Pratique du Shadowing: Tie random ends: How many loops? - Apprendre l'anglais à l'oral avec la vidéo

Choisissez un mode d'entraînement

Chaque mode ouvre une salle d'entraînement en plein écran.

15 phrases
Si les phrases sont trop courtes ou trop longues, cliquez sur Edit pour les ajuster.
1
It's time for a new puzzle of the month.
2
Imagine you have a lot of pieces of string and you drop them into a box.
3
You reach in and blindly grab two random ends, and then you tie those ends together.
4
And then you do it again.
5
You choose two more ends of the strings at random, tie them together, and put the result back in.
6
Choose another two, tie those together, and so on and so forth.
7
Every now and then, you grab two ends of the same string, meaning when you tie them together you form a loop.
8
In fact, the end condition here, when there are no more endpoints left, is one where all you have are loops inside that box.
9
In this example that started with 10 total strings, we end up with 3 total loops.
10
Here's your puzzle.
11
If instead we started with 50 total strings, and you go through this whole process, tying random ends together 50 times, how many loops, on average, do you end up with?
12
By the way, for solutions to these monthly puzzles, Rather than making individual videos for each one, what I've decided to do is make longer form videos
13
that package together ones that have similar themes or problem solving tactics in their solutions.
14
For the last two puzzles, I have previews of those solutions up on Patreon, and in general Patreon is probably your best bet for where to find these solutions as they're made.
15
This isn't like a gimmick just to get more support, it's just genuinely a convenient place to start getting a little bit of feedback before their final form.

Télécharger l'application

Tout pour parler couramment

Prononciation IAChaque phrase notée
Phonétique (IPA)Maîtrisez chaque son
VocabulaireEnrichissez votre lexique
Jeu de vocabulaireApprenez en jouant
Scanner le QR
Scanner le QR
Download on theApp StoreGet it onGoogle Play

Même chaîne

Differential equations, a tourist's guide | DE1C1

Differential equations, a tourist's guide | DE1

Daily ConversationUniversity Students
Linear combinations, span, and basis vectors | Chapter 2, Essence of linear algebraC1
2

Linear combinations, span, and basis vectors | Chapter 2, Essence of linear algebra

American AccentCambridge Exam PrepUniversity StudentsWorking Adults
Fourier seriesC1
5

Fourier series

American AccentUniversity StudentsWorking Adults
Euler's Formula PoemC1
4

Euler's Formula Poem

American AccentIELTS PrepTOEFL PrepUniversity Students
Vectors | Chapter 1, Essence of linear algebraC1
2

Vectors | Chapter 1, Essence of linear algebra

American AccentBusiness EnglishUniversity StudentsWorking Adults
How might LLMs store facts | Deep Learning Chapter 7C1
3

How might LLMs store facts | Deep Learning Chapter 7

American AccentIELTS PrepTOEFL PrepUniversity Students
Essence of linear algebra previewC1
13

Essence of linear algebra preview

American AccentBusiness EnglishUniversity StudentsWorking Adults
The inscribed square problemC1
5

The inscribed square problem

American AccentUniversity StudentsWorking Adults
The Newton art puzzleC1
4

The Newton art puzzle

American AccentUniversity StudentsWorking Adults
Transformers, the tech behind LLMs | Deep Learning Chapter 5C1
5

Transformers, the tech behind LLMs | Deep Learning Chapter 5

American AccentBusiness EnglishUniversity StudentsWorking Adults
Oh, wait, actually the best Wordle opener is not “crane”…C1
2

Oh, wait, actually the best Wordle opener is not “crane”…

American AccentBusiness EnglishUniversity StudentsWorking Adults
Large Language Models explained brieflyC2
55

Large Language Models explained briefly

American AccentBusiness EnglishUniversity StudentsWorking Adults
Hilbert's Curve: Is infinite math useful?C2
3

Hilbert's Curve: Is infinite math useful?

American AccentBusiness EnglishUniversity StudentsWorking Adults
But what is a neural network? | Deep learning chapter 1C2
11

But what is a neural network? | Deep learning chapter 1

American AccentBusiness EnglishUniversity StudentsWorking Adults
But what is the Fourier Transform? A visual introduction.C1

But what is the Fourier Transform? A visual introduction.

Daily ConversationUniversity Students
Divergence and curl: The language of Maxwell's equations, fluid flow, and moreC1

Divergence and curl: The language of Maxwell's equations, fluid flow, and more

American AccentBusiness EnglishUniversity StudentsWorking Adults
But what is quantum computing? (Grover's Algorithm)C1

But what is quantum computing? (Grover's Algorithm)

American AccentBusiness EnglishUniversity StudentsWorking Adults
FOR YOU

Vidéo recommandée

SEtalk: Why Too Many Choices Make Us UnhappyB2
81
38 phrases

SEtalk: Why Too Many Choices Make Us Unhappy

American AccentIELTS PrepUniversity StudentsWorking Adults
How to get a Million YouTube Subscribers in 100 SecondsB2
4
42 phrases

