Category Archives: Miscellaneous

“I am sorry to inform you…”

I just received another decision letter for a paper submitted.But this time, it was fast. In less than 24 hours, I received a notification by email (the name of the journal is hidden with xxxxx’s for obvious reasons):

Dear Professor Charpentier,

Thank you for submitting your paper to xxxxx.

In order to provide a quick reply to your submission, an automatic process, has been used according. The process is based on proximity measures between the article you submitted, and recent articles published in our journal.

1) The correlation between your keys words and standard keywords in xxxxx is rather high (0.926).

2) 66% of your keywords do match with the top 10 most cited papers in 2012 in xxxxx, so your paper has 90% chance of getting at least 4 citations in less than a year and at least 17 citations in less than 5 years.

3) The rate of references cited in your article that were published in xxxxx is high enough (37%) to consider a publication in xxxxx

The academic and citation based score is 0.857 which makes the paper suitable for publication. Nevertheless, before publishing the paper, major revisions are necessary,

1) Your style does not fit well with our journal: your sentenses have (on average) 13.3 words, while the standard in this journal is 16.2. We recommend that you use longer sentences or delete some periods in your text.

2) The words you use are not close enough to the scope of the journal: for example, estimator appears only twice  (the average is 4.34) and methodology appears only once (average 3.67).

3) The affiliation is not appropriate: this year, 12% of the articles received were from authors in Canada. In order to reinforce positive discrimination, it would be better if your affiliation were from the Eastern Europe (currently only 4% of the articles we receive are from Eastern Europe). We can provide you with a list of potential universities if necessary.

4) Your name is not valid for xxxxx:

  • For a single authored paper, the most common first letter in the last name of the first author is H not C and your name which contains 11 letters is too long (the average is 7.91 letters). Lastly, more than 62% authors have a middle name, we suggest that you add one,
  • For a paper with two authors, the most common first letter of the first author is D, hence C is fine, but your name is a bit too long since the average number of letters in the last name for the first author is 9.57.

Thus, we recommend either that you change your name (we can provide you with a list if necessary) or that you find another author to add on your paper and delete the last two letters of your last name.

For the reasons listed above, we have to ask for major revisions. When the paper is resubmitted, it will be send to a (human) referee for proofread,

Please note that we receive almost 1,000 submissions a year; our target acceptance rate is 10% and many good papers get rejected.

Thank you for giving us the opportunity to consider your work.

Sincerely,

(etc)

Damned ! That was close ! Let me find a co-author to add, and I resubmit it !

Le libre, et l’universitaire

On a pu lire ces derniers jours plusieurs articles sur le libre accès aux publications scientifique. Je pense à la tribune “qui a peur de l’open access publiée sur http://lemonde.fr/sciences/… . Etant hébergé par http://hypotheses.org/ qui milite en faveur du libre accès, et d’une plus vaste diffusion des travaux et de la culture scientifique, je n’y suis pas insensible. Sur les publications, la conférence des présidents d’université a aussi publié un document intéressant, intitulé “bien universel, par essence, l’article scientifique, n’est pas un bien comme les autres” en ligne sur http://cpu.fr/

En fait, le but de mon billet aujourd’hui était non pas de discuter sur le libre accès aux publications scientifiques, mais à revenir sur l’utilisation des logiciels libres dans le monde universitaire, et plus spécifiquement sur la place du logiciel libre dans l’enseignement.

En lisant Scott Wilson, qui a publié “open source in higher education: how far have we come?”,  sur http://guardian.co.uk/higher-education-network/… je l’ai trouvé un peu trop optimiste. Dans son article  il note que “universities are ahead of the curve in adopting open source, we should now lead the public sector in exploring its full potential“. Jusqu’à aujourd’hui (ou disons récemment pour être honnête), j’étais assez étranger au débat. Certes, j’utilise des logiciels libres, mais juste parce que je les trouve meilleurs. Ce n’était pas du militantisme, juste du pragmatisme. Et depuis quelque temps, je prends conscience que j’ai (ou que nous avons, en tant qu’universitaires) une responsabilité collective. Par exemple dans mes enseignements, j’utilise R (autant le nommer, ce n’est un secret pour personne que la moitié des billets sur mon blog contiennent du R). Mais quand j’étais étudiant, j’ai appris à manipuler des logiciels de statistiques payant (appelons les S pour utiliser une notation générique qui devrait m’éviter des procès pour diffamation). J’ai aussi utilisé S lorsque j’ai travaillé en tant qu’actuaire, car c’était installé sur nos machines, et parce que j’avais appris ce logiciel. Sans parler de premières amours, disons qu’on garde une forme d’attachement, ou de sécurité, à travailler avec les logiciels que l’on a vus (voire appris) durant nos études. On a peur de changer de logiciel, on aime la stabilité
(car admettons le, on est tous aussi nuls les uns que les autres avec l’informatique). C’est un peu ce que l’on peut lire dans un article paru il y a quelques jours dans http://ledevoir.com/politique/quebec/… où l’on apprend que “Québec adopte un autre décret pour la mise à jour de 76 000 postes de la fonction publique, sans appel d’offres, par des logiciels vendus par […]. La facture totale est de 30 millions, pour les licences seulement. Cette mesure d’exception vise à « assurer la sécurité de nos postes »” (c’est moi qui met en gras). Ce n’est pas de sécurité informatique face à du piratage dont on parle ici, mais de sécurité du personnel qui utilise lesdits logiciels (le confort en quelque sorte). On comprends ainsi que S (et je mets dans le même panier tous les logiciels commerciaux, ou presque) offre des licences gratuites aux étudiants. On retrouve là la logique des fabricants de cigarettes il y a quelques décennies (suis-je optimiste ?) lorsqu’ils essayaient d’attirer les adolescents vers leurs cigarettes, tenant compte ainsi de l’addiction qui se crée ?

Comme je le disais au début de mon paragraphe précédent c’est par pragmatisme que, pour ma recherche, je me suis tourné vers les logiciels libres. Mais pour mon enseignement, je n’avais jamais vraiment réfléchi de manière profonde (parce que je ne fais pas de cours d’informatique: si on utilise un langage c’est parce que l’outil informatique est indispensable pour faire de la modélisation). Par simplicité (ou par fainéantise), j’enseignais des langages que je connaissais. J’utilise R dans mes cours, mais parmi mes proches voisins de bureau, Jean-Philippe utilise S (pour faire des régressions avancées en assurance non-vie) et Mathieu utilise un tableur (que l’on pourrait appeler T, pour…. faire comprendre qu’un tableur suffit pour faire de l’actuariat ? que l’actuariat est plus proche de la comptabilité que de la modélisation statistique ?). Récemment, plusieurs petites phrases m’ont poussé à m’interroger. Je pense que ça a commencé quand un(e) étudiant(e) a écrit dans l’évaluation du cours de modèle de prévision que je donnais voilà quelque temps, que mon cours se résumait à”faire de la saisi de données dans un programme gratuit sur internet” (je passe le fait que dans les questions posées aux étudiants qui remplissent l’évaluation, il est demandé ce que les étudiants pensent des présentations faites avec le logiciel P, comme si faire des présentation en LaTeX n’était pas admissible). Il y a eu ce commentaire l’autre jour sur mon blog, où quelqu’un me demandait le code en S pour refaire ce que je faisais en R. Il y a eu ce questionnement l’autre jour : “est-ce gênant si les étudiants du baccalauréat en actuariat sortent de la formation sans connaître S ?” (que j’avais entendu à Rennes 1 lors des discussions du contenu des cours du Master de statistique et d’économie “il est bon que nos étudiants aient 20 heures de cours à S, ça leur permet de mieux se placer sur le marché du travail“).

