Djupinriktat lärande inom medicinsk systembiologi:
att bygga broar mellan medicin och matematik
Sven Nelander
Institutionen för Molekylär och Klinisk Medicin
Sammanfattning
Systembiologi är ett forskningsfält som löser biologiska och medicinska problem genom
en kombination av matematiska och experimentella ansatser. För en systembiolog är
det en central förmåga att kunna ställa en biologisk eller medicinsk problemställning i
relation till både matematiska koncept och en förståelse av moderna mätmetoder och
strukturen hos mätdata. I den här uppsatsen diskuterar jag de pedagogiska förutsättningarna för sådan djupförståelse. I ljuset av allmän pedagogisk teoribildning diskuterar
jag min egen undervisning på Masterprogrammet i bioinformatik och systembiologi, där
jag bland annat utvecklat nya kursmoment kring systembiologi och cancer. Slutligen
identifierar jag ett antal hållpunkter och mål för den fortsatta undervisningen.
I. Ett pedagogiskt problem: djupinriktat lärande inom systembiologi
En kort orientering kring systembiologi
På senare tid har stor vikt börjat läggas vid att öka det teknisk-matematiska inslaget
i biologin och medicinen. Inom två nya forskningsfält, som benämns systembiologi och
syntetisk biologi, försöker man uppnå en matematiskt precis förståelse av både naturligt
förekommande och konstgjorda levande organismer.
Systembiologin kan delvis sägas ha sin grund i en lång tradition av att ’matematikalisera’ biologi. Redan kring 1950-talet uppstod grenar av biologin med stark matematisk
betoning. Bland de mer klassiska exemplen ingår Norbert Wieners Cybernetik, en samling idéer som föregrep en del av tankegodset inom reglertekniken och systembiologin.
Andra exempel är datalogen Turings ekvationer för embryonal mönsterbildning och
ett berömt postulat av Fisher att cancer orsakas av 5-6 förvärvade mutationer. Andra
viktiga grunder för systembiologins framväxt har varit studier av fysiologiska processer,
1
studier av slumpvisa (stokastiska) fenomen in levande system, och den enorma tekniska
utvecklingen inom storskalig och precis mätning av biomolekyler.
Dagens systembiologiska forskning innehåller allt fler exempel på lyckad samverkan
mellan ett biologiskt problem, innovativ datainsamling och matematisk analys (Tabell
1). Även om det är svårt att sia om hur snabbt systembiologin kommer att ha konsekvenser inom medicinen, finns det ett antal nyckelområden där en kombination av
matematisk analys och storskalig mätning kommer att spela en naturlig och viktig roll.
Konkreta exempel är bland annat:
• Biomarkörer och kliniska beslut. I den kliniska vardagen fattas dagligen ett
stort antal beslut, som är baserade på en samlad bedömning av både ’mjuka’ och
’hårda’ variabler. Inom de kommande 20 åren kan vi vänta oss att mängden potentiellt användbar ’hård’ information snabbt kommer att öka. Till exempel görs
i USA redan försök med kraftigt utökad mätning av plasmaproteiner som en del
av screening och diagnostik. Sannolikt är det också bara en tidsfråga innan det
blir rutin att inkludera t.ex. en enskild patients hela arvsmassa, eller transkriptionsprofilen hos en tumörbiopsi i ett kliniskt beslut. Man måste därför betänka
både vad det innebär att utnyttja sådan omfattande information i kliniken, inte
bara rent tekniskt utan även i termer av t.ex. medicinskt ansvar och upplägg av
kliniska studier.
• Förståelse av komplexa system. Alla läkare har genomgått undervisning i
komplexa dynamiska system, däribland immunologiska processer (B-cellaktivering),
koncentrationsanrikning i njuren, omsättning att lipoproteiner, mekanismer bakom
kärlförtränging, fysiologin hos en typ II-diabetiker, regleringen av arteriellt blodtryck via sensorer i halspulsådrorna. Genom att bättre beskriva mekanismerna
i sådana processer, i kvantitativa termer, är det sannolikt att systembiologisk
metodik kommer att hjälpa oss att förstå hur man ingriper mot komplexa sjukdomar.
• Läkemedelseffekter. Individualiserad behandling kommer i långa loppet att
bero av en matematiskt precis förståelse av hur läkemedel verkar olika i olika patienter. Sådana modeller kan antigen försöka beskriva ett läkemedels omsättning
i kroppen, för att individualisera behandling, eller förutsäga om en synergistisk
effekt kan uppnås mellan två läkemedel.
