{
  "fetched_at": "2026-10-19T20:46:34Z",
  "source_url": "https://www.kaggle.com/competitions/code-ml-2021-challenge-5/data",
  "pages": [
    {
      "name": "data-description",
      "content": "## Data description \n\nThe dataset contains about 10 000 pairs of claim/evidence with the given label associated. \n\nThe columns are the following : \n\n- `claim` : the claim that should be verified. \n- `evidence` : a source/arguments from the web that could help to verify the claim.\n- `label` : either `SUPPORTS`, `REFUTES` or `NOT ENOUGH INFO` which gives the relation between the evidence and the claim.\n- `claim_id` : the id of the claim. Required for the submission.\n\nThe column to predict is the `label` one.\n\n## Files \n\nThere are three files available : \n\n- `train.csv` : the training dataset (10 000 rows). \n- `test.csv` : the validation dataset (2500 rows). \n- `sample_submission.csv` : an example of the submission file. \n\nNote that you should follow the `sample_submission.csv` to publish your predictions. \n\n## [FRANCAIS]\n\n### Description des données \n\nL'ensemble de données contient 10 000 pairs d'affirmation/source avec un label associé.\n\nLes colonnes sont les suivantes : \n\n- `claim` : l'affirmation à vérifier. \n- `evidence` : une source qui pourrait ou non aider à vérifier l'affirmation.\n- `label` : soit `SUPPORTS` (supporte), `REFUTES` (refuse) ou `NOT ENOUGH INFO` (pas assez d'information) donnant le lien entre l'affirmation et la source.\n- `claim_id` : l'id de l'affirmation. Utile pour la soumission.\n\nLa colonne à prédire est `label`.\n\nIl y a trois fichiers disponibles : \n\n## Fichiers \n\n- `train.csv` : l'ensemble d'entrainement (10 000 lignes). \n- `test.csv` : l'ensemble de validation (2500 lignes). \n- `sample_submission.csv` : une exemple de soumission. \n\nIl faut suivre le format du fichier `sample_submission.csv` pour faire une soumission. \n\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "# Challenge Intact - Code ML 2021 Challenge 5 (hard)\n\n## Challenge Intact - Fact-checking : claim-evidence verdict \n\nThis challenge is a classification task for fact-checking.\n\n- Difficulty : Difficult \n\n## Overview \n\nFake news nowadays spread very easily with the amount of information that is on internet. What if we could predict whenever a claim is verified or not ?\n\nThis challenge is all about this. Given a claim and an evidence associated, the aim is to predict if the arguments in the evidence support, refute or don't give enough information about the claim. \n\nNote : In a real fact-checking challenge, you only have the claim, and this is up to you to discover the most likely evidence that could support or refute the claim. Here, we helped you by giving you an evidence for each claim. \n\nWe advice to use pre-trained models to perform this task. \n\n### Data description\n\nThe dataset contains about 10 000 pairs of claim/evidence with the given label associated. \n\nThe columns are the following : \n\n- `claim` : the claim that should be verified. \n- `evidence` : a source/arguments from the web that could help to verify the claim.\n- `label` : either `SUPPORTS`, `REFUTES` or `NOT ENOUGH INFO` which gives the relation between the evidence and the claim.\n- `claim_id` : the id of the claim. Required for the submission.\n\nThe column to predict is the `label` one.\n\nThere are three files available : \n\n- `train.csv` : the training dataset (10 000 rows). \n- `test.csv` : the testing dataset (2500 rows). \n- `sample_submission.csv` : an example of the submission file. \n\nNote that you should follow the `sample_submission.csv` to publish your predictions. \n\n## Submission \n\nSubmit your results with the template in the submission section.\n\nEveryone will have to submit their notebooks.\n\nBe sure to save your model and your weights, you will be asked to submit them if you win.\n\n## Evaluation \n\nThe evaluation metric is the F1 score.