Update README.md

README.md

@@ -1,24 +1,87 @@
----
-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: 31604748
-    num_examples: 32550
-  download_size: 12026656
-  dataset_size: 31604748
-configs:
-- config_name: default
-  data_files:
-  - split: train
-    path: data/train-*
----
+---
+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: 31604748
+    num_examples: 32550
+  download_size: 12026656
+  dataset_size: 31604748
+configs:
+- config_name: default
+  data_files:
+  - split: train
+    path: data/train-*
+---
+
+# ชุดข้อมูลคณิตศาสตร์ภาษาไทย (Thai Math Dataset)
+
+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)](https://huggingface.co/datasets/allenai/math_qa)  
+2. [MATH-500 (HuggingFaceH4)](https://huggingface.co/datasets/HuggingFaceH4/MATH-500)  
+3. [MATH-Algebra](https://huggingface.co/datasets/themanas021/MATH-Algebra)  
+4. [math-mixture: mix_intermediate_algebra97_algebra01_prealgebra00](https://huggingface.co/datasets/andrewsiah/math-mixture-mix_intermediate_algebra97_algebra01_prealgebra00)  
+5. [math-mixture: mix_algebra76_prealgebra12_number_theory08](https://huggingface.co/datasets/andrewsiah/math-mixture-mix_algebra76_prealgebra12_number_theory08)  
+6. [Math-algebra (datafreak)](https://huggingface.co/datasets/datafreak/Math-algebra)  
+7. [MATH Dataset (Hendrycks et al.)](https://github.com/hendrycks/math/)  
+8. [GSM8K (openai)](https://huggingface.co/datasets/openai/gsm8k)  
+9. [Math QSA Dataset (Kaggle)](https://www.kaggle.com/datasets/awsaf49/math-qsa-dataset)  
+10. [AQuA (DeepMind)](https://github.com/google-deepmind/AQuA)
+
+---
+
+## 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