What good is modeling? Introducing biology students to theory

Dit artikel beschrijft een graduate-cursus die is ontworpen om biologiestudenten met beperkte wiskundige achtergrond te helpen theoretische papers te begrijpen, door gebruik te maken van bewezen onderwijsprincipes zoals achterwaarts ontwerpen en actieve leerstrategieën om de dialoog tussen theorie en empirie te verbeteren.

De kern

Titel: Waarom Biologen ook Wiskundige Dromers Moeten Zijn: Een Kookboek voor Theorie

Stel je voor dat je een enorme bibliotheek hebt vol met boeken over hoe het leven werkt. De ene helft van de bibliotheek is geschreven door verzamelaars: mensen die de hele dag in het veld zitten, insecten tellen, DNA sequenties analyseren en metingen doen. De andere helft is geschreven door dromers: mensen die in hun kantoor zitten met een whiteboard, formules schrijven en gedachtenexperimenten doen om te zien hoe de wereld zou kunnen werken.

Het probleem? Deze twee groepen praten vaak niet goed met elkaar. De verzamelaars vinden de dromers te zweverig en "niet echt", terwijl de dromers vinden dat de verzamelaars te veel in de details van één boom kijken en de hele bos missen.

Dit artikel, geschreven door twee biologen van de Universiteit van Arizona, vertelt het verhaal van een speciale cursus die ze hebben bedacht om deze twee groepen weer aan tafel te krijgen. Ze noemen het: "Hoe je een theorie-papier leest zonder je hoofd te breken over de wiskunde."

Hier is wat ze hebben gedaan, vertaald in alledaags taal:

1. Het Probleem: De "Wiskunde-Phobie" en de Verkeerde Verwachtingen

Veel biologen hebben een angst voor wiskunde. Ze denken: "Ik ben bioloog, geen natuurkundige. Waarom moet ik die ingewikkelde formules begrijpen?"

Daarnaast is er een groot misverstand. In de natuurkunde zijn modellen vaak voorspellende machines: "Als ik deze formule gebruik, voorspel ik dat het morgen regent." Maar in de biologie (denk aan evolutie of ecologie) werken modellen vaak anders. Ze zijn meer als proefballonnen.

• Soms gebruiken ze een model om te bewijzen dat een idee dat iedereen voor waar houdt, eigenlijk onzin is (een "bewijs van onmogelijkheid").
• Soms gebruiken ze een model om te laten zien dat een idee dat iedereen voor onmogelijk houdt, eigenlijk wel kan werken (een "bewijs van mogelijkheid").

Het probleem is dat studenten dit niet snappen. Ze denken dat elk model direct voorspellingen moet doen die je in het veld kunt testen. Als dat niet lukt, denken ze dat het model "faalt". Maar vaak is het doel juist om te zeggen: "Kijk, dit idee is zo logisch dat we het niet eens hoeven te testen in het veld, want de wiskunde zegt dat het onmogelijk is."

2. De Oplossing: Een Cursus met een "Backwards Design"

De auteurs hebben een cursus ontworpen die niet begint met "leer eerst alles over calculus", maar met het doel: "We willen dat je aan het einde van het semester een moeilijk theoretisch artikel kunt lezen en de belangrijkste boodschap eruit kunt halen, zelfs als je de wiskunde overslaat."

Ze gebruiken drie slimme trucs:

• Actief Leren (Geen saaie colleges): In plaats van dat de docent urenlang uitlegt, krijgen studenten een artikel en een lijst met vragen. Ze werken in tweetallen (een "think-pair-share" methode). Ze moeten het artikel "ontleden" als een detective.
• Just-in-Time Leren (Wiskunde op maat): Ze leren wiskundige concepten pas op het moment dat ze nodig zijn. Als een artikel een grafiek heeft die een "snelheid" toont, leren ze dan pas wat een "afgeleide" is. Het is alsof je leert koken: je leert niet eerst alle theorie over chemie, maar je leert hoe je een ei bakt op het moment dat je dat nodig hebt voor het recept.
• De "Black Box" Methode: Dit is de belangrijkste truc. Studenten leren een model te zien als een zwarte doos. Ze hoeven niet te weten hoe de machine van binnen werkt (de ingewikkelde wiskunde), maar ze moeten wel weten wat er in gaat (de input) en wat er uit komt (de output).
  • Analogie: Je hoeft geen motorbouwer te zijn om te weten dat als je benzine in een auto doet (input) en het gaspedaal indrukt, de auto rijdt (output). Je kunt het model gebruiken zonder de motor te openen.

3. De Gereedschapskist: Mathematica en Simulaties

Om de angst weg te nemen, gebruiken ze een computerprogramma genaamd Mathematica.
Stel je voor dat je een recept hebt voor een taart, maar je weet niet hoe je de oven moet instellen. In plaats van zelf te bakken en te branden, laat je een robot (de computer) de taart bakken terwijl jij de knoppen draait.

