Modifications Section 1

datactivist · Aug 31, 2023 · b504c06 · b504c06
1 parent c8d7245
commit b504c06
Show file tree

Hide file tree

Showing 4 changed files with 48 additions and 0 deletions.
diff --git a/sections/img/SGBD1.png b/sections/img/SGBD1.png
diff --git a/sections/img/SGBD2.png b/sections/img/SGBD2.png
diff --git a/sections/section1.Rmd b/sections/section1.Rmd
@@ -201,6 +201,19 @@ Dans les bases de données relationnelles, les données sont inscrites dans des
 Les bases de données relationnelles facilitent grandement le traitement des données puisqu'elles paraissent à travers une interface utilisateur : « il faut protéger les futurs usagers de grandes banques de données d’avoir à connaitre comment les données sont organisées dans la machine » (Codd 1970).
 ]
 
+---
+### Petit exercice
+
+Quelle est la relation entre ces deux tables d'une même base de données ? Quel est ici l'identifiant unique ?
+
+![](./img/SGBD1.png)
+
+
+---
+### Petit exercice - correction
+
+![](./img/SGBD2.png)
+
 ---
 ### Le tableur (1979) : *data to the people*
 
@@ -287,6 +300,17 @@ Les sciences sont traversées par la promesse d’un **.red[quatrième paradigme
 
 ---
 
+### En d'autres termes
+
+Rob Kithin résume la position de plusieurs epistémologistes en ces termes.
+
+
+> *"En d'autres termes, plutôt que de tester l'existence de certaines [hypothèses] au sein d'un ensemble de données, les algorithmes qui analysent des données massives ont pour but de découvrir des associations significatives entre les données, et ce sans être guidés par des hypothèses."* (Chapitre 7)
+
+> Kitchin, Rob. 2022. [The Data Revolution: A Critical Analysis of Big Data, Open Data & Data Infrastructures.](https://uk.sagepub.com/en-gb/eur/the-data-revolution/book269711) Second edition. Los Angeles, CA: Sage Publications.
+
+---
+
 ### Le risque : confondre corrélation et causalité
 
 Deux événements (appelons les X et Y) sont corrélés si l’on observe une relation entre les deux. Une erreur de raisonnement courante consiste à dire : « X et Y sont corrélés, donc X cause Y ». On .red[confond corrélation et causalité].

diff --git a/sections/section1.html b/sections/section1.html
@@ -198,6 +198,19 @@
 Les bases de données relationnelles facilitent grandement le traitement des données puisqu'elles paraissent à travers une interface utilisateur : « il faut protéger les futurs usagers de grandes banques de données d’avoir à connaitre comment les données sont organisées dans la machine » (Codd 1970).
 ]
 
+---
+### Petit exercice
+
+Quelle est la relation entre ces deux tables d'une même base de données ? Quel est ici l'identifiant unique ?
+
+![](./img/SGBD1.png)
+
+
+---
+### Petit exercice - correction
+
+![](./img/SGBD2.png)
+
 ---
 ### Le tableur (1979) : *data to the people*
 
@@ -284,6 +297,17 @@
 
 ---
 
+### En d'autres termes
+
+Rob Kithin résume la position de plusieurs epistémologistes en ces termes.
+
+
+&gt; *"En d'autres termes, plutôt que de tester l'existence de certaines [hypothèses] au sein d'un ensemble de données, les algorithmes qui analysent des données massives ont pour but de découvrir des associations significatives entre les données, et ce sans être guidés par des hypothèses."* (Chapitre 7)
+
+&gt; Kitchin, Rob. 2022. [The Data Revolution: A Critical Analysis of Big Data, Open Data &amp; Data Infrastructures.](https://uk.sagepub.com/en-gb/eur/the-data-revolution/book269711) Second edition. Los Angeles, CA: Sage Publications.
+
+---
+
 ### Le risque : confondre corrélation et causalité
 
 Deux événements (appelons les X et Y) sont corrélés si l’on observe une relation entre les deux. Une erreur de raisonnement courante consiste à dire : « X et Y sont corrélés, donc X cause Y ». On .red[confond corrélation et causalité].