Enseignement scientifique Terminale - 2024
Rejoignez la communauté !
Co-construisez les ressources dont vous avez besoin et partagez votre expertise pédagogique.
Mes Pages
Sciences, climat et société
Ch. 1
L’atmosphère terrestre et la vie
Ch. 2
La complexité du système climatique
Ch. 3
Le climat du futur
Se préparer à l'évaluation - Thème 1
Le futur des énergies
Ch. 4
Deux siècles d’énergie électrique
Ch. 5
Conversion et transport de l’énergie électrique
Ch. 6
Énergie, développement et futur climatique
Se préparer à l'évaluation - Thème 2
Une histoire du vivant
Ch. 7
La biodiversité et son évolution
Ch. 8
L’évolution comme grille de lecture du monde
Ch. 9
L’évolution humaine
Ch. 10
Les modèles démographiques
Ch. 11
De l’informatique à l’intelligence artificielle
Se préparer à l'évaluation - Thème 3
Livret maths
Fiches méthode
Esprit critique et scientifique
Améliorer ses compétences
Fiches histoire
Annexes
Ch. 11
Activité 5 - documentaire
Natalité et prévisions
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Faites défiler pour voir la suite.
Introduction
Début 2024, l'Insee (Institut national de la statistique et des études économiques) a
publié de nouveaux chiffres concernant la natalité en France. On apprenait alors que
l'année 2023 était marquée par une chute exceptionnelle du nombre de naissances.
Problématique
Comment prévoir des évolutions démographiques ? Quel lien de causalité peut-on établir ?
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Faites défiler pour voir la suite.
- Évolution affine
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Faites défiler pour voir la suite.
Documents
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Faites défiler pour voir la suite.
Doc. 1Évolution de la natalité en France depuis 2010
Le taux de natalité est une proportion qui correspond au
nombre de naissances en une année rapporté à 1 000 habitants.
Il est égal au rapport entre le nombre total de naissances
enregistrées sur le territoire français en une année et
le nombre d'habitants du pays.
Il est à noter que l'année 2014 est particulière du point de vue des recensements car il s'agit de la première année où les chiffres concernant Mayotte ont été intégrés par l'Insee.
| Année | Taux de natalité (‰) | Année | Taux de natalité (‰) |
|---|---|---|---|
2010 | 12,9 | 2017 | 11,5 |
2011 | 12,7 | 2018 | 11,3 |
2012 | 12,6 | 2019 | 11,2 |
2013 | 12,3 | 2020 | 10,9 |
2014 | 12,4 | 2021 | 10,9 |
2015 | 12,0 | 2022 | 10,7 |
2016 | 11,8 |
Il est à noter que l'année 2014 est particulière du point de vue des recensements car il s'agit de la première année où les chiffres concernant Mayotte ont été intégrés par l'Insee.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Faites défiler pour voir la suite.
Doc. 2Corrélation entre deux phénomènes
Une corrélation est une notion de liaison que l'on
peut observer entre plusieurs séries de données qui
évoluent de façon similaire. Elle peut être linéaire
lorsque la représentation d'une série de données en
fonction d'une seconde semble indiquer une évolution
de type affine.
Le fait qu'une corrélation s'observe entre deux séries de données ne signifie pas pour autant que l'une soit la cause de l'autre.
Apprenez à reconnaître et interpréter une relation de corrélation à l'aide de la fiche méthode .
Le fait qu'une corrélation s'observe entre deux séries de données ne signifie pas pour autant que l'une soit la cause de l'autre.
Apprenez à reconnaître et interpréter une relation de corrélation à l'aide de la fiche méthode .
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Faites défiler pour voir la suite.
Retrouvez des rappels de cours sur la
régression linéaire dans le livret maths .
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Faites défiler pour voir la suite.
