pcmb-ots-dataset

# PCMB OTS Dataset
*High-quality Dataset focused on Indian Engineering Competitive Examination Topics*

## Dataset Summary
This dataset contains 400,000 question-answer pairs focused on competitive indian engineering examination content, covering Physics, Chemistry, Mathematics, and Biology. It includes textual and image-based content.

## How to Utilise the Dataset
- Refer to the attached Excel files.
- To fetch the correct image ID for a specific Q&A pair, check the question_image and answer_image columns in the Excel sheet.

## Contact
For queries, contact: [e-mail]

## Supported Tasks
- **Task Categories**: Question Answers
- **Tasks**:
- Pre and Post-Training
- Multimodal Learning (text + image)
- Educational Tool Development

## Languages
- **Primary Language**: English (en)

## Dataset Structure
### Data Instances
Each instance includes a question and answer, with optional images (e.g., diagrams, graphs).
- **Total Samples**: 400,000

### Data Distribution
- **Subjects**: Evenly distributed across Physics, Chemistry, Mathematics, Biology
- **Content Type**: Textual and image-based

## Dataset Creation

### Source Data
- **Contributors**: Subject matter experts

### Annotations
- **Process**: Manually curated and verified by experts
- **Quality Control**: Validated for factual correctness, grammar, duplication, and plagiarism

## License
CC BY 4.0

# PCMB OTS 数据集
*专注于印度工程类竞争性考试主题的高质量数据集*

## 数据集概览
本数据集包含40万个问答对，聚焦印度工程类竞争性考试内容，涵盖物理、化学、数学与生物四大学科，同时包含文本与图像两类内容。

## 数据集使用方法
- 请参阅附带的Excel文件。
- 若需获取特定问答对对应的正确图像ID，可查看Excel表格中的question_image（问题图像）与answer_image（答案图像）列。

## 联系方式
如有疑问，请联系：[e-mail]

## 支持任务
- **任务类别**：问答任务
- **任务方向**：
- 预训练与微调
- 多模态学习（文本+图像）
- 教育工具开发

## 语言说明
- **主要语言**：英语（en）

## 数据集结构
### 数据实例
每个数据实例包含一组问答内容，可附带可选图像（如示意图、图表等）。
- **总样本量**：400,000

### 数据分布
- **学科分布**：在物理、化学、数学、生物四大学科间均匀分布
- **内容类型**：文本与图像混合

## 数据集创建
### 源数据
- **贡献方**：学科领域专家

### 标注说明
- **处理流程**：由专家人工整理并审核
- **质量控制**：针对事实正确性、语法规范、重复冗余与抄袭问题进行验证

## 授权协议
CC BY 4.0