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 cinq étapes du plan: lectures, aventure, défi, exercices et rétroaction avec ou sans IA. Ouvrez les cartes pour voir l’action attendue et le lien utile. La rétroaction revient sur un élément du travail déjà réalisé; elle ne demande aucune remise supplémentaire.
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.
5 Rétroaction Faire relire un extrait du travail, puis décider quoi améliorer soi-même. Démarche et exemples Ouvrir la carteRéduire
Rétroaction: une prédiction dont on connaît les limites
Après une première tentative, choisissez un point à améliorer sur la régression, les prédictions et les biais. Utilisez la démarche de rétroaction avec ou sans IA; cette routine n'ajoute pas de remise aux consignes.
Une demande adaptée au module 9
Je travaille sur la régression, les prédictions et les biais. Voici la consigne, les critères pertinents et la formule du modèle, une sortie R, une prédiction et mon explication de ses limites. Relève un point réussi et au maximum deux améliorations, dont une interprétation de coefficient, une extrapolation ou une conclusion sur les biais à vérifier si les éléments fournis le montrent. Cite le passage concerné, distingue erreur observable et point à vérifier, puis propose un indice et un test. Ne réécris pas mon travail et attends ma correction.
- Vérifier: Vérifiez les unités, les variables et la plage observée. Reproduisez une prédiction et comparez-la aux observations; distinguez performance observée et généralisation à de nouvelles données.
- Revenir sur la correction: présentez le changement et le résultat du test, puis demandez ce qui reste à vérifier.
- Refaire sans aide: Expliquez une prédiction et une limite à un public non spécialiste, puis repérez un cas où le modèle ne devrait pas être utilisé sans vérification supplémentaire.
Sans IA, comparez votre tentative aux critères et aux exemples du cours, puis faites les mêmes vérifications. Gardez une trace courte dans la fiche de suivi, si elle vous est utile.
Confidentialité Ne transmettez aucune donnée personnelle, confidentielle ou protégée.