Chain of Thoughts Prompt & Response Dataset in Gujarati

This chain of thought prompt and completion dataset consists of a wide range of arithmetic, common sense, and reasoning questions, answers, and rationale behind the answers in the Gujarati language. Along with that, it includes detailed annotation for each data asset.

About This OTS Dataset

What's Included

Welcome to the Gujarati Chain of Thought prompt-response dataset, a meticulously curated collection containing 3000 comprehensive prompt and response pairs. This dataset is an invaluable resource for training Language Models (LMs) to generate well-reasoned answers and minimize inaccuracies. Its primary utility lies in enhancing LLMs' reasoning skills for solving arithmetic, common sense, symbolic reasoning, and complex problems.

Dataset Content:

This COT dataset comprises a diverse set of instructions and questions paired with corresponding answers and rationales in the Gujarati language. These prompts and completions cover a broad range of topics and questions, including mathematical concepts, common sense reasoning, complex problem-solving, scientific inquiries, puzzles, and more.

Each prompt is meticulously accompanied by a response and rationale, providing essential information and insights to enhance the language model training process. These prompts, completions, and rationales were manually curated by native Gujarati people, drawing references from various sources, including open-source datasets, news articles, websites, and other reliable references.

Our chain-of-thought prompt-completion dataset includes various prompt types, such as instructional prompts, continuations, and in-context learning (zero-shot, few-shot) prompts. Additionally, the dataset contains prompts and completions enriched with various forms of rich text, such as lists, tables, code snippets, JSON, and more, with proper markdown format.

Prompt Diversity:

To ensure a wide-ranging dataset, we have included prompts from a plethora of topics related to mathematics, common sense reasoning, and symbolic reasoning. These topics encompass arithmetic, percentages, ratios, geometry, analogies, spatial reasoning, temporal reasoning, logic puzzles, patterns, and sequences, among others.

These prompts vary in complexity, spanning easy, medium, and hard levels. Various question types are included, such as multiple-choice, direct queries, and true/false assessments.

Response Formats:

To accommodate diverse learning experiences, our dataset incorporates different types of answers depending on the prompt and provides step-by-step rationales. The detailed rationale aids the language model in building reasoning process for complex questions.

These responses encompass text strings, numerical values, and date and time formats, enhancing the language model's ability to generate reliable, coherent, and contextually appropriate answers.

Data Format and Annotation Details:

This fully labeled Gujarati Chain of Thought Prompt Completion Dataset is available in JSON and CSV formats. It includes annotation details such as a unique ID, prompt, prompt type, prompt complexity, prompt category, domain, response, rationale, response type, and rich text presence.

Quality and Accuracy:

Our dataset upholds the highest standards of quality and accuracy. Each prompt undergoes meticulous validation, and the corresponding responses and rationales are thoroughly verified. We prioritize inclusivity, ensuring that the dataset incorporates prompts and completions representing diverse perspectives and writing styles, maintaining an unbiased and discrimination-free stance.

The Gujarati version is grammatically accurate without any spelling or grammatical errors. No copyrighted, toxic, or harmful content is used during the construction of this dataset.

Continuous Updates and Customization:

The entire dataset was prepared with the assistance of human curators from the FutureBeeAI crowd community. Ongoing efforts are made to add more assets to this dataset, ensuring its growth and relevance. Additionally, FutureBeeAI offers the ability to gather custom chain of thought prompt completion data tailored to specific needs, providing flexibility and customization options.

License:

The dataset, created by FutureBeeAI, is now available for commercial use. Researchers, data scientists, and developers can leverage this fully labeled and ready-to-deploy Gujarati Chain of Thought Prompt Completion Dataset to enhance the rationale and accurate response generation capabilities of their generative AI models and explore new approaches to NLP tasks.

Use Cases

Language Model Training

Rational Model Training

Natural Language Understanding

Dataset Sample(s)

SAMPLE DATA

QUESTION

વિધાન 1: યોગાનું મહત્વ હવે દરેક તબક્કાનો વ્યક્તિ સમજી રહ્યો છે.

વિધાન 2: દેશમાં મોંઘવારીનું પ્રમાણ વધતું જાય છે.

તારણ: વિધાન 1 અને વિધાન 2 એક બીજા સાથે સંલગ્ન છે. સાચું કે ખોટું?

જવાબ: ખોટું

કારણ: વિધાન 1 યોગાની વધતી જાગરૂકતાની વાત કરે છે જયારે વિધાન 2 વધતી મોંઘવારીની વાત કરે છે. બંને વિધાનોમાં એવી કોઈ માહિતી નથી જે એક બીજા સાથે સંલગ્ન હોય. માટે આપેલ તારણ ખોટું છે.

####

વિધાન 1: સારું ભણતર મેળવવું ખુબ મોંઘુ બની ગયું છે.

વિધાન 2: ખાનગી શાળાઓની ફી માં ખુબ વધારો જોવા મળી રાહ્યો છે.

તારણ: વિધાન 1 અને વિધાન 2 વચ્ચે કોઈ સબંધ નથી. સત્ય કે અસત્ય.

જવાબ: અસત્ય

કારણ: વિધાન 1 વાત કરે છે કે સારી કક્ષાનું ભણતર મેળવવું મોંઘુ બની ગયું છે અને તેનું એક કારણ એ પણ છે કે ખાનગી શાળાઓની ફી માં ખુબ વધારો જોવા મળી રહ્યો છે. માટે બંને વિધાન એક બીજા સાથે ચોક્કસ સબંધ ધરાવે છે. માટે આપેલું તારણ ખોટું છે.

####

વિધાન 1: ઉત્તર ગુજરાતમાં મોટી માત્રામાં વરસાદ પડ્યો.

