数据驱动的科学仅仅是一个流行语吗？
用望远镜观测星星已经过时了！今天的天文学家更有可能利用网络：数字调度观测，远程控制位于沙漠中的望远镜，下载相关的观察结果，然后利用计算机进行分析。对于许多天文学家来说，科学的第一步是在计算机上分析这些数据。这可能听起来像一个流行语，但数据驱动的科学是天文学领域深刻转变的重要一步。
2015年澳大利亚科学院（Australian Academy of Science）的研究报告指出，澳大利亚500多名专业的天文学家中，至少有四分之一从事计算性质的研究工作。然而，许多高中和大学的科学、技术和工程学科仍然把这些必要的技能作为次等重要的科目。
通过模拟可以对世界进行建模，并对观测数据进行探索分析。计算不仅仅包括天文学，计算是一系列的科学，包括生物信息学、计算语言学以及粒子物理学。为了培养接班人，我们必须开发新的教学方法，将数据驱动和计算方法视为当代研究的重要工具。
科学大数据时代
17世纪的伟大的经验主义者认为，如果用感官来收集尽可能多的数据，我们将最终了解整个世界。虽然经验科学有着悠久的历史，但是传统的方法与今天的数据驱动的科学之间存在一些关键性的区别。
目前可能产生改变的是计算机收集的数据量，这促使哲学发生了改变：收集数据服务于许多项目而不仅仅是一个项目，探索和挖掘数据的方式使我们能够“计划偶然性”。对于寻找新型的天文现象，大数据集可能会产生意想不到的结果。例如，天文学家邓肯·洛里默（DuncanLorimer）发现了快速无线电脉冲；本科生克莱·奥法（CleoLoi）发现了地球电离层中的等离子管。
当今的科学研究形式是：许多科学家一起合作，设计能够一次服务于多种项目的实验，并测试不同的假设。例如，由南非和澳大利亚建造的平方公里阵列望远镜（Square Kilometre Array Telescope）就是一个很好的科学案例。
教育制度亟需改变
科学的经典案例包括阿尔伯特·爱因斯坦（AlbertEinstein）的相对论方程式，玛丽·居里（MarieCurie）在实验室发现镭元素。我们对科学的理解往往是在高中时期形成的，我们在这里学到理论和实验，并将理论与实践相结合。
一般来说，实验科学家测试理论，理论科学家开发新的方法来解释实验结果。然而，计算机很少被提及，许多关键技术仍然落后。例如，为了设计合理的实验，选择可靠的样本，科学家需要优秀的统计学技能。为了确保数据驱动的实验和探索是严格的，科学家们需要掌握足够的统计学内容。
事实上，为了解决当今时代的问题，科学家还需要开发计算性思维。这不仅仅是编码，科学家需要创造性地思考算法，并且使用复杂的技术来挖掘和收集数据。即使拥有10,000个核心超级计算机的强大功能，将简单的算法应用于海量数据集仍然是无效的。从计算机科学到更复杂的技术，软件的运行速度需要提高几个数量级，例如，用于匹配天文物体的kd-tree算法。
目前，许多大学已经开设数据科学课程和学位，将统计学和计算机科学与科学或商业相结合。例如，悉尼大学（University of Sydney）副教授塔拉·墨菲（Tara Murphy）推出了一个关于数据驱动的天文学在线课程，在天文学的背景下教授数据管理和计算机学习等技能。新的澳大利亚数字技术课程（Australian Curriculum in Digital Technologies）将编码和计算思维作为第2年教学大纲的一部分。这将开发学生的重要技能，下一步是将现代方法直接融入科学课堂。
半个多世纪以来，计算一直是科学的重要组成部分，数据爆炸正在使其变得更为重要。将计算思维作为科学的一部分，我们可以确保学生们在未来创造伟大的科学发现。