KazMMLU

# MukhammedTogmanov/jana

This dataset contains multiple subsets for different subjects and domains, structured for few-shot learning and evaluation.

## Dataset Structure

The dataset is organized into subsets, each corresponding to a specific subject and level. Each subset has two splits:
- **`dev`**: Few-shot examples (3 rows per subset).
- **`test`**: The remaining rows for evaluation.

### Subsets
The dataset contains the following subsets:
- Accounting (University)
- Biology (High School in kaz)
- Biology (High School in rus)
- Chemistry (High School in kaz)
- Chemistry (High School in rus)
- ... (list other subsets)

### Splits
| Split | Number of Rows |
|-------|----------------|
| dev | 111 |
| test | 22,889 |

## Features

The dataset includes the following columns:
- **`Number`**: Question ID.
- **`Source`**: URL or source of the question.
- **`Group`**: The group to which the subject belongs (e.g., Social Science, Science).
- **`Subject`**: The subject of the question (e.g., Biology, Accounting).
- **`Level`**: Academic level (e.g., High School, University).
- **`Question`**: The text of the question.
- **`Option A`**, **`Option B`**, **`Option C`**, **`Option D`**, **`Option E`**: The answer choices.
- **`Answer Key`**: The correct answer.
- **`Subset`**: The name of the subset (e.g., Biology (High School in kaz)).
- **`Split`**: The data split (`dev` or `test`).
- **`is_few_shot`**: Indicates whether the row is part of the few-shot examples (`1` for `dev`, `0` for `test`).

## Usage

You can load this dataset with the following code:

```python
from datasets import load_dataset

dataset = load_dataset("MukhammedTogmanov/jana")

# MukhammedTogmanov/jana

本数据集包含面向不同学科与领域的多个子集，专为少样本学习（Few-shot Learning）与评估任务构建。

## 数据集结构

数据集以子集为单位进行组织，每个子集对应特定的学科与学业层次。每个子集均包含两个数据划分：
- **`dev`**：少样本示例集（每个子集含3条数据）。
- **`test`**：用于评估的剩余数据。

### 子集列表
本数据集包含如下子集：
- 会计学（大学层次）
- 生物学（哈萨克语高中）
- 生物学（俄语高中）
- 化学（哈萨克语高中）
- 化学（俄语高中）
- ……（其余子集列表）

### 数据划分
| 划分 | 数据条数 |
|-------|----------------|
| dev | 111 |
| test | 22,889 |

## 字段说明
本数据集包含如下字段：
- **`Number`**：问题编号。
- **`Source`**：问题的来源URL或出处。
- **`Group`**：问题所属的学科大类（例如社会科学、自然科学）。
- **`Subject`**：问题所属的具体学科（例如生物学、会计学）。
- **`Level`**：学业层次（例如高中、大学）。
- **`Question`**：问题文本。
- **`Option A`**、**`Option B`**、**`Option C`**、**`Option D`**、**`Option E`**：备选答案选项。
- **`Answer Key`**：正确答案。
- **`Subset`**：所属子集名称（例如“生物学（哈萨克语高中）”）。
- **`Split`**：数据划分类型（`dev` 或 `test`）。
- **`is_few_shot`**：标记该条数据是否属于少样本示例集（`dev` 划分对应值为1，`test` 划分对应值为0）。

## 使用方法
可通过如下代码加载本数据集：
python
from datasets import load_dataset

dataset = load_dataset("MukhammedTogmanov/jana")