Aller au contenu

TP et projets#

Les données structurées et leur traitement

TP 1 Tableur 1 : notes, fréquences et graphiques#

Excel, le grand oublié des programmes — I

Fichiers à télécharger

dossier en ligne archive .zip

Usage de l’IA, indiqué sur chaque exercice : aucune ; en appui (déboguer, reformuler, vérifier ; la réponse finale est écrite et comprise par vous) ; l’exercice s’appuie sur une réponse d’IA. Voir la charte d’usage de l’IA.

Pour commencer

Récupérer le fichier tableur1.xlsx (à télécharger : https://github.com/MathThibaud/nsi-fichiers-eleves/tree/main/seconde/05-tp-tableur-1). Il contient quatre feuilles nommées « Exercice 1 », « Exercice 2 », « Exercice 3 » et « Exercice 4 » (onglets en bas de la fenêtre). Les données de départ y sont déjà saisies ; les cellules sur fond jaune sont à compléter.

Exercice 1 — Notes d’un contrôle (feuille Exercice 1) #

On a relevé, dans l’ordre croissant, les notes obtenues à un contrôle de mathématiques par les élèves de la classe de 2de 11 (cellules C2:O3).

  1. Moyenne d’une série de données. En B5, saisir la formule =MOYENNE(C2:O3). (Utiliser le menu des fonctions, choisir MOYENNE, puis sélectionner la plage C2 à O3.)

  2. Ligne des effectifs. La ligne 8 donne les différentes notes. Compléter la ligne des effectifs (C9:O9) : pour chaque note, le nombre d’élèves l’ayant obtenue.

  3. Fréquences (décimales, puis en pourcentage).

    1. En P9, calculer l’effectif total avec =SOMME(C9:O9).

    2. En C10, calculer la fréquence de la première note avec =C9/$P9.

    3. Recopier C10 vers D10:O10 avec la poignée de recopie (la petite croix en bas à droite de la cellule). Le symbole $ fixe la colonne P lors de la recopie.

    4. En C11, saisir =C10. Puis, par un clic droit » « Format de cellule » » onglet Nombre, choisir Pourcentage, 0 décimale. Recopier vers D11:O11.

    5. Compléter P10 et P11 avec =SOMME(C10:O10) et =SOMME(C11:O11). Que doivent valoir ces totaux ?

  4. Effectifs cumulés croissants (E.C.C.).

    1. En C12, saisir =C9.

    2. En D12, saisir =C12+D9, puis recopier vers E12:O12.

  5. Moyenne pondérée par les effectifs. En B14, saisir la formule
    =SOMMEPROD(C8:O8;C9:O9)/P9.
    Comparer avec la moyenne trouvée à la question 1 : que remarque-t-on ?

Exercice 2 — Fréquences et F.C.C. (feuille Exercice 2) #

La feuille Exercice 2 donne les effectifs du lycée par année de naissance. Compléter, à l’aide de formules, la ligne des fréquences et celle des fréquences cumulées croissantes (F.C.C.).

Exercice 3 — Graphiques (feuille Exercice 3) #

La feuille Exercice 3 donne les effectifs du lycée par niveau et par dominante.

  1. Sélectionner les cellules A1:D2, puis Insertion » Graphique » Secteurs pour construire un diagramme circulaire des élèves de Seconde par dominante.

  2. Sélectionner A1:D4, puis Insertion » Graphique » Colonnes pour construire un histogramme des effectifs par niveau et par dominante. Soigner le titre et la légende.

Exercice 4 — Moyennes (feuille Exercice 4) #

La feuille Exercice 4 donne les salaires d’une entreprise (colonne A).

  1. En D2, faire calculer le nombre d’employés (fonction NB).

  2. En D3, faire calculer la masse salariale, c’est-à-dire le montant total des salaires (fonction SOMME).

  3. En D4, faire calculer le salaire moyen (fonction MOYENNE).

Corrigé de l'activité

À lire après le débat. Ces éléments de réponse servent à vérifier et à compléter votre trace écrite : les lire avant le débat lui ôterait son intérêt.

Notions du cours mobilisées

  • Donnée, donnée personnelle (identification directe ou indirecte), métadonnée.

  • Table : descripteurs (colonnes), enregistrements (lignes) ; format CSV, format ouvert.

  • Rechercher, filtrer, trier, et surtout croiser deux tables : c’est le mécanisme de la réidentification (doc. 4).

  • Open data (data.gouv.fr, portail de Monaco) et pouvoir citoyen, data-journalisme.