• Studenten kunnen de formules in het programma invoeren en zien direct wat er gebeurt als ze een getal veranderen.
• Ze hoeven de wiskunde niet zelf op te lossen, maar ze zien wel wat de wiskunde doet. Het maakt abstracte dingen concreet.

4. De "Leeslijst": Klassieke Verhalen

Ze gebruiken beroemde, historische artikelen (zoals over de evolutie van gedrag of hoe voedselwebben werken) om te laten zien hoe modellen de wetenschap hebben veranderd.

• Voorbeeld: Een oud artikel over prionen (ziektes die de hersenen laten opzwellen). Studenten leren hier niet alleen over ziektes, maar ook hoe je een model gebruikt om te zien of een theorie over hoe iets zich verspreidt, wel of niet logisch is.
• Voorbeeld: Een artikel over "neutrale theorie" in de ecologie. Dit laat zien dat soms een heel simpel model (dat eigenlijk onzin is, want het negeert alle verschillen tussen soorten) toch precies dezelfde patronen voorspelt als de echte, complexe natuur. Dat is een krachtig inzicht: soms is de natuur zo simpel dat je geen ingewikkelde theorie nodig hebt.

5. Waarom is dit belangrijk?

De auteurs zeggen: "Wetenschap is een gesprek." Als de verzamelaars (empiristen) de taal van de dromers (theoretici) niet spreken, en vice versa, verliezen we waardevolle inzichten.

Door deze cursus te volgen, leren studenten:

1. Kritisch denken: Ze leren niet blindelings formules te geloven, maar te vragen: "Wat is het doel van dit model? Is het een voorspelling, een bewijs van mogelijkheid, of een ontkenning van een idee?"
2. Communicatie: Ze leren hoe ze met elkaar kunnen praten over complexe ideeën zonder in de wiskunde te verdrinken.
3. Voorbereiding: Of ze nu later veldwerk gaan doen of zelf modellen gaan bouwen, ze begrijpen hoe de wetenschappelijke machine in zijn werk gaat.

Conclusie in één zin:
Je hoeft geen wiskundig genie te zijn om de diepe inzichten van de theorie te begrijpen; je moet alleen leren hoe je de "zwarte doos" van een model opent om te zien wat erin en eruit gaat, en dan kun je samenwerken met de dromers om de wereld beter te begrijpen.

Technische samenvatting

Titel: Wat is het nut van modelleren? Het introduceren van theorie bij biologie-studenten

Auteurs: Anna Dornhaus en Joanna Masel (Universiteit van Arizona)

---

1. Het Probleem

Hoewel er breed consensus bestaat dat wetenschappelijke vooruitgang vereist dat empirisch onderzoek en theoretische benaderingen geïntegreerd worden, bestaat er vaak een kloof tussen deze twee groepen. De auteurs identificeren drie hoofdbelemmeringen die biologen (van masterstudenten tot professoren) belemmeren om theoretische papers te lezen en te begrijpen:

1. Beperkte wiskundige training: Veel biologen hebben onvoldoende wiskundige achtergrond om de formele modellen in papers te volgen.
2. Historische overdracht via indirecte kanalen: Diepe inzichten die oorspronkelijk uit formele modellen kwamen, worden vaak onjuist doorgegeven als "zelfevidente" waarheden via verbaal redeneren. Dit verdoezelt de oorspronkelijke rol en het nut van modellen.
3. Conceptuele misverstanden over de rol van modellen: Er bestaat een dominant paradigma uit de natuurkunde waarbij modellen dienen om empirisch toetsbare voorspellingen te genereren. In de populatiebiologie worden modellen echter vaak gebruikt om de plausibiliteit van een hypothese te bewijzen (proof of principle) of te ontkrachten (disproof of principle), zonder noodzakelijkerwijs empirische voorspellingen te doen. Dit leidt tot onrealistische verwachtingen bij empiristen en communicatieproblemen.

Deze factoren leiden tot een "wiskundefobie" onder biologen, waarbij modellen als ontoegankelijk of overbodig worden beschouwd.

2. Methodologie: Een Nieuw Curriculum

Om deze kloof te overbruggen, hebben de auteurs een graduate-cursus ontwikkeld ("Introduction to Modeling in Biology") met als doel empirisch georiënteerde studenten te leren theoriepapers te lezen en te begrijpen, zelfs zonder de wiskunde zelf volledig uit te werken.

De cursus is ontworpen op basis van drie bewezen onderwijsprincipes:

• Backwards Design (Terugwerkend Ontwerp):

  • De cursus begint bij het einddoel: studenten moeten een theoriepaper kunnen lezen en de biologische inzichten en de rol van het model kunnen benoemen.
  • De eindtoets bestaat uit het analyseren van een nieuwe paper.
  • Alle activiteiten (lezingen, quizzen) zijn gericht op het oefenen van deze specifieke vaardigheden.