Le modèle économique est assez incroyable quand on y pense : avec des fonds publics, l’université offre un service avant-vente à des entreprises qui vendent des logiciels commerciaux. Alors qu’il existe du libre qui fait mieux. Et qui continuera à faire mieux si la communauté d’utilisateurs est active. Je pense que les logiciels commerciaux n’ont pas leur place dans les formations universitaires, et qu’il serait temps que les universitaires prennent leur part de responsabilité dans ce qui s’est mis en place Je ne souhaite pas que les universitaires prennent leur part du profit même si ça serait la moindre des choses (il suffit de survoler la page comparison of statistical packages sur wikipedia pour apprendre que rendre accro un étudiant à un logiciel qu’il utilisera pendant 10 ans, c’est assurer entre 10,000 $ et 60,000 $ de licence (pour un utilisateur), sans parler des formations, des livres, etc). Je pense qu’il y va de notre responsabilité en tant qu’universitaire de promouvoir le logiciel libre. Cela permet déjà de comprendre ce qu’on utilise (je faisais un billet la semaine passée, suite à des soucis rencontrés sur le tableur – commercial – T), mais en plus, comme le notait Scott Wilson, “open source not only promotes creativity but helps make technology more democratic allowing a community to work together to solve common problems.” Et je pense qu’il a raison. Maintenant, je suis nul pour faire des tribunes, et je voulais juste que mes collègues prennent conscience de certains aspects d’un débat qui ne fera que gonfler dans les mois qui viennent…

Chercher, et bloguer

Je vais tenter de poursuivre la discussion amorcée dans un précédant billet, intitulé enseigner, et bloguer. Car je suis à la fois enseignant et chercheur. Et comme tous les universitaires, je suis tiraillé entre ces deux activités

(comme je m’en suis expliqué à plusieurs reprises, j’en suis ravi, cela crée une espèce de balance, cf. /1240 par exemple, il y a quelques mois). Mais à ces deux activités s’ajoute l’activité de blogger. Ou peut-être pas, en fait. Car c’est peut-être là l’erreur de raisonnement (qui fait qu’à plusieurs reprises – depuis plusieurs années – on me demande comment j’ai le temps de tout faire): autant enseigner et chercher sont – je pense – deux activités relativement disjointes (j’enseigne finalement assez peu mes thèmes de recherche), autant – comme j’essayais de le montrer dans mon précédant billet – bloguer s’insère dans ces deux activités.

Par exemple, l’autre jour, j’avais besoin d’un test de comparaison de quantiles (sur plusieurs échantillons), alors que je travaillais sur un papier de recherche. Malheureusement, ce n’est pas un problème standard (la plupart des textbook de statistique n’évoquent pas le sujet). J’ai ouvert mon cahier, et j’ai pris des notes, de choses trouvées dans divers papiers (le principal ayant été publié cette année…). Puis quand j’ai commencé à coder (c’était un peu le but), j’ai fermé mon cahier, et j’ai commencé à écrire un billet sur le blog (qui sera bientôt en ligne, sur /4199). Une raison un peu personnelle est que cela me permet de garder une trace de ce code, et de clarifier un peu ce que j’ai pu glaner et lire (j’ai des milliers de fichiers de codes sur mon ordinateur, et j’avoue m’y perdre un peu). Une autre raison est que, quitte à passer une journée, autant rentabiliser ma “journée recherche” (oui, je réserve certaines de mes journées à la recherche, en me coupant un peu des activités administratives, et de la préparation de mes cours) un produisant du contenu publié (sous une forme moins conventionnelle et reconnue qu’une publication, mais en l’occurrence, mon gribouillage ne méritait pas un article académique). Rentabiliser n’est peut-être pas le mot correct toutefois. Mais il présente l’avantage de traduire le fait que mon employeur (et divers organismes subventionnaires) me payent pour produire de la recherche Ce qui signifie que je dois certes chercher, mais aussi transmettre, à un moment ou à un autre. Je n’apporte peut-être pas quelque chose de très novateur (au sens où je me suis contenté d’aller chercher des articles théoriques qui se penchaient sur un problème semblable, je l’ai codé, et j’ai tenté de l”illustrer). Mais… c’est un peu le processus de l’activité de recherche ça, non ?

En fait, à mes yeux, la grande différence entre ce que je publie sur mon blog et ce que je publie (ou que je tente – souvent désespérément – de faire publier) dans des revues académiques, c’est que j’estime que ce que je publie ici n’a pas la prétention d’une publication académique. Au sens où je ne perdrais pas de temps à essayer de faire croire que je vais révolutionner le monde (comme on doit tous essayer de le faire dans un article académique). Pour exprimer le fond de ma pensée, je ne me battrais pas pour qu’un billet de blog soit cité dans une revue académique. Si quelqu’un utilise mes codes dans un article de recherche, je trouve légitime d’avoir un citation (sinon je pense qu’on peut parler de plagiat) mais je ne me battrais pas sur ce terrain car je pense le combat vain. Soyons lucide: si j’ai vraiment l’impression qu’un billet mérite plus, j’en ferais une version que je mettrais en ligne sur arxiv.org.  Cela dit,  dit, arxiv est à peine mieux qu’un blog: on ne peut – malheureusement – pas de contenter de publier en ligne sur arxiv . Souvenez-vous (ça vous est arrivé forcément un jour ou l’autre): comme tout le monde, vous lisez un article sur arxiv  (ou sur n’importe quel site de dépot de preprints, comme hal ou ssrn) et vous le citez, dans un article que vous soumettez. Si l’article est accepté, lors de la relecture, on vous demande “et cet article il n’a pas été publié depuis ?“. Et comme tout le monde, vous mettez à jour la référence, en citant la version publiée. Sans vraiment le lire (à la rigueur, on vérifie que le théorème 2.4 porte toujours le même nom… si on est plus courageux, que les hypothèses mentionnées n’ont pas changé depuis). Oui, sur ce point, le monde des l’édition est d’une hypocrisie infinie. Dans un monde idéal, les blog et les preprints seraient cités, mais on ne vit pas dans le monde des Bisounours (ou Calinours comme on dit à l’ouest de l’océan Atlantique, c’était la minute culturelle du billet)…

Mais je m’égare. La différence fondamentale est qu’un billet n’est qu’une ébauche d’article. Je m’autorise à mettre en ligne des morceaux de réflexions non abouties, sans véritable conclusion. Bref, mon blog est un carnet. Un carnet de recherche, et d’enseignement (c’est probablement pour cela que j’ai été ravi de le publier sur la plateforme hypotheses.org qui propose de publier des carnets de recherche, avec en plus un conseil scientifique). Je renvois aux (nombreux) billets de Mélodie Faury qui a beaucoup écrit – sur son blog infusoir.hypotheses.org sur l’utilité des carnets de recherche, à plusieurs billets de  parus sur reflexivites.hypotheses.org ou de  sur penseedudiscours.hypotheses.org, ou à l’incroyable blog blog.homo-numericus.net tenu par Marin Dacos et Pierre Mounier.

