Вопросы и ответы с Палми Чомчат Силарат, научным сотрудником сообщества

Washington STEM очень рад, что Палми Чомчат Силарат присоединилась к нашей команде в качестве Партнер сообщества. Читайте дальше, чтобы узнать о карьерном пути Палми и о том, как она планирует использовать науку о данных для повышения справедливости в STEM-образовании.
 

 
В. Почему вы решили присоединиться к Washington STEM?

Я присоединился к Washington STEM в рамках моей докторской программы, потому что я хотел использовать то, что я узнаю в школе, в реальном мире и оказать положительное влияние на сообщество. С моим интересом к справедливой социальной статистике я обнаружил необходимость исследований и оценок в Washington STEM и решил подать заявку!

В. Что для вас значит равенство в образовании и карьере STEM?

Справедливость в STEM-образовании значит для меня многое. Идеалистически это означает, что каждый человек, проявляющий интерес к STEM-образованию и карьере, получит равную возможность следовать своим интересам, достигать своих целей и воплощать в жизнь свои мечты. В реальном мире справедливость может выглядеть как гарантия того, что молодые студенты рано и часто знакомятся с темами STEM. Это также может быть обеспечение равного доступа к службам поддержки, которые позволят им быть на пути к образованию и карьере в области STEM, или стремление к одинаково конкурентоспособным заработным платам на рынке труда после окончания учебы.

В. Почему вы выбрали свою карьеру?

Наука о данных и аналитика чрезвычайно сильны. При ответственном использовании они могут оказывать масштабируемое положительное воздействие, но при неосторожном использовании они могут привести к сегрегации и неравенству. Область математики и статистики исторически тесно связана с евгеникой, а это означает, что числа используются для маргинализации людей. Однако я утверждаю, что числа и методы сами по себе не являются несправедливыми; это зависит от того, как люди их используют. Моя страсть — максимально ответственно использовать науку о данных. Я очарован этой развивающейся областью каждый божий день, и я надеюсь стать более опытным по мере моего роста.

В. Можете ли вы рассказать нам больше о своем образовании/карьере?

Я собираюсь просто дать хронологическую историю. Хотя я любил математику с самого детства, у меня не было достаточно уверенности, чтобы заниматься ею в колледже. Я был концертирующим пианистом с классическим образованием и всегда просил разрешения читать отчеты об исследованиях в области музыкальной терапии. Помимо обучения, я обнаружил, что сижу на уроках математики и естественных наук, которые не требовались для моей степени. После более чем десятилетнего обучения я понял, что хочу вернуться к обработке чисел, и решил в течение года получить степень магистра в Кембридже, основанную на исследованиях. И после этого ключевого года я приобрел достаточно уверенности и навыков, чтобы официально начать карьеру в науке о данных. В первый год пандемии меня наняли в стартапе, который помогает небольшим местным больницам на окраинах Бангкока получать больше дохода. Как исследователь в группе пользовательской аналитики, я был очарован тем, какое влияние я могу оказать, используя науку о данных; так что я просто застрял с ним.

В. Что вас вдохновляет?

Меня вдохновляют люди, которые любят окружающих других так же, как себя.

В. Что вам больше всего нравится в штате Вашингтон?

Однозначно природа и люди.

В. Что о вас люди не могут найти в Интернете?

Это тяжело. Забавный факт, я из Бангкока, а тайские имена такие уникальные. Если вы загуглите только мое имя, уже есть 99% шансов, что вы найдете меня за одну секунду. Но я уверен, что вы не сможете найти в Интернете то, что я ненавижу кататься на сноуборде, но мне нравится сидеть на курорте и готовить горячий рамен для своих друзей.