Hm, a to je prave chyba, takhle se to proste nema delat. Nejdrive se ma nezavisle a nahodne vybrat testovaci vzorek a pak ho pouzit, bez nejake zpetne filtrace. Filtraci do celeho testu prave vnasite subjektivitu.
A pokud jste nebyl vyseldky po zadani dotazu "mapa sveta" schopen nijak klasifikovat, pak jde o nedostatek vasi metody. Nemuzete z toho ale vybruslit tim, ze "nehodici se" pokusy odstranite z hodnoceni.