Vertaling van "données peuvent nous " (Frans → Nederlands) :

Ce que j'essaie donc de vous montrer ici, ce sont les données d'une classe pilote à Los Altos, où ils ont pris deux classes de CM2 et deux classes de 4ème et ont complétement éventré leur vieux programme de maths. Ces enfants n'utilisent pas de manuels, ils ne reçoivent pas de cours à schéma unique. Ils travaillent avec la Khan Academy, ils utilisent ce logiciel, pour à peu près la moitié de leurs cours de maths. Je vous assure que nous ne voyons pas ça comme une formation complète en maths. Son intérêt est -- et c'est ce qui se passe à Los Altos -- de libérer du temps. Ça montre où sont les blocages et les facilités, ce qui rend sûr que vous maîtriser les systèmes d'équations, et ça libère du temps pour les simulations, les jeux, les mécanismes, la construction de robots, pour estimer la hauteur d'une colline en se basant sur son ombre. L'idée est donc que l'enseignant entre dans la classe chaque jour, chaque élève travaille à son propre rythme -- et c'est un réel tableau de bord de l'école du district de Los Altos -- et ils observent ce tableau. Chaque ligne est un élève. Chaque colonne est un des concepts. Le vert indique que l'élève est déjà compétent. Le bleu indique qu'il travaille dessus -- pas besoin de s'inquiéter. Le rouge indique qu'il est bloqué. Ce que fait l'enseignant, c'est littéralement dire : « Laissez-moi intervenir sur ces enfants dans le rouge. » Ou encore mieux : « Laissez-moi prendre un des élèves dans le vert qui est déjà compétent dans ce concept pour en faire la première ligne offensive et devenir véritablement le tuteur de son camarade. » (Applaudissements) Je viens d'une réalité basée sur les données, donc nous ne voulons pas que l'enseignant intervienne en ayant à poser des questions bizarres : « Oh, qu'est-ce que tu ne comprends pas ? » ou « Qu'est-ce que tu comprends ? » et tout le reste. Donc notre idée est de vraiment munir les enseignants d'autant de données que possible -- de réelles données qui, dans presque tout autre domaine, so ...
Wat ik jullie hier toon, zijn gegevens van een pilootschool in het schooldistrict Los Altos. Ze namen twee klassen van de 10-jarigen en twee van 12-jarigen en beenden hun oude wiskundecurriculum helemaal uit. Deze kinderen gebruiken geen handboeken. Ze krijgen geen eenheidsworst -lessen. Ze doen Khan Academy. Ze gebruiken de software voor ongeveer de helft van de wiskundeles. Laat me duidelijk zijn: we zien dit niet als de volledige wiskundeles. Het effect hiervan is -- en dat gebeurt in Los Altos -- dat er tijd vrijkomt. Dit is blokkeren en aanpaken, zorgen dat je een stelsel van vergelijkingen kan afwerken. Dat maakt tijd vrij voor simulaties, games, mechanica, robots bouwen, schatten hoe hoog die heuvel is op basis van zijn schaduw. Het paradigma is dat de leerkracht elke dag binnenkomt, dat elk kind op zijn eigen tempo werkt -- en dit is een live dashboard van het schooldistrict Los Altos -- en dat ze dit dashboard bekijken. Elke rij is een student. Elke kolom is een van die concepten. Groen betekent dat de leerling het al onder de knie heeft. Blauw betekent dat ze eraan werken -- komt in orde. Rood betekent dat ze vastzitten. En wat de leraar doet is letterlijk alleen maar zeggen: Laat me ingrijpen op de rode kinderen. Of nog beter Laat me een van de groene kinderen roepen, die dat concept al onder de knie hebben, om de eerste aanvalslinie te vormen en hun klasgenoten te coachen. (Applaus) Ik kom uit een omgeving die erg op data is gericht. We willen niet dat de leerkracht tussenbeide moet komen en het kind rare vragen moet stellen, als: Dus wat begrijp je niet? of Wat begrijp je wel? enzovoort. Ons paradigma is dat we de leerkrachten met zoveel mogelijk gegevens wapenen. Echte gegevens, zoals dat in ongeveer elk ander domein wordt verwacht, of het nu financiën, marketing of productie is. De leerkrachten kunnen vaststellen wat er fout gaat met de leerlingen. Zo kunnen ze hun interactie zo productief mogelijk maken.

