fix(ms-ai-architect): idx-26f dialekt-retting — reparasjonen feilet paa sin egen begrunnende akse

Punkt 2 landet som 'fairness-target values', et hybridkompositum som er hverken
norsk eller engelsk, der punkt 1 gjengir samme kildebegrep som 'target-verdiene'.
Dialekt-konsistens var HELE argumentet for aa velge omskriving framfor sletting,
saa reparasjonen feilet paa aksen den ble begrunnet med. Rettet til
'fairness-maalverdiene'.

Koherens-gjennomlesingen etter foerste edit sjekket innholds-samsvar og slapp den
gjennom - den sjekket ikke kompositum-former. En koherens-sjekk arver aksen du
hadde i tankene da du skrev den.

Ratifiseringen laa i LABELEN ('kildens ordlyd i idx-26d-dialekten'); previewet bar
den defekte formen. Labelen er det ratifiserte objektet, saa rettingen krevde ingen
re-ratifisering - men et preview som gjengir labelen feil er en levende maate aa
smugle en uratifisert form forbi en operatoer som leser previewet.

I tillegg: idx-26f-resolutionen skiller naa eksplisitt mellom punkt 2/5 (re-verifisert
denne oekten) og punkt 1/3/6/7 (verifisert under idx-26d samme dag, arvet - ikke
re-kjoert her).

Suite 1047/1047.

skills/ms-ai-governance/references/responsible-ai/transparency-documentation-standards.md

@@ -112,7 +112,7 @@ PDF-rapport designet for å dele model- og data-innsikter mellom tekniske og ikk
 **Komponenter i Scorecard:**
 
 1. **Summary / model overview**: Modelloversikt og de target-verdiene du har satt
-2. **Fairness insights**: Hvor godt modellen møter fairness-target values du har satt for de sensitive gruppene du velger
+2. **Fairness insights**: Hvor godt modellen møter fairness-målverdiene du har satt for de sensitive gruppene du velger
 3. **Top important factors**: Faktorene som påvirker modellens prediksjoner mest
 4. **Causal insights**: Causal vs correlational relationships i features
 5. **Data analysis**: Karakteristikker ved dataene dine