How your eyes predict your personality - 6 Minute English

249,381 views ・ 2019-03-21

BBC Learning English


Veuillez double-cliquer sur les sous-titres anglais ci-dessous pour lire la vidéo. Les sous-titres traduits sont traduits automatiquement.

00:07
Neil: Hello and welcome to 6 Minute English. I'm Neil.
0
7000
2540
Neil : Bonjour et bienvenue sur 6 Minute English. Je suis Neil.
00:09
Rob: And I'm Rob.
1
9540
960
Rob : Et je suis Rob.
00:10
Neil: Now, Rob, would you say that you are an introvert
2
10500
3300
Neil : Maintenant, Rob, diriez-vous que vous êtes un introverti
00:13
or an extrovert?
3
13800
1800
ou un extraverti ?
00:15
Rob: What a good question!
4
15600
1540
Rob : Quelle bonne question !
00:17
Well, extroverts are confident in their personality.
5
17140
3280
Eh bien, les extravertis ont confiance en leur personnalité.
00:20
They're outgoing and comfortable in social situations.
6
20420
3460
Ils sont extravertis et à l'aise dans les situations sociales.
00:23
So I would have to say that, if anything, I’m the opposite.
7
23880
3540
Je dois donc dire que, si quoi que ce soit, je suis le contraire.
00:27
I’m more of an introvert. I’m really quite shy.
8
27420
3140
Je suis plutôt introverti. Je suis vraiment très timide.
00:30
I feel uncomfortable in social situations.
9
30560
2820
Je me sens mal à l'aise dans les situations sociales.
00:33
For example, if I go to a party
10
33380
1820
Par exemple, si je vais à une fête
00:35
where I don’t know anyone,
11
35200
1120
où je ne connais personne,
00:36
I usually feel very embarrassed
12
36320
2040
je me sens généralement très gêné
00:38
and I find it impossible to start conversations
13
38360
2480
et il m'est impossible d'entamer des conversations
00:40
with strangers.
14
40840
800
avec des inconnus.
00:41
Neil: But you do all of this on the radio and videos
15
41640
2849
Neil : Mais vous faites tout cela à la radio et dans les vidéos
00:44
for Learning English, don’t you?
16
44489
2351
de Learning English, n'est-ce pas ?
00:46
Some would say
17
46840
860
Certains diraient
00:47
you have to be an extrovert to do what we do.
18
47700
2680
qu'il faut être extraverti pour faire ce que nous faisons.
00:50
Rob: Ah! Well, maybe I’m pretending to be an extrovert
19
50380
3040
Rob : Ah ! Eh bien, peut-être que je fais semblant d'être un extraverti
00:53
to hide the fact that I’m an introvert.
20
53420
2200
pour cacher le fait que je suis un introverti.
00:55
It’s quite a common thing, you know.
21
55620
1580
C'est assez courant, tu sais.
00:57
Neil: Well, it might not be so easy to hide in the
22
57200
2570
Neil : Eh bien, ce ne sera peut-être pas si facile de se cacher à l'
00:59
future because researchers have developed
23
59770
2410
avenir parce que des chercheurs ont développé
01:02
a computer program that can tell your personality
24
62180
2940
un programme informatique qui peut déterminer votre personnalité
01:05
from looking at where you look,
25
65120
1880
en regardant où vous regardez,
01:07
by tracking your eye movements.
26
67000
1490
en suivant vos mouvements oculaires.
01:08
Rob: Wow! That sounds pretty hi-tech, and scary.
27
68490
3050
Rob : Waouh ! Cela semble assez high-tech et effrayant.
01:11
Neil: Well, we’ll learn more shortly, but first
28
71540
2550
Neil : Eh bien, nous en apprendrons plus bientôt, mais d'abord
01:14
a question on the topic of clever computers.
29
74090
3350
une question sur le thème des ordinateurs intelligents.
01:17
The letters 'AI' stand for Artificial Intelligence
30
77440
3660
Les lettres « AI » signifient intelligence artificielle,
01:21
but what are the letters 'AI'? Are they
31
81100
3500
mais que sont les lettres « AI » ? Sont-ils
01:24
A) an abbreviation
32
84600
2020
A) une abréviation
01:26
B) an acronym, or
33
86620
1380
B) un acronyme, ou
01:28
C) an initialism?
34
88000
1660
C) un sigle ?
01:30
Rob: OK, I thought that was going to be easy, but
35
90140
2351
Rob : OK, je pensais que ça allait être facile, mais
01:32
I think it’s an abbreviation, isn’t it?
36
92500
2800
je pense que c'est une abréviation, n'est-ce pas ?