  • RGPD (consentement, but précis, droits) ; loi n° 1.565 et APDP à Monaco ; big data.

Arguments attendus

POUR (oui) : ouvrir le plus possible CONTRE (non) : limiter fortement

  • Transparence démocratique : contrôler l’usage de l’argent public (doc. 2).

  • Utilité concrète : transports, santé, environnement, recherche (doc. 2).

  • Données payées par les contribuables : elles appartiennent à tous (doc. 2).

  • C’est la loi en France depuis 2016, avec retrait des données personnelles (doc. 1).

  • On peut protéger : regrouper les cas rares (INSEE), interdire la réidentification (doc. 3 et 4).

  • Format ouvert (CSV) : tout le monde peut vérifier et réutiliser, pas seulement les grandes entreprises (cours).

  • Réidentification : trois informations suffisent à retrouver une personne (doc. 4) ; croiser des tables est facile (cours).

  • Curiosité mal placée : le prix payé par son voisin (doc. 3).

  • Une fois publiée, une table est copiée : on ne peut plus la retirer (permanence, comme sur les réseaux sociaux).

  • Une interdiction d’usage ne garantit rien : qui contrôle ceux qui téléchargent (doc. 3) ?

  • Pas de consentement des personnes concernées : elles n’ont pas choisi d’être dans la table.

  • Big data : plus il y a de tables publiques, plus les croisements possibles sont nombreux (cours).

Arguments de l’autre camp souvent jugés solides dans la trace écrite : un élève POUR retient souvent « retirer le nom ne suffit pas à rendre une table anonyme » ; un élève CONTRE, « les données ouvertes ont rendu de vrais services pendant l’épidémie ».

Questions de relance (pour le modérateur)

  1. Dans la base DVF (doc. 3), quelle colonne faudrait-il retirer ou rendre moins précise pour mieux protéger les personnes ? Que perd-on alors ?

  2. Avec quelles colonnes d’une autre table pourrait-on « croiser » une table sans nom pour retrouver quelqu’un (doc. 4) ?

  3. Qui doit décider de ce qui est publié : l’administration, la loi, les personnes concernées ?

  4. Les résultats d’une élection par bureau de vote sont publics : pourquoi est-ce important ? Est-ce une donnée personnelle ?

Synthèse possible

L’open data met à la disposition de tous des tables publiques (souvent en CSV) : transparence, recherche, nouveaux services. En France, l’ouverture est la règle depuis 2016, à condition de retirer les données personnelles. Mais retirer le nom ne suffit pas : en croisant plusieurs tables, quelques descripteurs (code postal, date de naissance, sexe, adresse) suffisent souvent à retrouver une personne. Une donnée pseudonymisée reste une donnée personnelle (RGPD ; loi n° 1.565 à Monaco). Ouvrir les données suppose donc de choisir quelles colonnes publier, avec quelle précision, et d’encadrer leur réutilisation.

Corrigé de l'activité

À lire après le débat. Ces éléments de réponse servent à vérifier et à compléter votre trace écrite : les lire avant le débat lui ôterait son intérêt.

Notions du cours mobilisées

  • Donnée, donnée personnelle (identification directe ou indirecte), métadonnée.

  • Table : descripteurs (colonnes), enregistrements (lignes) ; format CSV, format ouvert.

  • Rechercher, filtrer, trier, et surtout croiser deux tables : c’est le mécanisme de la réidentification (doc. 4).

  • Open data (data.gouv.fr, portail de Monaco) et pouvoir citoyen, data-journalisme.

  • RGPD (consentement, but précis, droits) ; loi n° 1.565 et APDP à Monaco ; big data.

Arguments attendus

POUR (oui) : ouvrir le plus possible CONTRE (non) : limiter fortement

  • Transparence démocratique : contrôler l’usage de l’argent public (doc. 2).

  • Utilité concrète : transports, santé, environnement, recherche (doc. 2).

  • Données payées par les contribuables : elles appartiennent à tous (doc. 2).

  • C’est la loi en France depuis 2016, avec retrait des données personnelles (doc. 1).

  • On peut protéger : regrouper les cas rares (INSEE), interdire la réidentification (doc. 3 et 4).

  • Format ouvert (CSV) : tout le monde peut vérifier et réutiliser, pas seulement les grandes entreprises (cours).

  • Réidentification : trois informations suffisent à retrouver une personne (doc. 4) ; croiser des tables est facile (cours).

