enem-2024-d2-multimodal

该数据集是一个考试题目集合，包含83个训练样本。每个样本包括考试版本（exam_edition）、考试链接（exam_url）、题目数量（num_questions）等元信息，以及具体的题目内容：题干（statement）、选项文本（alternatives_text）和选项标签（alternatives_label）、正确答案（answer）、题目链接（url）、科目（subject）。此外，还包含题干图片（statement_image）和选项图片（alternatives_images）两个图像字段。数据集的配置为默认配置，训练数据文件位于data/train-*路径下。该数据集适合用于选择题问答、考试题目理解或多模态理解任务。This dataset is a collection of exam questions, containing 83 training samples. Each sample includes metadata such as exam edition (exam_edition), exam URL (exam_url), number of questions (num_questions), and specific question content: statement (statement), alternative texts (alternatives_text) and alternative labels (alternatives_label), correct answer (answer), question URL (url), and subject (subject). Additionally, there are two image fields: statement image (statement_image) and alternative images (alternatives_images). The dataset has a default configuration, and the training data files are located under the data/train-* path. This dataset is suitable for tasks such as multiple-choice question answering, exam question understanding, or multimodal understanding.

原始信息汇总

enem-2024-d2-multimodal 数据集概述

基本信息

• 数据集名称：enem-2024-d2-multimodal
• 详情页地址：https://huggingface.co/datasets/rlimazzz/enem-2024-d2-multimodal
• 数据集总量：约5.09 MB（下载大小约5.08 MB）

数据规模

• 训练集（train）：共83个样本，大小约5.11 MB

多模态特性

该数据集包含图像数据，其中：

• 题目文本配图（statement_image）：图像类型
• 选项配图（alternatives_images）：图像列表类型

主要特征字段

字段名	类型	说明
exam_edition	字符串	考试版本
exam_url	字符串	考试链接
num_questions	整数	题目数量
num	整数	题号
statement	字符串	题干文本
alternatives_text	字符串列表	选项文本内容
alternatives_label	字符串列表	选项标签（如A、B、C、D）
answer	字符串	正确答案
url	字符串	题目链接
subject	字符串	科目
statement_image	图像	题干配图
alternatives_images	图像列表	选项配图

数据来源与用途

该数据集来源于2024年巴西国家中学教育考试（ENEM）第二天考试（D2）的题目，每个样本包含完整的题目题干、选项、正确答案、科目分类及多模态图像信息，适用于多模态问答、教育测评等任务场景。

搜集汇总

数据集介绍

构建方式

该数据集依托巴西国家中学教育水平测试（ENEM）2024年第二日考试的官方试题资料构建而成，系统采集了当日考试中涵盖多学科领域的试题内容。通过结构化解析与清洗，将每道试题的题干文本、选项文本与标签、正确答案、学科归属、官方链接及试卷版本等元数据进行整合，并同步提取试题中涉及的图像材料，包括题干配图与选项配图，最终形成包含文本与图像双重模态的标准化数据集。

特点

数据集以多模态为显著特征，同时承载试题的文本信息与视觉信息，完整保留了原题中的图像元素，为跨模态推理研究提供了真实语境。数据字段设计精细，覆盖试卷版本、题号、学科、题干、选项、答案及原始URL等多维度信息，且各条目均经过来源标注，具备可追溯性。数据集规模适中，共收录83道试题，适用于精细化的模型评测与教育场景下的多模态任务探索。

使用方法

使用者可通过Hugging Face数据集库直接加载该数据集，调用时指定配置名称default并选择train划分即可获取全部样本。加载后，可依据字段结构分别读取文本与图像数据，利用statement与alternatives_text进行纯文本任务，结合statement_image与alternatives_images开展多模态分析。该数据集可用于试题分类、答案预测、跨模态检索及教育评估等研究，使用时需遵循原始数据的版权与引用规范。

背景与挑战

背景概述

enem-2024-d2-multimodal数据集源于巴西国家中等教育考试（ENEM）2024年第二日考试，由相关教育研究机构或技术人员构建。ENEM作为巴西规模最大的高等教育入学考试，其试题融合文本与图像，对多模态理解能力提出较高要求。该数据集旨在为多模态机器学习提供真实考试场景下的基准资源，核心研究问题涉及图文联合推理与自动答题。其发布有望推动教育测评自动化及多模态模型在葡萄牙语语境下的发展，对教育公平与个性化学习具有潜在影响力。

当前挑战

该数据集所应对的领域问题为多模态试题理解与解答，要求模型同时解析文本陈述和图像信息，并在多个选项中作出准确判断，其难度超越传统纯文本问答。构建过程中，挑战在于从官方考试中准确提取并对齐文本、图像与答案标签，确保多模态数据的完整性与一致性；同时，试题图像的多样性和排版差异对预处理提出较高要求。此外，数据集规模有限（仅83个训练样本），可能制约模型泛化能力，如何在小样本下实现稳健的多模态推理亦是当前面临的挑战。

常用场景

经典使用场景

在智能教育评估与多模态理解领域，该数据集经典地用于构建和评测面向真实考试场景的自动化解题系统。其包含巴西ENEM 2024年第二日考试的83道试题，每道题均提供文本陈述、选项文本及标签、答案标签、学科类别以及可能的陈述图像和选项图像，同时附带原始考试链接。研究者常将其作为基准，训练模型同时处理文本与图像信息以预测正确答案，尤其适用于视觉问答和跨模态推理任务，例如解释图表、地图或科学示意图后的选择题。

实际应用

在实际应用中，该数据集可辅助开发智能备考平台与自适应学习工具，为考生提供基于图像题目的即时解析和个性化反馈。教师可利用其构建多模态题库分析系统，识别学生易错的图文结合题型。此外，教育科技公司可借助该数据集微调视觉语言模型，实现自动阅卷和题目难度评估，尤其适用于巴西及类似采用ENEM考试体系的国家。其真实考试来源保障了应用场景的可靠性，有助于降低人工标注成本并提升在线教育资源的交互性。

衍生相关工作

基于该数据集，衍生工作主要集中于多模态大模型的基准测试与领域适应研究。例如，有学者将其纳入视觉语言模型的零样本评估框架，比较不同架构在图像选择题上的表现；也有工作利用其图像-文本对进行课程学习或提示工程优化，以提升小样本场景下的推理能力。此外，该数据集可能激发针对葡萄牙语教育内容的跨模态检索和题目生成研究，推动考试数据在公平性、可解释性方面的延伸探索，并为后续年度ENEM数据集构建提供参考范式。