README.md

metadata

license: cc-by-4.0
dataset_info:
  features:
    - name: question
      dtype: string
    - name: solution
      dtype: string
    - name: answer
      dtype: string
    - name: bloom_taxonomy
      sequence: string
  splits:
    - name: train
      num_bytes: 118546502
      num_examples: 122869
  download_size: 45273435
  dataset_size: 118546502
configs:
  - config_name: default
    data_files:
      - split: train
        path: data/train-*
task_categories:
  - text-generation
size_categories:
  - 100K<n<1M

ชุดข้อมูลคณิตศาสตร์ภาษาไทย

ชุดข้อมูลนี้จัดทำขึ้นโดยการแปลและปรับปรุงโจทย์คณิตศาสตร์จากชุดข้อมูลภาษาอังกฤษที่ได้รับความนิยม โดยมุ่งเน้นให้สามารถใช้งานกับโมเดลภาษา (LLM) ในบริบทภาษาไทยได้อย่างมีประสิทธิภาพ ทั้งในด้านความถูกต้องของภาษา รูปแบบ และการจัดระดับความคิดตาม Bloom’s Taxonomy

---

รายละเอียดชุดข้อมูล

• ครอบคลุมเนื้อหาคณิตศาสตร์ระดับมัธยมปลาย (ปัจจุบัน: พีชคณิต)
• รูปแบบของแต่ละรายการประกอบด้วย:
  • question: โจทย์คณิตศาสตร์ (ภาษาไทย)
  • solution: วิธีทำโดยละเอียด (ภาษาไทย)
  • answer: คำตอบสุดท้าย (ภาษาไทย)
  • bloom_taxonomy: ระดับความคิดตามแนวทาง Bloom’s Taxonomy ("จำ", "เข้าใจ", "นำไปใช้", "วิเคราะห์", "ประเมิน", "สร้าง")

---

การแปลและปรับปรุงด้วย LLM

โจทย์และคำอธิบายในชุดข้อมูลนี้ได้รับการแปลและจัดรูปแบบโดยโมเดล Gemma 2 27B โดยอิง:

• คำศัพท์และรูปแบบทางคณิตศาสตร์ จากชุดข้อมูลต้นแบบที่ได้รับการตรวจสอบโดยผู้เชี่ยวชาญจาก สวทช.
• ระดับ Bloom’s Taxonomy ซึ่งถูกเพิ่มโดย LLM โดยวิเคราะห์จากเนื้อหาโจทย์ตามแนวคิดทางการศึกษาระดับสากล

หมายเหตุ: ระดับ Bloom ที่ปรากฏในชุดข้อมูลนี้ไม่ได้มาจากชุดข้อมูลต้นฉบับโดยตรง แต่เป็นผลจากการวิเคราะห์ของ LLM โดยมี Dataset ต้นแบบเป็นแนวทางในการฝึกฝนและควบคุมคุณภาพ

---

แหล่งข้อมูลต้นทาง

การสร้างชุดข้อมูลนี้อ้างอิงและดัดแปลงจากชุดข้อมูลภาษาอังกฤษคุณภาพสูงหลายชุด ได้แก่:

1. MathQA (allenai)
2. MATH-500 (HuggingFaceH4)
3. MATH-Algebra
4. math-mixture: mix_intermediate_algebra97_algebra01_prealgebra00
5. math-mixture: mix_algebra76_prealgebra12_number_theory08
6. Math-algebra (datafreak)
7. MATH Dataset (Hendrycks et al.)
8. GSM8K (openai)
9. Math QSA Dataset (Kaggle)
10. AQuA (DeepMind)

---

วัตถุประสงค์การใช้งาน

• สำหรับการฝึกฝน (fine-tune) โมเดลภาษาไทยที่รองรับการแก้ปัญหาทางคณิตศาสตร์
• เพื่อใช้เป็น benchmark สำหรับการประเมิน reasoning ในภาษาไทย
• เพื่อสนับสนุนงานด้านการศึกษา ปัญญาประดิษฐ์ และ NLP ที่เกี่ยวข้องกับคณิตศาสตร์

---

การอ้างอิง

หากคุณใช้งานชุดข้อมูลนี้ กรุณาอ้างอิงแหล่งที่มาของชุดข้อมูลต้นทางตามที่ระบุไว้ด้านบน และสามารถให้เครดิตโปรเจกต์นี้ได้ด้วย

---

ขอขอบคุณ

ผู้เชี่ยวชาญจาก สวทช. (National Science and Technology Development Agency) ที่ให้คำแนะนำในการออกแบบชุดข้อมูลต้นแบบซึ่งเป็นแนวทางในการพัฒนาเวอร์ชันภาษาไทยของชุดข้อมูลนี้