  • Curiosité mal placée : le prix payé par son voisin (doc. 3).

  • Une fois publiée, une table est copiée : on ne peut plus la retirer (permanence, comme sur les réseaux sociaux).

  • Une interdiction d’usage ne garantit rien : qui contrôle ceux qui téléchargent (doc. 3) ?

  • Pas de consentement des personnes concernées : elles n’ont pas choisi d’être dans la table.

  • Big data : plus il y a de tables publiques, plus les croisements possibles sont nombreux (cours).

Arguments de l’autre camp souvent jugés solides dans la trace écrite : un élève POUR retient souvent « retirer le nom ne suffit pas à rendre une table anonyme » ; un élève CONTRE, « les données ouvertes ont rendu de vrais services pendant l’épidémie ».

Questions de relance (pour le modérateur)

  1. Dans la base DVF (doc. 3), quelle colonne faudrait-il retirer ou rendre moins précise pour mieux protéger les personnes ? Que perd-on alors ?

  2. Avec quelles colonnes d’une autre table pourrait-on « croiser » une table sans nom pour retrouver quelqu’un (doc. 4) ?

  3. Qui doit décider de ce qui est publié : l’administration, la loi, les personnes concernées ?

  4. Les résultats d’une élection par bureau de vote sont publics : pourquoi est-ce important ? Est-ce une donnée personnelle ?

Synthèse possible

L’open data met à la disposition de tous des tables publiques (souvent en CSV) : transparence, recherche, nouveaux services. En France, l’ouverture est la règle depuis 2016, à condition de retirer les données personnelles. Mais retirer le nom ne suffit pas : en croisant plusieurs tables, quelques descripteurs (code postal, date de naissance, sexe, adresse) suffisent souvent à retrouver une personne. Une donnée pseudonymisée reste une donnée personnelle (RGPD ; loi n° 1.565 à Monaco). Ouvrir les données suppose donc de choisir quelles colonnes publier, avec quelle précision, et d’encadrer leur réutilisation.

Corrigé de l'activité

À lire après le débat. Ces éléments de réponse servent à vérifier et à compléter votre trace écrite : les lire avant le débat lui ôterait son intérêt.

Notions du cours mobilisées

  • Donnée, donnée personnelle (identification directe ou indirecte), métadonnée.

  • Table : descripteurs (colonnes), enregistrements (lignes) ; format CSV, format ouvert.

  • Rechercher, filtrer, trier, et surtout croiser deux tables : c’est le mécanisme de la réidentification (doc. 4).

  • Open data (data.gouv.fr, portail de Monaco) et pouvoir citoyen, data-journalisme.

  • RGPD (consentement, but précis, droits) ; loi n° 1.565 et APDP à Monaco ; big data.

Arguments attendus

POUR (oui) : ouvrir le plus possible CONTRE (non) : limiter fortement

  • Transparence démocratique : contrôler l’usage de l’argent public (doc. 2).

  • Utilité concrète : transports, santé, environnement, recherche (doc. 2).

  • Données payées par les contribuables : elles appartiennent à tous (doc. 2).

  • C’est la loi en France depuis 2016, avec retrait des données personnelles (doc. 1).

  • On peut protéger : regrouper les cas rares (INSEE), interdire la réidentification (doc. 3 et 4).

  • Format ouvert (CSV) : tout le monde peut vérifier et réutiliser, pas seulement les grandes entreprises (cours).

  • Réidentification : trois informations suffisent à retrouver une personne (doc. 4) ; croiser des tables est facile (cours).

  • Curiosité mal placée : le prix payé par son voisin (doc. 3).

  • Une fois publiée, une table est copiée : on ne peut plus la retirer (permanence, comme sur les réseaux sociaux).

  • Une interdiction d’usage ne garantit rien : qui contrôle ceux qui téléchargent (doc. 3) ?

  • Pas de consentement des personnes concernées : elles n’ont pas choisi d’être dans la table.

  • Big data : plus il y a de tables publiques, plus les croisements possibles sont nombreux (cours).

Arguments de l’autre camp souvent jugés solides dans la trace écrite : un élève POUR retient souvent « retirer le nom ne suffit pas à rendre une table anonyme » ; un élève CONTRE, « les données ouvertes ont rendu de vrais services pendant l’épidémie ».

Questions de relance (pour le modérateur)

  1. Dans la base DVF (doc. 3), quelle colonne faudrait-il retirer ou rendre moins précise pour mieux protéger les personnes ? Que perd-on alors ?