Tous ceux qui m’ont côtoyé ces dernières années le savent: je remplis des carnets. Des carnets à la fois de recherche, et d’enseignement.

http://freakonometrics.hypotheses.org/files/2013/03/Capture-d%E2%80%99e%CC%81cran-2013-03-08-a%CC%80-09.52.30-1024x647.png

(au risque de tuer un mythe, un chercheur 2.0 ça peut être ça: pas de téléphone cellulaire et un cahier pour faire des dessins)

Mais ces cahiers ne permettent de garder des traces que de réflexions, de lectures, de théorèmes, de notes prises pendant des exposés, mais pas de codes informatiques, peu d’algorithmes. Bref, le blog m’apporte un complément important à mes cahiers papiers. L’autre principale différence est que le blog est public, et mes cahiers (relativement) privés. Et le monde de la recherche ayant sa part de secrets et de mystères, j’avoue ne pas publier exactement c de billets exactement sur mes thèmes de recherche. Dans le billet sur les quantiles mentionné auparavant, je prends une illustration sur des séries de température, mais le papier de recherche (sur lequel je travaillais lorsque les questions sont apparus) porte sur un tout autre sujet. Oui, compte tenu de l’esprit de concurrence qui existe dans le milieu de la recherche, il convient de garder une part de secret. Mais on peut rester confidentiel sur ses activités de recherche tout en communiquant…

L’autre intérêt d’un blog est qu’il va plus loin qu’un carnet: si je recopie un article dans mon cahier, c’est une activité de recherche. Si je le recopie sur mon blog, c’est du plagiat. En fait, le blog oblige à restituer avec ses propres mots des choses lues ici ou là. Car il serait temps de l’avouer: si on blogue en tant qu’enseignant, on blogue pour ses élèves; alors que si on blogue en tant que chercheur, on blogue avant tout pour soi. Quand Djalil publie un billet intitulé Euclidean kernel random matrices in high dimension sur son (superbe) blog djalil.chafai.net, il ne blogue pour 100,000 lecteur. Enfin, je pense. Et lorsque je blogue sur des sujets pointus, je blogue pour moi. Pour me forcer à assimiler des notions, et à les réécrire. J’ai presque envie de dire que les lecteurs, je m’en fous: s’il y a des gens intéressés par mes billets, c’est tant mieux, mais si personne ne lit mes billets “de recherche”, ça ne changera pas grand chose…

Maintenant, pour revenir sur la confidentialité, si elle est de mise tant que le papier n’est pas fini, il convient de noter qu’une fois le papier fini, c’est le contraire: il faut le faire savoir, haut et fort. Et là aussi, je dois avouer que le blog a de grandes vertus. Il donne une exposition incroyable,et permet de faire connaître ses travaux. Par exemple, en 6 semaines, 710 ont lu l’article sur la température à Montréal sur  mon blog /2909. Sans compter ceux qui ont lu la version reprise par les agrégateurs, comme r-bloggers.com/… ou architects.dzone.com/… (plus de 1300 personnes l’ont vu sur ce dernier) ou via un flux RSS. Mais en plus des billets sur mon blog, j’ai l’impression que mes articles académiques sont aussi beaucoup consultés (dans un moindre mesure, bien sûr !). Je suis toujours surpris par mon h-index, qui me semble plus élevés que beaucoup de chercheurs biens meilleurs que moi. Et je pense que le blog aide. Je pense que des papiers sont cités par beaucoup de monde parce qu’ils apparaissent tôt dans les recherches sur Google, mes blogs ayant tous été très bien référencés. Une étude (http://arxiv.org/0212043 mentionnée sur http://washingtonmonthly.com/…) disait que les articles cités étaient souvent peu lus, et effectivement, pour être cité, il suffit d’être bien référencé. Aussi, alors que j’ai longtemps cru que tenir un blog actif était contre-productif pour mes activités de recherche (et effectivement, le temps passé à écrire dans le blog se fait parfois au détriment d’autres taches) j’en suis de moins en moins convaincu. Je pense que des papiers ont été cités parce qu’ils sont mentionnés sur le blog. Soit parce j’y mets les textes en ligne (même si je n’en avais pas vraiment le droit), soit parce qu’ils étaient – juste – bien référencés, soit – en étant moins cynique – parce que pour certains papiers, je mets de codes en ligne pour mettre en œuvre les techniques proposées (je pense au papier sur le lissage spatial, /2416, ou tous les billets qui ont entouré celui sur la modélisation de la canicule d’août 2003, tag/heatwave).

Je me suis aussi rendu compte que j’ai gagné du temps dans des papiers car j’aboutissais sur des concepts connexes que j’avais pu aborder sur mon blog (souvent pour m’amuser). Par exemple, dans nos travaux sur les tremblements de terres avec Mathieu, on manipule des shapefiles (/tag/binar). Et je suis très content d’avoir joué un temps sur mon blog sur des problèmes de pistolets à eaux, qui m’ont permis de manipuler certaines fonctions sur les polygones, cf /tag/water. Enfin, plusieurs invitations à des séminaires de rechercher ou des conférences académiques ont été faites parce que le blog donne une relative notoriété, et visibilité.

Histoire de conclure en faisant une boucle, mon billet sur l’enseignement (et l’activité de blogger) venait d’une demande spécifique de Robin. Or Robin avait fait parti d’un projet génial, à savoir le blog statisfaction.wordpress.com lancé il y a quelques années par des doctorants (et post-doctorants) en statistique, sur Paris. L’idée était géniale car elle leur donnait une visibilité incroyable dans la communauté scientifique, avec des informations sur les séminaires, les cours, et leurs activités de recherche. Il n’est pas étonnant de voir autant de blogs scientifiques tenus pas des doctorants – ou lancés alors qu’ils étaient doctorants – je pense par exemple à Corey à Montréal, bayesianbiologist.com ou a plusieurs blogs d’économie, comme le défunt (ou disons resté très longtemps inactif) ecopublix.eu ou mafeco.fr, par Emmeline et  Jean-Edouard, ou encore rationalitelimitee.wordpress.fr lancé par Cyril quand il était encore doctorant. Les doctorants étant les principaux producteurs de recherche, il est logique de les voir apparaître aussi clairement dans la communauté des bloggers tenant des blogs de recherche (pour ne pas dire des carnets de recherche).

Mais bon, il serait temps de clôturer la séries des billets bloguer, c’est génial (surtout que je me rend compte que mon billet part un peu dans tous les sens, et n’a pas la profondeur d’analyse que l’ont peut retrouver dans les blogs d’ hypotheses.org mentionnés auparavant) La prochaine fois, promis, un billet sur bloguer, c’est nul !

Words are important (when dealing with statistics). But still.

In statistics, it might be difficult to know what a symbol stands for. For instance, https://latex.codecogs.com/gif.latex?\widehat{\theta} can either be a real value, i.e. the value taken by a statistics from a given sample. But it can also be a random variable, assuming that the sample is now a collection of i.i.d. random variables. We can usually distinguish https://latex.codecogs.com/gif.latex?x_i‘s (values from a given sample) and https://latex.codecogs.com/gif.latex?X_i‘s (the underlying random variables, i.e. https://latex.codecogs.com/gif.latex?x_i=X_i(\omega) for some https://latex.codecogs.com/gif.latex?\omega\in\Omega). But notations might confusing, and it is hard to distinguish random variables, and values taken by random variables (or realizations). But usually, if we look at the context, one can figure out what symbols stand for.

But sometimes, it is difficult to get a proper definition, not for some symbols, but for words. And most of the time common words. Recently, I wrote a short paper, claiming that it was difficult to model the number of bodily injuries related to car accident, since it is difficult to define death. Actually, the definition of dead did change a few years ago (as weird as it might sound), which did cause a rupture of some series.

