Specialistexamen

🩺 Specialistläkarexamen 🤖📘

Varje år förbereder sig tusentals medicinstuderande för det svåraste momentet i sin karriär: Specialistläkarexamen. Under månader memorerar, repeterar och löser blivande läkare hundratals flervalsuppgifter.

Men i år har Centrala kommissionen beslutat att införa en stor innovation: en automatiserad plattform som kontrollerar och utvärderar svar med hjälp av maskininlärning.
Tyvärr har systemets prototyp börjat ge fel, och kommissionen behöver din hjälp för att reparera det.

Du har fått tillgång till två filer:

• train.csv - officiella frågor med korrekta svar
• test.csv - nya frågor, för vilka du måste förutsäga det korrekta alternativet (från dessa kommer frågorna för specialistläkarexamen att väljas 😅)

Ditt mål är att rekonstruera den automatiska rättningsmekanismen.

📊 Datamängden

Varje rad representerar en flervalsuppgift från examen:

• SampleID – unik identifierare för frågan
• Question – frågans formulering
• Option0, Option1, Option2, Option3 – de fyra svarsalternativen
• Answer – endast i train.csv (0–3), anger det korrekta alternativet

📝 Arbetsuppgift (100 poäng)

Bygg en maskininlärningsmodell som kan förutsäga, för varje fråga i test.csv, vilket av de fyra alternativen (0–3) som är det korrekta svaret.

Din modell kommer att utvärderas med hjälp av noggrannhet:

• Accuracy ≥ 70% → 100 poäng
• Accuracy ≤ 25% → 0 poäng
• För mellanliggande värden tilldelas poäng proportionellt.

Alla metoder är tillåtna: klassiska ML-algoritmer, embeddings, språkmodeller, medicinsk BERT etc.

📄 Format för inlämningsfilen

Filen submission.csv måste innehålla en rad för varje fråga i test.

Första raden i filen innehåller följande:

1DatapointID, PredictedAnswer

där:

• DatapointID - SampleID från test
• PredictedAnswer - ett nummer mellan 0 och 3 (det korrekta alternativet som förutsägs av modellen)

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

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