Grille des mini-rapports
Barème commun
| Critère | Points | Travail excellent | Travail à consolider |
|---|---|---|---|
| Question et décision | 10 | Question précise, faisable et directement reliée à une décision | Question vague, changeante ou sans décision identifiable |
| Données et provenance | 10 | Source, droits, unité, variables, qualité et limites documentés | Provenance, unité ou limites incomplètes |
| Reproductibilité | 15 | Le .qmd se rend, chemins relatifs, dépendances et étapes explicites |
Rendu impossible, étapes manuelles ou objets non définis |
| Exploration | 10 | Résumés et graphiques ciblés qui soutiennent la suite | Accumulation de sorties sans lien avec la question |
| Modélisation et validation | 20 | Méthode justifiée, référence comparée, diagnostics et validation adaptés au rapport | Comparaison, diagnostics ou validation demandés absents ou inadéquats |
| Interprétation | 15 | Résultats traduits en unités concrètes, incertitude et portée respectées | Coefficients récités, causalité non démontrée ou mesures mal lues |
| Recommandation et limites | 10 | Action proportionnée à la preuve, limite et prochaine vérification | Conclusion générique, excessive ou sans suivi |
| Communication | 5 | Structure concise, figures lisibles et texte autonome | Rapport difficile à suivre ou dépendant de la console |
| Intégrité et documentation IA | 5 | Contributions et usage de l’IA transparents; vérifications visibles | Déclaration absente, vague ou incompatible avec le travail remis |
| Total | 100 |
Attentes selon le mini-rapport
- Mini-rapport 1 : comparez un modèle de référence à une variante pertinente, justifiez le modèle retenu et interprétez un diagnostic des résidus. Une validation sur des données séparées n’est pas obligatoire. Les mesures calculées sur les données d’ajustement doivent être présentées comme telles.
- Mini-rapport 2 : une preuve hors échantillon est exigée, selon les modalités de la piste choisie. Les données de validation doivent être séparées de celles utilisées pour ajuster le modèle, sans fuite d’information.
Le critère « Modélisation et validation » vaut 20 points dans les deux rapports. La note sur 100 est ensuite convertie en une contribution de 15 % à la note finale pour chaque rapport.
Niveaux d’appréciation
- 90 à 100 : maîtrise solide et autonome.
- 80 à 89 : démarche correcte avec quelques améliorations ciblées.
- 70 à 79 : compétences essentielles présentes, mais validation ou interprétation à consolider.
- 60 à 69 : démarche partielle qui ne soutient pas encore complètement la décision.
- Moins de 60 : éléments essentiels manquants ou analyse non reproductible.
Règles transversales
- Une analyse non reproductible ne peut recevoir plus de 7 points sur 15 en reproductibilité.
- Une fuite de données ou une validation utilisant le futur invalide la preuve hors échantillon jusqu’à correction.
- Une conclusion causale non soutenue réduit les critères interprétation et recommandation.
- Une déclaration IA complète ne compense jamais une erreur statistique; elle documente le processus.