I recently had a similar story, discussing with a pharmacist in Montréal who said to me “you French are known to be the world’s champion in terms of drug consumption“, see e.g.

  • The French are Europe’s champion medicine-takers” in http://economist.com/…, mentioning “heavy drug-consumption culture
  • The data show that drug consumption in France remains one of the largest in Europe” in http://bizcovering.com/…
  • France has one of the largest drug markets in the world and the drug consumption per capitahttp://ispor.org/… (among so many articles)

I do not think I am a drug addict (I might be – like most of my colleagues – a coffee addict, but as Paul Erdős  – or more probably Alfréd Rényi – said once, “a mathematician is a device for turning coffee into theorems“). The main problem here is the notion of “consumption“. The economics interpretation is simply that someone buys a product or a service (see http://dictionary.reference.com/…). There is also the food-related interpretation, where consuming means ingesting, i.e. eating or drinking (see http://dictionary.cambridge.org/…).

So pill and drug “consumption” is ambiguous: is it the number of pills purchased, or ingested (actually consumed), or prescribed? The first thing one should remember is that the Social Security in France refunds (almost) all medications prescribed by a doctor. So it is uncommon to leave the office of a doctor without a prescription, at least of aspirin: a visit to the doctor is usually, in France, the opportunity to stock some over-the-counter drugs. The second thing is that there is a major difference between France and North America when we go to the pharmacy. In Montréal for instance, if I have a prescription for 12 pills, then the pharmacist does give me exactly 12 pills (from a big pot). In France, pills are sold in prepackaged boxes, so if the box contains 10 pills, I will get 2 boxes, just to be sure I’ll get my 12 pills. From a medical point of view, I will consume my 12 pills, but from an economic perspective, I will consume 20. So comparing statistics is extremely difficult, not because the the maths, but because it is difficult to define (even simple) concepts.

Inglés ? Französisch ?

When I started to blog, I found it “natural” to blog in French. Not “natural” in the way Dominique Bouhours sees it: according to Bouhours, only the French language exactly reflects the natural way of thinking

La langue française est peut-être la seule qui suive exactement l’ordre naturel, et qui exprime les pensées en la manière qu’elles naissent dans l’esprit

as he wrote it). “Natural” in the sense that French is my mother language. And perhaps also because, as a French, I did not really see the interest of using another language… Yes, somehow, I still feel that we (French people) believe that Antoine de Rivarol was right when he said, in his Discours sur l’universalité de la langue française that French is innately superior to other languages: French has an element of probity attached to its genius, it is not the language of the French, it is the language of humanity

Dégagée de tous les protocoles que la bassesse invente pour la vanité et le pouvoir, elle en est plus faite pour la conversation, lien des hommes et charme de tous les âges, et puisqu’il faut le dire, elle est de toutes les langues la seule qui ait une probité attachée à son génie. Sûre, sociale, raisonnable, ce n’est plus la langue française, c’est la langue humaine

But I might be exaggerating here: if I can express more subtle things in French, it simply means that my English is too poor. I mean, in my work as a professor and a researcher, I do use English on a daily basis (reading textbooks, discussing with colleagues, or co-autors, writing research papers, etc). But blogging is just for fun… so at first, I started to blog in French.

Then, while I was giving a short course in Brazil, I understood that some students there actually did go to my blog. They were using online translation – which translated quite poorly by that time – and some asked me if I could write more posts in English. I did have also a request from Tal, the editor of http://r-bloggers.com/ who asked me to share my posts that contain R codes with the R community (i.e. non French-speaking people). So I decided to write more and more posts in English. Except perhaps posts related to my undergraduate courses.

I thought about all that recently because, while I was in Europe last week, some colleagues in Amsterdam mentioned my blog, claiming that there were (still) too many posts in French. While on the other hand, some French colleagues still ask me why I do not write only in French.

Somehow, I still find it more comfortable to write in French, especially on French related issues (e.g. politics and pools, or university related debates). But I still like the idea that my post may be interesting for students in Brazil, actuaries in the U.K. or researchers in Norway… So I guess I will try to write more posts in English. Which is not that complicated actually, since, as a French academician (or George Bernard Shaw, the source is not clear) once put it “English is a language that is relatively easy to speak poorly“. So, let’s do it….

Amsterdam, PhD defense

http://freakonometrics.hypotheses.org/files/2013/01/Capture-d%E2%80%99e%CC%81cran-2013-01-21-a%CC%80-09.14.31.png

Last week, I was involved in the PhD defense of Julien Tomas, with Rob Kaas (promotor), Frédéric Planchet (co-promotor), Katrien AntonioMarc Goovaerts, Ann De Schepper and Michel Vellekoop. The PhD thesis – untitled quantifying biometric life insurance risks with non-parametric smoothing methods – can be dowloaded on http://dare.uva.nl/… and on http://tel.archives-ouvertes.fr/.

http://freakonometrics.hypotheses.org/files/2013/01/Capture-d%E2%80%99e%CC%81cran-2013-01-21-a%CC%80-09.13.07.png

The R codes will be available soon on my blog (and on Julien’s new website http://www.likelihood.me/).

http://freakonometrics.hypotheses.org/files/2013/01/Capture-d%E2%80%99e%CC%81cran-2013-01-21-a%CC%80-09.13.29.png http://freakonometrics.hypotheses.org/files/2013/01/Capture-d%E2%80%99e%CC%81cran-2013-01-21-a%CC%80-09.15.01.png http://freakonometrics.hypotheses.org/files/2013/01/Capture-d%E2%80%99e%CC%81cran-2013-01-21-a%CC%80-09.13.45.png

Museum experiences, in the City

This Saturday, we had two interesting museum experiences, with the kids. Kids are 10, 7 (and a half as she keeps saying) and 2 (and a half, too). In the morning, we went to the MoMaths (which is the pun which stands for Museum of Mathematics, and sounds like MoMA) see e.g. nytimes.com/2012/12/14/arts/…, which opened mid-December.

There were a lot of exhibitions, to illustrate all kinds of mathematical concepts (as described in http://businessinsider.com/…). From a design point of view, what I did prefer was undoubtly the packing problem table. You pick up -say – five disks, and you have to pack them in – say – a triangle (an equilateral one). When you move the disks, the computer locates them and instantaneouldy computed the area of the smallest triangle which contains all of them: you have your own area, as well as the smallest one (known, so far).

DSC04288_s DSC04296_s DSC04295_s

I wanted to see if kids had more intuition than I did, but even if we know the smalled area, unfortunately, we cannot see how to get it, in the museum. Of course, online, one can easily find it, e.g. for circles

for triangles,

or for squares

Nice and fun, isn’t it ? (pictures are from http://mathworld.wolfram.com/…)

About people around, you could hear two kinds of talks in the museum: “look, it’s fun, when you run, the ball is following you” (kids) or “oh, nice, as long as people move, the algorithm removes automatically nodes in the connected graphs” (former kids). Even some people decided to use sheets of paper to prove that they were correct,

And yes, everyone had fun, even my youngest daugther, who’s only 2 (and a half, I know).

We spent two hours at the MoMaths, and the kids did not want to leave. I have to admit that I was a bit relieved to leave, finally: visiting the museum was like those social events in conferences. Actually, people there were clearly people that I keep seing at work, and in conferences. But there were kids, too, so it was much more convivial. People were also drawing, like in real museums… or like during talks, in conferences. It was work, with fun (and the family). Like my blog, somehow…

Then, we went to the Guggenheim Museum. One has to admit that this is another experience. The building itself is amazing.