01:35
Neil: Well, you’ll have to wait to the end of
37
95300
2000
Neil : Eh bien, vous devrez attendre la fin
01:37
the programme to find out!
38
97300
1600
du programme pour le savoir !
01:38
Sabrina Hoppe is a researcher
39
98900
1760
Sabrina Hoppe est chercheuse
01:40
at the University of Stuttgart.
40
100660
2260
à l'Université de Stuttgart.
01:42
She was interviewed on the BBC Radio programme
41
102920
2560
Elle a été interviewée dans l'émission
01:45
All In The Mind.
42
105480
1380
All In The Mind de la BBC Radio.
01:46
She spoke about an experiment in which they tracked
43
106860
2580
Elle a parlé d'une expérience dans laquelle ils ont suivi
01:49
the eye movements of people in real situations.
44
109440
3300
les mouvements oculaires de personnes dans des situations réelles.
01:52
This is what she said about the research.
45
112740
2380
C'est ce qu'elle a dit à propos de la recherche.
01:55
Was she confident
46
115120
1360
Était-elle convaincue que
01:56
the experiment would work in the real world?
47
116480
2460
l'expérience fonctionnerait dans le monde réel ?
02:00
Sabrina Hoppe:The main finding in our study is that it is
48
120060
2400
Sabrina Hoppe : La principale découverte de notre étude est qu'il est
02:02
possible at all to just look at eye movements
49
122460
2840
tout à fait possible de simplement regarder les mouvements des yeux
02:05
and then predict something about their personality.
50
125300
2800
et de prédire ensuite quelque chose sur leur personnalité.
02:08
And before our study it was not clear at all if
51
128100
2620
Et avant notre étude, il n'était pas clair du tout si
02:10
this would be possible from eye movements
52
130720
1920
cela serait possible à partir des mouvements oculaires
02:12
in such an unconstrained real world setting.
53
132640
2920
dans un environnement réel aussi libre.
02:16
Neil: So, was she confident this would work?
54
136300
2660
Neil : Alors, était-elle convaincue que cela fonctionnerait ?
02:18
Rob: No, not really.
55
138960
1200
Rob : Non, pas vraiment.
02:20
She said that before the study it wasn’t clear if it would
56
140160
3040
Elle a dit qu'avant l'étude, il n'était pas clair si cela
02:23
be possible in an unconstrained real-world setting.
57
143200
3680
serait possible dans un environnement réel sans contrainte.
02:26
'Unconstrained' here means that there wasn’t strict
58
146880
2960
"Sans contrainte" signifie ici qu'il n'y avait pas de
02:29
control over the conditions of the experiment.
59
149840
2900
contrôle strict sur les conditions de l'expérience.
02:32
It took place in the ‘real-world’ – so not in a laboratory.
60
152740
3720
Cela s'est passé dans le "monde réel" - donc pas dans un laboratoire.
02:36
Neil: The result of the experiment
61
156460
1600
Neil : Le résultat de l'expérience
02:38
- or the 'finding', as she called it -
62
158060
1700
- ou la « découverte », comme elle l'appelait -
02:39
was that by following eye movements,
63
159760
2000
était qu'en suivant les mouvements des yeux,
02:41
a computer programme was able to work out the
64
161760
2320
un programme informatique était capable de déterminer la
02:44
personality of the subjects.
65
164080
2080
personnalité des sujets.
02:46
Let’s listen again.
66
166160
1060
Écoutons encore.
02:47
Sabrina Hoppe: The main finding in our study is that it is
67
167760
2420
Sabrina Hoppe : La principale découverte de notre étude est qu'il est
02:50
possible at all to just look at eye movements
68
170180
2860
tout à fait possible de simplement regarder les mouvements des yeux
02:53
and then predict something about their personality.
69
173040
2800
et de prédire ensuite quelque chose sur leur personnalité.
02:55
And before our study, it was not clear at all
70
175840
2440
Et avant notre étude, il n'était pas clair du tout
02:58
if this would be possible from eye movements
71
178280
2059
si cela serait possible à partir des mouvements oculaires
03:00
in such an unconstrained real world setting.
72
180340
2540
dans un environnement réel aussi libre.
03:03
Rob: So how does the software work, for example,
73
183340
2240
Rob : Alors, comment fonctionne le logiciel, par exemple,
03:05
what are the differences in the eye movements
74
185580
2420
quelles sont les différences dans les mouvements oculaires
03:08
of extroverts compared to introverts?
75
188000
2720
des extravertis par rapport aux introvertis ?
