349 utenti


Libri.itPOLAR EXPRESSLINETTE – LA NUVOLETTAPINOCCHIONOVELLA DEGLI SCACCHILA FAMIGLIA VOLPITASSI 2 – CHE CONFUSIONE!
Emergency

Fai un link ad Arcoiris Tv

Fai un link ad Arcoiris Tv

Utilizza uno dei nostri banner!












Totale: 23645

Tíbet: realidad histórica vs. leyendas occidentales

Lo que dicen antropólogos, sociólogos y tibetólogos: el Reino del Tíbet (1912 - 1951) era una rígida teocracia feudalista en la que el 90% de las personas eran siervos o esclavos, el analfabetismo alcanzaba el 95% y la esperanza de vida era apenas de 35 años. Lo que Occidente quiere que pienses: el Tíbet era un paraíso espiritual que fue brutalmente invadido por China y debe recuperar su independencia. Y Brad Pitt y Richard Gere, que son guapísimos, también opinan así.

Visita: www.ahilesva.info

Evoluzione umana: Quando sono diventati bianchi gli europei?

A settembre dedicai un video alla storia degli europei: soprattutto alle varie popolazioni di nostri antenati che da varie parti del mondo sono arrivate in Europa. In quel video ho quasi completamente tralasciato un aspetto che la maggior parte delle persone trova davvero molto interessante: la concentrazione di eumelanina di questi popoli. La diffusioni delle varianti geniche che hanno portato ad una pelle più chiara si sono diffuse in tempi diversi che riassumo nel video.

Visita: www.patreon.com

Regiones aceleradas humanas: ¿Por qué tu cerebro es tan asombroso?

Un misterio: ¿por qué en nuestra rama evolutiva el cerebro ha crecido TANTO? ¿Cómo se ha convertido en el maquinón asombroso que es? Las regiones aceleradas humanas son un factor y suenan a PURA CIENCIA-FICCIÓN.

5 Tonterías que decimos sobre el cerebro

¡Me toca responder al reto de Crespo en el #CienciaClipChallenge​! Me tomé un remedio homeopático y me empezaron a pasar cosas muy raras: se me pusieron los ojos azules, me salió pelusilla en la cara y se me abotonó la camisa hasta el cuello (en la voz no me hizo nada :( ). Pero eso no me ha impedido contaros 5 cosas que decimos mal del cerebro.

El día que Einstein casi mata a la cuántica: Entrelazamiento cuántico

A principios del siglo XX casi todos los físicos estaban encantados con la física cuántica... Excepto Einstein. Odiaba tanto las implicaciones que tenía que creó el argumento definitivo para destruirla: Hoy vamos a hablar del entrelazamiento cuántico.

La guerra vista dai bambini - Riccardo Noury

17 aprile 2023
Nelle guerre degli ultimi decenni, a diverse latitudini - Iraq, Libano, Afghanistan, Libia, Siria, Ucraina - uno dei prezzi più alti è stato pagato dai bambini, sempre più spesso protagonisti e testimoni muti, laterali, degli eventi bellici. Il termine inglese “unchilding” descrive in modo eloquente la loro esperienza durante i conflitti: il contatto con la sofferenza, la vita negli scantinati, l’esperienza dei bombardamenti, dei lutti e degli sfollamenti cancellano brutalmente il periodo della formazione, dell’istruzione, della ... continua

La salute e il benessere delle comunità: come immaginare un mondo nuovo e ... - Nerina Dirindin

6 luglio 2023 La salute e il benessere delle comunità: come immaginare un mondo nuovo e impegnarsi per costruirlo - Nerina Dirindin Chiediamo a degli esperti di raccomandare cinque libri riguardanti un argomento di interesse non solo per la comunità del Politecnico, ma anche, potenzialmente, per molti cittadini - e di spiegare le loro scelte in un’intervista.

La furia di Vlad III l’Impalatore contro gli Ottomani - Parte 2

15 preguntas para el fin del mundo con Ramón Nogueras: La libertad y el falso individualismo

Si todos fuéramos a morir mañana, ¿Qué preguntas nos haríamos hoy? Una charla profunda pero irreverente sobre el la vida, la muerte y cómo somos como Humanidad.

Visita: www.patreon.com

Paolo Dell’Aversana: Che fine ha fatto il significato?

Oggi si parla molto di Intelligenza Artificiale. Ma cosa immettiamo in input nei nostri sistemi di calcolo? Il dato o il significato? La frequente confusione che si genera tra questi due concetti fa sì che le moderne tecnologie computazionali producano spesso risultati fuorvianti. Urge una riflessione su come le “macchine che imparano” raramente si nutrano di dati assoluti, ma piuttosto delle nostre interpretazioni.