Datasetpublic

rhd008/gemma-enem-dataset

ENEM Essay Evaluation Dataset (FineTome format) Dataset conversacional para fine-tuning de modelos de linguagem como corretores de redações do ENEM. Origem Transformado a partir do kamel-usp/aes_enem_dataset (6 subsets: JBCS2025, PROPOR2024, gradesThousand, sourceAOnly, sourceAWithGraders, sourceB). Formato Cada registro segue o formato mlabonne/FineTome-100k: { "conversations": [ {"from": "human", "value": "<prompt do sistema + tema +… See the full description on the dataset page: https://huggingface.co/datasets/rhd008/gemma-enem-dataset.

sourceHugging Facemitupdated 4mo agoView on Hugging Face

0likes20downloads

Dataset Card

ENEM Essay Evaluation Dataset (FineTome format)

Dataset conversacional para fine-tuning de modelos de linguagem como corretores de redações do ENEM.

Origem

Transformado a partir do kamel-usp/aes_enem_dataset (6 subsets: JBCS2025, PROPOR2024, gradesThousand, sourceAOnly, sourceAWithGraders, sourceB).

Formato

Cada registro segue o formato mlabonne/FineTome-100k:

json

{
  "conversations": [
    {"from": "human", "value": "<prompt do sistema + tema + redação>"},
    {"from": "gpt", "value": "<notas nas 5 competências + nota total + feedback>"}
  ],
  "source": "kamel-usp/aes_enem_dataset/<subset>",
  "score": 3.0
}

Competências MEC avaliadas

#	Competência	Escala
1	Domínio da norma culta da língua portuguesa	0-200
2	Compreensão da proposta de redação	0-200
3	Seleção e organização dos argumentos	0-200
4	Coesão e coerência textual	0-200
5	Proposta de intervenção	0-200
Total	Soma das 5 competências	0-1000

Campo `score`

Nota total normalizada: total / 200.0 (escala 0.0-5.0).

Splits

Os splits originais do kamel-usp/aesenemdataset foram preservados (train, validation, test).

Uso

python

from datasets import load_dataset

ds = load_dataset("rhd008/gemma-enem-dataset")
print(ds["train"][0])

Licença

MIT (mesma licença do dataset original).