# df_ecoles <- read_csv("ecoles_primaires_qc.csv") # File missing
glimpse(df_ecoles)Aventure 9 - Prédiction et biais algorithmiques
STT-1100 Introduction à la science des données
🎬 Mise en situation : Contrôle de la qualité en éducation
Vous travaillez comme scientifique de données junior au département de contrôle de la qualité et de l’équité au Ministère de l’Éducation du Québec. Votre mandat : utiliser des données réelles et fictives pour identifier, évaluer et atténuer des biais algorithmiques dans les décisions éducatives.
Votre supérieur, Michel Dufour, directeur adjoint du département, vous accueille avec ces mots :
« Bienvenue dans l’équipe ! Notre travail est crucial : assurer que chaque enfant ait des chances égales de réussite. Pour cela, nous devons non seulement prédire efficacement certains indicateurs, mais aussi comprendre et éviter les biais dans nos modèles. »
Note
Votre interlocuteur : Michel Dufour
Il vous accompagne dans cette aventure : il posera des questions clés et attendra vos résultats et analyses détaillées.
Objectifs de l’aventure
- Construire un modèle prédictif clair à partir de données réelles.
- Identifier et expliquer des biais potentiels sur des données fictives.
- Présenter clairement vos analyses et réflexions sur ces biais.
- Proposer des recommandations concrètes pour atténuer ces biais.
📚 Mission 1 : Modèle prédictif à l’échelle des écoles
Michel vous remet un fichier de données issues du portail Données Québec. Ces données contiennent des informations de défavorisation sur les écoles primaires du Québec.
🧑💼 - Michel vous explique
« Je vous invite à explorer les données. Mais attention : les noms des colonnes ne sont pas toujours intuitifs. Commencez par visiter la page de documentation sur Données Québec pour bien comprendre leur signification. »
Étape 1 : Exploration et nettoyage
- Identifiez les variables pertinentes.
- Faites un nettoyage sommaire si nécessaire (valeurs manquantes, types de données, etc.).
- Réalisez une analyse descriptive complète de ces données (référez-vous aux modules 2 à 4).
Étape 2 : Modèle de régression
🧑💼 - Michel vous demande
« J’aimerais que vous construisiez un modèle de régression linéaire pour prédire l’IMSE (Indice de Milieu Socio-Économique), à partir de deux variables : la proportion d’élèves à faible revenu (SFR) et le nombre total d’élèves dans l’école. »
modele <- lm( ... , data = ...)
summary(modele)
🧑💼 - Michel vous interroge
« Une fois le modèle construit, pouvez-vous m’expliquer, en langage simple, ce que signifient les deux coefficients ? »
Étape 3 : Prédictions ciblées
Vous utiliserez ensuite la fonction predict() pour générer des prédictions d’IMSE à partir de votre modèle.
predict(modele, newdata = df_ecoles)
🧑💼 - Michel précise
« J’aimerais que vous utilisiez votre modèle pour : »
- prédire l’IMSE pour les 10 écoles les plus grandes (en nombre d’élèves);
- prédire l’IMSE pour les 10 écoles ayant les SFR les plus élevés.
Comparer les valeurs prédites aux valeurs réelles. Votre modèle est-il bon?
Étape 4 : Prédictions sur écoles manquantes
🧑💼 - Michel ajoute
« Dernière chose : dans les données, certaines écoles ont la variable Diffusion à “NON”. Ces écoles n’ont pas d’IMSE mesuré — souvent parce qu’elles comptent moins de 30 élèves. »
« Pouvez-vous utiliser votre modèle pour prédire l’IMSE de toutes les écoles ayant moins de 30 élèves ? Ensuite, j’aimerais savoir : que pensez-vous de la validité de ces prédictions ? Peut-on s’y fier ? »
📊 Mission 2 : Détection des biais individuels
Michel vous fournit également un jeu de données fictif de 1000 élèves. À première vue, ce jeu semble neutre. Mais est-ce vraiment le cas ?
Chargez les données :
df_eleves <- read_csv("eleves_fictifs.csv")
glimpse(df_eleves)Étape 1 : Analyse globale
Commencez par calculer et visualiser le taux d’admission global.
df_eleves %>%
count(Admission) %>%
mutate(pct = n / sum(n))Discutez de ce que vous observez : est-ce équilibré ? Surprenant ?
Étape 2 : Analyse par groupe
Maintenant, explorez les taux d’admission selon le sexe.
# code a modifier
df_eleves %>%
count(Admission) %>%
group_by(Sexe) %>%
mutate(pct = n / sum(n))Produisez un graphique clair pour illustrer les différences potentielles.
Étape 3 : Discussion guidée
- Voyez-vous une différence notable entre les groupes ?
- Cette différence est-elle justifiée ? Quelles hypothèses pouvez-vous faire ?
- Peut-on parler de biais ici ? Pourquoi ?
Étape 4 : Exploration d’autres variables
Poursuivez ensuite avec l’analyse selon d’autres variables (langue maternelle, niveau socio-économique, accès aux ressources).
Vous pouvez reproduire la même logique : tableau croisé + graphique + interprétation.
À rendre : une brève synthèse présentant le ou les biais détectés, avec un appui visuel clair et des recommandations ou pistes d’amélioration.
📹 Défi à remettre
Vous devrez réaliser une capsule vidéo de 180 secondes maximum dans laquelle vous présentez :
- Soit votre modèle prédictif à partir des données réelles (Mission 1).
- Soit votre analyse du biais détecté à partir des données fictives (Mission 2).
Votre capsule doit inclure :
- Une courte introduction (mise en contexte).
- Votre méthodologie brièvement expliquée.
- Vos résultats présentés de manière visuelle (tableaux, graphiques).
- Une conclusion claire avec des recommandations ou pistes d’amélioration.
Votre capsule vidéo devra être déposée sur le dépôt GitHub indiqué.
Tip
🎯 Conseils pour réussir votre vidéo :
- Soyez concis et clair.
- Appuyez-vous sur des graphiques lisibles.
- Parlez lentement, distinctement, et soyez dynamique !
✅ Conclusion de l’aventure
Vous avez construit un modèle prédictif utile pour la prise de décision et appris à détecter des biais critiques dans des données individuelles.
Bravo pour votre rigueur, votre sens de l’observation et votre posture éthique ! 🎉📊