• Actief Leren (Active Learning):

  • Studenten lezen papers vooraf met begeleidende vragen (reading guides) die hen dwingen de input/output van het model te identificeren en de biologische vraag te formuleren.
  • In de klas wordt gebruikgemaakt van "think-pair-share": studenten denken eerst zelf na, bespreken het met een buur, en delen dan met de groep.
  • Studenten worden aangemoedigd om het model als een "black box" te behandelen: ze leren de inputs en outputs te identificeren zonder de complexe wiskundige afleidingen te hoeven volgen.

• Just-in-Time Teaching:

  • Wiskundige concepten (zoals differentiaalvergelijkingen, stochastische processen, Markov-ketens) worden pas geïntroduceerd op het moment dat ze nodig zijn om een specifieke paper te begrijpen.
  • De programmeertaal Mathematica wordt gebruikt om studenten een concreet beeld te geven van wiskundige objecten. Studenten reproduceren figuren of simuleren onderdelen van modellen, waardoor ze de logica van het model begrijpen zonder de technische afleidingen zelf te hoeven oplossen.

Selectie van Papers:
De cursus gebruikt een selectie van historisch belangrijke papers (zoals Hardy-Weinberg, Maynard Smith & Price, Hubbell, Luria-Delbrück) die diversiteit tonen in:

• De rol van theorie in de wetenschappelijke methode (bewijs van principe, ontkenning van principe, genereren van voorspellingen).
• Wiskundige benaderingen (algebra, ODE's, simulaties, netwerken).
• Biologische subdisciplines.

3. Belangrijkste Bijdragen en Inzichten

De cursus leert studenten om theorie te zien als een essentieel onderdeel van de wetenschappelijke methode, niet als een afzonderlijk wiskundig exercitie.

• Herschikking van de Wetenschappelijke Methode: De auteurs benadrukken dat modellen in de biologie vaak dienen om te bepalen of een idee überhaupt een testbare hypothese is. Een model kan aantonen dat een verbaal argument intern inconsistent is (disproof of principle) of dat een idee dat als onmogelijk werd beschouwd, in feite plausibel is (proof of principle).
• Voorbeelden uit de cursus:
  • Hardy (1908): Toont aan dat het model diende om een verkeerde verbaal hypothese (dat dominante allelen zouden toenemen) te ontkrachten, in plaats van om empirische voorspellingen te doen zoals vaak wordt geleerd.
  • Maynard Smith & Price (1973): Gebruikte simulaties om aan te tonen dat individuele selectie (in plaats van groepsselectie) een plausibel mechanisme is voor rituele gevechten (Proof of Principle).
  • Luria-Delbrück (1943): Gebruikte waarschijnlijkheidsverdelingen om tussen twee hypotheses te onderscheiden, waarbij de variantie in de data cruciaal was.
  • Hubbell (1997): Toonde aan dat een "verkeerd" neutraal model bepaalde data kan voorspellen, wat betekent dat deze data niet voldoende zijn om complexe mechanistische modellen te onderscheiden.

4. Resultaten en Uitkomsten

• Overbrugging van de kloof: Studenten zonder wiskundige achtergrond slaagden erin om complexe papers te lezen en de biologische kernboodschap te extraheren.
• Verandering in Mindset: Studenten ontwikkelden een begrip voor de verschillende functies van modellen (voorspellen vs. plausibiliteit testen) en verminderden hun wiskundefobie.
• Interdisciplinaire vaardigheden: De cursus bleek ook waardevol voor theoretici (bijv. toegepaste wiskunde), die leerden hoe hun modellen in de bredere context van empirische wetenschap passen ("de boom zien in plaats van de bomen").
• Schaalbaarheid: De cursus is succesvol gegeven aan studenten met zeer uiteenlopende wiskundige niveaus. De actieve leeromgeving en de focus op conceptuele begrip in plaats van technische berekening bleken de belangrijkste succesfactoren.

5. Significantie en Conclusie

Het artikel pleit voor een fundamentele heroverweging van het biologiecurriculum. De auteurs betogen dat:

1. Kritisch denken vereist dat studenten zowel empirische als theoretische vormen van bewijs begrijpen.
2. De focus moet liggen op de natuur van bewijs en de rol van sterke inferentie (strong inference), waarbij modellen een cruciale rol spelen bij het filteren van hypotheses voordat dure empirische experimenten worden uitgevoerd.
3. Dergelijke cursussen niet optioneel mogen zijn, maar een vereiste moeten worden in ecologie en evolutionaire biologie (EEB) programma's, en mogelijk ook in andere wetenschappelijke domeinen.

De kernboodschap is dat wetenschappelijke vooruitgang afhangt van een dialoog tussen empirici en theoretici, en dat dit alleen mogelijk is als beide groepen elkaars taal en methodologie begrijpen. Door studenten te leren hoe ze theorie kunnen "lezen" zonder de wiskunde te hoeven "doen", wordt deze dialoog mogelijk gemaakt.