Guggenheim

But here, it was a more standard museum experience… Except perhaps while we where visiting the Gabriel Orozco exhibition (which was, actually, extremely interesting and reminded me Francis Alÿs ‘s work presented at MoMA last year,  http://francisalys.com/…)

http://freakonometrics.hypotheses.org/wp-content/blogs.dir/253/files/2013/01/gugg.png

There was a guard, in a corner, and when we got too close, he asked us to move back. Trying to understand what was going on, we saw a small stone, behind him (of course “no picture, please“). The guard was waiting for a museum conservator to assess if the stone was from a shoe of a visitor, or a part of the exhibition… The conservator came look clearly at the stone, as well as others, trying to choose (if possible with conviction) whether this was a piece of art (part of the exhibition), or just a vulgar stone. True story…

DSC04339_s DSC04340_s

We finally left after one hour (my daughter had finished her kids activity, i.e. drawing like Picasso, comparing Picasso and Velasquez’s Meninas, and counting nuances of grays). Now, let us compare those two experiences. For instance, the visitors. At MoMaths, it was half kids, half math professors (from a personal guess), while at Guggenheim, it was more like one third tourists (with their NY Yankees cap, just to pretend they aren’t tourists… which is exactly what I do), and two third retired upper-class New Yorkers (including some much youger models in the arms of golden boys). At MoMaths, most of them were English speakers (and they had to, beacuse it was quite difficult to get information in another language, unfortunately), but at Guggenheim, I heard a lot of French, Italian, even Dutch… The public in those two museums were completely different.

When discussing with kids afterwards, we wanted to know which museum they did prefer. Without any doubts, the answer was MoMaths. And when we asked them in which museum the freakiest people were, they both said the Guggenheim museum. Maybe I am not really a freak, after all, at least in my kids eyes…

Quel trajet minimal pour récupérer le maximum de bonbons à l’Halloween ? (partie 2)

Continuons la discussion de ce matin, avec l’exemple des capitales américaines. On peut trouver une telle liste liste en ligne sur wikipedia,

> capital=read.table(
+ "http://freakonometrics.free.fr/US-capital.csv",
+ header=TRUE,sep=";")
> capital=capital[-c(2,11),]

On va enlever Hawaï et l’Alaska, qui forcent à faire de trop grands détours. Dans TSP, sous R, il y a des listes de villes américaines, avec les coordonnées. En bricolant un peu, on va récupérer les coordonnées de la plupart des capitales,

> library(maps)
> library(maptools)
> library(sp)
> library(TSP)
> Lcap=paste(as.character(capital[,1]),
+ as.character(capital[,2]),sep=", ")
> M=as.matrix(USCA312)
> L=labels(M)[[1]]
> Lcap=Lcap[which(Lcap%in%L)]
> k=which(L%in%Lcap)
> M=M[k,]
> M=M[,k]
> listeUSA=TSP(M,L[k])

Et cette fois on est prêt,

> tour=solve_TSP(listeUSA, method = "nn")

on a lancé l’algorithme, et on peut faire un dessin,

> COORD=data.frame(USCA312_coords[k,])
> COORD=COORD[as.numeric(tour),] 
> map('state',fill=TRUE,col="yellow")
> lines(COORD$coords.x1,COORD$coords.x2,
+ lwd=3,col="blue")
> points(COORD$coords.x1,COORD$coords.x2,
+ pch = 19, cex = 1.2, col = "red")

pas mal, n’est pas ? Bon, mais comme d’habitude, rien ne garantie que l’on ait trouvé le trajet optimal… En fait, le soucis est que si on relance l’algorithme, on retombe sur un autre trajet,

voire encore un autre si on lancer une nouvelle fois l’algorithme,

C’est pénible, n’est ce pas ? En fait, si on lance 1,000 fois l’algorithme on obtient la distribution (des distances optimales) suivante

autrement dit, on a encore beaucoup de variabilité, avec une distance optimale qui peut varier d’environ 10% entre deux boucles d’algorithmes. Cela dit, cela reste faible par rapport à un trajet au hasard,

Et d’ailleurs, si on compare la distance obtenue en tirant les villes au hasard, on arrive à un taux de l’ordre de 27% (qui peut être comparé à ce que nous avions obtenu en tirant au hasard dans le carré unité)

>  HAZARD=OPTIMAL=RATIO=rep(NA,500)
>  for(s in 1:500){
+   HAZARD[s]=tsp.longueur(M,sample(1:nrow(M)))
+   tour=solve_TSP(listeUSA, method = "nn")
+   OPTIMAL[s]=tsp.longueur(M,as.numeric(tour))
+   RATIO[s]=HAZARD[s]/
+            OPTIMAL[s]
+ }

Bref, compte tenu de la (grande) dispersion des résultats optimaux obtenu, on pourrait dire que cet algorithme est assez mauvais. Même s’il est très rapide. Un autre avantage est que l’on peut spécifier la ville de départ, par exemple. Ici, si on souhaite partir de Floride, on peut obtenir le trajet suivant

> tour=solve_TSP(listeUSA, method = "nn",
+ control=list(start=41))

Passionnant n’est-ce pas ? Et encore, ça ne va pas m’aider à trouver le parcours optimal pour les enfants, car pour les enfants, il faut spécifier le point de départ (voire le point d’arrivée), il faut en plus rester sur la route (voire traverser aux passages pour piétons). On peut aussi vouloir faire une pause pipi au milieu de la promenade…. Bref, on a pas mal de contraintes ! Mais tout est expliqué dans le livre fabuleux de William Cook, In Pursuit of the Traveling Salesman, qui reprend toute l’histoire des algorithmes les plus fins pour résoudre ce joli problème de maths…

Quel trajet minimal pour récupérer le maximum de bonbons à l’Halloween ? (partie 1)

Bon, ben cette fois ça y est, c’est l’Halloween… et comme tous les ans, mon rôle devrait se limiter à creuser les citrouilles, décorer la maison… et attendre à la porte de la maison que les enfants des voisins viennent me dévaliser ma réserve de bonbons ! Je pourrais à la rigueur revendiquer un petit quelque chose dans le déguisement de mon fils (on a passé pas mal de temps à feuilleter les premiers tomes de Walking Deads, histoire de mieux saisir l’essence des personnages de morts-vivants, en plus de la Zombie Walk la fin de semaine passée, en centre-ville).

Mais cette année, pas de billet sur les zombies comme l’an passé, mais un vrai problème pratique: comment optimiser son trajet, quand on sait où sont les bonnes maisons, où on a de fortes chances d’avoir plein de bonbons (en particulier chez les parents des amis) ? C’est assez proche de l’idée de passer par un maximum de maisons, et ce à une heure raisonnable (histoire qu’il reste des bonbons à récupérer).

Pour tous ceux qui ont fait un peu de programmation dynamique, c’est un problème classique, connu sous le nom du “voyageur de commerce“. Ce problème est né en juillet 1954 avec “the shortest route for a traveling salesman” paru dans Newsweek ci-dessous (que l’on retrouve en détails dans le livre 50 Years of Integer Programming)

Enfin, disons qu’il a été popularisé à cette époque, car Euler évoquait déjà un problème similaire quand il travaillait sur le problème des sept ponts de Königsberg, dans “Solutio problematis ad geometriam situs pertinentis“,

(même si ce problème consiste à étudier l’existence d’un trajet sous des contraintes de passages par des nœuds, et pas vraiment de l’optimisation). On retrouve aussi un exemple en 1832, en Allemagne, dans un livre intitulé Der Handlungsreisende – wie er sein soll und was er zu thun hat, um Auftraege zu erhalten und eines gluecklichen Erfolgs in seinen Geschaeften gewiss zu sein – Von einem alten Commis-Voyageur où un trajet passant par 45 villes en Allemagne et en Suisse devait être optimisé

(le schéma ci-dessus montre celle décrite en 1832, pour un total de 1,285km, mais il est possible de faire une boucle de 1,248km).