• Epidemiologi och genetik. Liksom för biomarkörsforskningen, är en det en
viktig framtida utmaning inom epidemiologi och kanske särskilt populationsgenetik att hantera situationer där man istället för några få datapunkter per patient
(t.ex. genotypen på ett visst lokus) har tillgång till miljoner eller miljarder datapunkter (t.ex. hela genomsekvensen för individ i en familj). Då kommer att
krävas genomtänkta metoder för att hitta ’nålen i höstacken’.
2
Tabell 1: några klassiska och samtida upptäckter
Problemområde
Upptäckt
Cancerforskning
Cancer uppkommer genom 5-6
oberoende mutationer [1]
Utvecklingsbiologi
Generella ekvationer som bildar
embryonala mönster [2]
Systembiologi
Försök att generalisera kring reglering i levande komplexa system
[3]
Cancerforskning
första fusionsgenen i prostatacancer [4]
Zoofysiologi
hur rullklotsalger (Volvox) simmar mot ljuset [5]
Cellbiologi
funktionen
hos
JAK-STATsignalvägen [6]
Cancerforskning
Stamcellers resistens mot Imatinib vid KML [7]
inom systembiologi
Data / matematiskt innehåll
Probabilistisk modell av epidemiologiska data
Partiella differentialekvationer
Övergripande teoribildning
genomics-data; storskalig dataanalys
kvantitativ mikropskopi; numerisk lösning av flödesekvationer
flödescytometri och probabilistisk
modell
PCR-analys av patientblodprover, differentialekvationer
Djupinriktat lärande inom systembiologi
För att systembiologin som fält ska kunna leva upp till sin medicinska potential krävs
undervisningsinsatser. I min diskussion av systembiologisk undervisning har jag därför
valt att fokusera på studenters djupförståelse av ämnet, eller vad som brukar benämnas
studenters djupinlärning. Som framgår nedan är djupinlärning i sig ett generellt mål
med i många sorters undervisning, oavsett ämne. Dock finns det åtminstone ett par
faktorer inom just ämnet systembiologi som innebär en extra utmaning för såväl lärare
och student:
• Till att börja med har ämnet en uppenbart stor spännvidd i den mening att
systembiologi kräver en god integrativ förståelse av tre områden: biologin, matematiken och bioteknologin, såsom illustrerats ovan. Därför är det nästan alltid
så att förkunskaperna och förförståelsen hos studenterna bara täcker någon av
dessa domäner.
• Därtill saknas det en tradition av systembiologisk undervisning, framför allt därför att ämnet är nytt och under utveckling. Det innebär att det på den generella
introduktionsnivån inte finns några utmärkta böcker att luta sig tillbaka mot
(jft The Cell"). Dessutom finns det inga väl etablerade undervisningsmål eller
examinationsformer.
3
Mitt antagande är att en systematisk genomgång av teori på området borde kunna
bidra till bättre djupinlärning av ämnet, dels genom att bredda diskussionen av utbildningsmål, undervisningsformer och examinationsformer. Texten nedan är ett steg i
den riktningen.
II. Beskrivning och analys av litteratur och teoribildning i anslutning till djupinlärning
Val av källor
I min diskussion utgår jag från ett antal källor, däribland läroboken Universitetspedagogik av Elmgren/Henriksson [8], och en lärobok baserad på forskning vid Harvard Graduate School of Education, The Teaching for Understanding Guide, som sammanfattar
en undervisningsmodell för att maximera förståelse [9]. Jag har även gått igenom Björn
Anderssons lärobok om metodutveckling i naturvetenskaplig undervisning [10], undervisningsbeskrivningar från ett temanummer av Life Science Education [11, 12, 13, 14],
samt presentationer och översiktsartiklar från ett undervisningsinitiativ från USA, särskilt The Integrated Science Curriculum från Princeton (jfr [15, 16, 16]). Tillsammans
bör dessa källor ge ett samlat perspektiv på hur man genom att utforma undervisning
och examination kan gynna djupinlärning och förståelse.
