BAC תחת זכוכית מגדלת

הקשר

לאורך השנים, תוצאות בחינת הבגרות מספקות תמונה מפורטת על ביצועי בתי הספר התיכוניים ברומניה. על ידי ניתוח נתונים היסטוריים על פני מספר שנים, אנו יכולים לגלות מגמות, התפתחות ביצועים לימודיים ולעיתים, תוצאות החורגות מהדפוס.

בהקשר זה, המטרה של בעיה זו היא לנתח סטטיסטית את ביצועי בתי הספר התיכוניים בבחינת הבגרות, לבנות מודלים חיזויים ולזהות תוצאות לא טיפוסיות באמצעות שיטות של Machine Learning.

תיאור הנתונים

כדי לפתור את הדרישות של בעיה זו יש לכם גישה למערך נתונים מובנה בצורת שני קבצי csv: train.csv ו-test.csv. מערך נתונים זה מכיל תוצאות מצטברות של בתי ספר תיכוניים במבחנים שונים של בחינת הבגרות, לתקופה 2014–2023.

כל שורה במערך הנתונים (בין אם מדובר במערך האימון או זה לבדיקה) מייצגת את התוצאות של בית ספר תיכון, עבור מקצוע, בשנה.

עמודות זמינות:

• id – מזהה ייחודי של השורה
• an – שנת הבחינה
• liceu – שם בית הספר התיכון
• judet – המחוז בו נמצא בית הספר התיכון
• materie – מקצוע הבגרות
• medie – ממוצע הציונים שהשיגו תלמידי בית הספר התיכון במקצוע המתאים
• procent_reusita – אחוז התלמידים שעברו את המבחן
• numar_candidati – מספר המועמדים
• preferinta_materie – אחוז התלמידים שבחרו במקצוע המתאים
• anomalie - יכול לקבל את הערך 0 אם זה לא נחשב למצב חריג או את הערך 1 אם המצב הוא בלתי רגיל.

הערה: עבור כל בית ספר תיכון יש לנו גם סטטיסטיקות כלליות. עבור אלה, בעמודה materie אנו מוצאים את הערך GENERAL.

הקובץ train.csv מכיל את הסטטיסטיקות מהתקופה 2014-2022, והקובץ test.csv מכיל את הנתונים לשנת 2023, אך העמודות medie ו-anomalie אינן זמינות.

דרישות

דרישה 1 - זיהוי המקצוע המועדף (10 נקודות)

זהו איזה היה המקצוע עם ההעדפה הגבוהה ביותר בשנת 2023 בCOLEGIUL NATIONAL "UNIREA" FOCSANI, אם אנו מחריגים את המקצוע LIMBA ROMANA שהיה חובה לכל המועמדים.

דרישה 2 - זיהוי השנה המשגשגת למדעי המחשב (10 נקודות)

זהו באיזו שנה מהתקופה 2014-2022 המקצוע INFORMATICA MI C-C++ היה בעל הפופולריות הגבוהה ביותר בCOLEGIUL NATIONAL "UNIREA" FOCSANI. אנו מחשיבים שהפופולריות נקבעת על ידי האחוז מהעמודה preferinta_materie (ככל שהאחוז הזה גבוה יותר, כך נחשיב שהמקצוע היה פופולרי יותר).

דרישה 3 - הערכת ביצועי בתי הספר התיכוניים (40 נקודות)

באמצעות המידע הזמין בקובץ train.csv, העריכו את הערך של הממוצע שהושג עבור כל שורה בקובץ test.csv (שנת 2023).

עבור דרישה זו תוכלו להשתמש בכל שיטה של ניתוח סטטיסטי או מידול המבוססת על הנתונים ההיסטוריים, תוך התחשבות ב:

• המקצוע הנותח,
• ההיסטוריה של בית הספר התיכון,
• ההתפתחות לאורך זמן של התוצאות,
• ההקשר הכללי של הביצועים ברמת המחוז או הארצית.

המטרה היא השגת הערכות הקרובות ביותר לערכים האמיתיים.

דרישה 4 - זיהוי תוצאות לא טיפוסיות (40 נקודות)

נתחו את הנתונים ההיסטוריים מהתקופה 2014–2022 והחליטו, עבור כל שורה בקובץ test.csv, אם התוצאה המתאימה לשנת 2023 היא:

• אחת רגילה, או
• אחת לא טיפוסית, הסוטה באופן משמעותי מההתנהגות הרגילה.

בקבלת ההחלטה תוכלו להתחשב ב:

• ההיסטוריה של בית הספר התיכון המתאים,
• השינויים משנה לשנה,
• ההבדלים בין מקצועות,
• ההשוואה עם בתי ספר תיכוניים דומים.

התוצאה הסופית עבור כל שורה צריכה להיות תווית בינארית:

• 0 - תוצאה רגילה
• 1 - תוצאה לא טיפוסית

פורמט ההגשה

להערכה אוטומטית עליכם להעלות קובץ בפורמט csv עם המבנה הבא:

• id – מזהה השורה (המתאים לזה מ-test.csv)
  • עבור משימה 1, תשתמשו בערך 1 עבור id
  • עבור משימה 2, תשתמשו בערך 2 עבור id
• subtaskID – מזהה הדרישה:
  • 1 לזיהוי המקצוע המועדף (דרישה 1)
  • 2 לזיהוי השנה המשגשגת למדעי המחשב (דרישה 2)
  • 3 להערכת הממוצע (דרישה 3)
  • 4 לזיהוי תוצאות לא טיפוסיות (דרישה 4)
• answer – התשובה המתאימה לדרישה:
  • עבור subtaskID = 1: שם המקצוע בדיוק כפי שהוא מופיע במערך הנתונים
  • עבור subtaskID = 2: השנה
  • עבור subtaskID = 3: ערך מספרי (הערכת הממוצע)
  • עבור subtaskID = 4: 0 או 1

הערכה

עבור דרישות 1–2 ההערכה נעשית בדיוק (על ידי השוואה).

עבור דרישה 3 ההערכה נעשית באמצעות Mean Absolute Error (MAE).

כללים:

• MAE < 0.3 → ציון מקסימלי
• MAE > 1.0 → 0 נקודות
• עבור ערכים בין שני הספים הללו, הציון מוענק באופן יחסי.

עבור דרישה 4, הציון מוענק על פי הכללים הבאים:

• AUC ≥ 0.95 → 40 נקודות
• AUC ≤ 0.70 → 0 נקודות
• הטווח ביניהם: ציון יחסי

⬇️ הורד Starter Kit