En fait le problème a explosé en 1962 (à cette époque, il semble que les gens pouvaient encore penser que faire des maths pouvait être le fun), lors que Procter & Gamble ont offert un prix de 10,000$ à celui qui trouverait le chemin le plus court pour que Toody et Muldoom, les conducteurs de la voiture 54 dans une série populaire à l’époque, passent par 33 villes, aux États-Unis.

Cela dit, Carl Menger avait noté dès 1930 a noté que ce problème devrait etre difficile à résoudre. Facile à écrire, mais difficile à résoudre explicitement. Dans son livre, William Cooke rappelle qu’avec 33 villes, il y aurait

131,565,418,466,846,765,083,609,006,080,000,000

chemins possibles, dont il faudrait calculer la longueur. Et qu’avec l’ordinateur le plus puissant en 2009 (effectuant 1.5 million de milliards d’opérations à la seconde) il faudrait 28,000 milliards d’année pour mener à bien les calculs. Même si on essayait de tenir compte des progrès de l’informatique dans les mille prochaines années, ça risque de prendre du temps !..

En 1967, Jack Edmonds notait “I conjecture that there is no good algorithm for the traveling salesman problem” où “good” est une manière élégante pour dire un temps polynomial en , le nombre de villes. Ce qui s’appelle les problèmes de la classe . Il semblerait que le problème du voyageur de commerce soit un problème  et pas de la classe (cf le chapitre du livre de Sanjeev Arora et Boaz Barak, ou le chapitre 11 des notes de cours de Olivier Bournez, que j’ai pu découvrir grâce à @dmonniaux, ou formellement de la classe  et pas , i.e.  complet), voir aussi la discussion sur wikipedia),

Et depuis, l’institut Clay a proposé $1,000,000 à celui qui prouverait que les problèmes   ne sont pas de type  (ou qui prouveraient qu’ils le sont… laconjecture reste ouverte, semble-t-il). Bref, les enjeux financiers derrière ont considérablement augmenté (on pourra consulter Sipser (2007) pour la petite histoire)

Bon, et si l’histoire est intéressante, ce n’est pas une raison pour la lire en se croisant les bras… essayons de programmer un algorithme (simple) afin d’approcher une solution, car je ne pourrais me contenter de dire à mes enfants “c’est un problème  complet, papa a capitulé“.

Commençons par tirer 5 points au hasard dans le carré unité,

>  n = 5
>  (x = matrix(runif(2*n),nr=n))
[,1]       [,2]
[1,] 0.4142621 0.35600725
[2,] 0.9477231 0.66938653
[3,] 0.2518656 0.19900873
[4,] 0.5314231 0.22954670
[5,] 0.5156522 0.09066741
et commençons par calculer la distance entre les points (i.e. une matrice, ou ici une matrice triangulaire inférieure)
>  (d = dist(x))
1         2         3         4
2 0.6186980
3 0.2258786 0.8399243
4 0.1723919 0.6056111 0.2812205
5 0.2840514 0.7222195 0.2851688 0.1397719
On va mettre ce triangle sous forme de matrice (pleine), ça sera plus simple à manipuler par la suite
>  (d = as.matrix(d))
1         2         3         4         5
1 0.0000000 0.6186980 0.2258786 0.1723919 0.2840514
2 0.6186980 0.0000000 0.8399243 0.6056111 0.7222195
3 0.2258786 0.8399243 0.0000000 0.2812205 0.2851688
4 0.1723919 0.6056111 0.2812205 0.0000000 0.1397719
5 0.2840514 0.7222195 0.2851688 0.1397719 0.0000000
Le principe, pour initialiser l’algorithme est de tirer au hasard un trajet, c’est à dire une permutation de nos points,
>  (o = sample(1:n))
[1] 2 4 1 5 3
Il faut alors calculer le 4 distances entre ces 5 villes (on ne prévoit pas de retour à la ville de départ, pour l’instant). Le plus simple est de jouer avec cette matrice de la réarranger,
>  d[o[1:(n-1)],][,o[2:n]]
4         1         5         3
2 0.6056111 0.6186980 0.7222195 0.8399243
4 0.0000000 0.1723919 0.1397719 0.2812205
1 0.1723919 0.0000000 0.2840514 0.2258786
5 0.1397719 0.2840514 0.0000000 0.2851688
et de prendre les 4 valeurs sur la diagonale
>  diag(d[o[1:(n-1)],][,o[2:n]])
[1] 0.6056111 0.1723919 0.2840514 0.2851688
Ce sont les 4 distances que l’on cherche, entre les 5 villes. La distance totale parcourue est alors
>  sum(diag(d[o[1:(n-1)],][,o[2:n]]))
[1] 1.347223
L’idée est ensuite de permuter deux des villes
>  (i=sample(1:n,2))
[1] 3 1
(ici la première et la troisième de la liste, mais on pourrait décider de fixer la première si on doit partir de là) et de voir si la nouvelle distance est plus courte, ou pas,
>  os=o
>  os[i]=o[rev(i)]
>  sum(diag(d[os[1:(n-1)],][,os[2:n]]))
[1] 1.785391
La distance étant plus longue, on ne va pas permuter. On pourrait tenter 1000 fois de permuter deux villes. Si on ne parvient pas à réduire la distance totale, c’est qu’on a atteint une valeur intéressante (à défaut de pouvoir prouver qu’elle est optimale). Et si on peut améliorer la distance, on permute. Le plus simple est donc de faire des petites fonctions. La première reprend le calcul de la distance totale, sur la diagonale de la matrice permutée, à matrice de distance donnée et à permutation donnée,
> tsp.longueur=function(matrice,ordres) {
+ n=length(ordres)
+ sum(diag(matrice[ordres[1:(n-1)],][,ordres[2:n]])) }
 La seconde est juste une boucle,
> tsp.optimal=function(d,N=1000) {
+ d=as.matrix(d)
+ n=ncol(d)
+ o=sample(1:n)
+ v=tsp.longueur(d,o)
+ k=0
+ while(k < N) {
+   i<-sample(1:n,2)
+   os=o
+   os[i]=o[rev(i)]
+   w=tsp.longueur(d,os)
+   if(w < v) {
+     v=w
+     o=os
+     k=0} else {k=k+1}}
+ list(ordre=o,longueur=v)}
On peut se lancer maintenant, avec par exemple 30 points simulés, sur le carré unité,
>  set.seed(1)
>  n=30
>  x=matrix(runif(2*n),nr=n)
>  o=sample(1:n)
>  plot(x,xlim=0:1,ylim=0:1,xlab="",ylab="")
>  lines(x[o,],col='blue')
>  r=tsp.optimal(dist(x))
>  os=r$ordre
>  lines(x[os,],col='blue',lwd=1.5)
avec la première trajectoire, à gauche, qui reste en trait fin sur le dessin de droite,

Pas mal, non ? Bon, en fait le soucis est que si on joue plusieurs fois avec notre fonction, on obtient toujours un graphique différent,

Autrement dit, je trouve (certes) des chemins pas trop long, mais je suis loin de trouver le chemin optimal. Et histoire de clotûrer le débat, notons qu’on peut faire un peu de simulation, afin de comparer la distance obtenue en faisant le trajet au hasard, et un trajet “optimal“,

> RATIO=HASARD=OPTIMAL=matrix(NA,500,10)
> for(m in 1:10){
+ n=5*m
+ for(s in 1:500){
+  x=matrix(runif(2*n),nr=n)
+  r=tsp.opt(dist(x))
+  HAZARD[s,m]=tsp.longueur(as.matrix(dist(x)),1:n)
+  OPTIMAL[s,m]=r$longueur
+  RATIO[s,m]=HAZARD[s,m]/
+             OPTIMAL[s,m]
+ }
+}

Si on compare la longueur moyenne du trajet (sur 500 scénarios) avec un tour au hasard (en rouge) et ou tour optimisé (en bleu), on a

ce qui donne un ratio moyen (ou une moyenne des ratios, les deux sont représentés)

Autrement dit, avec une dizaine de points éparpillés (au hasard) dans le carré unité, un tour au hasard ne sera que deux fois plus long… étonnant non ?

