BAC pod drobnogledom

Kontekst

Skozi leta rezultati mature ponujajo podrobno sliko o uspešnosti gimnazij v Romuniji. Z analizo zgodovinskih podatkov preko več let lahko odkrijemo trende, razvoj šolske uspešnosti in včasih rezultate, ki odstopajo od vzorca.

V tem kontekstu je namen te naloge statistično analizirati uspešnost gimnazij na maturi, zgraditi napovedne modele in identificirati atipične rezultate z uporabo metod strojnega učenja.

Opis podatkov

Za reševanje zahtev te naloge imate dostop do strukturiranega nabora podatkov v obliki dveh csv datotek: train.csv in test.csv. Ta nabor podatkov vsebuje agregirane rezultate gimnazij pri različnih predmetih mature za obdobje 2014–2023.

Vsaka vrstica v naboru podatkov (ne glede na to, ali gre za učni ali testni nabor) predstavlja rezultate gimnazije pri predmetu v letu.

Razpoložljivi stolpci:

• id – edinstveni identifikator vrstice
• an – leto izpita
• liceu – ime gimnazije
• judet – okraj, v katerem se nahaja gimnazija
• materie – predmet mature
• medie – povprečje ocen, ki so jih učenci gimnazije dosegli pri tem predmetu
• procent_reusita – odstotek učencev, ki so opravili izpit
• numar_candidati – število kandidatov
• preferinta_materie – odstotek učencev, ki so izbrali ta predmet
• anomalie - lahko ima vrednost 0, če se ne šteje za nenormalno situacijo, ali vrednost 1, če je situacija nenavadna.

Opomba: Za vsako gimnazijo imamo tudi splošno statistiko. Za tiste v stolpcu materie najdemo vrednost GENERAL.

Datoteka train.csv vsebuje statistike iz obdobja 2014-2022, datoteka test.csv pa vsebuje podatke za leto 2023, vendar stolpca medie in anomalie nista na voljo.

Zahteve

Zahteva 1 - Identifikacija najljubšega predmeta (10 točk)

Identificirajte, kateri je bil predmet z največjo priljubljenostjo v letu 2023 na COLEGIUL NATIONAL "UNIREA" FOCSANI, če izključimo predmet LIMBA ROMANA, ki je bil obvezen za vse kandidate.

Zahteva 2 - Identifikacija uspešnega leta za informatiko (10 točk)

Identificirajte, v katerem letu iz obdobja 2014-2022 je imel predmet INFORMATICA MI C-C++ največjo priljubljenost na COLEGIUL NATIONAL "UNIREA" FOCSANI. Menimo, da je priljubljenost določena z odstotkom iz stolpca preferinta_materie (večji kot je ta odstotek, bolj priljubljen bo predmet).

Zahteva 3 - Ocenjevanje uspešnosti gimnazij (40 točk)

Z uporabo informacij, ki so na voljo v datoteki train.csv, ocenite vrednost doseženega povprečja za vsako vrstico v datoteki test.csv (leto 2023).

Za to zahtevo lahko uporabite katero koli metodo statistične analize ali modeliranja, ki temelji na zgodovinskih podatkih, ob upoštevanju:

• analiziranega predmeta,
• zgodovine gimnazije,
• časovnega razvoja rezultatov,
• splošnega konteksta uspešnosti na ravni okraja ali države.

Cilj je pridobiti ocene, ki so čim bližje dejanskim vrednostim.

Zahteva 4 - Identifikacija atipičnih rezultatov (40 točk)

Analizirajte zgodovinske podatke iz obdobja 2014–2022 in se za vsako vrstico v datoteki test.csv odločite, ali je ustrezni rezultat za leto 2023:

• normalen, ali
• atipičen, ki se pomembno odstopa od običajnega vedenja.

Pri sprejemanju odločitve lahko upoštevate:

• zgodovino te gimnazije,
• variacije iz leta v leto,
• razlike med predmeti,
• primerjavo s podobnimi gimnazijami.

Končni rezultat za vsako vrstico mora biti binarna oznaka:

• 0 - normalen rezultat
• 1 - atipičen rezultat

Format oddaje

Za samodejno ocenjevanje morate naložiti datoteko v formatu csv z naslednjo strukturo:

• id – identifikator vrstice (ustreza tistemu iz test.csv)
  • za nalogo 1 boste uporabili vrednost 1 za id
  • za nalogo 2 boste uporabili vrednost 2 za id
• subtaskID – identifikator zahteve:
  • 1 za identifikacijo najljubšega predmeta (zahteva 1)
  • 2 za identifikacijo uspešnega leta za informatiko (zahteva 2)
  • 3 za ocenjevanje povprečja (zahteva 3)
  • 4 za identifikacijo atipičnih rezultatov (zahteva 4)
• answer – odgovor, ki ustreza zahtevi:
  • za subtaskID = 1: ime predmeta točno tako, kot se pojavi v naboru podatkov
  • za subtaskID = 2: leto
  • za subtaskID = 3: numerična vrednost (ocena povprečja)
  • za subtaskID = 4: 0 ali 1

Ocenjevanje

Za zahtevi 1–2 se ocenjuje natančno (s primerjavo).

Za zahtevo 3 se ocenjevanje izvaja z uporabo Mean Absolute Error (MAE).

Pravila:

• MAE < 0.3 → maksimalne točke
• MAE > 1.0 → 0 točk
• Za vrednosti med tema dvema pragoma se točke dodelijo sorazmerno.

Za zahtevo 4 se točke dodelijo glede na naslednja pravila:

• AUC ≥ 0.95 → 40 točk
• AUC ≤ 0.70 → 0 točk
• Interval med njima: sorazmerne točke

⬇️ Prenesi Starter Kit