ESQAD: Educational Spanish Question-Answer Dataset

Spanish Question Answer Generation Dataset and Code

Description

This repository contains the dataset and source code developed for the article: "ESQAD: An Open Spanish Dataset for Curriculum-Aligned Question-Answer Generation in Educational Settings"

The resources include:- A Spanish QAG dataset aligned with national curricula (EVAU).- Automatically generated QAG pairs from literary and legal sources.- A pilot study subset with questions validated by teachers and students.

Dataset Structure

1. EVAU

- File: `evau/docs/EvAU_QA.csv`- Description: Manually curated questions and answers aligned with the Spanish *Evaluación para el Acceso a la Universidad (EVAU)*.- Columns: `question`, `answer`, `subject`, `difficulty`- Purpose: Benchmark for educational QAG tasks in Spanish.

2. Quijote

- File: `quijote/docs/Quijote_QA.csv`- Description: Automatically generated QAG pairs from *Don Quijote de la Mancha*.- Columns: `question`, `answer`, `chapter`, `difficulty`- Purpose: Evaluation of QAG performance on literary texts.

3. Legal FAQs

- File: `legal_faqs/docs/Legal_QA.csv`- Description: Questions and answers extracted and generated from FAQs related to Spanish laws (*Ley 39/2015* and *Ley 40/2015*).- Columns: `question`, `answer`, `law_reference`- Purpose: Testing QAG in legal and administrative contexts.

4. Exams (Pilot Study)

- File: `exams/exams_QA_validated.json`- Description: 923 automatically generated QAG pairs evaluated by teachers and students during a pilot study:- Ratings: Clarity, complexity, pedagogical value (1–3 scale).- Difficulty: Intended vs perceived difficulty levels.- Comments: Free-text feedback from users.- Purpose: Benchmark for evaluating QAG quality with human-validated data.

Citation

This dataset accompanies the article:

Badenes-Olmedo, C., Eyzaguirre-Barreda, P., Chu-Artzt, N., & Gayoso-Cabada, J. (2025).  "ESQAD: A Curriculum-Aligned Spanish Dataset for Educational Question Answering" submitted to Computer Speech & Language (Elsevier, 2025)

Please cite this resource using the article (once published), or refer to this Zenodo DOI in the meantime.

License

- Datasets: CC BY 4.0  - Source Code: MIT License

Contact

- Carlos Badenes-Olmedo: [e-mail]  - Noa Chu-Artzt: [e-mail]  - Paul Eyzaguirre-Barreda: [e-mail]- Joaquin Gayoso-Cabada: [e-mail]

西班牙语问答生成（Question Answer Generation, QAG）数据集及配套代码

描述

本仓库包含为论文《ESQAD：面向教育场景的课程对齐式西班牙语问答生成开源数据集》开发的数据集与源代码。

本资源包含：
- 适配西班牙国家课程体系（大学入学评估测试，Evaluación para el Acceso a la Universidad, EVAU）的西班牙语问答生成数据集。
- 从文学与法律文本中自动生成的问答对集合。
- 经教师与学生验证的试点研究子集。

数据集结构

1. EVAU数据集
- 文件路径：`evau/docs/EvAU_QA.csv`
- 数据集说明：经人工整理的、与西班牙大学入学评估测试（Evaluación para el Acceso a la Universidad, EVAU）对齐的问答对。
- 字段说明：`question`（问题）、`answer`（答案）、`subject`（学科）、`difficulty`（难度）
- 用途：作为西班牙语教育场景问答生成任务的基准测试集。

2. 堂吉诃德（Quijote）数据集
- 文件路径：`quijote/docs/Quijote_QA.csv`
- 数据集说明：从《堂吉诃德德拉曼恰》（Don Quijote de la Mancha）中自动生成的问答对集合。
- 字段说明：`question`（问题）、`answer`（答案）、`chapter`（章节）、`difficulty`（难度）
- 用途：用于评估问答生成模型在文学文本上的性能。

3. 法律常见问题（Legal FAQs）数据集
- 文件路径：`legal_faqs/docs/Legal_QA.csv`
- 数据集说明：从与西班牙《第39/2015号法律》（Ley 39/2015）及《第40/2015号法律》（Ley 40/2015）相关的常见问题中提取并生成的问答对。
- 字段说明：`question`（问题）、`answer`（答案）、`law_reference`（法律引用）
- 用途：用于测试问答生成模型在法律与行政场景下的表现。

4. 试点研究考试数据集（Exams (Pilot Study)）
- 文件路径：`exams/exams_QA_validated.json`
- 数据集说明：包含923条自动生成的问答对，经试点研究中的教师与学生完成验证：
- 评分维度：清晰度、复杂度、教学价值（1-3分制）
- 难度对比：预设难度与实际感知难度
- 评论：用户的自由文本反馈
- 用途：作为基于人工验证数据评估问答生成质量的基准测试集。

引用说明

本数据集配套论文如下：
Badenes-Olmedo, C., Eyzaguirre-Barreda, P., Chu-Artzt, N., & Gayoso-Cabada, J. (2025). "ESQAD: A Curriculum-Aligned Spanish Dataset for Educational Question Answering" 已提交至《Computer Speech & Language》（爱思唯尔出版社，2025年）
请在论文正式发表后引用该文献，在此期间可参考本项目的Zenodo数字对象唯一标识符（DOI）进行引用。

授权协议
- 数据集：CC BY 4.0
- 源代码：MIT许可证

联系方式
- Carlos Badenes-Olmedo: [e-mail]
- Noa Chu-Artzt: [e-mail]
- Paul Eyzaguirre-Barreda: [e-mail]
- Joaquin Gayoso-Cabada: [e-mail]