Mais on doit pouvoir aller plus loin, parce que sous R, il y a des fonctions (et des packages) pour faire des algorithmes plus compliqués… à suivre avant la tournée des bonbons de demain soir !

La recherche, l’enseignement et les élèves

Depuis quelques temps, lorsqu’on me demande ce que je fais dans la vie, je réponds “enseignant-chercheur” et je trouve que le terme me convient bien…

I.− Part. prés. de enseigner*: a) [L’obj. désigne le destinataire] Transmettre un savoir à. Synon.

Prononc. et Orth. : [ʃ ε ʀ ʃ œ:ʀ], fém. [-ø:z]. Ds Ac. 1694-1932. Étymol. et Hist. 1. le plus souvent avec compl. introduit par de a) 1538 cercheur « personne qui cherche, qui s’informe » (Est., s.v. conquisitores); 1636 chercheur (Monet); b) 1840 adj. « qui cherche (qqc.) » (Proudhon, Qu’est-ce que la propriété, p. 133); 2. emploi abs. 1835 adj. chercheuse « avide de connaissances, qui essaie de découvrir » (Balzac, loc. cit.);

Si on regarde les définitions, on voit qu’un chercheur s’informe (et reçoit du savoir) alors que l’enseignant le transmet (et communique son savoir). D’aucuns prétendront que le chercheur aussi transmet, mais quand on voit l’impact des articles académiques, on peut se demander à qui on transmet. Sans chercher à polémiquer, je trouve d’ailleurs surprenant qu’en France on ait pu séparer les deux, en créant des postes de chercheurs qui n’étaient pas tenu de partager leur savoir (mais j’ouvre une parenthèse que je ne tiens pas à ouvrir davantage)…. Bref, je suis très content d’enseigner car c’est cette activité qui me donne une utilité sociale.
Sauf que comme tous les enseignants, je déteste faire des examens. Pire encore, les corriger…
Lors de mon dernier examen, j’avais fait un questionnaire, avec des choix multiples (4 réponses, une seule bonne). Ça demande un temps fou à préparer, mais la correction est beaucoup plus rapide que lire des dizaines de pages (activité que je me laisse pour les heures à venir, car en plus des questionnaires, il y avait deux gros devoirs sur des bases de données). Et en plus, avec les choix multiples la correction est impartiale !
Dans un monde idéal, j’aimerais pouvoir dire “si vous pensez avoir réussi, passez au cours suivant, sinon reprenez le…” Alors j’ai tenté l’expérience. J’ai demandé aux étudiants d’écrire sur la copie le nombre de bonnes réponses qu’ils pensaient avoir. L’exercice était libre, et sans influence sur la note finale. Enfin, presque. Suite à une suggestion, j’ai accepté de donner des points à toute personne qui prédirait exactement son score !

> ACT6420=read.table("ACT6420-H2012.csv",
> base=ACT6420[ACT6420$obs>0,]
> attach(base)

Tout d’abord, comme l’exercice n’était pas obligatoire, certains (plusieurs) n’ont pas fait de prédiction… et comme souvent, la “non-réponse” est (très) informative,

> reponse=(is.na(pred)==FALSE)
> boxplot(obs~reponse,horizontal=TRUE)

Ceux qui n’ont pas répondu ont moins bien réussi que ceux qui ont répondu. Et sans vouloir revenir sur un point vu en cours (corrélation n’est pas causalité), je suis toujours surpris de fait que les personnes qui ne répondent pas aient un comportement aussi clairement différent de ceux qui répondent.

Maintenant regardons ce qui a été répondu par ceux qui ont joué le jeu, et qui ont fait une prédiction,

> plot(pred,obs,xlim=c(0,40),ylim=c(0,40),
+ xlab="Nombre de bonne réponses prédit",
+ ylab="Nombre de bonne réponses observé")
> abline(a=0,b=1,lty=1,col="red")
> abline(lm(obs~pred),lty=2)

En abscisse la prédiction, et en ordonnée, la valeur observée (un peu comme dans le cours de prévision justement). La courbe en rouge est une prédiction parfaite. Et la courbe en pointillé, la droite de régression. Les meilleurs se sous-estiment (en moyenne), alors que les moins bons se surestiment. Comme le note @AlbertineP on voit que les moins bons sont en fait un peu meilleurs qu’ils ne le pensent, alors que les meilleurs se surestiment ! Un effet Dunning-Kruger inversé, pour reprendre la terminologie proposée par @Tournyol. Damned, je ne pourrais donc pas demander aux étudiants de s’auto-évaluer, il va falloir que je continue à corriger mes copies ! (et je vais renouveler l’expérience, pour voir sur plus de copies ce que ça donne !)

OGM, ABC et mythologie scientifique

Une tentative de billet en cette fin de semaine pour revenir sur deux événements scientifiques récents, que certains pourraient trouver surprenant de rapprocher. Mais les deux événements sont liés à des publications (voire des prépublications) qui ont su faire le buzz, ces dernières semaines. Et si je les rapproche, c’est aussi probablement pour mieux les opposer.