Allmänna begrepp för att kategorisera förståelse och kunskapsdjup
Det finns flera olika sätt att karakterisera begrepp som ’förståelse’, ’kunskapsdjup’ eller
’komplex kunskap’ på ett mera principiellt plan. Jag ger här tre exempel:
• Som ett första exempel, ger högskoleförordningens punktvisa mål/kriterier för
olika examina, i termer av ’kunskap och förståelse’, ’färdighet och förmåga’ samt
’värderingsförmåga och förhållningssätt’. Dessa kriterier kan sägas ha en mycket
starkt betoning på komplex kunskap. Bland annat sägs det att en Magister ska
kunna ’visa förmåga att kritiskt systematiskt integrera kunskap och att analysera,
bedöma och hantera komplexa företeelser, frågeställningar och situationer även
med begränsad information’, och även kunna ’visa sådan färdighet som fordras
för att delta i forsknings- och utvecklingsarbete eller för att självständigt arbeta
i annan kvalificerad verksamhet’.
• Som ett andra exempel, har det inom den pedagogiska forskningen gjorts ett antal taxonomier för att kategorisera olika sorters kunskap och olika nivåer av kunskapsdjup. Några exempel är Blooms taxonomi, Feisel-Schmitz tekniska taxonomi
och även den s.k. SOLO-taxonomin (Structure of Observed Learning Outcome,
4
Figur 1: SOLO-taxonomin (Structured of Observed Learning Outcome) är en indelning
som syftar till att strukturera bedömningen av komplex kunskap, både i samband med
planering av undervisning och examination [8].
Figur 1), där förståelse graderas från ’prestrukturell’ (strödda fakta utan sammanhang"), via ett antal graderingar till ’utvidgat abstrakt’ (’centrala aspekter
insatta i ett vidare och djupare sammanhangslutsatser dras och jämförelser och
värderingar görs’.
• Inom Teaching for understanding-metodiken, som kommer att beröras mer nedan,
definieras förståelse utifrån ett ’utförandeperspektiv’, som förmågan att utföra ett
antal tankemässigt krävande saker inom ett ämne, t.ex. förklara, hitta bevis och
exempel, göra generaliseringar, genomföra tillämpningar, hitta motsvarigheter
och framställa ämnet på ett nytt sätt [9].
Analys. Min egen analys av dessa definitioner är att de är i grunden mycket likartade,
och att synen på komplex kunskap stämmer väsentligen överens med vad som efterfrågas inom t.ex. systembiologisk forskning. Man bör noterade att Högskoleverkets
mål/kriterier för olika examina egentligen är mycket krävande och leder till frågor när
studenter isåfall kan anses inte ha nått de högt uppställda målen och därmed underkännas. Man måste därför i samband med examinering av studenter inom systembiologi
ha en uppfattning om när de anses ha en ’förmåga att delta i forskning’ i ämnet.
5
Bland de taxonomier jag studerat, förefaller SOLO-taxonomin vara mest intuitivt
tillämpbar på systembiologi, då den kraftigt betonar integrativ förmåga (Blooms kan
te sig aningen komplex och kontraintuitiv för en naturvetare och Feisel-Schmitz, som
bl.a. används vid KTH, är specifikt orienterad kring tekniska ämnen).
En intressant aspekt som Elmgren/Henriksson lyfter fram, är att lägre förståelsenivåer
i någon mening är ’bakåtsyftande’ eller sammanfattande, medan högre förståelsenivåer
är i någon mening ’framåtsyftande’ och nyskapande. Det stämmer med intuitionen att
högsta graden av förståelse krävs för att kunna ’driva ett ämne vidare’.
Teori kring faktorer som gynnar djupinlärning
Både Elmgren/Henriksson, Andersson och Blythe anger ett antal förutsättningar eller
’aspekter’ som antas gynna djuplärande med förståelse:
• Lärstrategier och motivation. Studenter uppvisar som regel olika lärstrategier, och kan vara olika inriktade på djup- eller ytinlärning. Nyckelfaktorer som
påverkar lärstrategin i en ’djupare’ riktning är bland annat tidigare goda undervisningserfarenheter, att läraren knyter an till studenterna förförståelse av ämnet,
att studenterna får en känsla av inre motivation och att examinationsformen är
ändamålsenlig (se nedan) [8]. En intressant konkret rekommendation som ges
i ’Teaching for Understanding’ är att orientera undervisningen kring så kallade
’generativa ämnesområden’ (Generative topics). Dessa kan förstås som en viss
samlad vinkling på materialet som (i) gör materialet naturligt intresseväckande
för både lärare och elever, samt (ii) ställer nyckelideerna inom ämnet på sin spets.
Ett exempel på ett generativt ämnesområde som ges är att undervisa kring den
industriella revolutionen på temat ’vad är framsteg?’. Ett liknande exempel inom
biologi, borde kunna vara ’vad är liv’ ? [9].
