ajout activité sur les données structurées

README.md

@@ -41,7 +41,7 @@
 
 | Outil | Usage |
 |-------|-------|
-| **[Basthon](https://basthon.fr)** | Python en ligne |
+| **[Notebook](https://notebook.florianmathieu.prof)** | Python en ligne |
 | **Thonny** | Programmer en Python |
 | **GIMP** | Retoucher des images |
 | **Notepad++** | HTML, CSS |

introduction/README.md

@@ -1,6 +1,6 @@
 ## Le numérique est-il un domaine réservé aux hommes ?
 
-> Si on retient volontier les noms de grands hommes ayant révolutionné l'informatique, très peu d'entre nous connaissent le nom des femmes qui en ont fait tout autant !
+> Si on retient volontiers les noms de grands hommes ayant révolutionné l'informatique, très peu d'entre nous connaissent le nom des femmes qui en ont fait tout autant !
 
 ![](https://upload.wikimedia.org/wikipedia/commons/thumb/1/12/We_Can_Do_It%21.jpg/185px-We_Can_Do_It%21.jpg)
 _Affiche créée pour Westinghouse en 1942 par J. Howard Miller. (Wikipédia)_
@@ -9,9 +9,9 @@ Selon une [étude de l'INSEE](https://www.insee.fr/fr/statistiques/4126588?somma
 
 Une [autre étude](https://publications.europa.eu/en/publication-detail/-/publication/84bd6dea-2351-11e8-ac73-01aa75ed71a1/language-fr) de 2015 montre que __57 % de l’ensemble des diplômés étaient des femmes__, mais seulement __25 % ont obtenu un diplôme dans les filières du numérique__.
 
-De manière plus proche, à la rentrée 2019, __2,6% de filles de secondes__ ont choisi la spécialité _Numérique et Science Informatique (NSI)_ en première, contre 15,2% des garçons, selon les [statistiques d'inscription](https://www.education.gouv.fr/choix-de-trois-specialites-en-premiere-generale-la-rentree-2019-15-combinaisons-pour-80-des-eleves-3245).
+De manière plus proche, à la rentrée 2019, __2,6% de filles de seconde__ ont choisi la spécialité _Numérique et Science Informatique (NSI)_ en première, contre 15,2% des garçons, selon les [statistiques d'inscription](https://www.education.gouv.fr/choix-de-trois-specialites-en-premiere-generale-la-rentree-2019-15-combinaisons-pour-80-des-eleves-3245).
 
-Une multitude de questions émergent : "__Pourquoi cette inégalité femme/homme dans le numérique ?__ Cette inégalité a-t-elle toujours existé ou est-elle entretenue ? Quelles sont les causes de cette inégalité ? __L'informatique moderne aurait-il existé sans les femmes ?__
+Une multitude de questions émergent : "__Pourquoi cette inégalité femme/homme dans le numérique ?__ Cette inégalité a-t-elle toujours existé ou est-elle entretenue ? Quelles sont les causes de cette inégalité ? __L'informatique moderne aurait-elle existé sans les femmes ?__
 
 L'activité a pour but de trouver des éléments de réponses à toutes ces questions.
 