La nouvelle génération d'appareils d'auto-contrôle high-tech (qui mesurent la fréquence cardiaque, le sommeil, le nombre de pas par jour) peuvent sembler destinés aux athlètes de haut-niveau. Mais Talithia Williams, une statisticienne, démontre de façon convaincante que nous devrions mesurer et enregistrer quelques données de notre corps tous les jours - car s'approprier ses propres données peut nous en apprendre davantage que tout ce que nos médecins peuvent savoir.
De nieuwe generatie van high-tech self-monitors (het meten van hartslag, slaap, stappen per dag) lijkt vooral geschikt voor wedstrijdatleten. Maar Talithia Williams, een statisticus, vindt dat juist iedereen, elke dag, de eenvoudige gegevens van zijn lichaam zou moeten meten en registreren - omdat onze eigen data wellicht meer kunnen onthullen dan onze artsen.

Il y a tout un tas de possibilités de connectique comme des Legos que vous pouvez utiliser pour saisir, dans la vraie vie, dans le monde réel, des éléments comme les tremblements, la démarche l'enjambée, et tout ce genre de choses. Le problème, c'est que notre compréhension des chutes, aujourd'hui, comme celle de Mimi, s'établit avec des études étatiques que vous recevez par courrier 3 mois après que vous soyez tombé. et dans lesquelles on vous demande : Que faisiez-vous lorsque vous êtes tombé ? Si c'est ça la pointe de la technologie. Mais avec un instrument comme Shimmer, ou avec ce que nous appelons le Tapis Volant, dans lequel nous avons implanté des capteurs et des systèmes de caméra que nous avons récupérés de la médecine du sport nous les introduisons pour la première fois dans ces 600 foyers afin de collecter de véritables données sur la mécanique du mouvement pour identifier quels sont les changements subtiles qui sont sur le point de se produire et qui peuvent nous montrer que Maman encourt un risque de chute important. Et la plupart du temps nous pouvons faire deux interventions, et revoir les interactions médicamenteuses. Je suis un chercheur qualitatif, mais lorsque je regarde ces flux de données qui parviennent de ces foyers, je peux analyser ces données et vous dire le jour où un docteur leur a prescrit quelque-chose que personne d'autre ne savait qu'ils prenaient. Parce que nous pouvons voir les changements dans leur modèle personnel. D'accord ?
Er zitten allerlei soorten van plug and play op. Een soort lego waarmee je overal, in de echte wereld, dingen zoals tremor, manier van lopen, paslengte en dat soort dingen kan registreren. Het probleem voor ons begrijpen van vallen is dat je, net als bij Mimi, drie maanden nadat je viel, een enquêteformulier van de Staat in je e-mail vindt. Met de vraag : Wat was je aan het doen toen je viel? Dat is de huidige stand van de techniek. Maar met iets als de Shimmer, of met iets dat we het Magic Carpet noemen, met geïntegreerde sensoren in tapijt of op camera gebaseerde systemen die we ontleenden aan de sportgeneeskunde, beginnen we voor de eerste keer in die 600 oudere huishoudens werkelijke kinematische bewegingsgegevens verzamelen. Zo kunnen we begrijpen wat de subtiele veranderingen zijn, die kunnen aantonen dat mams risico loopt om te vallen. Meestal kunnen we dan het probleem oplossen met een paar interventies, door de medicijnen wat aan te passen. Ik ben kwalitatief onderzoeker, maar als ik kijk naar de datastromen uit deze woningen, kan ik je vertellen op welke dag een arts iets heeft voorgeschreven waarvan niemand anders afwist. Omdat we de veranderingen in hun patronen in het huishouden zien. Niet?

Et laissez moi juste en mentionner deux, rapidement. L'une, tirée du domaine de l'ingénierie, et l'autre du domaine clinique. Dans la perspective de l'ingénierie, nous pouvons nous demander, puisque nous savons que le mouvement est si important pour le système visuel humain si nous pouvons utiliser cela comme recette pour construire des systèmes de vision sur des machines qui peuvent apprendre par elles-mêmes, qui n'ont pas besoin d'être programmées par un programmateur humain. Et c'est ce que nous essayons de faire. Je suis au MIT, au MIT vous devez appliquer tout connaissance fondamentale que vous acquérez. Alors nous sommes en train de créer Dylan, qui est un système informatique avec le but ambitieux de recueillir les données visuelles du même genre que ceux qu'un enfant humain recevrait, et de découvrir de façon autonome quels sont les objets dans ces données visuelles.
Laat me er snel twee noemen. Eén komt uit de techniek en de andere uit de kliniek. Vanuit de invalshoek van de techniek kunnen we vragen: gegeven dat we weten dat beweging zo belangrijk is voor de menselijke verwerking van zicht, kunnen we dit als voorbeeld gebruiken voor het maken van toestellen met een zichtsysteem dat zelf kan leren zonder dat het geprogrammeerd hoeft te worden door een mens? En dat is wat we trachten te doen. Ik zit bij MIT, en daar moet je alle kennis die je opdoet toepassen. Daarom maken we Dylan. Dat is een computationeel systeem met het vooruitstrevende doel visuele invoer te gebruiken van het soort dat menselijke kinderen krijgen en het onafhankelijk te laten ontdekken wat de voorwerpen zijn in die invoer die het ziet.