How to get a Million YouTube Subscribers in 100 Seconds

American AccentBusiness EnglishUniversity StudentsWorking Adults
SEtalk: Why Children Ask WhyB1
32
37 phrases

SEtalk: Why Children Ask Why

American AccentDaily ConversationUniversity StudentsWorking Adults
Two Sum - Leetcode 1 - HashMap - PythonC1
2
110 phrases

Two Sum - Leetcode 1 - HashMap - Python

Daily ConversationUniversity StudentsWorking Adults
My Puzzle Robot is 200x Faster Than a HumanC1
6
249 phrases

My Puzzle Robot is 200x Faster Than a Human

American AccentBusiness EnglishUniversity StudentsWorking Adults
Convergence and Divergence: The Return of Sequences and SeriesC1
4
55 phrases

Convergence and Divergence: The Return of Sequences and Series

American AccentCambridge Exam PrepUniversity StudentsWorking Adults
Let’s Tie All Planets TogetherC1
14
12 phrases

Let’s Tie All Planets Together

University StudentsWorking Adults
2686 - Joke, Pun, or Prank? What’s the Difference?B2
1
379 phrases

2686 - Joke, Pun, or Prank? What’s the Difference?

American AccentDaily ConversationHigh School StudentsUniversity Students
The Banach–Tarski ParadoxC1
4
283 phrases

The Banach–Tarski Paradox

American AccentUniversity StudentsWorking Adults
Holt's Impossible Brain Teaser | Brooklyn Nine-NineB1
4
106 phrases

Holt's Impossible Brain Teaser | Brooklyn Nine-Nine

American AccentDaily ConversationHigh School StudentsUniversity Students

Vocabulaire et conseils d’expression pour cette leçon

Cette leçon d’expression orale de niveau C1 s’appuie sur la vidéo « Tie random ends: How many loops? ». Les mots qui reviennent le plus souvent : string, puzzle, loop, solutions, tie. Cette vidéo contient 15 phrases et 272 mots à répéter en shadowing. La partie parlée dure 1:20. Le locuteur parle vite, environ 204 mots par minute : attendez-vous à des liaisons et à des sons réduits. 86 % des mots font partie des 3 000 mots les plus courants en anglais ; le reste mérite d’être vu avant de commencer.

Vocabulaire clé de cette vidéo

Les 13 mots les plus avancés de la vidéo, avec leur prononciation et leur sens :

MotPrononciationSens
string nom/stɹɪŋ/corde
loop nom/luːp/boucle
puzzle nom/ˈpʌzəl/énigme, mystère
package nom/ˈpæk.ɪd͡ʒ/paquet, paquetage
solve verbe/sɒlv/résoudre, régler
feedback nom/ˈfiːdˌbæk/évaluation, réaction
tactics nom/ˈtæktɪks/tactique
convenient adjectif/kənˈviː.niənt/commode, pratique
genuinely adverbe/ˈd͡ʒɛn.ju.ɪn.li/authentiquement, réellement
preview nom/ˈpɹiːvjuː/aperçu
blindly adverbe/ˈblaɪndli/à l’aveuglette
endpoint nomextrémité
gimmick nom/ˈɡɪm.ɪk/truc, gadget

Les verbes à particule que vous entendrez

MotSens
go through verbetraverser

La grammaire de cette vidéo

Les structures que le locuteur utilise le plus, avec les mots exacts de la vidéo :

StructureDans la vidéo
Present perfect have/has + participe passé — une action passée qui compte encore maintenantI've decided
Propositions relatives who / which + proposition — une précision sur une personne ou une choseones that have

Prononciation à surveiller

Le locuteur utilise 3 contractions et formes réduites, comme I've, isn't, they're. Prononcez-les sous leur forme courte, telles que vous les entendez.

Les sons difficiles pour les francophones :

  • /tʃ/ et /dʒ/ — à ne pas adoucir en « ch » et « j »: package /ˈpæk.ɪd͡ʒ/, genuinely /ˈd͡ʒɛn.ju.ɪn.li/
  • /r/ anglais — langue recourbée, sans frotter la gorge: string /stɹɪŋ/, preview /ˈpɹiːvjuː/

Comment s’entraîner avec cette vidéo

  1. Écoutez la vidéo en entier une fois sans parler et notez les mots que vous ne connaissez pas.
  2. Commencez à la vitesse 0,75×, répétez phrase par phrase, puis revenez à la vitesse normale quand cela devient facile.
  3. Enregistrez-vous et comparez avec l’original, en faisant attention à des mots comme string, loop, puzzle.

Qu'est-ce que la technique du Shadowing ?

Le Shadowing est une technique d'apprentissage des langues fondée sur la science, développée à l'origine pour la formation des interprètes professionnels. Le principe est simple mais puissant : vous écoutez de l'anglais natif et le répétez immédiatement à voix haute — comme une ombre suivant le locuteur avec un décalage de 1 à 2 secondes. Les recherches montrent une amélioration significative de la précision de la prononciation, de l'intonation, du rythme, des liaisons, de la compréhension orale et de la fluidité.

Technique du shadowing : lire le guide complet étape par étape →