2025年12月，来自普吉特湾大学的十几名本科生带着展示他们原创研究项目的海报，挤进了艾伦研究所的一间教学实验室。这是整个学期中学生们第一次进入湿实验室，然而每一张海报都呈现了新颖的研究发现。这是因为这些学生参加了一门仅使用开放神经科学资源的高级神经科学课程。

作为致力于开放科学的艾伦研究所教育项目负责人，我认为该领域需要更多像这样的课程。我亲眼目睹了学生从探索数据库的原始数据中获益更多，远胜于仅从论文或教科书中看到数据。融入开放神经科学的课程教会学生如何自信地驾驭大型数据集，并帮助他们开始培养适当的数据科学和计算技能——这些技能的重要性与日俱增。开放科学项目还教会学生严谨和负责任的研究行为。

尽管有这些优势——而且神经科学在过去二十年中在拥抱开放科学实践和原则方面取得了巨大进步——但令人惊讶的是，很少有大学和研究生级别的课程以开放科学为核心。在我自己的研究生培训中，我学到了科学过程的许多其他方面，这些方面让我为像专业科学家一样思考做好了准备，例如撰写和回应同行评审，但我从未上过任何教我如何进行开放科学或使用其资源的课程。

如果我们希望开放科学成为该领域不可或缺的一部分，就需要将开放科学作为核心培训原则。

艾伦研究所为希望开发类似课程的教育者提供免费资源，例如在研究所和会议上举办的研讨会，以及其他教育者开发的教学资源。教育者还可以鼓励学生在课程之外使用开放工具。早在2020年，马里兰州圣玛丽学院的学生朱莉娅·米尔纳因新冠疫情错过了在湿实验室完成本科论文项目的机会。她的导师莎拉·拉奇尼曾参加过一些关于使用艾伦研究所开放科学进行教学的早期研讨会。于是拉奇尼将米尔纳引入了开放科学资源的世界。米尔纳交叉参考了西雅图阿尔茨海默病脑细胞图谱、NIH RePORTER和ClinicalTrials.gov上公开列出的临床试验数据，发现了两种基因在阿尔茨海默病早期与晚期阶段的表达差异。这是我最喜欢的例子之一，展示了开放科学如何在即使没有湿实验室资源的挑战性环境下，赋予学生独立学习的能力。

此外，教育者可以使用开放软件工具来教授分析和可视化大型数据集的计算方法。阿什莉·朱瓦维内特广泛撰写了她在神经科学课程中引入开放编码资源的经验。朱瓦维内特正确地指出，尽管现代神经科学研究对编码技能有核心需求，但很少有资源可用于教授非计算机科学专业的学生如何编码。开放科学可以通过提供大型数据集，让学生在有意义的研究场景中练习计算技能，从而部分缓解这一差距。我们还与朱瓦维内特和特蕾莎·麦金合作举办了一个夏季研讨会，旨在教授神经科学学生编码，而研讨会材料——你猜对了——是公开可用的。

在课程中讨论开放神经科学也可以激发讨论，并激励学生审视开放资源背后的价值观和研究伦理。例如，开放科学的公共性质要求在与伦理、隐私和数据重用相关的问题在材料发布前得到仔细解决，因为一旦发布就无法撤回。向学生呈现这些主题提供了感觉真实而非假设的讨论素材。此外，开放科学使学生能够仔细检查数据、协议（包括数据保护）、分析方法和其他项目元素，并直接观察研究严谨性和伦理。这些主题并不总是在科学教育和培训中明确涵盖，导致受训者在不成文的规范中摸索。开放科学为这类对话提供了哲学基础和具体基础。

朱瓦维内特和我在即将出版的《牛津本科神经科学教育手册》的一章中更详细地探讨了这些主题。

最后，重要的是要记住，尽管开放科学很有价值，但它并不一定容易。我们经常听到我们项目中的教育者说，他们对将开放科学融入教学的可能性感到兴奋，但他们需要时间、支持和社区来克服开始的障碍。除了艾伦研究所的资源外，诸如开放教育生态系统研究协调网络和The Carpentries等培训与社区团体可以帮助指导教育者将开放科学实践实施到他们的项目中。

只要开放科学是我们科学实践的一部分，它也应该是我们教学和培训的一部分。开始学习永远不嫌早——也永远不嫌晚。