Academia.edu no longer supports Internet Explorer.
To browse Academia.edu and the wider internet faster and more securely, please take a few seconds to upgrade your browser.
…
18 pages
1 file
i am a student
Elle est marquée par les travaux de E.Goffman. Ce dernier a élaboré plusieurs notions importantes dans l'analyse des interactions. Nous nous basons sur trois de ces notions : le cadre participatif, le rituel et la face.
Dans tout ce chapitre, n et p sont deux entiers naturels non nuls.
Le chapitre 13 de l'évangile johannique présente de nombreuses particularités. Il relate un événement oublié par les synoptiques : le lavement des pieds. Par contre, il élude l'institution de l'eucharistie tout en situant le geste symbolique du service au cours d'un repas à connotation pascale. Il tient une place importante dans la structure du quatrième évangile. Avec lui, commence le livre de la gloire* (Jn 13-21) après le livre des signes (Jn 1-12). Par lui, le lecteur entre donc dans les heures décisives de la Passion du Christ. Grâce à lui, il va avoir la clef de lecture de toute la vie de Jésus : l'amour (Jn 13, 1). Le narrateur a un rôle essentiel dans ce chapitre. Par le procédé littéraire de ce que l'analyse narrative nomme la focalisation zéro, il se place comme une sorte de témoin en trois dimensions. • Il sait tout des intentions et des consciences de chacun des personnages de la scène comme s'il en faisait partie. • Il connaît ce qui va se passer après, de la même façon qu'il explique ce qui s'est déroulé avant, comme s'il était au-dessus des évènements décrits. • Le narrateur omniscient partage même l'état de conscience du personnage central, Jésus. Il sait son temps (v1), son origine (v3), sa destination (v1. 3), son identité de Fils ayant tout reçu du Père (v3). Il est témoin qu'il remplit sa mission jusqu'à l'extrême* (τελος). La dernière partie centrée sur le commandement nouveau révèlera que Jean voulait faire comprendre à son lecteur que Jésus est fidèle lui-même à ce qu'il enseigne. Il a aimé les siens du début à la fin de sa vie. Ce trait d'omniscience est également attribué à Jésus. Jésus surplombe absolument la scène et les autres convives : il sait qui va le livrer (v3). Il sait que Pierre va le renier trois fois (v38). Il sait qui l'a envoyé (v3). Il sait qui il est (v13). Il connaît les Ecritures qui s'appliquent à lui (v18). Cette double omniscience du narrateur et de Jésus comme personnage principal renforcent l'impression d'une Histoire surpassée et contemplée d'en haut. Ici, Jean mérite pleinement son attribut évangélique, l'aigle qui plane au-dessus de la terre et qui, du ciel, la regarde. Nous proposons une structure littéraire de ce chapitre en cinq parties plus une. Cette dernière est la première et consiste en une prolepse* (versets 1 à 5). Structure du texte Versets 1-5 : Prolepse. Versets 6-11 : Jésus et Pierre : la nécessité d'être purifié pour avoir part avec Jésus. Versets 12-20 : Enseignement sur le sens du lavement de pieds et consolation par Jésus. Versets 21-30 : L'épisode de la bouchée et la trahison de Judas. Cette analyse met au centre l'épisode de la bouchée qui est l'élément symbolique de la trahison de Judas déjà annoncée dans la prolepse. Comme souvent chez Jean, de nombreux thèmes sont abordés et joints les uns aux autres dans une logique de vagues successives : • le lavement des pieds, image du service, de la purification et de l'humilité.