• Studentaktivitet och samverkan mellan studenter. Forskning visar att de
flesta studenter behöver aktiva undervisningsmetoder för att djupinlärning ska
stimuleras. Här ingår till exempel arbete i grupp, vissa problembaserade undervisningsformer, författande av papers mm [8]. Studentaktiva former kan även
med fördel kombineras med katederundervisning, till exempel genom att studenter delar in sig i smågrupper, eller tar ställning med mentometrar. Vid arbete i grupp bör hänsyn tas till att vissa studenter riskerar ’ta över’ och andra
riskerar att ’komma bort’ [8]. I Teaching for Understanding-modellen används
studentaktiva inslag mycket medvetet, genom som så kallade förståelseprestationer. Förståelseprestationer är väsentligen övningar, som ska hjälpa studenten att
nå förståelsemålen inom ett ämnesområde, där stor vikt läggs vid att använda
en serie ’föreståelseprestationer’ av ökande komplexitet, kopplat till systematisk
återkoppling från läraren.
6
• Variation. Djupinlärning gynnas som regel av varierade läraktiviteter och varierad examination. Två positiva effekter som kan uppnås av varierad undervisning
är att den dels är intresseuppehållande, och dels att man kan nå studenter med olika lärstilar [8]. Variation förekommer även som ett mera teoretiskt begrepp inom
den akademiska pedagogiken. Här avses termen variation olika kritiska aspekter
av det lärda. Nedan ges exempel på hur begrepp som ’Bayes formel’ och ’onkgen’
kan förstås genom variation av olika kritiska aspekter.
• Tydliga och förståelseinriktade mål kan användas för att gynna djupinlärning. När mål formuleras, kan det vara bra att ha flera aspekter i åtanke, dels de
’officiella’ kriterierna för en viss examen (jfr högskoleverkets kriterier, ovan), dels
att flera kriterier kan anges för huruvida en uppsättning mål är sunda (relevanta?
resultatorienterade? realistiska? möjliga att utvärdera? osv). En hjälp vid utforming av mål kan vara att betänka de verb som används vid beskrivningen [8]: som
antyds i Figur 1, signalerar verb av typen ’kontrastera’ eller ’generalisera’ en djupare förståelsenivå än exempelvis ’återge’ eller ’identifiera’. Elmgren/Henriksson
betonar därutöver att det bör finnas en stark koppling mellan mål, läraraktiviteter
och examination, vilket inom pedagogiken kan benämnas ’konstruktiv länkning’
[8].
• Examination och återkoppling kan på flera sätt nyttjas för att gynna djupinlärning. Forskning visar på att studenters lärstrategi är starkt influerad av
examinationsformen, så kallad ’backwash’. Backwash kan exempelvis innebära
att om examinationsformen är salstentamen så styrs studenterna mot att studera ’extentor’ och reproducera vissa typuppgifter. Vidare så kan en positiv faktor
för djupinlärning vara en systematisk användning av så kallade ’formativa utvärderingar’, t.ex. diagnostistika prov eller att föra dialog med studenterna om vad
som behöver förklaras ytterligare.
Analys. En sammanställning av sådana förutsättningar kan vara användbar som ett
’raster’ kring vilket man kan bedöma och diskutera systembiologisk undervisning. Som
en första jämförelse kan det vara intressant att göra en jämförelse med redan existerande undervisningsmodell som utvecklats vid Princeton, det s.k. ’Integrated Introductory
Science Curriculum’. Modellen som är välkänd inom fältet, syftar till att forma studenter som lämpar sig för ’the most important science of the future’. Genetikern David
Botstein varit en av drivkrafterna, lyfter fram ett antal principer för undervisningen,
bland annat [15, 16]:
• Exponera studenterna tidigt för vetenskapligt tänkande.
• Gör laborationer med ’oberoende forskning’ från början.
• Betona vikten av att förstå programmering och matematik på god/hög nivå.
7
• Lägg fokus på fundamentala ideer, och introducera varje ide precis en gång.
Även om Botstein i sina publika presentationer avärdar pedagogiska teorier, finns det
en klar koppling mellan denna modell och de allmänpedagogiska principerna ovan. Till
exempel ser man stora inslag av motivationstänkande, samt medvetenhet om betydelsen av variation och studentaktivitet. Principen att lägga fokus på fundamentala
ideer relaterar till det pedagogiska konceptet ’tröskelbegrepp’, vilket avser centrala,
’transformerande’ begrepp [8]. I laborationerna med ’oberoende forskning’ betonas användning av avancerad teknologi, med resultat som kan te sig imponerande då exempel
innefattar studentprojekt med sekvensering av nya jästgenom [15, 16]. En parallell till
några av Botsteins tankar kan möjligen finnas inom inom fysiken, där nobelpristagaren Richard Feynman gjorde sig känd som mästerföreläsare med en ’hemmagjord’
pedagogisk metod, även den kraftigt betonade självständig fundamentala begrepp och
förståelse. Denna typ av renodling av begrepp tror jag kan vara ett värdefullt verktyg
i systembiologisk undervisning (nedan).