Doc. 3Régression linéaire et courbe de tendance
Lorsqu'un nuage de points, c'est-à-dire une représentation
d'un jeu de couples de données (y_1 et x_1, y_2 et x_2, …, y_n et
x_n), semble présenter une évolution affine, il est possible de
modéliser cette évolution par une courbe de tendance de la
forme d'une droite, en déterminant un coefficient directeur
a et une ordonnée à l'origine b.
Cette modélisation, appelée régression linéaire, consiste donc à exploiter des données connues pour obtenir une relation simple y~=~a \cdot x+b entre deux types de données. Cette relation peut ensuite être utilisée pour estimer, à partir d'une valeur x, la donnée y qui lui est associée, et inversement.
Cette modélisation, appelée régression linéaire, consiste donc à exploiter des données connues pour obtenir une relation simple y~=~a \cdot x+b entre deux types de données. Cette relation peut ensuite être utilisée pour estimer, à partir d'une valeur x, la donnée y qui lui est associée, et inversement.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Faites défiler pour voir la suite.
Doc. 4Sophisme Cum hoc ergo propter hoc
Il est courant d'entendre des argumentaires s'appuyer
sur le sophisme Cum hoc ergo propter hoc. Il consiste à
suivre l'enchaînement suivant :
- un évènement A est corrélé à un évènement B (par exemple, à partir de décembre, les températures baissent en France et les ventes de papier cadeau augmentent) ;
- donc l'évènement A cause l'évènement B (les ventes de papier cadeau augmentent en raison de la baisse de température).
- un troisième évènement C, non étudié, peut être la cause commune des évènements A et B (Noël se fête en hiver dans l'hémisphère nord) ;
- A et B sont corrélés, mais il s'agit d'une pure coïncidence (par exemple, la chute du nombre de pirates est corrélée à l'augmentation de la température moyenne à la surface de la Terre).
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Faites défiler pour voir la suite.
Doc. 5Mise en évidence automatique
de corrélations à l'aide d'une IA
Avec le développement des capacités de stockage des données
informatiques et l'utilisation de plus en plus fréquente
de l'IA pour exploiter ces données, il est possible de mettre
en évidence une multitude de corrélations en comparant des
jeux de données entre eux.
Supplément numérique
Retrouvez .
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Faites défiler pour voir la suite.
Doc. 6Évolution des ventes de cigarettes
depuis 2010 en France
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Faites défiler pour voir la suite.
Doc. 7Évolution de l'âge moyen des femmes
pour leur accouchement
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Faites défiler pour voir la suite.
Questions
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Faites défiler pour voir la suite.
1. Doc. 1 Dans un tableur ou une calculatrice, saisir les données
concernant le taux de natalité en France depuis
l'année 2010.
2. Doc. 2 et Doc. 3 Effectuer une régression linéaire à la calculatrice
ou à partir d'une courbe de tendance sur tableur
pour déterminer les coefficients du modèle affine liant
le taux de natalité N à l'année t.
3. À partir de ces coefficients et de la relation N=a \cdot t+b,
déduire la prévision du taux de natalité en 2023.
4. D'après l'Insee, le nombre de naissances en 2023 était
de 678 000, pour une population française estimée à
68,4 millions d'habitants. En déduire le taux de natalité
réel et le comparer au taux de natalité prévu par le
modèle affine afin de répondre à la problématique.
5. Doc. 4 et Doc. 5 Comparer les évolutions représentées. Existe-t-il un lien de causalité ?
6. Doc. 6 et Doc. 7
Justifier que l'évolution des ventes de cigarettes
est corrélée à la baisse de la natalité en France.
Existe-t-il un lien de causalité ?
7. Doc. 1 et Doc. 7
Émettre une hypothèse sur un lien de causalité
possible entre l'évolution de la natalité en France
et celle de l'âge des femmes pour leur accouchement
depuis 2010.
Une erreur sur la page ? Une idée à proposer ?
Nos manuels sont collaboratifs, n'hésitez pas à nous en faire part.
j'ai une idée !
Oups, une coquille