\n\n## Help \n\nFeel free to ask to Clément Bernard in the discord channel if you have any question or problem. \n\n## [FRANCAIS]\n\n## Vérification d'information : affirmation-indice verdicte\n\nCe challenge est un challenge de classification pour la vérification d'information.\n\n- Difficulté : Difficile\n\n## Vue d'ensemble \n\nLes fausse information se propagent très vite et très facilement sur internet. Ne serait-il pas possible de prédire si une information est vraie ou fausse ? \n\nCe challenge tente d'introduire ce domaine. A partir d'une affirmation et d'une source, le but est de prédire si les information dans la source permettent de supporter, refuser ou ne donner aucune information sur l'affirmation.\n\nNote : Dans une vraie tâche de vérification d'information, seules les affirmations sont disponibles. Il faut alors trouver un moyen de trouver une source qui vérifie ou contredit l'affirmation. Ici, nous avons simplifié la tâche en ajoutant une source pour les affirmations.\n\nNous conseillons d'utiliser des modèles pré-entrainés pour cette tâche.\n\n### Description des données \n\nL'ensemble de données contient 10 000 pairs d'affirmation/source avec un label associé.\n\nLes colonnes sont les suivantes : \n\n- `claim` : l'affirmation à vérifier. \n- `evidence` : une source qui pourrait ou non aider à vérifier l'affirmation.\n- `label` : soit `SUPPORTS` (supporte), `REFUTES` (refuse) ou `NOT ENOUGH INFO` (pas assez d'information) donnant le lien entre l'affirmation et la source.\n- `claim_id` : l'id de l'affirmation. Utile pour la soumission.\n\nLa colonne à prédire est `label`.\n\nIl y a trois fichiers disponibles : \n\n- `train.csv` : l'ensemble d'entrainement (10 000 lignes). \n- `test.csv` : l'ensemble de test (2500 lignes). \n- `sample_submission.csv` : une exemple de soumission. \n\nIl faut suivre le format du fichier `sample_submission.csv` pour faire une soumission. \n\n\n## Soumission \n\nSoumet tes prédictions avec le format du fichier `sample_submission.csv`. \n\nTout le monde doit soumettre son code, son modele et ses poids.\n\nN'oubliez pas de sauvegarder votre modèle et vos poids, il vous sera demandé de les soumettre si vous gagnez.\n\n\n## Evaluation \n\nLa mesure d'évaluation est le F1 score. \n\n## Aide \n\nN'hésitez pas à demander à Clément Bernard si vous avez une question ou un problème. ",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "[Français plus bas]\n\n# One account per participant\n\nYou cannot sign up to Kaggle from multiple accounts, so you cannot submit from multiple accounts.\n\n#  No private sharing outside of teams\n\nPrivate sharing of code or data outside of teams is not allowed. It's okay to share code if it's made available to all forum participants.\n\n\n#  Number of submission limits\nYou can submit a maximum of 3 submissions per day.\n\n# Chronology of the competition\n\n- Start date: 11/27/2021 10:30AM EST\n- Registration deadline: None\n- End date: 11/28/2021 3:30PM EST (Montreal Canada)\n\nThis is a fun competition to help you get started with machine learning. Cheating defeats the purpose. So seriously, don't do that!\n\n## [FRANCAIS]\n\n# Un compte par participant\nVous ne pouvez pas vous inscrire à Kaggle à partir de plusieurs comptes, donc vous ne pouvez pas soumettre de propositions à partir de plusieurs comptes.\n\n# Pas de partage privé en dehors des équipes\nLe partage privé de code ou de données en dehors des équipes n'est pas autorisé. Le partage de code est autorisé s'il est mis à la disposition de tous les participants au forum.\n\n# Nombre de limites de soumission\nVous pouvez soumettre un maximum de 3 soumissions par jour.\nVous pouvez sélectionner jusqu'à trois candidatures finales pour les juger.\n\n# Chronologie du concours\n\n- Date de début : 27/11/2021 10h30 EST\n- Date limite d'inscription : Aucune\n- Date de fin : 28/11/2021 15h30 (Montréal Canada)\n\nIl s'agit d'un concours amusant pour vous aider à vous lancer dans l'apprentissage machine. La tricherie va à l'encontre du but recherché. Alors sérieusement, ne faites pas ça !",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}