03:11
Sabrina Hoppe: We still don't really know in detail
76
191420
1940
Sabrina Hoppe : On ne sait toujours pas vraiment dans le détail
03:13
what makes the difference.
77
193360
980
ce qui fait la différence.
03:14
We can only tell that there are differences
78
194340
2040
Nous pouvons seulement dire qu'il existe des différences
03:16
and that we know computer programs that can pick up
79
196380
3140
et que nous connaissons des programmes informatiques qui peuvent capter
03:19
those differences.
80
199520
1560
ces différences.
03:21
Maybe extrovert people look up a lot because
81
201080
2060
Peut-être que les personnes extraverties lèvent beaucoup les yeux parce
03:23
they want to look at people's faces,
82
203140
2200
qu'elles veulent regarder les visages des gens,
03:25
whereas some super introvert
83
205340
2080
alors que certaines
03:27
person maybe just stares at their own shoes,
84
207420
2220
personnes super introverties regardent peut-être simplement leurs propres chaussures,
03:29
if you want to take the extreme examples.
85
209640
2260
si vous voulez prendre des exemples extrêmes.
03:31
So, probably it somehow changes gaze.
86
211900
2660
Donc, probablement, cela change en quelque sorte le regard.
03:34
But we only know that this information is
87
214560
2100
Mais nous savons seulement que cette information est
03:36
there and somehow our program figured out
88
216660
2439
là et d'une manière ou d'une autre, notre programme a trouvé
03:39
how to extract it.
89
219100
1660
comment l'extraire.
03:41
Neil: So how does it work?
90
221140
1520
Neil : Alors comment ça marche ?
03:42
Rob: Well, that’s the strange thing.
91
222660
2240
Rob: Eh bien, c'est la chose étrange.
03:44
She said that she didn’t really know,
92
224900
2100
Elle a dit qu'elle ne savait pas vraiment,
03:47
at least not in detail.
93
227000
1820
du moins pas dans les détails.
03:48
She did say that our personality
94
228820
1740
Elle a dit que notre personnalité
03:50
somehow changes gaze.
95
230560
2220
changeait en quelque sorte de regard.
03:52
'Gaze' is another word for looking at something.
96
232780
2540
'Regard' est un autre mot pour regarder quelque chose.
03:55
So maybe we gaze in different ways
97
235320
2420
Alors peut-être que nous regardons de différentes manières en
03:57
depending on our personality.
98
237740
2020
fonction de notre personnalité.
03:59
Extroverts may look up more
99
239760
1980
Les extravertis peuvent regarder plus haut
04:01
and introverts, like me, may look down more.
100
241740
2820
et les introvertis, comme moi, peuvent regarder plus bas.
04:04
Neil: Yes, it was interesting that she said that she
101
244560
2700
Neil : Oui, c'était intéressant qu'elle ait dit qu'elle
04:07
didn’t know how it did it,
102
247260
1840
ne savait pas comment cela s'était passé,
04:09
but the program somehow managed to figure it out.
103
249100
3400
mais le programme a réussi à le comprendre.
04:12
The phrasal verb 'to figure something out'
104
252500
2100
Le verbe à particule « comprendre quelque chose »
04:14
means 'to understand or realise something'.
105
254600
2640
signifie « comprendre ou réaliser quelque chose ».
04:17
Time to review today’s vocabulary, but first,
106
257240
2900
Il est temps de revoir le vocabulaire d'aujourd'hui, mais d'abord,
04:20
let’s have the answer to the quiz question.
107
260140
1900
voyons la réponse à la question du quiz.
04:22
I asked what are the letters 'AI'? Are they
108
262040
4320
J'ai demandé quelles sont les lettres 'AI'? Sont-ils
04:26
A) an abbreviation
109
266360
1640
A) une abréviation
04:28
B) an acronym
110
268000
1140
B) un acronyme
04:29
C) an initialism
111
269140
2320
C) un sigle
04:31
Rob, what did you say?
112
271460
1200
Rob, qu'avez-vous dit ?
04:32
Rob: I said A) an abbreviation.
113
272660
2440
Rob : J'ai dit A) une abréviation.
04:35
Neil: Well sorry, no, AI is C), so to speak.
114
275100
3880
Neil : Eh bien désolé, non, AI est C), pour ainsi dire.
04:38
It's an initialism.
115
278980
1900
C'est un sigle.
04:40
It’s the first letters of the words 'artificial intelligence',
116
280880
2960
Ce sont les premières lettres des mots "intelligence artificielle",
04:43
but it’s not pronounced like a new word,
117
283840
2540
mais ça ne se prononce pas comme un nouveau mot,
04:46
just the initial letters.