III. Systembiologisk djupinlärning i praktiken: beskrivning och
analys av undervisning GUs Mastersprogram i systembiologi
Masterprogrammet i bioinformatik och systembiologi
Masterprogrammet i systembiologi och bioinformatik har drivits 2000-2010 som en
gemensam aktivitet vid GU och Chalmers. Ca 25 studenter har varje år rekryterats
internationellt, av vilka 5-10 varit svenska studenter. Gruppens sammansättning har
varit ungefär 1/2 ’matematiker’ (dvs studenter från ett ingenjörsprogram eller en teoretisk utbildning inom t.ex. fysik, datavetenskap, matematisk statistik eller matematik)
och 1/2 ’biologer’ (dvs studenter från en medicinsk eller biologisk utbildning). Programmets upplägg har varit ett tvåårsprogram med ett fristående projekt andra året
(Tabell 2). Lärare har kommit från flera olika institutioner, bland annat cell- och molekylärbiologi, datorteknik, kemiteknik, matematisk statistik och matematik. Ett par
lärare, däribland författaren, har varit kopplade till den medicinska fakulteten.
Min egen roll inom programmet har varit som lärare vid kurserna ’Introduction to
Bioinformatics’ och ’Large Scale genomics techniques, their analysis and experimental
modeling’. Inom den förra har jag dels hållit övergripande föreläsningar, dels datorlaborationer. Inom large scale genomics har jag under senare år hållit i ett kursmoment
kring cancer-systembiologi. I övrigt har jag handlett ett 10-tal examensarbeten inom
programmet.
8
Tabell 2: Masterprogrammet i systembiologi och bioinformatik vid
GU/Chalmers
Termin 1
- Introduction to Programming or Introduction to Cell Biology (10.5 ECTS)
- Introduction to Bioinformatics and Systems Biology (4.5 ECTS)
- Data acquisition and handling for systems Biology (15 ECTS)
Termin 2
Statistical analysis and experimental design (7.5 ECTS)
Theoretical and historical perspectives on science, introductory level (7.5 ECTS)
Large Scale genomics techniques, their analysis and experimental modeling (7,5
ECTS) Metabolomics (7.5 ECTS)
Termin 3 och 4
Selectable courses within relevant area. Master thesis project
Analys av ett nytt kursmoment i medicinsk systembiologi
Sedan 2008 har vi, inom ramen för masterprogrammet, haft ett ett undervisningsmoment som jag utvecklat, på temat systembiologi och cancer. Momentet omfattar fyra
föreläsningstimmar, en halvdags datorlaboration och litteraturstudier. Under den första föreläsningen introduceras tumörbiologins huvudbegrepp och illustrerar hur man
under 1900-talet använt olika matematiska modeller för att beskriva maligna sjukdomar på epidemiologisk, histologisk och cellulär skala. Presentationen skiljer sig en aning
från hur ämnet brukar introduceras, eftersom det viktiga här är just hur tumörbiologiska principer återspeglas i kvantitativa data. Som ett enkelt exempel på detta inleder
jag med så kallade incidenskurvor för olika tumörer (Figur 2), som beskriver enbart
incidensen (antal nya fall per år) som en funktion av patientens ålder. Förvånansvärt
många biologiska insikter kan härledas från denna typ av kurva, vilket inte minst demonstreras av att antalet underliggande mutationer kan skattas från incidenskurvans
lutning (Figur 2).
Under den andra föreläsningen fortsätter vi in på de utmaningar som tumörbiologin står
inför idag, där stora mängder information uppstår ur molekylärbiologisk karakterisering
av tumörer. Här försöker jag undvika att överbetona teknologin, utan snarare betona
vilka frågor som kan besvaras (t.ex. vilka gener som är de mest sannolika onkgenerna,
vilka transkript som verkar vara användbara som prognostiska biomarkörer mm). Vi
genomför sedan en datorlaboration där studenterna får analysera stora datamängder
från cancergenomprojektet (Figur 3). Under laborationen integreras studenternas färdigheter i matematisk modellering och statistik med biologiska frågeställningar.
