Search

Objectif : Ce module vise à sensibiliser aux problématiques et enjeux de la réanalyse de deux manières : par une meilleure connaissance de l’état et de la littérature disponible sur la réanalyse en France et à l’étranger d’une part ; par une sensibilisation aux grandes questions qui organisent les réflexions sur les conditions de possibilité de la réanalyse d’autre part. Démarche pédagogique : On veillera à retracer les grandes lignes du développement de cette pratique dans les sciences sociales et l’état le plus actuel des recherches menées en France. Il s’agira notamment de souligner les conditions de la réanalyse à partir d’exemples de controverses. Nous aborderons ainsi plusieurs enjeux, notamment : - les intérêts de la réanalyse, tant du point de vue de l’utilisateur de données que de celui qui partage ses données ; - les formes de réanalyse selon le rapport aux chercheurs premiers et aux objectifs poursuivis ; - les étapes préalables nécessaires avant de se lancer dans une réanalyse (compréhension du lien entre orientations théoriques et méthodologiques de l’enquête ; appréhension de la structuration du corpus, etc.) ; - la contextualisation des données (documentation). Un atelier sur la mise en pratique de la réanalyse complète ce module.

Objectif : Ce module vise à sensibiliser aux problématiques et enjeux de la réanalyse de deux manières : par une meilleure connaissance de l’état et de la littérature disponible sur la réanalyse en France et à l’étranger d’une part ; par une sensibilisation aux grandes questions qui organisent les réflexions sur les conditions de possibilité de la réanalyse d’autre part. Démarche pédagogique : On veillera à retracer les grandes lignes du développement de cette pratique dans les sciences sociales et l’état le plus actuel des recherches menées en France. Il s’agira notamment de souligner les conditions de la réanalyse à partir d’exemples de controverses. Nous aborderons ainsi plusieurs enjeux, notamment : - les intérêts de la réanalyse, tant du point de vue de l’utilisateur de données que de celui qui partage ses données ;- les formes de réanalyse selon le rapport aux chercheurs premiers et aux objectifs poursuivis ;- les étapes préalables nécessaires avant de se lancer dans une réanalyse (compréhension du lien entre orientations théoriques et méthodologiques de l’enquête ; appréhension de la structuration du corpus, etc.) ;- la contextualisation des données (documentation).Un atelier sur la mise en pratique de la réanalyse complète ce module.

International audience; This paper reports the recent progress on mud volcanism data accumulation in the case of the Gulf of Cadiz area. The discovery of giant mud volcanoes, deep coral reefs, and gas hydrates in 1999, from the Guadalquivir Diapiric Ridge to the Larache Moroccan margin, launched a dynamic expansion of new projects (GeNesis, MoundForce, HERMES) and international oceanographic campaigns (R/V Sonne, Marion-Dufresne). The present monitoring of this Ibero-Moroccan oceanic zone is in need of a comprehensive database available in one site to make online search possible from a single interface. The database would constitute a reference point for a focused full scope collection.; En este artículo se exponen los avances recientes en la recogida de los datos facilitados por el vulcanismo de barro en la región del golfo de Cádiz. En 1999, desde la dorsal diapírica del Guadalquivir a la latitud marroquí de Larache, el descubrimiento de volcanes de barro gigantes, de arrecifes coralinos profundos, y de los hidratos de gas, han puesto en marcha un desarrollo dinámico de nuevos proyectos (GeNesis, MoundForce, HERMES) y de campañas oceanográficas internacionales (R/V Sonne, Marion-Dufresne). El programa actual de esta zona oceánica ibero-marroquí necesita una base de datos completa que esté disponible en un único sito para conseguir investigar en línea , a partir de una sola interface. Una base de datos de este tipo proporcionaría un punto de referencia en el contexto de una colecciónacreditada.; Cet article rend compte du progrès récent dans la collecte des données fournies par le volcanisme de boue dans le cas de la région du golfe de Cadix. En 1999, dès la dorsale diapirique du Guadalquivir jusqu'à la latitude marocaine de Larache, la découverte des volcans géants de boue, des récifs coralliens profonds, et des hydrates de gaz, ont lancé un développement dynamique de projets nouveaux (GeNesis, MoundForce, HERMES) et de campagnes océanographiques internationales (R/V Sonne, Marion-Dufresne). Le programme actuel de cette zone océanique ibéro-marocainea besoin d'une base de données complète disponible sur un seul site pour rendre possible la recherche en ligne, à partir d'une seule interface. Une telle base de données constituerait un point de référence aux fins d'une collection tout à fait ciblée.

