Spesialiseringseksamen

🩺 Opptakseksamen til Spesialisering 🤖📘

Hvert år forbereder tusenvis av medisinstudenter seg til det vanskeligste øyeblikket i karrieren deres: Opptakseksamen til Spesialisering. I månedsvis memorerer, repeterer og løser fremtidige leger hundrevis av flervalgsoppgaver.

Men i år har Sentralkomiteen besluttet å innføre en stor innovasjon: en automatisert plattform som sjekker og evaluerer svar ved hjelp av maskinlæring.
Dessverre har prototypen av systemet begynt å gi feil, og komiteen trenger din hjelp til å reparere det.

Du har fått tilgang til to filer:

• train.csv - offisielle spørsmål med riktig svar
• test.csv - nye spørsmål som du må forutsi riktig alternativ for (fra disse vil spørsmålene til opptakseksamen bli valgt 😅)

Målet ditt er å rekonstruere den automatiske rettemekanismen.

📊 Datasettet

Hver rad representerer et flervalgsSpørsmål fra eksamen:

• SampleID – unik identifikator for spørsmålet
• Question – spørsmålsteksten
• Option0, Option1, Option2, Option3 – de fire svaralternativene
• Answer – kun i train.csv (0–3), indikerer det riktige alternativet

📝 Arbeidsoppgave (100 poeng)

Bygg en maskinlæringsmodell som kan forutsi, for hvert spørsmål i test.csv, hvilket av de fire alternativene (0–3) som er det riktige svaret.

Modellen din vil bli evaluert ved hjelp av nøyaktighet:

• Accuracy ≥ 70% → 100 poeng
• Accuracy ≤ 25% → 0 poeng
• For mellomverdier gis proporsjonale poeng.

Alle metoder er tillatt: klassiske ML-algoritmer, embeddings, språkmodeller, medisinsk BERT osv.

📄 Format for innleveringsfil

Filen submission.csv må inneholde en rad for hvert spørsmål i test.

Første linje i filen inneholder følgende:

1DatapointID, PredictedAnswer

hvor:

• DatapointID - SampleID fra test
• PredictedAnswer - et tall mellom 0 og 3 (riktig alternativ forutsagt av modellen)

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

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