  2. Avec quelles colonnes d’une autre table pourrait-on « croiser » une table sans nom pour retrouver quelqu’un (doc. 4) ?

  3. Qui doit décider de ce qui est publié : l’administration, la loi, les personnes concernées ?

  4. Les résultats d’une élection par bureau de vote sont publics : pourquoi est-ce important ? Est-ce une donnée personnelle ?

Synthèse possible

L’open data met à la disposition de tous des tables publiques (souvent en CSV) : transparence, recherche, nouveaux services. En France, l’ouverture est la règle depuis 2016, à condition de retirer les données personnelles. Mais retirer le nom ne suffit pas : en croisant plusieurs tables, quelques descripteurs (code postal, date de naissance, sexe, adresse) suffisent souvent à retrouver une personne. Une donnée pseudonymisée reste une donnée personnelle (RGPD ; loi n° 1.565 à Monaco). Ouvrir les données suppose donc de choisir quelles colonnes publier, avec quelle précision, et d’encadrer leur réutilisation.

TP 2 Tableur 2 : suites de nombres et conjecture#

Excel, le grand oublié des programmes — II

Fichiers à télécharger

dossier en ligne archive .zip

Usage de l’IA, indiqué sur chaque exercice : aucune ; en appui (déboguer, reformuler, vérifier ; la réponse finale est écrite et comprise par vous) ; l’exercice s’appuie sur une réponse d’IA. Voir la charte d’usage de l’IA.

Pour commencer

Récupérer le fichier tableur2.xlsx (à télécharger : https://github.com/MathThibaud/nsi-fichiers-eleves/tree/main/seconde/05-tp-tableur-2). Il contient les feuilles « Exercice 1 » à « Exercice 4 » et un « Bonus ». Les valeurs de départ y sont déjà en place (cellules sur fond jaune à compléter).

Exercice 1 — Une suite de nombres, pas de 1 (feuille Exercice 1) #

Pour créer une suite de 30 nombres consécutifs dans la colonne A : la cellule A1 contient déjà le premier nombre, 5. En A2, saisir la formule =A1+1, puis, à l’aide de la poignée de recopie, créer la suite de 30 nombres dans la colonne A. On dit que le pas entre deux nombres est de 1.

Exercice 2 — Un pas réglable (feuille Exercice 2) #

On veut compter de 8 en 8 à partir de 5. Le pas est en C1 (8) et le premier nombre en A1 (5). En A2, saisir =A1+C$1, puis recopier vers le bas. Le symbole $ fixe la ligne 1 lors de la recopie.

Exercice 3 — Somme d’une suite : émettre une conjecture (feuille Exercice 3) #

On compte de 3 en 3 à partir de 5 (pas en C1, premier terme en A1). En A2, saisir =A1+C$1 et recopier pour obtenir 30 termes.

  1. En C4, le nombre de termes : =NB(A1:A30).

  2. En C7, la plus petite valeur : =MIN(A1:A30). En C8, la plus grande : =MAX(A1:A30).

  3. En C9, la somme des deux valeurs extrêmes. En C12, la somme de tous les termes : =SOMME(A1:A30).

  4. Conjecture. En faisant varier les données, trouver la relation entre la somme des termes, le nombre de termes et les valeurs extrêmes. Noter votre idée.

Exercice 4 — Contrôler la conjecture : départ aléatoire (feuille Exercice 4) #

On fait varier automatiquement le premier terme.

  1. En B1, un décimal aléatoire entre 0 et 1 : =ALEA(). En B2 : =B1*100. En B3, un entier aléatoire entre 0 et 99 : =ENT(B2) (partie entière).

  2. Le pas est en E1 (3). En C1, recopier le nombre aléatoire : =B3. Créer dans la colonne C une suite de 30 termes de pas 3.

  3. Compléter E4, E7, E8, E9 et E12 (comme en Exercice 3, mais sur la colonne C). Vérifier la conjecture. On peut appuyer sur F9 pour retirer un nouveau nombre aléatoire.

Exercice 5 — BONUS : départ et pas quelconques (feuille Bonus) #

Faire varier automatiquement le premier terme et le pas.