  • d’un coté, l’exclusivité du Nouvel Observateur sur les OGM, et sur l’article de Séralini et al. (2012). Pour reprendre les premières phrases de l’article, “c’est une véritable bombe que lance, ce 19 septembre à 15 heures, la très sérieuse revue américaine “Food and Chemical Toxicology” – une référence en matière de toxicologie alimentaire – en publiant les résultats…” Je ne reviendrais pas sur l’article que je n’ai pas compris (y compris la partie statistique, et je renvoie aux articles parus dans Le Monde ou Libération sur le décryptage) mais sur la perception médiatique de la recherche scientifique… On gardera aussi en mémoire dans le titre de Rue89, “Les OGM dangereux pour la santé : l’étude qui le prouve” (mais les deux sites appartiennent à la même boutique, c’est probablement normal d’y lire la même chose).
  • de l’autre, les articles sur la conjecture d’Oesterlé-Masser, dite ABC, que Shinichi Mochizuki aurait démontré, dans Mochizuki (2012). Peu de journaux semblent en avoir parlé en France, mais le New York Times, par exemple, en parle, “with no fanfare, Shinichi Mochizuki, a mathematician at Kyoto University in Japan, dropped onto the Internet four papers.The papers, encompassing 500 pages and four years of effort, claim to solve an important problem in number theory known as the abc conjecture.” Après les précautions d’usage de journalistes qui ne cherchent pas un scoop, on apprend qu’un chercheur aurait résolu (ou prétend avoir résolu) un important problème mathématique. Certains sites comme Business Insider ne s’embarrassent pas trop de précautions, et titrent “World’s Most Complex Mathematical Theory ‘Cracked‘”. Si les éditeurs de ce site lisaient le Nouvel Obs, ils auraient peut-être écrit que “c’est une véritable bombe que lance” Shinichi Mochizuki.
Les deux évènements sont radicalement opposés selon moi. L’un étant avec et l’autre sans fanfare, comme le note le New York Times. Mais ce qui me dérange dans ces deux événements, c’est le mythe entretenu par certains journalistes sur le fonctionnement de la recherche. On se cache (autant que possible), et quand on est prêt (ou quand on pense l’être), on lance une “bombe” !
Je dois avouer que je rêve moi aussi d’écrire un article qui révolutionnerait le monde ! ou au moins mon monde, mon tout petit monde (pour reprendre le titre du livre de David Lodge)… Mais non, ce que je fais n’intéresse personne…
Et je ne crois pas non plus en la culture du secret, au contraire: dès que j’écris un truc, que je le présente dans une conférence, que ma grand mère en parle à une de ses amies au téléphone, j’en parle sur mon blog, et je mets les documents (y compris les codes pour les reproduire) sur mon blog. Car je ne me fais même plus d’illusion sur la portée de mes recherches. 24 articles ont cité des travaux que j’avais fait sur les comportements limites des copules Archimédiennes (dans la queue inférieure), mais 1 seul cite ceux sur les mesures d’inégalité et de pauvreté.
Ce qui est désolant, c’est cette vision du monde de la recherche; avec d’un coté, les chercheurs qui lancent des bombes, et de l’autre, ben…. les chercheurs qui admirent leurs collègues? qui les jalousent? qui se tournent les pouces? Ce n’est pas si simple que ça…. Par exemple, pour les travaux sur les OGM (ou sur le Roundup car je n’ai toujours pas compris si l’étude portait sur un OGM, ou sur un désherbant), les “les chercheurs français” ne sont probablement pas les seuls à publier sur le sujet !
Dans le cas d’ABC, Slate explique clairement les choses: “la démonstration du Japonais est détaillée dans quatre articles scientifiques (repris sur le site de Nature) qui reposent chacun sur d’autres longs articles“. Oui, ce n’est pas un chercheur tout seul qui a fait la découverte. Shinichi Mochizuki s’appuie “sur d’autres longs articles”, publiés par des chercheurs qui n’auront jamais leur heure de gloire, que l’histoire (y compris l’histoire des sciences) oubliera probablement… Mais ce n’est pas grave, car peu, très peu cherchent la gloire. Et tous fuient la médiatisation comme la peste !
Fort justement, The Telegraph posait l’autre jour la question suivante “How many scientists does it take to make a discovery?”. Intéressante question, n’est-ce-pas ? (et j’ai été déçu que l’article soit aussi court). Car oui, derrière les articles qui font du buzz, il y a des chercheurs qui cherchent… L’article note d’ailleurs dès le début que “the era of the lone genius, as epitomised by Albert Einstein, has long gone“… “long gone” ? Pas si sûr quand on voit la mythologie véhiculée par certains journalistes…. Il serait temps que ça change.

How to Talk About Books You Haven’t Read?

This summer, I have read with a great pleasure a short book (in French) translated into “How to Talk About Books You Haven’t Read ?”, by Pierre Bayard, professor of French literature at the University of Paris Sorbonne. The book was mentioned on http://www.brainpickings.org/ and on http://www.nytimes.com/ (and can be found in French online). The book is great… and I have identified a lot of things that can be observed if you work as an academic. Not only in literature.

The book starts with Oscar Wilde’s famous quote “I never read a book I must review; it prejudices you so”. So obviously, there should be good reasons not to read books. But first, Pierre Bayard suggests to distinguish among books that you “haven’t read“.

The first illustration is based on the librarian in Robert Musil‘s Der Mann ohne Eigenschaften. Good librarian do not read ! More precisely “The secret of a good librarian is that he never reads anything more of the literature in his charge than the title and the table of contents. Anyone who lets himself go and starts reading a book is lost as a librarian…He’s bound to lose perspective.” You should not read books if you want a good perspective. Further, “We marched down the ranks in that colossal storehouse of books, and I don’t mind telling you I was not particularly overwhelmed […]. Still, after a while I couldn’t help starting to do some figuring in my head, and I got an unexpected answer. […] I had been thinking that if I read a book a day […] I could claim a certain position in the world of the intellect. […] But what do you suppose that librarian said to me as […] I asked him how many books they had in this crazy library ? ‘Three and a half million’ he tells me. It would take me ten thousand years to carry out my plan.” There are so many books that it is clearly impossible to read everything. But this was mentioned earlier, in the Bible, Ecclesiastes 12:12, “the writing of many books is endless“. Actually, we have the same problem with academic research: there are papers published everyday, so as for Musil’s librarian, there is no way to read all of them. So clearly, if we want an overview of a given scientific field, we just go through titles, and abstracts (if we have time)…

As a second illustration, Pierre Bayard mentions the poet Paul Valéry who claimed that “je demeure peu lecteur, car je ne recherche dans un ouvrage que ce qui peut permettre ou interdire quelque chose à ma propre activité”. Similarly in academic research, we read mainly because we have to be sure that what we do is new, and has not be done before.

Then Pierre Bayard mention books that we have just heard of. And to illustrate this point, he mentions Umberto Ecco‘s Il nome della rosa. If you remember the book (or the movie), Baskerville finds the truth not because he has read a copy of the book, but he has heard of it. And it is clearly enough ! “Gradually this second book took shape in my mind as it had to be. I could tell you almost all of it, without reading the pages that were meant to poison me“. And trust me, academics do that all the time ! Because there are books you are supposed to mentioned when you want to publish. But some of them are out of print, and cannot be found in your library, and are way to expensive to buy them. So you just listen to what people say about that book.

So now we know that it is not necessary to read book when talk about them. But still, you have to behave properly if you still want to be reliable. The example mentioned by Pierre Bayard is the Martins-Dexter quiproquo in Graham Greene’s The third man. “‘If you want to know, I’ve never heard of him. What did he write?’ He didn’t realize it, but he was making an enormous impression. Only a great writer could have taken so arrogant, so original“. A similar story can be found in David Lodge’s Campus trilogy, when professors have to confess that they have not read certain books (in the so-called humiliation game), and the head of the literature department admits that he has never read Hamlet. It is rather difficult to admit that you have not read a book.

But similarly, the question “have you read the article ?” is usually quite ambiguous. Pretending that you have read it can mean that you have fully understood the paper, and the proof, and the implication. So usually, I do not pretend that I have read an article. Perhaps I might say that I had time to go through it. But not much more…

More funny is Pierre Siniac’s Ferdinaud Céline, where the author does not know the book he thought he wrote. It looks like funny, but I have to admit that this is a felling I have also experienced ! When people mention your work, or talk about it, but not the way you expected it. Like when you develop a nice theory, and you propose an application at the end, but some people only remember the 12% difference you have with the benchmark model, while the goal of the paper was simply to propose a new method, based on something else you’ve been working on. The article people read is usually not the one you wrote. Especially after a few revisions, where referees have required many changes (and you’ve done them because you need that publication).

Anyway, “How to Talk About Books You Haven’t Read ?” by Pierre Bayard is a great book that should be read by everyone !