High performance computing (HPC) infrastructures have experienced a rapid growth, particularly these last years. This growth has been driven by the increased need in terms of computational power expressed by scientists in various fields. However, their increasing size makes them important electricity consumers since they already consume several megawatts. In order to consume "less" and better", we proposed a framework which permits to choose the less consuming versions of the services before pre-executing the application. In addition, our framework relies on a smart grid in order to schedule resource reservations on these computing infrastructures. This framework, called SESAMES, is adapted to two services required in high performance computing: fault tolerance and data broadcasting. Experimental validations have shown that we can reduce the energy consumption of both services by relying on accurate energy estimations provided by SESAMES for any execution context and for any platform equipped with wattmeters. Our estimation methodology is based on a description of the execution context and on a platform calibration that consists of gathering energy measurements. Simulations have shown that the multi-criteria reservation scheduler proposed in SESAMES, simultaneously reduces the energy consumption, the financial cost and the environmental impact of these reservations, while respecting the constraints imposed by the user and the energy supplier.; Les infrastructures de calcul très haute performance ont connu une croissance rapide en particulier ces dernières années. Cette croissance a toujours été motivée par les besoins accrus en puissance de calcul qu'expriment les scientifiques dans divers domaines. Cependant, ces systèmes devenus de plus en plus larges constituent de gros consommateurs d'électricité et consomment déjà plusieurs mégawatts. Afin de consommer ''moins'' et ''mieux'', nous avons proposé un environnement logiciel qui d'une part, permet de choisir avant de pré-exécuter l'application, les versions de services applicatifs consommant le moins d'énergie, et qui d'autre part, repose sur une grille électrique intelligente pour planifier les réservations des ressources de calcul de ces infrastructures. Cet environnement, appelé SESAMES, a été adapté à deux services applicatifs indispensables au calcul très haute performance : la tolérance aux pannes et la diffusion de données. Des validations expérimentales ont montré que l'on peut réduire la consommation énergétique de chacun des deux services étudiés en s'appuyant sur les estimations énergétiques précises fournies par SESAMES pour n'importe quel contexte d'exécution et pour n'importe quelle plate-forme dotée de wattmètres. Notre méthodologie d'estimation repose sur une description du contexte d'exécution et sur une calibration de la plate-forme d'exécution basée sur la collecte de mesures énergétiques. Des simulations ont démontré que l'ordonnanceur multi-critères des réservations de ressources proposé dans SESAMES, permet de réduire à la fois la consommation énergétique, le coût financier et l'impact environnemental de ces réservations, tout en respectant les contraintes imposées par l'utilisateur et le fournisseur d'énergie.

The data-broadcast problem consists in finding an infinite schedule to broadcast a given set of messages so as to minimize the average response time to clients requesting messages, and the cost of the broadcast. This is an efficient means of disseminating data to clients, designed for environments, such as satellites, cable~TV, mobile phones, where there is a much larger capacity from the information source to the clients than in the reverse direction. Previous work concentrated on scheduling indivisible messages. Here, we studied a generalization of the model where the messages can be preempted. We show that this problem is NP-hard, even in the simple setting where the broadcast costs are zero, and give some practical 2-approximation algorithms for broadcasting messages. We also show that preemption can improve the quality of the broadcast by an arbitrary factor.; La diffusion de données est une réponse apportée au problème de la surcharge des réseaux et serveurs d'information (de type info-trafic, info-bourse, info-sport), où le nombre de clients est très élevés et la plus part d'entre eux demande majoritairement le même petit nombre de messages; et plus généralement adaptées aux réseaux asymétriques où la bande passante des serveurs vers les clients est bien plus grande que des clients vers les serveurs (les réseaux satellites, téléphones mobiles/base,...). L'idée est de réserver des canaux (typiquement hertzien) pour la diffusion de ce petit nombre de messages qui seront diffusés indépendamment des requêtes effectives: un client intéressé par un de ces messages, se connecte sur ces canaux et attend que le message demandé soit diffusé. Le problème de la diffusion de données [Data broadcast problem] consiste à trouver un ordonnancement qui diffuse les messages, en minimisant l'attente moyenne des utilisateurs (défini par un profil-utilisateur: les probabilités de demande pour chaque message), et le coût de la diffusion des messages. Alors que les travaux précédents étudient l'ordonnancement de messages indivisibles, nous étudions ici une généralisation du modèle au cas où la diffusion des messages peut être interrompue. Nous démontrons que le problème est NP-dur, même quand les coûts de diffusion sont nuls, et proposons un algorithme qui génère un algorithme de coût inférieur au double de l'optimal. Nous montrons aussi que l'ajout de préemption permet d'améliorer d'un facteur arbitraire la qualité d'un ordonnancement de messages de temps de transmission non-uniforme.