118
286380
1940
juste les lettres initiales.
04:48
Right, time now to review today’s vocabulary.
119
288320
3190
Bon, il est temps maintenant de revoir le vocabulaire d'aujourd'hui.
04:51
Rob: Yes. We had the word 'extrovert'. This describes
120
291510
3310
Rob : Oui. Nous avions le mot « extraverti ». Cela décrit
04:54
someone who has a very outgoing personality.
121
294820
2900
quelqu'un qui a une personnalité très extravertie.
04:57
An extrovert is confident and socially comfortable.
122
297720
3120
Un extraverti est confiant et socialement à l'aise.
05:00
Neil: By contrast, an introvert is someone who is
123
300840
2460
Neil : En revanche, un introverti est quelqu'un qui est
05:03
shy and not comfortable in social situations
124
303300
2940
timide et qui n'est pas à l'aise dans les situations sociales
05:06
and doesn’t like being the centre of attention.
125
306240
2700
et qui n'aime pas être le centre de l'attention.
05:08
Rob: Our report today talked about the findings
126
308940
2280
Rob : Notre rapport d'aujourd'hui parle des résultats
05:11
of some new research.
127
311220
1640
d'une nouvelle recherche.
05:12
A 'finding' is something that has been learnt, discovered
128
312860
2800
Une « découverte » est quelque chose qui a été appris, découvert
05:15
or indeed, found out.
129
315660
1520
ou, en fait, trouvé.
05:17
It is the conclusion that is reached.
130
317180
2380
C'est la conclusion qui est atteinte.
05:19
Neil: Then we had 'unconstrained' to describe the
131
319560
2400
Neil : Ensuite, nous avons eu 'sans contrainte' pour décrire l'
05:21
experiment which was not carried out
132
321960
1940
expérience qui n'a pas été réalisée
05:23
in a controlled environment.
133
323900
1720
dans un environnement contrôlé.
05:25
So 'unconstrained' means
134
325620
1650
Ainsi, « sans contrainte » signifie
05:27
'not limited or restricted'.
135
327270
2150
« non limité ou restreint ».
05:29
Rob: Our next word was 'gaze'. This is a word that
136
329420
2670
Rob : Notre mot suivant était "regard". C'est un mot qui
05:32
means 'our way of looking at something'.
137
332090
2370
signifie 'notre façon de voir quelque chose'.
05:34
Neil: Yes, the findings of the research suggest
138
334460
2459
Neil : Oui, les résultats de la recherche suggèrent
05:36
that our personality can affect our gaze.
139
336920
2820
que notre personnalité peut affecter notre regard.
05:39
Rob: And this was something the computer was able
140
339740
2040
Rob : Et c'est quelque chose que l'ordinateur a
05:41
to figure out.
141
341789
1411
pu comprendre.
05:43
To 'figure out' means 'to study something
142
343200
2360
"Comprendre" signifie "étudier quelque chose
05:45
and reach an answer to a particular
143
345560
1680
et trouver une réponse à une
05:47
question or problem'.
144
347240
1500
question ou à un problème particulier".
05:48
Neil: Right! Well, you know what I’ve just figured out?
145
348740
2400
Neil : C'est vrai ! Eh bien, vous savez ce que je viens de comprendre?
05:51
Rob: Do tell!
146
351560
680
Rob : Dis-le !
05:52
Neil: It’s time to bring this edition of 6 Minute English
147
352240
2640
Neil : Il est temps de mettre fin à cette édition de 6 Minute
05:54
to an end. We hope you can join us again,
148
354880
2140
English. Nous espérons que vous pourrez nous rejoindre à nouveau,
05:57
but until then we are bbclearningenglish.com
149
357020
2780
mais jusque-là, nous sommes bbclearningenglish.com
05:59
and you can find us on social media, online
150
359800
2540
et vous pouvez nous trouver sur les réseaux sociaux, en ligne
06:02
and on our app. Bye for now.
151
362340
1760
et sur notre application. Au revoir.
06:04
Rob: Bye-bye!
152
364100
560
Rob : Au revoir !
À propos de ce site Web

Ce site vous présentera des vidéos YouTube utiles pour apprendre l'anglais. Vous verrez des leçons d'anglais dispensées par des professeurs de premier ordre du monde entier. Double-cliquez sur les sous-titres anglais affichés sur chaque page de vidéo pour lire la vidéo à partir de là. Les sous-titres défilent en synchronisation avec la lecture de la vidéo. Si vous avez des commentaires ou des demandes, veuillez nous contacter en utilisant ce formulaire de contact.

https://forms.gle/WvT1wiN1qDtmnspy7