9
Figur 2: Bilder från föreläsning i cancer-systembiologi. Målet är att illustrera hur en
sjukdomsprocess kan förstås genom matematisk analys. Föreläsningen är ett exempel
på hur variation (samma problem från olika vinklar) kan användas för att försöka gagna
djupinlärning.
Analys. Jag tror att en styrka i momentet är att det bygger konsekvent på variation
som pedagogisk princip, i den meningen att jag försöker spegla centrala koncept från
flera olika vinklar. Ett exempel på hur ett centralt koncept hanteras är Bayes formel,
P (A|B)/P (A) = P (B|A)/P (B). Rent tekniskt är detta en ekvation som följer av definitionen av betingad sannolikhet. Men formelns användbarhet för medicinsk diagnostik
eller molekylärbiologisk forskning inser man möjligen först efter att ha tänkt/räknat
igenom ett par exempel där ekvationen används inom diagnostik och bioinformatisk
prediktion (A brukar beteckna är en viss slutsats och B en viss observation). Ett andra
konkret exempel på hur olika ingångsvinklar kan gynna förståelsen är kring begreppen onkgen och tumörsuppressor. Här har jag försökt kombinera tre olika perspektiv:
molekylärbiologisk förståelse (vad är en mutation) principiell förståelse (vad innebär
mutationer för tumörens evolution) och praktisk kunskap (hur man gör för att hitta
nya onkgener i data).
10
Figur 3: Utdrag ur laborationen i cancersystembiologi. Studenterna använder programspråket MATLAB för att studera cancergeners effekter och för att hitta nya markörer
för patientöverlevnad, och skriver sedan en labrapport. Momentet kan gagna djupförståelse genom att länka biologiska begrepp (onkgen) till teoretisk förståelse (selektion
av onkgener) till praktiska färdigheter (hur man hittar nya onkgener från data).
Momentet innehåller även element som handlar om att koppla till studenters förförståelse för att öka deras motivation. Tanken med att göra en stark kvantitativ koppling
har varit att de matematiskt orienterade studenterna ska känna igen sig och hitta in i
ämnet. Samtidigt försöker jag hålla matematiken tillräckligt enkel för att biologer ska
se hur den matematiska formalismen gör biologisk nytta.
Då momentet ställs i relation till teorier för djupinlärning, kan det dock kritiseras i ett
par avseenden. Till att börja med sker momentet i en kurs där lärare ombads leverera
moduler kring ett visst tema, och där det varit ingen, eller åtminstone begränsad
strukturerad diskussion mellan lärarna kring kursens mål och hur lärarinsatserna ska
relatera till dessa. Slutligen har kursen examinerats dels via skriftliga labrapporter och
salstentamen. Möjligheten till återkoppling för studenterna har varit begränsad, i den
meningen att labrapporterna inte systematiskt bedömts och kommenterats, och i den
meningen att salstentamen enbart resulterar i en poäng.
Analys av en projekttävling för studenter
I USA finns en lång tradition av tävlingar som ett sätt att stimulera lärande. Inom
området syntetisk biologi arrangeras den dominerande internationella studenttävlingen
varje höst av MIT. (Syntetisk biologi är väsentligen det delområde av systembiologin
11
som fokuserar på biologiska system som är syntetiska eller konstgjorda i den meningen
att man har försökt sätta ihop en grupp välkarakteriserade gener för att åstadkomma
en ny funktion.) Tävlingen iGEM (international genetically engineered machine) syftar
till att designa och matematiskt analysera biologiska system, och har blivit något av
en prestigetävling där lag från de flesta ledande universitet deltar. Under 6 månader,
med start i maj 2009, handledde jag 8 studenter i att formulera och genomföra ett innovativt forskningsprojekt (Figur 4). Detta skedde som ganska öppet hållna lärarledda
brainstormingssessioner. Sedan utförde studenterna projektet. I oktober 2009 reste fyra
av lagets medlemmar i finalen på MIT. Göteborgslaget belönades med en bronsmedalj,
samma ranking som MITs eget lag. Lagets arbete dokumenterades av en TV-journalist
under utbildning.
Analys. Försöket med iGEM var ett intressant test av studenters förmåga att formulera, finansiera, utföra och presentera forskning. Det utgör ett exempel på en extremt
studentaktiv undervisningsform, som även delar element med Botsteins modell, där ett
nyckelinslag var ’självständig forskning’. Formen visade sig, som väntat, vara utmärkt
ur motivationssynpunkt, eftersom den sker i ett trevligt socialt format och bygger på
studenternas egna idéer.
