Prédiction et biais
Fil principalRégression, prédiction et biais
DonnéesÉcoles, élèves et données municipales sur l’eau
DéfiCapsule vidéo de 180 secondes
Produit fini du module
Produit final
Une capsule qui explique une prédiction et ses biais
Le produit fini raconte ce que le modèle apprend, ce qu’il ignore et comment les biais peuvent entrer dans une décision automatisée.
Objectifs du module
À la fin de ce module, vous devriez être capable de:
- Ajuster et interpréter un modèle de régression linéaire simple.
- Utiliser un modèle de régression linéaire simple pour obtenir des prédictions.
- Ajuster et interpréter un modèle de régression linéaire multiple.
- Reconnaître et discuter des biais potentiels, notamment ceux liés à la discrimination, dans les données ou les modèles.
Préparer le module
Prérequis
Reprenez l’interprétation d’une association du module 5 et les limites liées aux données manquantes du module 4. Une prédiction reste une aide à décrire un modèle, pas une conclusion causale.
Parcours minimal
Ajustez le modèle fourni, comparez quelques valeurs observées et prédites, examinez les erreurs et nommez une limite. Ces comparaisons utilisent les données d’ajustement: elles servent au diagnostic, non à garantir une performance sur de nouvelles données.
Capsule accessible
Préparez un plan de 180 secondes, un visuel lisible et un court transcript ou des sous-titres. La capsule doit pouvoir être comprise sans dépendre uniquement de l’audio.
Si vous bloquez
Choisissez une seule option du défi, formulez la question en une phrase et construisez un premier résultat visuel avant d’enregistrer la capsule.
Plan d’apprentissage
Les cartes reprennent les quatre blocs du plan: lectures, aventure, défi, exercices. Ouvrez les cartes pour voir l’action attendue et le lien utile.
1 Lectures à faire Préparer prédiction, diagnostics descriptifs et biais algorithmiques. Dans la carte Ouvrir la carteRéduire
Lectures
Pour vous préparer, consultez les ressources suivantes :
Introduction to Modern Statistics - Chapitre 7 : Linear regression with a single predictor
Introduction to Modern Statistics - Chapitre 8 : Linear regression with multiple predictors
Gouvernement du Canada - Guide sur la prise de décisions automatisée
NIST SP 1270 - Towards a Standard for Identifying and Managing Bias in Artificial Intelligence
Aide-mémoires Posit
Data transformation with dplyr :: Cheatsheet
Préparer les tableaux avant d'ajuster et d'interpréter le modèle.Data visualization with ggplot2 :: Cheat Sheet
Visualiser les diagnostics descriptifs, les prédictions et les erreurs.
Après les lectures, vérifiez les idées clés avec le mini-test formatif du module 9.
2 Aventure Construire un modèle simple et lire ses erreurs. Aventure Ouvrir la carteRéduire
Objectif Passer de la lecture à la pratique guidée.
Ressource Page Aventure
Action Suivre les consignes, exécuter le code et garder les sorties importantes.
Résultat Un premier objet de travail que vous pouvez expliquer.
Arrêtez-vous après chaque résultat important et formulez ce qu’il montre.
3 Défi Expliquer en capsule ce que le modèle apprend et rate. Défi Ouvrir la carteRéduire
Défi - Capsule vidéo
Vous devez réaliser une capsule vidéo de 180 secondes maximum dans laquelle vous présentez :
- soit un modèle prédictif construit dans la Mission 1 ;
- soit une analyse critique d’un biais détecté dans la Mission 2.
La capsule doit inclure :
une introduction claire ;
une méthodologie brève ;
des résultats visuels (graphiques, tableaux) ;
une conclusion avec au moins une recommandation.
La consigne complète est disponible dans la page Défi 9. Le dépôt de départ est STT-1100/aventure-9.
4 Exercices Reprendre variables, prédictions et limites du modèle. Exercices Ouvrir la carteRéduire
Ressource Page Exercices
Pourquoi Les exercices sont indépendants de l'aventure et du défi. Ils consolident la prédiction, les erreurs de modèle et les biais de couverture avec deux extraits réels de la Stratégie québécoise d'économie d'eau potable.
Refaites au moins un passage sans regarder la solution immédiatement.
Données et outils
Révision et prolongement
Finir le module avec l’IA du cours
Ouvrez la page IA ou GPT STT-1100, puis demandez une rétroaction ciblée:
Voici mon travail pour ce module. Questionne mon raisonnement, repère une ligne de code fragile, vérifie si mon interprétation répond à la consigne, puis propose une seule amélioration réaliste que je peux faire moi-même.
- Expliquez le produit fini en trois phrases.
- Collez un extrait de code ou de sortie et demandez un diagnostic.
- Demandez une variante plus ambitieuse, puis choisissez ce qui reste raisonnable.