BAC микроскоп астында

Контекст

Жылдар бойы Бакалавриат емтиханының нәтижелері Румынияның лицейлерінің өнімділігі туралы толық көрініс береді. Бірнеше жыл бойынша тарихи деректерді талдау арқылы біз тенденцияларды, білім беру өнімділігінің эволюциясын және кейде үлгіден ауытқитын нәтижелерді ашып көре аламыз.

Осы контекстте бұл есептің мақсаты - Бакалавриат емтиханындағы лицейлердің өнімділігін статистикалық талдау, болжамды модельдер құру және Machine Learning әдістерін пайдаланып атипикалық нәтижелерді анықтау.

Деректердің сипаттамасы

Осы есептің талаптарын шешу үшін сізде екі csv файлы түрінде құрылымдалған деректер жиынына қол жетімділік бар: train.csv және test.csv. Бұл деректер жиыны 2014–2023 кезеңіндегі Бакалавриат емтиханының әртүрлі сынақтарындағы лицейлердің жиынтық нәтижелерін қамтиды.

Деректер жиынының әрбір жолы (дайындық жиыны немесе тестілеу жиыны туралы болсын) бір лицейдің, бір пән бойынша, бір жылдағы нәтижелерін білдіреді.

Қол жетімді бағандар:

• id – жолдың бірегей идентификаторы
• an – емтихан жылы
• liceu – лицей атауы
• judet – лицей орналасқан округ
• materie – Бакалавриат пәні
• medie – лицей оқушыларының осы пән бойынша алған бағаларының орташасы
• procent_reusita – сынақты тапсырған оқушылардың пайызы
• numar_candidati – кандидаттар саны
• preferinta_materie – осы пәнді таңдаған оқушылардың пайызы
• anomalie - қалыпты емес жағдай болып саналмаса 0 мәнін немесе жағдай ерекше болса 1 мәнін ала алады.

Ескерту: Әрбір лицей үшін бізде жалпы статистика да бар. Олар үшін materie бағанында GENERAL мәнін табамыз.

train.csv файлы 2014-2022 кезеңінен алынған статистиканы қамтиды, ал test.csv файлы 2023 жылының деректерін қамтиды, бірақ medie және anomalie бағандары қол жетімді емес.

Талаптар

1-талап - Сүйікті пәнді анықтау (10 ұпай)

Барлық кандидаттар үшін міндетті болған LIMBA ROMANA пәнін қоспағанда, 2023 жылы COLEGIUL NATIONAL "UNIREA" FOCSANI мектебінде ең жоғары таңдауға ие болған пәнді анықтаңыз.

2-талап - Информатика үшін гүлденген жылды анықтау (10 ұпай)

2014-2022 кезеңінде INFORMATICA MI C-C++ пәні COLEGIUL NATIONAL "UNIREA" FOCSANI мектебінде қай жылы ең жоғары танымалдылыққа ие болғанын анықтаңыз. Танымалдылық preferinta_materie бағанындағы пайызбен анықталады деп санаймыз (бұл пайыз неғұрлым жоғары болса, соғұрлым пән танымал болды деп санаймыз).

3-талап - Лицейлердің өнімділігін бағалау (40 ұпай)

train.csv файлындағы қол жетімді ақпаратты пайдаланып, test.csv файлындағы (2023 жылы) әрбір жол үшін алынған орташа бағаның мәнін бағалаңыз.

Бұл талап үшін сіз тарихи деректерге негізделген кез келген статистикалық талдау немесе модельдеу әдісін пайдалана аласыз, мыналарды ескере отырып:

• талданатын пән,
• лицейдің тарихы,
• нәтижелердің уақыт бойынша эволюциясы,
• округ немесе ұлттық деңгейдегі өнімділіктің жалпы контексті.

Мақсат - нақты мәндерге мүмкіндігінше жақын бағалауларды алу.

4-талап - Атипикалық нәтижелерді анықтау (40 ұпай)

2014–2022 кезеңіндегі тарихи деректерді талдаңыз және test.csv файлындағы әрбір жол үшін 2023 жылына сәйкес нәтиженің:

• қалыпты болып табылатынын, немесе
• әдеттегі мінез-құлықтан айтарлықтай ауытқитын атипикалық болып табылатынын шешіңіз.

Шешім қабылдауда сіз мыналарды ескере аласыз:

• тиісті лицейдің тарихы,
• жылдан жылға өзгерістер,
• пәндер арасындағы айырмашылықтар,
• ұқсас басқа лицейлермен салыстыру.

Әрбір жол үшін соңғы нәтиже екілік белгі болуы керек:

• 0 - қалыпты нәтиже
• 1 - атипикалық нәтиже

Тапсыру форматы

Автоматты бағалау үшін сіз келесі құрылымы бар csv форматындағы файлды жүктеуіңіз керек:

• id – жол идентификаторы (test.csv файлындағыға сәйкес)
  • 1-тапсырма үшін id үшін 1 мәнін пайдаланасыз
  • 2-тапсырма үшін id үшін 2 мәнін пайдаланасыз
• subtaskID – талап идентификаторы:
  • сүйікті пәнді анықтау үшін 1 (1-талап)
  • Информатика үшін гүлденген жылды анықтау үшін 2 (2-талап)
  • орташаны бағалау үшін 3 (3-талап)
  • атипикалық нәтижелерді анықтау үшін 4 (4-талап)
• answer – талапқа сәйкес жауап:
  • subtaskID = 1 үшін: пән атауы деректер жиынында көрсетілгендей дәл
  • subtaskID = 2 үшін: жыл
  • subtaskID = 3 үшін: сандық мән (орташаны бағалау)
  • subtaskID = 4 үшін: 0 немесе 1

Бағалау

1–2 талаптар үшін дәл бағалау жүргізіледі (салыстыру арқылы).

3-талап үшін бағалау Mean Absolute Error (MAE) пайдаланып жүргізіледі.

Ережелер:

• MAE < 0.3 → максималды ұпай
• MAE > 1.0 → 0 ұпай
• Осы екі шекара арасындағы мәндер үшін ұпай пропорционалды түрде беріледі.

4-талап үшін ұпай келесі ережелерге сәйкес беріледі:

• AUC ≥ 0.95 → 40 ұпай
• AUC ≤ 0.70 → 0 ұпай
• Олардың арасындағы интервал: пропорционалды ұпай

⬇️ Starter Kit жүктеп алу