sequences/donnees_structurees/activite_pays.md

@@ -0,0 +1,107 @@
+# Activité : Enquête sur les données des pays du monde
+
+**Durée** : 30-35 min
+**Objectifs** : Identifier descripteurs/valeurs/types, manipuler un fichier CSV, trier et filtrer des données, découvrir l'Open Data
+
+---
+
+## Partie 1 — Vocabulaire et compréhension (10 min)
+
+**Contexte** : Vous êtes data analyst pour une agence de voyages. Voici un extrait de votre base de données :
+
+| Pays | Capitale | Population | Superficie_km2 | Continent | Euro_monnaie |
+|------|----------|------------|----------------|-----------|--------------|
+| France | Paris | 67390000 | 643801 | Europe | Vrai |
+| Japon | Tokyo | 125800000 | 377975 | Asie | Faux |
+| Brésil | Brasília | 214300000 | 8515767 | Amérique | Faux |
+| Allemagne | Berlin | 83200000 | 357386 | Europe | Vrai |
+| Égypte | Le Caire | 104100000 | 1001449 | Afrique | Faux |
+
+**Questions** :
+
+1. Combien d'**objets** contient cette collection ?
+2. Listez les **descripteurs** de cette collection.
+3. Donnez le **type** de chaque descripteur (texte, entier, décimal, booléen).
+4. Quelle est la **valeur** du descripteur "Capitale" pour le Brésil ?
+5. Écrivez la ligne du Japon au **format CSV** (séparateur : point-virgule).
+
+---
+
+## Partie 2 — Manipulation sur tableur (15 min)
+
+**Fichier à utiliser** : `pays.csv`
+
+**Consignes** :
+
+1. Ouvrez le fichier dans LibreOffice Calc (ou Excel)
+2. **Triez** les pays par population décroissante. Quel pays est le plus peuplé ?
+3. **Filtrez** pour n'afficher que les pays d'Europe
+4. Parmi les pays européens, combien utilisent l'Euro ?
+5. **Calculez** la population moyenne de tous les pays (formule : `=MOYENNE(...)`)
+6. **Calculez** la superficie totale des pays européens (formule : `=SOMME(...)`)
+
+**Bonus** : Ajoutez une colonne "Densité" qui calcule `Population / Superficie_km2`
+
+---
+
+## Partie 3 — Réflexion Open Data et vie privée (5-10 min)
+
+**Questions de réflexion** :
+
+1. Ces données sur les pays sont-elles des **données personnelles** ? Justifiez.
+2. Donnez un exemple de données que vous pourriez trouver sur **data.gouv.fr** concernant votre commune.
+3. Si une entreprise collecte votre nom, âge, adresse et historique d'achats, quels **droits** vous donne le RGPD ?
+4. **Défi** : Expliquez la différence entre une **donnée brute** (`67390000`) et une **information** (`La France compte 67,39 millions d'habitants`).
+
+---
+
+## Critères d'évaluation
+
+| Compétence | Acquis | En cours | Non acquis |
+|------------|--------|----------|------------|
+| Identifier descripteurs, valeurs et types | | | |
+| Comprendre le format CSV | | | |
+| Trier et filtrer des données | | | |
+| Utiliser des formules de calcul | | | |
+| Connaître les principes de l'Open Data et du RGPD | | | |
+
+---
+
+## Corrigé
+
+### Partie 1
+
+1. **5 objets** (5 lignes de données, hors en-tête)
+2. **Descripteurs** : Pays, Capitale, Population, Superficie_km2, Continent, Euro_monnaie
+3. **Types** :
+   - Pays : texte
+   - Capitale : texte
+   - Population : nombre entier
+   - Superficie_km2 : nombre entier
+   - Continent : texte
+   - Euro_monnaie : booléen
+4. **Valeur** : Brasília
+5. **Format CSV** : `Japon;Tokyo;125800000;377975;Asie;Faux`
+
+### Partie 2
+
+1. —
+2. Le pays le plus peuplé est le **Brésil** (214 300 000 habitants)
+3. —
+4. **4 pays** européens utilisent l'Euro (France, Allemagne, Italie, Espagne)
+5. Population moyenne : **=MOYENNE(C2:C11)** → **80 051 000** habitants
+6. Superficie totale Europe : **=SOMME(...)** sur les lignes filtrées → **1 808 519 km²**
+7. **Bonus** : Densité = `=C2/D2` (puis étendre la formule)
+
+### Partie 3
+
+1. **Non**, ce ne sont pas des données personnelles car elles ne permettent pas d'identifier une personne physique. Ce sont des données publiques sur des pays.
+2. Exemples : résultats des élections, budget de la commune, équipements sportifs, qualité de l'eau...
+3. **Droits RGPD** : droit d'accès, droit de rectification, droit à l'effacement, droit à la portabilité, droit d'opposition.
+4. Une **donnée brute** est une valeur sans contexte (67390000). Une **information** est une donnée avec du sens et du contexte (La France compte 67,39 millions d'habitants).
+
+---
+
+Auteur : Florian Mathieu
+
+Licence CC BY NC

sequences/donnees_structurees/pays.csv

@@ -0,0 +1,11 @@
+Pays;Capitale;Population;Superficie_km2;Continent;Euro_monnaie
+France;Paris;67390000;643801;Europe;Vrai
+Japon;Tokyo;125800000;377975;Asie;Faux
+Brésil;Brasília;214300000;8515767;Amérique;Faux
+Allemagne;Berlin;83200000;357386;Europe;Vrai
+Égypte;Le Caire;104100000;1001449;Afrique;Faux
+Australie;Canberra;25690000;7692024;Océanie;Faux
+Italie;Rome;59110000;301340;Europe;Vrai
+Canada;Ottawa;38250000;9984670;Amérique;Faux
+Maroc;Rabat;37080000;446550;Afrique;Faux
+Espagne;Madrid;47420000;505992;Europe;Vrai