Dieses Repository enthält das Trainings‑Dataset pflege_mcq_dataset — ein Satz von Multiple‑Choice‑Fragen (MCQs) zur Pflegebegutachtung, vorbereitet für Benchmarking und Fine‑Tuning von Sprachmodellen (LLMs). Die Daten wurden für Forschungszwecke kuratiert und stehen unter den in der folgenden Lizenz beschriebenen Bedingungen zur Verfügung.

Wichtig: Der Zugang zu den Rohdaten ist eingeschränkt (Gated Use Access). Lies bitte die Sektion Zugang & Antrag weiter unten, bevor du eine Nutzung beantragst.

⸻

Inhalt des Repositories • data/train_set_together.jsonl — Trainingsdaten (JSONL; ein JSON‑Objekt pro Zeile). • LICENSE.txt — Lizenz- und Nutzungsbedingungen (restriktiv; Zugang nur nach Genehmigung). • docs/README.md — detaillierte Metadaten / Instructions (dieses Dokument). • docs/access_request.md — Formularvorlage und Ablauf für Zugangsanfragen.

⸻

Format der Daten

Die Hauptdatei liegt im JSONL‑Format. Jede Zeile enthält ein einzelnes Item (Frage). Manche Items liegen im Chat‑Prompt‑Format (messages), andere bereits in einem MCQ‑Schema. Vor einer automatisierten Verwendung (z. B. Training) empfehlen wir folgende Schritte: 1. Validierung der JSON‑Integrität (UTF‑8). 2. Konvertierung in das gewünschte MCQ‑Schema (id, stem, options, answer_idx, rationale, tags, difficulty, lang). 3. Deduplication und Splitting in train/validation/test, wobei Paraphrasen in denselben Split gehören, um Leakage zu vermeiden.

Bei Bedarf kann ein Konvertierungsscript bereitgestellt werden — kontaktiere bitte den Rechteinhaber.

⸻

Lizenz (Kurzfassung)

Kurzfassung der Nutzungsbedingungen: • Das Dataset darf nur nach vorheriger, schriftlicher Genehmigung durch den Rechteinhaber, Christian Kol, genutzt werden. • Genehmigungen werden in der Regel nur für nicht‑kommerzielle Forschungszwecke erteilt, soweit nicht anders vereinbart. • Jede Nutzung (Kopie, Weitergabe, Verarbeitung, Erstellung abgeleiteter Werke, Integration in Produkte oder Dienste) bedarf einer separaten, schriftlichen Erlaubnis.

Anfrageverfahren: siehe Abschnitt Zugang & Antrag unten.

Haftungsausschluss: Das Dataset wird ohne Gewähr hinsichtlich Vollständigkeit, Richtigkeit oder Eignung bereitgestellt. Der Rechteinhaber haftet nicht für direkte oder indirekte Schäden, die aus der Nutzung des Datasets resultieren.

Datenschutz: Sofern Datensätze personenbezogene Informationen enthalten oder enthalten könnten, ist der Nutzer verpflichtet, alle datenschutzrechtlichen Anforderungen (z. B. DSGVO) eigenverantwortlich zu prüfen und einzuhalten. Re‑Identifikation ist untersagt.

⸻

Zugang & Antrag (Gated Use Access)

Hinweis: Dieses Dataset ist mit Gated Use Access geschützt. Ein Zugriff ist nur nach Prüfung und schriftlicher Genehmigung möglich.

Kontakt für Zugangsanfragen: Christian Kolb (Dipl. Pflegew. FH) E‑Mail: [email protected] Homepage: https://pflege-ai.de

Vorgehensweise — Access Request (Vorlage)

Bitte sende eine E‑Mail an [email protected] mit folgendem Inhalt (kopierbar):

Betreff: Zugangsanfrage Dataset 'pflege_mcq_dataset' — Forschungszweck

Sehr geehrter Herr Kolb,

hiermit beantrage ich Zugang zum Dataset 'pflege_mcq_dataset' (Hugging Face: riffraff69/pflege_mcq_dataset) für folgende Forschung:

Institution / Organisation:
Kontaktperson (Name, E‑Mail, Telefonnummer):
Kurze Projektbeschreibung (Ziel, Methodik, Laufzeit):
Geplanter Nutzungsumfang (z. B. Training, Evaluation, Publikation von Ergebnissen):
Lizenzwunsch / Verwendungszweck (nur nicht‑kommerziell / kommerziell?):
Datensicherheitsmaßnahmen (Speicherort, Zugriffsbeschränkungen):
Hinweis, ob personenbezogene Daten verarbeitet werden oder verarbeitet werden könnten:

Ich bestätige, dass die Daten ausschließlich für die oben genannten, nicht‑kommerziellen Forschungszwecke genutzt werden und nicht ohne gesonderte Erlaubnis weitergegeben werden.

Mit freundlichen Grüßen [Name, Institution]

Bearbeitungsprozess

Formalprüfung der Anfrage (Vollständigkeit, Identität der anfragenden Person/Institution).
Sachliche Prüfung (Eignung des Projektziels, Datenschutzkonzept, Verwendungszweck).
Bei Bedarf: Abschluss einer Datenverarbeitungs‑/Nutzungsvereinbarung (DPA) oder eines Access Agreements.
Bei Genehmigung: temporärer Download‑Link / Zugangsdaten oder ein spezieller Zugang mit Nutzungsbedingungen.

Bearbeitungsdauer: in der Regel 7–14 Arbeitstage (abhängig von Umfang und Komplexität der Anfrage).

⸻

Zitierhinweis

Wenn du das Dataset in einer Publikation oder einem Projekt verwendest, benutze bitte folgenden Zitierhinweis:

Kolb, Christian (2025): pflege_mcq_dataset, Version v0.1. Hugging Face Dataset. DOI: https://doi.org/10.57967/hf/6861

Wenn du einen DOI benötigen solltest, schreibe das bitte in deiner Zugangsanfrage mit (siehe oben).

⸻

Provenienz & Verantwortung • Kuratiert / hochgeladen von: Christian Kol (riffraff69) • Quelle / Herkunft: interne Sammlung / Pflegegutachten‑PoC (sofern zutreffend — bei konkreter Nutzung bitte Erklärungen anfragen)

⸻

Hinweise zur Nutzung & Good Practice • Führe vor jedem Training eine deduplizierende Qualitätsprüfung durch (z. B. MinHash‑Clustering), um Leakage zwischen Splits zu verhindern. • Verwende stratifizierte Splits nach Schwierigkeit / Modul / Tags, um eine sinnvolle Evaluation zu gewährleisten. • Wenn du Änderungen am Dataset vornimmst (z. B. Korrekturen), versieh die veränderte Datei mit einer Versionsnummer und dokumentiere die Änderungen im Changelog.

⸻

Citation:

@misc{christian_kolb_2025, author = { Christian Kolb }, title = { pflege_mcq_dataset (Revision 5ef971f) }, year = 2025, url = { https://huggingface.co/datasets/riffraff69/pflege_mcq_dataset }, doi = { 10.57967/hf/6861 }, publisher = { Hugging Face } }

Changelog • v0.1 — Initialer Upload (2025‑11‑02)

Downloads last month: 12