Däremot kan det diskuteras om inte uppgiften i sig är för ambitiös, just på grund av
sin komplexitet. Forskning visar att övermaga uppgifter kan leda till en ’reträtt’ hos
studenterna [8]. Detta kunde man notera i gruppen, dels genom att vissa studenter tog
ledningen medan andra höll sig passiva och dels genom att vissa tog på sig roller som
inte hade med sakinnehållet att göra, till exempel att formge lagets hemsida eller ordna
med sponsring. Möjligen skulle en serie gruppövningar eller mindre projekt med större
handledningsinslag gynna studenternas förståelseutveckling mer än iGEM-projektet
och troligen också till lägre kostnad. En sådan modell (stegrade förståelseprestationer)
är vad som rekommenderats i Teaching for Understanding-modellen [9].
Man kan även diskutera huruvida ’examinationsformen’ i iGEM, en internationell final
med 20-minuterspresentation som bedöms av domare, gynnar eller missgynnar djupinlärning. I termer av ’backwash’ (examinationens inverkan på lärstrategin, ovan) leder
tävlingsformatet naturligt till att studenterna fokuserar på en imponerande presentation, som dessutom kommer att ges av en eller två studenter. Detta är visserligen en
värdefull och handfast illustration i hur verkligheten kan te sig för en forskare, men
är möjligen inte optimalt för att uppnå djupinlärning. Möjligen skulle det gynna djupinlärningen om det i iGEM även ingick någon form av variation i examinationen för
att klargöra andra kvaliteter, t.ex. att domarna sätter sig ned och samtalar med laget
kring projektet.
12
Figur 4: Laget ’Sweden’ som ställde upp i en internationell tävling i systembiologi 2009,
handledda av författaren, med bronsmedalj som resultat. Undervisningsformen kan sägas vara extremt studentaktiv, vilket kan gynna djupinlärning. Projektet illustrerar
även den komplexa frågan hur valet av examination (i det här fallet en 20 minuters
presentation för internationella domare) påverkar studenternas lärstrategi: under projektet kom mycket fokus att läggas vid presentationen.
IV. Slutsats och implikationer för egen lärargärning
Det övergripande syftet med analysen ovan har varit att ställa allmänpedagogiska principer för djupinlärning i kontrast med den egna undervisningen i medicinsk systembiologi. Ett sammanfattande intryck är att det redan finns en sund betoning på vissa
aspekter, bland annat fokus på centrala begrepp och variation, vilket torde gynna djupinlärning. Dock visar jämförelsen att andra aspekter är mindre genomarbetade, bland
annat de som rör målformulering, val av examensform, kvaliteten på återkopplingen
till studenterna och utvärdering av undervisningen. För att ännu mer öka förutsätt13
ningarna för djupinlärning blir implikationen för den egna lärargärningen att:
1. Starkare betona målformuleringar i undervisningen.
Det har framkommit i kursutvärderingar att studenterna stundtals upplevt programmet i systembiologi som öfokuserat". En bidragande faktor till detta är sannolikt att
programmet till stor del byggts på kurser som komponerats av ’inhopp’ av olika lärare. Även om de enstaka momenten är sunda, finns det mycket att vinna på bättre
koordination mellan lärarna avseende övergripande mål, och specifika mål med varje moment. Sammantaget anser jag därför att det finns starka skäl att (i) formulera
mer specifika mål med mina egna undervisningsmoment, (ii) göra sådana mål explicita för studenterna; och (iii) kraftigt verka för bättre koordination mellan lärarna på
programmet.
2. Fler, och gradvis mer komplexa förståelseövningar med återkoppling.
Jag tror att två styrkor i min undervisning har varit att problemen vi diskuterar (cancer) på ett naturligt sätt upplevs som relevanta (vilket hjälper motivationen), samt att
vi på ett bra sätt blandat format och infallsvinklar. Däremot tyder en del på att de
förståelseövningar vi gjort med studenter, däribland en datorlaboration, varit väl tunga
att förstå vissa studenter. Likaså tydde mycket på att iGEM-projektet (ovan) var väl
ambitiöst. I sådana fall skulle det sannolikt vara bättre att gradvis stegra komplexiteten
på övningarna. Två konkreta idéer som jag överväger på området är att (i) komplettera föreläsningarna med gruppdiskussioner, t.ex. där studenterna får tillsammans tänka
igenom olika strategier att behandla cancer, samt (ii) med en kortare skriftlig uppgift,
där studenterna får mer systematisk feedback.