Il existe des tas de différentes sortes de biais : certains parti-pris nous font ignorer certaines données, d'autres nous amènent à trop souligner certaines données. Ils peuvent même nous conduire à nous concentrer sur des faits qui en réalité n'ont aucune incidence sur ce que nous sommes en train d'observer.
Er zijn heel veel verschillende soorten bias en sommige bias zorgen ervoor dat we bepaalde data negeren terwijl andere ervoor zorgen dat we teveel nadruk leggen op bepaalde data; ze kunnen er zelfs voor zorgen dat we ons gaan focussen op feiten die totaal irrelevant zijn voor hetgeen we aan het observeren zijn.

Il a utilisé un slide de ce type. Derrière cette présentation il avait plein de données. Les données c'est terne, carré, ennuyeux... C'est l'image que nous en avons, n'est-ce pas ? Car les données ne peuvent pas être utilisées naturellement tel quel. Mais en réalité les données influencent en grande partie nos vies. Cela arrive quand quelqu'un prend ces données et crée quelque chose avec.
Hij toonde een dia die een beetje op deze lijkt. Deze was gebaseerd op alle data. OK, data is bruin, hoekig en saai, en dat vinden wij ervan, hè? Want data kun je niet altijd afzonderlijk gebruiken. Maar toch wordt enorm veel in ons leven door data gestuurd, doordat iemand die data pakt en er iets mee doet.

Aujourd'hui les scanners médicaux produisent en quelques secondes des milliers d'images et des teraoctets de données pour un seul patient. Mais comment font les médecins pour analyser ces informations et déterminer ce qui est utile ? A TEDxGöteborg, Anders Ynnerman, expert en imagerie médicale, nous fait découvrir de nouveaux outils sophistiqués — comme l'autopsie virtuelle — pour analyser ces myriades de données, et nous donne un aperçu des futures technologies médicales aux allures de science-fiction. Cette conférence comporte des images médicales qui peuvent choquer.
Vandaag produceren medische scans duizenden afbeeldingen en terabytes aan gegevens voor een enkele patiënt in enkele seconden, maar hoe moeten artsen deze informatie ontleden en bepalen wat nuttig is? Op TEDxGöteborg toont expert wetenschappelijke visualisatie Anders Ynnerman ons geavanceerde nieuwe tools - zoals virtuele autopsies - voor het analyseren van de ontelbare gegevens en een glimp van sci-fi-achtige medische technologieën in ontwikkeling. Deze lezing bevat een aantal expliciete medische beelden.

Et toutes ces données administratives peuvent être rassemblées et traitées pour comprendre le comportement humain d'une manière que nous n'avons jamais pu faire auparavant.
Al deze gegevens kunnen samengevoegd worden en verwerkt worden om menselijk gedrag te begrijpen op een manier die nog nooit mogelijk was.

L'exemple de PISA montre que les données peuvent avoir plus d'impact que le contrôle administratif des subventions financières, contrôle qui nous permet généralement de gérer les systèmes éducatifs.
Het voorbeeld van PISA toont aan dat gegevens krachtiger kunnen zijn dan de administratieve controle van de financiële steun waarop we meestal onze onderwijsstelsels laten draaien.

Il a rétréci car nos appareils nous permettent en partie de mesurer des unités de temps toujours plus petites, et cela en retour nous a donné une compréhension plus granulaire du monde matériel, et cette compréhension granulaire a généré des masses de données que nos cerveaux ne peuvent plus comprendre et pour lesquelles nous avons besoin d'ordinateurs de plus en plus sophistiqués.
Verkort, omdat onze instrumenten toelaten om steeds kleinere tijddeeltjes te meten en dat geeft ons een meer gedifferentieerd begrip van de materiële wereld. Dit gedifferentieerde begrip genereert gegevensstromen die ons brein niet meer kan begrijpen, zodat we steeds complexere computers nodig hebben.