  1. Obtenir en B3 un entier aléatoire entre 0 et 99. Choisir un pas entier quelconque en E1.

  2. Dans la colonne C, créer une suite d’autant de termes que voulu, de pas celui de E1, à partir de B3.

  3. Compléter E2, E7, E8, E9 et E12 en prenant pour plage la colonne C entière : C:C. Vérifier la conjecture.

TP 3 Tableur 3 : représenter et résumer une série#

Excel, le grand oublié des programmes — III

Fichiers à télécharger

dossier en ligne archive .zip

Usage de l’IA, indiqué sur chaque exercice : aucune ; en appui (déboguer, reformuler, vérifier ; la réponse finale est écrite et comprise par vous) ; l’exercice s’appuie sur une réponse d’IA. Voir la charte d’usage de l’IA.

Pour commencer

Récupérer le fichier tableur3.xlsx (à télécharger : https://github.com/MathThibaud/nsi-fichiers-eleves/tree/main/seconde/05-tp-tableur-3). Il contient quatre feuilles (« Exercice 1 » à « Exercice 4 ») dont les données sont déjà saisies.

Exercice 1 — Représentation de séries statistiques (feuille Exercice 1) #

1er cas : série statistique discrète. Nombre de frères et sœurs parmi les 1240 élèves d’un lycée :

Nombre de frères et sœurs 0 1 2 3 4 5 6 7 8
Effectifs 311 586 215 59 31 19 11 6 2

Diagramme en barres : via Insertion » Graphique, représenter cette série par un diagramme en barres (soigner le titre et la légende). Résultat attendu :

2e cas : série à classes. Durée des interventions :

Durée (min) \(0 \leq t < 15\) \(15 \leq t < 30\) \(30 \leq t < 45\) \(45 \leq t < 60\) \(60 \leq t < 75\) \(75 \leq t < 90\) \(90 \leq t < 105\) \(105 \leq t < 120\)
Nombre d’interventions 32 88 47 25 13 7 5 3

Histogramme, puis diagramme circulaire de cette série (via Insertion » Graphique). Résultats attendus :

Pourcentages arrondis à l’unité (total des effectifs : 220).

Exercice 2 — Caractéristiques de position d’une série en liste (feuille Exercice 2) #

Taille (cm) de 10 nourrissons (colonne A) : 49 ; 50,5 ; 50 ; 48,5 ; 52 ; 50 ; 49,5 ; 51 ; 49,5 ; 50,5.

  • (a) Ordonner les tailles par ordre croissant (Données » Trier).

  • (b) En C1 : =MEDIANE(A1:A10).

  • (c) En C2 : =QUARTILE(A1:A10;1). En C3 : =QUARTILE(A1:A10;3).

  • (d) En C4 : =MOYENNE(A1:A10).

  • (e) En C5 : calculer l’étendue (=MAX(A1:A10)-MIN(A1:A10)).

Exercice 3 — Caractéristiques de position dans un tableau (feuille Exercice 3) #

Tailles de 885 nourrissons :

Taille \(t\) 47,5 48 48,5 49 49,5 50 50,5 51 51,5 52 52,5 53 TOTAL
Effectif \(n\) 55 77 105 115 132 154 66 77 55 25 13 11
\(t \times n\)
E. C. C. 55

  • (a) Compléter la ligne des produits \(t \times n\) (par exemple =B3*B4, à recopier).

  • (b) Calculer la moyenne à l’aide de \(\dfrac{\sum (t \times n)}{\sum n}\).

  • (c) Calculer l’étendue.

  • (d) Trouver médiane, premier et troisième quartile par lecture de la ligne des E.C.C. Méthode : avec un effectif total \(N\), le premier quartile est la première valeur dont l’E.C.C. atteint (ou dépasse) \(N/4\) ; la médiane, la première dont l’E.C.C. atteint \(N/2\) ; le troisième quartile, la première dont l’E.C.C. atteint \(3N/4\).

Exercice 4 — Caractéristiques de position pour données groupées (feuille Exercice 4) #

Tailles de 640 nourrissons :

Taille \(t\) \45;46[ [46;47[ [47;48[ [48;49[ [49;50[ [50;51[ [51;52[ [52;53[ [53;54[ [54;55[ TOTAL
Effectif \(n\) 10 25 35 65 128 190 95 45 32 15
Fréquence 1,56%
F. C. C. 1,56%
Centre de classe 45,5

  • (a) Compléter les fréquences, les centres de classe et les F.C.C.

  • (b) Localiser médiane, premier et troisième quartile (même méthode, avec les F.C.C. : première classe dont la F.C.C. atteint \(25\,\%\), \(50\,\%\), puis \(75\,\%\)).

  • (c) Calculer la moyenne avec =SOMMEPROD(centres;effectifs)/total.