3. Mera systematisk användning av examination.
Även om salstentamina med skrivna frågor inte är optimalt för djupinlärning [8], så
är detta för närvarande det format som används inom programmet. För att främja
djupinlärning inom just den examensformen kan det dock vara viktigt att planera
examinationen på ett tidigt stadium, t.ex. att tentafrågor skrivs i samband med att
föreläsningen planeras (istället för att skicka ett par ad hoc-frågor två dagar innan
tentamen).
14
4. Verka för ett curriculum i medicinsk systembiologi.
Som jag nämnt ovan, är systembiologi ett ämne som väntas ha omfattande konsekvenser för medicinsk forskning, men som saknar en lång pedagogisk tradition. För att
främja djupinlärning är det kritiskt att systembiologer just nu inte enbart fokuserar
på didaktiska frågor (Mål 1-3 ovan) utan även engagerar sig i hur en faktisk curriculum i medicinsk systembiologi bör se ut. Två aktiviteter som jag planerar för egen del
är att (i) mera ingående inventera precis vilka centrala begrepp som bör ligga som
grund för undervisning i medicinsk systembiologi och (ii) försöka identifiera generativa
ämnesområden (jfr, [9]) för ämnet.
Referenser
[1] J C FISHER and J H HOLLOMON. A hypothesis for the origin of cancer foci.
Cancer, 4(5):916–8, Sep 1951.
[2] A Turing. The chemical basis of morphogenesis. Philosophical Transactions of the
Royal Society of London, 237(641), 1952.
[3] N Wiener. Cybernetics. ems.music.uiuc.edu, Jan 1948.
[4] Scott A Tomlins, Daniel R Rhodes, Sven Perner, Saravana M Dhanasekaran, Rohit
Mehra, Xiao-Wei Sun, Sooryanarayana Varambally, Xuhong Cao, Joelle Tchinda,
Rainer Kuefer, Charles Lee, James E Montie, Rajal B Shah, Kenneth J Pienta,
Mark A Rubin, and Arul M Chinnaiyan. Recurrent fusion of tmprss2 and ets
transcription factor genes in prostate cancer. Science, 310(5748):644–8, Oct 2005.
[5] Knut Drescher, Raymond E Goldstein, and Idan Tuval. Fidelity of adaptive phototaxis. Proc Natl Acad Sci USA, 107(25):11171–6, Jun 2010.
[6] Karen Sachs, Omar Perez, Dana Pe’er, Douglas A Lauffenburger, and Garry P
Nolan. Causal protein-signaling networks derived from multiparameter single-cell
data. Science, 308(5721):523–9, Apr 2005.
[7] Franziska Michor, Timothy P Hughes, Yoh Iwasa, Susan Branford, Neil P Shah,
Charles L Sawyers, and Martin A Nowak. Dynamics of chronic myeloid leukaemia.
Nature, 435(7046):1267–70, Jun 2005.
[8] Maja Elmgren and Ann-Sofie Henriksson. Universitetspedagogik. Norstedts, 2010.
[9] Tina Blythe. The Teaching for Understanding Guide. Jossey-Bass publishers,
1998.
15
[10] Björn Andersson. Att utveckla undervisning i naturvetenskap - kunskapsbygge med
hjälp av ämnesdidaktik. Studetlitteratur, 2011.
[11] Sarah I Duncan, Pamela Bishop, and Suzanne Lenhart. Preparing the newbiologist
of the future: student research at the interface of mathematics and biology. CBE
Life Sci Educ, 9(3):311–5, Sep 2010.
[12] Maeve L McCarthy and K Renee Fister. Biomaps: a roadmap for success. CBE
Life Sci Educ, 9(3):175–80, Sep 2010.
[13] Anne-Marie Hoskinson. How to build a course in mathematical-biological modeling: content and processes for knowledge and skill. CBE Life Sci Educ, 9(3):333–
41, Sep 2010.
[14] Audrey M Depelteau, Karl H Joplin, Aimee Govett, Hugh A Miller, and Edith
Seier. Symbiosis: development, implementation, and assessment of a model curriculum across biology and mathematics at the introductory level. CBE Life Sci
Educ, 9(3):342–7, Sep 2010.
[15] Ned Wingreen and David Botstein. Back to the future: education for systemslevel biologists. Nature Reviews Molecular Cell Biology, 7(11):829–832, September
2006.
[16] David Botstein. An integrated science curriculum. iBioMagazine (video), june
2011.
16