Cours réseaux et télécoms Avec exercices corrigés 3 e édition
Le rôle de l'infiniment petit est infiniment grand. » Louis Pasteur Remerciements 1 Remerciements A Messieurs le Professeur Michel Manfait et le Professeur Olivier Piot, Je vous remercie sincèrement pour m'avoir accueillie et pour m'avoir permis de réaliser ce travail au sein de votre unité que vous avez dirigée successivement lors de ces trois années de thèse. Je vous suis très reconnaissante pour m'avoir donné l'occasion de présenter mon travail dans des congrès nationaux et internationaux. Je vous suis très reconnaissante d'avoir accepté d'être rapporteur de cette thèse, je vous remercie pour votre participation au Jury de soutenance et pour l'intérêt que vous avez porté à mon travail. A Monsieur le Professeur Olivier Sire, Je vous suis très reconnaissante d'avoir accepté d'être rapporteur de cette thèse, je vous remercie pour votre participation au Jury de soutenance et pour l'intérêt que vous avez porté à mon travail. A Monsieur le Docteur Wilfried Ablain, Je vous remercie sincèrement d'avoir accepté de faire partie du Jury de soutenance. Je vous remercie également pour votre contribution à l'élaboration de ce travail. A Madame le Docteur Caroline Amiel, Je vous exprime toute ma reconnaissance de m'avoir initié à la spectroscopie vibrationnelle lors de mon passage au sein de votre équipe pour y effectuer mon stage de Master 2 ainsi que pour avoir guidé mes premiers pas dans le monde de la recherche. Je vous remercie pour votre soutien et vos encouragements que vous m'avez apporté. Je n'oublie pas que c'est grâce à vous si j'ai pu réaliser cette thèse. Cela me fait extrêmement plaisir que vous ayez accepté d'examiner mon travail et de me faire l'honneur de participer au Jury de soutenance. A Monsieur le Professeur Michel Manfait, Je vous adresse mes remerciements les plus respectueux pour avoir accepté d'être membre du Jury de soutenance. Je vous remercie pour l'intérêt que vous avez porté à ce travail, ainsi que pour votre sympathie. A Monsieur le Docteur Jayakrupakar Nalalla, Nuvvu naku chesina prathi daniki am forever gratefull to you. Nenu neku eppatiki runapadiuntanu. Nevichina encouragement, advices ki chala thanks. Nrnnu opikaga vinnaduku neku ela thanks cheppalo ardam avvatledu. Nuvvu naa work environment ni fun environment ga marchavu with your humor. Mana madhyalo oka viluvaina sambandham erpadindi. Mana projects aipoiundochu kani mana friendship will last forever. Je tiens à remercier également : Stéphane Huet et Nadia Leden pour leur collaboration au sein de ce projet. Les discussions que nous avons pu avoir lors des réunions de projets m'ont beaucoup apporté. L'équipe Médian et plus particulièrement : Céline, Mathilde, Sunny, Teddy et The Thuong, pour tous les bons moments que l'on a passé ensemble. Ces trois années passées à Reims n'auraient pas été les mêmes sans votre présence, votre sympathie et votre bonne humeur. Je remercie respectueusement mes parents, Catherine et Didier, pour leur soutien sans faille et leurs encouragements, non seulement au cours de ces trois années mais aussi tout au long de mon parcours, et sans lesquels je n'en serais pas là aujourd'hui. Vous m'avez donné toutes les chances pour réussir et c'est grâce à vous que je suis ce que je suis maintenant. Je remercie sincèrement ma soeur Aurore pour son aide précieuse et pour avoir toujours été à mes cotés durant ces années. Enfin, je remercie Arnaud, mon mari, pour son soutien indéfectible, et pour avoir fait preuve de compréhension et d'écoute malgré l'éloignement. Merci à Cannelle pour sa tendresse et son réconfort. Je ne pourrais vous remercier assez... Ces remerciements ne peuvent s'achever sans une pensée pour Alexandre Mazine. Je dédie cette thèse à Claude Grimoult. Amide II νCN, δNH Lipides, Proteines νCH, νO-H, νNH Amide I νC=O, νCN, δNH Lipides νC=O Ribose, Glycogène, Chitines, Mannanes, Glucanes, Acides nucléiques νC-O-C, νC-C, νP=O, νC-O Acides nucléiques νP=O Lipides δCH Groupes aromatiques δCH Absorbance Nombre d'onde (cm -1 ) This study proposes a comparative investigation of different linear and non-linear chemometrics methods for filamentous fungi discrimination and identification applied to the same database of infrared spectra. The latter concerned 277 strains, (14 genus, 36 species), identified and validated by DNA sequencing, analyzed by high throughput FTIR spectroscopy. A cascade of 20 supervised models based on taxonomic ranks was defined to predict spectra until the species taxonomic rank. The cascade modeling and FTIR spectra, acquired from the mycelia, were used to test 11 algorithms of supervised classification methods. Among these, 5 algorithms were linear (LDA, FDA, SIMCA, PLS-DA, and SVM) and 6 non-linear (QDA, KNN, PNN, and SVM with RBF (Radial Basis Function), sigmoid and polynomial kernel function). To assess these algorithms, indicators of classification rates and McNemar's tests were defined and applied in same way to each of them. Concerning linear algorithms, the PLS-DA showed the best classification potential and for non-linear algorithms, the KNN method gave the best classification. It is noteworthy that the performances of SVM and PLS-DA algorithms are almost equivalent and highlights a tendency to possible complementarities between the two methods.