的项目如何提升本地专业知识，并帮助确保非洲的数据用于解决非洲的健康问题。

一种新型的学习活动

作者在“非洲健康发现与创新数据科学”倡议下设计了两阶段培训模式。首先是一个混合形式的“基础周”，面向来自14个国家的约50名参与者，许多人远程参与。在此阶段，学员使用免费或广泛可用的工具（如R、Python和制图软件）学习编程、数据管理和基本分析技能。重点是实践操作而非讲座，练习通过逐步指导参与者完成真实分析任务。完成大部分课程者将获得证书，并有资格参加第二阶段的线下活动。

把统计学转化为更智能的工具

大多数参与者已经掌握一些传统统计学知识，因此讲师以此为桥梁引入通常归入人工智能和机器学习的新方法。培训并未将这些方法视为神秘的“黑箱”，而是展示它们如何从熟悉的概念发展而来。例如，一个案例研究将传统的线性回归——统计学的基石——与一种机器学习风格的回归进行比较，后者将数据划分为训练集和测试集并使用交叉验证来检验性能。另一个练习比较了手工在卫星图像上描绘目标与能够更快更准确识别房顶的自动图像分类方法。这些并列示范帮助参与者判断何时使用经典技术，何时机器学习能带来实际价值。

数据马拉松内部

基础阶段结束后，15名学员前往马里巴马科参加为期五天的线下数据马拉松，活动在一家专业生物信息学中心举办。他们使用了从马里、塞内加尔和冈比亚长期研究中构建的丰富疟疾数据仓库，该研究在数年间追踪了数千名人、家庭、蚊子和门诊记录。参与者被分为五个小组，团队内混合了编程、流行病学和临床工作的技能。在导师指导下，各组选择自己的研究问题——例如为何有些儿童携带疟原虫却无症状，或疟疾风险如何随季节和地点变化——然后清洗、链接并分析相关的数据层。

从高强度的一周到持久影响

在整周活动中，团队每天向评委汇报进展，评委根据科学质量和方法对项目打分。最后，各组做出最终报告并提交书面报告，奖项表彰表现突出的团队。关键是，数据马拉松并未在活动结束时终止。每个团队都配备了一位高级导师，并加入轮换的在线会议安排，以在大约一年内将项目转化为完整的科学论文。项目也突显了现实挑战：协调国际旅行、应对英语和法语使用者之间的语言障碍，以及为女性科学家提供平等的申请、参与和领导机会。尽管存在这些困难，参与者报告了高度的投入和愉快感，作者也注意到跨国的强劲网络与协作。

这对未来的意义

这项研究表明，经过精心设计的数据马拉松可以不仅仅提供短暂的编程速成课。通过结合有结构的准备、高质量的本地健康数据访问和持续的导师指导，这一模式帮助非洲青年研究人员通过做真实的、有意义的科学来学习。作者认为类似项目可以适应于其他疾病和地区，尤其是在大学或医院已有基本计算设施的地方。从长远来看，这类努力可以将未充分利用的数据转化为改进卫生政策的证据，同时培养整片大陆上具备数据素养的新一代科学家。

引用: 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

关键词: 数据马拉松培训, 健康数据科学, 疟疾研究, 非洲能力建设, 机器学习教育