Residenseksamen

🩺 Residensuddannelseseksamen 🤖📘

Hvert år forbereder tusindvis af medicinstuderende sig på det sværeste øjeblik i deres karriere: Residensuddannelseseksamen. I måneder memorerer, gentager og løser kommende læger hundredvis af multiple choice-spørgsmål.

Men i år har den Centrale Kommission besluttet at introducere en stor innovation: en automatiseret platform, der kontrollerer og evaluerer svar ved hjælp af maskinlæring.
Desværre er systemets prototype begyndt at give fejl, og kommissionen har brug for din hjælp til at reparere det.

Du har fået stillet to filer til rådighed:

• train.csv - officielle spørgsmål med korrekte svar
• test.csv - nye spørgsmål, som du skal forudsige den korrekte variant for (fra disse vil spørgsmålene til residensuddannelseseksamen blive udvalgt 😅)

Dit mål er at rekonstruere den automatiske rettemekansime.

📊 Datasættet

Hver række repræsenterer et multiple choice-spørgsmål fra eksamen:

• SampleID – unikt identifikator for spørgsmålet
• Question – spørgsmålets formulering
• Option0, Option1, Option2, Option3 – de fire svarmuligheder
• Answer – kun i train.csv (0–3), angiver den korrekte variant

📝 Arbejdsopgave (100 point)

Byg en maskinlæringsmodel, der kan forudsige, for hvert spørgsmål i test.csv, hvilken af de fire varianter (0–3) der er det korrekte svar.

Din model vil blive evalueret ved hjælp af nøjagtighed:

• Accuracy ≥ 70% → 100 point
• Accuracy ≤ 25% → 0 point
• For mellemliggende værdier tildeles point proportionalt.

Enhver metode er tilladt: klassiske ML-algoritmer, embeddings, sprogmodeller, medicinsk BERT osv.

📄 Format for indsendelsesfile

Filen submission.csv skal indeholde en række for hvert spørgsmål i test.

Den første linje i filen indeholder følgende:

1DatapointID, PredictedAnswer

hvor:

• DatapointID - SampleID fra test
• PredictedAnswer - et tal mellem 0 og 3 (den korrekte variant forudsagt af modellen)

Eksempel (SampleID = 84f328d3-fca4-422d-8fb2-19d55eb31503):

184f328d3-fca4-422d-8fb2-19d55eb31503, 2