připomenutí předchozí hodiny a uvedení problému „Chyba, přesnost a zkreslení“. 5–12 min: stručná teorie – chyba modelu, přesnost, falešný výsledek, reprezentativnost, bias. 12–18 min: společná ukázka prvního kroku a kontrolních kritérií. 18–36 min: samostatná práce nebo práce ve dvojici – Porovnat výkon modelu na dvou skupinách dat a navrhnout doplnění dat. 36–41 min: vzájemná kontrola podle zadání a oprava zjištěné chyby. 41–45 min: uložení výstupu (Kritický rozbor výsledků), krátký exit ticket a pojmenování dalšího kroku.
Chyba, přesnost a zkreslení
Žák rozpozná, že nerovnoměrná nebo nekvalitní data mohou vést ke zkreslení.
Struktura 45minutové hodiny
Ukázka a vysvětlení postupu
Video ukáže princip, první kroky, kontrolu a typickou chybu. Nebude obsahovat celý hotový upravitelný úkol.
provider: youtube · youtubeId: ""Výklad: z čeho se učíš
Výstup modelu závisí na datech, cíli a způsobu hodnocení. Výsledek AI je potřeba ověřovat, zasadit do kontextu a chránit vstupní data.
V hodině „Chyba, přesnost a zkreslení“ je hlavním cílem: Žák rozpozná, že nerovnoměrná nebo nekvalitní data mohou vést ke zkreslení. Nejde pouze o dokončení jednotlivých kliknutí nebo příkazů; důležité je umět vysvětlit, proč zvolený krok vede k cíli a co se v průběhu práce mění.
Klíčové pojmy chyba modelu, přesnost, falešný výsledek, reprezentativnost, bias tvoří společný jazyk pro popis řešení. Při praktické práci v prostředí „Tabulkový dokument“ sleduj vstup, jednotlivé kroky, mezivýsledek a způsob kontroly. Pokud některý krok nelze popsat nebo zopakovat, postup ještě není dostatečně přesný.
Praktická část vychází ze zadání: Porovnat výkon modelu na dvou skupinách dat a navrhnout doplnění dat. Výsledkem musí být „Kritický rozbor výsledků“. Hotový výstup nestačí pouze ukázat; musí být možné doložit, že vznikl z pracovních podkladů a že splňuje uvedená hodnoticí kritéria.
Před odevzdáním ověř zejména: Věcná interpretace a návrh zlepšení. U programů nebo modelů použij více vstupů, u diagramů zkontroluj vztahy a popisky, u dokumentace ověř úplnost. Chybu nejprve přesně popiš, potom změň jen jednu věc a znovu výsledek otestuj.
Slovníček pojmů
chyba modelu
Situace, kdy skutečný zápis, běh nebo výsledek neodpovídá pravidlům či očekávání; její typ určuje způsob hledání příčiny.
přesnost
Míra shody výstupů modelu se správnými očekávanými výsledky podle zvoleného kritéria.
falešný výsledek
Nesprávná předpověď, například falešně pozitivní nebo falešně negativní rozhodnutí.
reprezentativnost
Míra, s jakou data odpovídají skupinám a situacím, pro které má být model používán.
bias
Systematické zkreslení dat, postupu nebo modelu, které vede k nerovnoměrným či nepřesným výsledkům.
Postup krok za krokem
- 01
Ve studentské lekci si přečti cíl a otevři pracovní podklady. Připrav prostředí: Tabulkový dokument. Originální podklady ponech beze změny a pracuj s kopií ve vlastní složce.
- 02
Pojmenuj pracovní složku ve tvaru „23_chyba-presnost-a-zkresleni_prijmeni“. Uvnitř odděl zdrojové soubory, vlastní práci a výsledný export.
- 03
Rozděl zadání na menší ověřitelné kroky: Porovnat výkon modelu na dvou skupinách dat a navrhnout doplnění dat. Nejprve vytvoř nejjednodušší funkční nebo srozumitelnou variantu.
- 04
Po každém významném kroku výsledek spusť, otevři nebo jinak zkontroluj. Zapisuj testovací vstup, skutečný výsledek a případnou opravu; neměň více nezávislých věcí najednou.
- 05
Porovnej práci s kritérii „Věcná interpretace a návrh zlepšení“. Oprav alespoň jednu konkrétní slabinu zjištěnou vlastní nebo vrstevnickou kontrolou.
- 06
Ulož zdrojovou i výslednou podobu. Odevzdej „Kritický rozbor výsledků“ v požadovaném formátu a přidej krátké zdůvodnění, jak jsi správnost ověřil/a.
Stáhni si soubory, se kterými budeš pracovat

Náhled ukazuje pouze strukturu a typ výsledku. Hotové upravitelné řešení ve studentské části není.
Pracovní podklad určený k samostatnému zpracování.
23_PODKLADY_README.txt · 1 kBPracovní podklad určený k samostatnému zpracování.
23_data_modelu.csv · 1 kBPracovní podklad určený k samostatnému zpracování.
23_overovaci_protokol.txt · 1 kBPracovní list
Co už o tématu „Chyba, přesnost a zkreslení“ víš? Uveď konkrétní příklad nebo situaci.
Vysvětli vlastními slovy alespoň tři pojmy: chyba modelu, přesnost, falešný výsledek, reprezentativnost, bias. Ke každému přidej použití v dnešní úloze.
Které rozhodnutí je při řešení úkolu „Porovnat výkon modelu na dvou skupinách dat a navrhnout doplnění dat.“ nejdůležitější a podle čeho je uděláš?
Rozepiš vlastní postup k zadání: Porovnat výkon modelu na dvou skupinách dat a navrhnout doplnění dat.
Převeď hodnoticí kritéria na kontrolní otázky: Věcná interpretace, návrh zlepšení.
Napiš jeden pochopený princip, jednu provedenou opravu a jeden další krok.
Chyba, přesnost a zkreslení
Porovnat výkon modelu na dvou skupinách dat a navrhnout doplnění dat. 1. Pojmenuj pracovní složku ve tvaru „23_chyba-presnost-a-zkresleni_prijmeni“. Uvnitř odděl zdrojové soubory, vlastní práci a výsledný export. 2. Rozděl zadání na menší ověřitelné kroky: Porovnat výkon modelu na dvou skupinách dat a navrhnout doplnění dat. Nejprve vytvoř nejjednodušší funkční nebo srozumitelnou variantu. 3. Po každém významném kroku výsledek spusť, otevři nebo jinak zkontroluj. Zapisuj testovací vstup, skutečný výsledek a případnou opravu; neměň více nezávislých věcí najednou. 4. Porovnej práci s kritérii „Věcná interpretace a návrh zlepšení“. Oprav alespoň jednu konkrétní slabinu zjištěnou vlastní nebo vrstevnickou kontrolou.
Očekávaný výstup
Kritický rozbor výsledků
Odevzdání praktického úkolu
Kritický rozbor výsledků
Dokonči praktickou práci a odevzdej důkaz: Kritický rozbor výsledků. Použij studentské podklady, zpracuj je samostatně a před odevzdáním projdi kontrolní kritéria. Hotové řešení je dostupné pouze v učitelské části.