Module 9 - Plan d’apprentissage

STT-1100 Introduction à la science des données

🎯 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.

📚 Lectures

Pour vous préparer, consultez les ressources suivantes :

🧭 Aventure

Vous incarnez un·e scientifique de données au sein du Ministère de l’Éducation du Québec. Votre mandat est double : construire un modèle prédictif à partir de données d’écoles primaires, puis explorer un jeu de données fictif pour y détecter des biais.

👉 Aventure 9 — Prédiction et biais algorithmiques

💡 Défi — Capsule vidéo

Vous devez réaliser une capsule vidéo de 180 secondes 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.

🏋️ Exercices de consolidation

Voici un exercice intégrateur basé sur le jeu de données penguins du package palmerpenguins. Il combine modélisation, interprétation et réflexion critique.

🐧 Étude de la masse corporelle des manchots

Vous travaillez pour une ONG environnementale qui souhaite mieux comprendre les facteurs influençant la masse corporelle des manchots en Antarctique. Vous disposez du jeu de données penguins, nettoyé à l’aide de la fonction drop_na() pour éviter les valeurs manquantes.

library(palmerpenguins)
library(tidyverse)

df <- penguins %>% 
  drop_na()

1. Visualisation et hypothèse

Tracez la relation entre body_mass_g et flipper_length_mm. Est-ce qu’une relation linéaire vous semble plausible ?

💡 Solution Utilisez ggplot(df, aes(x = flipper_length_mm, y = body_mass_g)) + geom_point() + geom_smooth(method = "lm"). La relation est clairement linéaire.

2. Régression simple

Ajustez un modèle body_mass_g ~ flipper_length_mm. Interprétez la pente.

💡 Solution Chaque mm supplémentaire de longueur de nageoire est associé à une augmentation moyenne de X grammes de masse corporelle (voir valeur exacte dans le modèle).

3. Régression multiple

Ajustez maintenant body_mass_g ~ flipper_length_mm + sex. Quelle est la variable de référence ? Quelles différences observez-vous ?

💡 Solution R utilise la première modalité alphabétique comme référence (ici probablement “female”). Le coefficient de sexmale représente la différence moyenne de masse entre mâles et femelles, à longueur égale.

4. Prédictions ciblées

Prédisez la masse corporelle pour un manchot avec 200 mm de longueur de nageoire, mâle.

💡 Solution Créer une table newdata <- tibble(flipper_length_mm = 200, sex = "male") puis faire predict(model, newdata).

5. Réflexion critique

La variable species est-elle pertinente à inclure ? Quelle précaution devez-vous prendre si vous l’ajoutez ?

💡 Solution Oui, species est très corrélée avec la masse. Il faut faire attention à la multicolinéarité si elle est fortement liée aux autres prédicteurs.

Bonne exploration !