Ressource pédagogique : Algorithmes et Big Data : peut-on se souvenir du futur ? / Maryse Salles
Présentation de: Algorithmes et Big Data : peut-on se souvenir du futur ? / Maryse Salles
Informations pratiques sur cette ressource
Droits réservés à l'éditeur et aux auteurs. Tous droits réservés à l'université Toulouse Jean Jaurès et aux auteurs.
Description de la ressource pédagogique
Description (résumé)
Algorithmes et Big Data : peut-on se souvenir du futur ? / Maryse Salles, in ProusTime. A la recherche du temps avec Proust. Séance 2 : Peut-on prévoir le passé ? Peut-on se souvenir du futur ?, organisé par l'Équipe Littérature et Herméneutique (ELH) du laboratoire de recherche Patrimoine, Littérature, Histoire (PLH), sous la direction scientifique d'Isabelle Serça. Museum de Toulouse, Quai des savoirs, 19 avril 2017. La présentation de Maryse Salles propose quelques messages principaux : - les représentations du "réel" (cartes, ensembles de données numériques décrivant une personne dans des Big Data...) sont par essence des simplifications du réel construites (non "naturelles"), et ne doivent pas être confondues avec le réel, - ces représentations peuvent influencer en retour le réel qu'elles représentent (ex.: score de récidive calculé qui influence le juge dans le choix de la peine), - pour les Big Data, le futur est un présent extrapolé, essentiellement sur la base de calculs de corrélations, - le rôle prédictif des Big Data peut aisément glisser vers un rôle prescriptif, dans une recherche d'un contrôle futur (pour provoquer certains comportements, pour éviter que des événements ne se produisent...), - le risque est alors, au travers des effets de rétroaction, qu'un usage incontrôlé des Big Data dans la prise de décision (en particulier publique) n'entraîne dans nos sociétés une limitation de la diversité, et donc de la démocratie.
"Domaine(s)" et indice(s) Dewey
- Méthodes d'accès et organisation des fichiers de données (adressage calculé, algorithmes de recherche ou de tri, traitement des fichiers de données,, regroupement, tri) (005.741)
- Inférence statistique (analyse séquentielle, espérance statistique, méthodes de rééchantillonnage, prédiction, régions deconfiance) (519.54)
Intervenants, édition et diffusion
Intervenants
Editeur(s)
-
Université Toulouse-Jean Jaurès-campus Mirail
Voir toutes les ressources pédagogiques
Diffusion
-
Canal-u.fr
Voir toutes les ressources pédagogiques
AUTEUR(S)
-
Maryse SALLES
ÉDITION
Université Toulouse-Jean Jaurès-campus Mirail
EN SAVOIR PLUS
-
Identifiant de la fiche
35349 -
Identifiant
oai:canal-u.fr:35349 -
Schéma de la métadonnée
- LOMv1.0
- LOMFRv1.0
- Voir la fiche XML
-
Entrepôt d'origine
Canal-u.fr -
Date de publication
19-04-2017