BAC zem lupas

Konteksts

Gadu gaitā Bakalaureāta eksāmenu rezultāti sniedz detalizētu priekšstatu par Rumānijas vidusskolu sniegumu. Analizējot vēsturiskos datus vairāku gadu garumā, mēs varam atklāt tendences, izglītības snieguma attīstību un dažkārt rezultātus, kas izceļas no parastaā modeļa.

Šajā kontekstā šīs problēmas mērķis ir statistiski analizēt vidusskolu sniegumu Bakalaureāta eksāmenā, izveidot prognozējošus modeļus un identificēt atipiskus rezultātus, izmantojot mašīnmācīšanās metodes.

Datu apraksts

Lai atrisinātu šīs problēmas prasības, jums ir pieejams strukturēts datu kopums divu csv failu veidā: train.csv un test.csv. Šis datu kopums satur vidusskolu apkopotos rezultātus dažādos Bakalaureāta eksāmena priekšmetos laika posmā 2014–2023.

Katra rinda datu kopumā (neatkarīgi no tā, vai runa ir par apmācības kopu vai testēšanas kopu) pārstāv vidusskolas rezultātus priekšmetā gadā.

Pieejamās kolonnas:

• id – unikāls rindas identifikators
• an – eksāmena gads
• liceu – vidusskolas nosaukums
• judet – apgabals, kurā atrodas vidusskola
• materie – Bakalaureāta disciplīna
• medie – vidusskolas skolēnu iegūto atzīmju vidējā vērtība attiecīgajā disciplīnā
• procent_reusita – skolēnu procents, kas nokārtoja pārbaudi
• numar_candidati – kandidātu skaits
• preferinta_materie – skolēnu procents, kas izvēlējās attiecīgo disciplīnu
• anomalie - var būt vērtība 0, ja tā netiek uzskatīta par nenormālu situāciju, vai vērtība 1, ja situācija ir neparasta.

Piezīme: Katrai vidusskolai mums ir arī vispārīga statistika. Tām materie kolonnā atrodam vērtību GENERAL.

Fails train.csv satur statistiku no perioda 2014-2022, bet fails test.csv satur datus gadam 2023, tomēr kolonnas medie un anomalie nav pieejamas.

Prasības

1. prasība - Vismīļākā priekšmeta identificēšana (10 punkti)

Identificējiet, kurš bija priekšmets ar vislielāko popularitāti 2023. gadā COLEGIUL NATIONAL "UNIREA" FOCSANI, ja izslēdzam priekšmetu LIMBA ROMANA, kas bija obligāts visiem kandidātiem.

2. prasība - Sekmīgā gada identificēšana informātikai (10 punkti)

Identificējiet, kurā gadā no perioda 2014-2022 priekšmets INFORMATICA MI C-C++ bija vispopulārākais COLEGIUL NATIONAL "UNIREA" FOCSANI. Uzskatām, ka popularitāti nosaka procents no kolonnas preferinta_materie (jo lielāks šis procents, jo populārāks mēs uzskatīsim priekšmetu).

3. prasība - Vidusskolu snieguma novērtēšana (40 punkti)

Izmantojot pieejamo informāciju failā train.csv, novērtējiet iegūtās vidējās vērtības vērtību katrai rindai failā test.csv (2023. gads).

Šai prasībai varat izmantot jebkuru statistiskās analīzes vai modelēšanas metodi, balstoties uz vēsturiskajiem datiem, ņemot vērā:

• analizēto priekšmetu,
• vidusskolas vēsturi,
• rezultātu attīstību laika gaitā,
• vispārējo snieguma kontekstu apgabala vai valsts līmenī.

Mērķis ir iegūt novērtējumus, kas ir pēc iespējas tuvāki reālajām vērtībām.

4. prasība - Atipisko rezultātu identificēšana (40 punkti)

Analizējiet vēsturiskos datus no perioda 2014–2022 un izlemiet katrai rindai failā test.csv, vai atbilstošais 2023. gada rezultāts ir:

• normāls, vai
• atipiks, kas būtiski novirza no parastās uzvedības.

Lēmuma pieņemšanā varat ņemt vērā:

• attiecīgās vidusskolas vēsturi,
• variācijas no gada uz gadu,
• atšķirības starp priekšmetiem,
• salīdzinājumu ar līdzīgām vidusskolām.

Galīgajam rezultātam katrai rindai jābūt binārai etiķetei:

• 0 - normāls rezultāts
• 1 - atipiks rezultāts

Iesniegšanas formāts

Automātiskai novērtēšanai jums jāaugšupielādē fails csv formātā ar šādu struktūru:

• id – rindas identifikators (atbilstošs tam, kas ir test.csv)
  • 1. uzdevumam izmantosiet vērtību 1 priekš id
  • 2. uzdevumam izmantosiet vērtību 2 priekš id
• subtaskID – prasības identifikators:
  • 1 vismīļākā priekšmeta identificēšanai (1. prasība)
  • 2 sekmīgā gada identificēšanai informātikai (2. prasība)
  • 3 vidējās vērtības novērtēšanai (3. prasība)
  • 4 atipisko rezultātu identificēšanai (4. prasība)
• answer – atbilde, kas atbilst prasībai:
  • priekš subtaskID = 1: priekšmeta nosaukums tieši tā, kā tas parādās datu kopumā
  • priekš subtaskID = 2: gads
  • priekš subtaskID = 3: skaitliska vērtība (vidējās vērtības novērtējums)
  • priekš subtaskID = 4: 0 vai 1

Novērtēšana

1.–2. prasībām novērtēšana notiek precīzi (salīdzinot).

3. prasībai novērtēšana notiek, izmantojot Mean Absolute Error (MAE).

Noteikumi:

• MAE < 0.3 → maksimālais punktu skaits
• MAE > 1.0 → 0 punkti
• Vērtībām starp šiem diviem sliekšņiem punkti tiek piešķirti proporcionāli.

4. prasībai punkti tiek piešķirti saskaņā ar šādiem noteikumiem:

• AUC ≥ 0.95 → 40 punkti
• AUC ≤ 0.70 → 0 punkti
• Intervāls starp tiem: proporcionāli punkti

⬇️ Lejupielādēt Starter Kit