0

Débat Faut-il ouvrir à tous le plus possible de données publiques, même quand elles concernent des personnes ?#

open data contre vie privée

Durée : 50 min

Consignes

  • En classe entière. Les rôles sont tirés au sort : vous défendrez peut-être une position qui n’est pas la vôtre, c’est un excellent entraînement.

  • Chaque argument s’appuie sur un document ci-dessous ou sur le cours. Préparation sans IA ni recherche en ligne.

  • Avant de commencer, notez sur votre cahier votre position de départ : oui, non ou je ne sais pas.

Rappel du cours. Une donnée personnelle permet d’identifier une personne, directement ou indirectement. Les données ouvertes (open data) sont des tables publiques librement téléchargeables, le plus souvent en CSV. Croiser deux tables permet de trouver des informations qu’aucune ne donne seule. Ouvrir les données, c’est donner du pouvoir aux citoyens… mais à qui exactement, et pour en faire quoi ?

Les deux camps

Groupe POUR — oui : il faut publier le plus possible de données publiques, en les protégeant au mieux.
Groupe CONTRE — non : dès que des personnes sont concernées, il faut limiter fortement ce que l’on publie.

Les documents

Document 1 — L’ouverture par défaut

Depuis 2011, l’État français publie ses données sur data.gouv.fr ; Monaco a aussi son portail open data. En France, une loi de 2016 a fait de l’ouverture la règle : les administrations de plus de 50 agents et les collectivités de plus de 3 500 habitants doivent publier leurs principales bases de données dans un format ouvert, après en avoir retiré, en principe, les données personnelles.

À retenir : en France, publier les données publiques est la règle, pas l’exception.

Source : loi n° 2016-1321 du 7 octobre 2016 pour une République numérique ; data.gouv.fr.

Document 2 — À quoi servent les données ouvertes ?

Horaires des bus, qualité de l’air, dépenses des communes : grâce aux données ouvertes, des développeurs créent des applications de transport, des journalistes vérifient l’usage de l’argent public, des chercheurs étudient la pollution. Pendant l’épidémie de COVID-19, des bénévoles ont créé, à partir des données de Santé publique France, des sites de suivi des cas très consultés. Payées par les contribuables, ces données doivent, pour beaucoup, revenir à tous.

À retenir : les données ouvertes servent à créer des services et à contrôler l’action publique.

Source : data.gouv.fr ; Santé publique France, données COVID-19 publiées en open data (2020–2022).

Document 3 — Le prix de la maison du voisin

Depuis 2019, la base publique « Demandes de valeurs foncières » (DVF) donne, pour chaque vente immobilière récente, la date, le prix, la surface et la localisation du bien, sans le nom du vendeur ni de l’acheteur. Très utile pour connaître les prix d’un quartier… mais, quand on connaît ses voisins, on devine combien chacun a payé. Les conditions d’utilisation interdisent de chercher à réidentifier les personnes.

À retenir : même sans nom, une table peut en dire beaucoup sur des personnes.

Source : data.gouv.fr, jeu de données « Demandes de valeurs foncières » (Direction générale des Finances publiques).

Document 4 — « Anonyme » ne veut pas dire « introuvable »

En 2000, la chercheuse Latanya Sweeney a montré qu’environ 87 % des Américains pouvaient être identifiés avec trois informations : code postal, date de naissance et sexe. Retirer la colonne « nom » ne suffit donc pas : en croisant la table avec une autre, on retrouve qui est qui. Pour le RGPD, une donnée pseudonymisée (nom remplacé par un numéro) reste personnelle. C’est pourquoi l’INSEE regroupe les prénoms trop rares de son fichier.

À retenir : retirer ou remplacer le nom ne rend pas une donnée anonyme.

Source : L. Sweeney, « Simple Demographics Often Identify People Uniquely », 2000 ; RGPD, considérant 26 ; INSEE, fichier des prénoms.

Rôles, déroulé minuté, règles de prise de parole et trace écrite : voir la page [« Méthode : débattre ».

Tableau d’arguments

Recopier ce tableau sur le cahier et le compléter pendant le débat.

Argument POUR (oui) Doc. Argument CONTRE (non) Doc.
… …

Trace écrite finale (individuelle)

Sur le cahier, notez votre position après le débat (oui, non, je ne sais toujours pas) et si vous avez changé d’avis. Puis, en trois à cinq lignes, justifiez-la avec vos deux meilleurs arguments, dont un argument de l’autre camp que vous trouvez solide (avec le document qui l’appuie).

Corrigé#

Corrigé

0