વિધાન 2: ઉત્તર ગુજરાતમાં પૂરની સ્થિતિ બની ગયી છે.

વિધાન 3: ઉત્તર પ્રદેશમાં લોકો પાસે પીવા માટે પાણી પણ નથી ત્યાં અછત જોવા મળી રહી છે.

તારણ: વિધાન 1 અને વિધાન 2 એક બીજા સાથે સંલગ્ન છે અને વિધાન 1 એ વિધાન 2 માટેનું કારણ છે. પરંતુ વિધાન 3 સ્વતંત્ર રીતે અલગ છે. આ તારણની સત્યતા ચકાસો.

ANSWER

જવાબ: સત્ય

RATIONALE

કારણ: વિધાન 1 અને વિધાન 2 ઉત્તર ગુજરાતમાં ભારે માત્રામાં થયેલા વરસાદની વાત કરે છે. વિધાન 1 કહે છે કે ઉત્તર ગુજરાતમાં ભારે માત્રામાં વરસાદ પડ્યો છે અને તેના કારણે ઉત્તર ગુજરાતમાં પૂરની સ્થિતિ સર્જાયી છે. આમ, વિધાન 1 એ વિધાન 2 માટે કારણ છે. પરંતુ વિધાન 3 એ ઉત્તર પ્રદેશની વાત કરે છે. વિધાન 3 ઉત્તર પ્રદેશમાં પાણીની અછત વિશે વાત કરે છે માટે તે એક અલગ જ વાક્ય છે.

QUESTION

નીચે કેટલાક વિધાન આપેલા છે જેને એક આર્ટીફીસીયલ ભાષા પરથી ભાષાંતર કરવામાં આવ્યા છે. તેમને ધ્યાનથી ચકાસો અને જવાબ આપો.

દીવાલ ઘડિયાળ = વિપરુ તાંબા

હાથનું કાંડુ = લપરું બાકલી

સ્કૂલ બેગ = જામબ તેરી

તો કાંડા ઘડિયાળ માટે આ આર્ટીફીસીયલ ભાષામાં કયો શબ્દ બનશે?

જવાબ: બાકલી તાંબા

કારણ: પ્રશ્નમાં આપણને કાંડા ઘડિયાળ માટે શબ્દ પૂછવામાં આવ્યો છે. હવે બંને શબ્દ કાંડા અને ઘડિયાળ પ્રથમ અને બીજા વિધાનમાં ઉપલબ્ધ છે.

પ્રથમ વિધાન: દીવાલ ઘડિયાળ = વિપરુ તાંબા

એટલે આપણે આ પરથી કહી શકીએ કે દીવાલ = વિપરુ અને ઘડિયાળ = તાંબા

બીજું વિધાન: હાથનું કાંડુ = લપરું બાકલી

માટે હાથનું = લપરું અને કાંડુ = બાકલી

આમ, કાંડા ઘડિયાળમાં બંને શબ્દો (કાંડુ = બાકલી) અને (ઘડિયાળ = તાંબા) મૂકીએ તો બનતો શબ્દ ‘બાકલી તાંબા’ છે.

####

વિધાન 1: વાદળી આકાશ =. સ્પ્રેઉ વળી

વિધાન 2: સાઇકલ સવાર = હાકલો વલણ

વિધાન 3: સાઇકલ રેસ = હાકલો જેલમ

આ વિધાનો સામાન્ય ભાષા અને આર્ટીફીસીયલ ભાષાનું ભાષાંતર દર્શાવે છે. આ પરથી ‘કાર રેસ’ માટે આર્ટીફીસીયલ ભાષામાં શબ્દ બનાવો. આ શબ્દ લાઈપો જેલમ હોઈ શકે કે સ્પ્રેઉ જેલમ હોઈ શકે?

ANSWER

જવાબ: લાઈપો જેલમ

RATIONALE

કારણ: આપેલ વિધાન 3 પરથી આપણે કહી શકીએ કે સાઇકલ = હાકલો અને રેસ = જેલમ. માટે રેસ માટેનો શબ્દ જેલમ છે તે નક્કી થઇ ગયું. પરંતુ અન્ય કોઈ પણ વિધાનમાં કાર માટે કોઈ શબ્દ મળી શકે એમ નથી. પરંતુ વિધાન 1 પરથી સ્પ્રેઉ એ વાદળી માટે વપરાતો શબ્દ છે.

માટે બીજા વિકલ્પ ‘સ્પ્રેઉ જેલમ’નો અર્થ ‘વાદળી રેસ’ થાય માટે તે વિકલ્પ ખોટો છે. વિકલ્પ 1 ‘લાઈપો જેલમ’ પરથી આપણે ધારી શકીએ કે લાઈપો એટલે કર થતું હોય તો ‘લાઈપો જેલમ’ એટલે કાર રેસ થાય. માટે આપેલ વિકલ્પ પરથી જ પંસદ કરવાનું હોવાથી સાચો વિકલ્પ ‘લાઈપો જેલમ’ માલુમ પડે છે.

QUESTION

જો દસ ખુરશીઓની કિંમત ચાર ટેબલ બરાબર છે. પંદર ખુરશીઓ અને બે ટેબલની કુલ કિંમત જો 4000 હોય તો બાર ખુરશીઓ અને ત્રણ ટેબલની કિંમત કેટલી હશે? મારે સ્ટેપ બાય સ્ટેપ ગણતરીથી આ સમજવું છે અને જવાબ આ રીતે જોઈએ છે: “બાર ખુરશીઓ અને ત્રણ ટેબલની કિંમત…..”

ANSWER

જવાબ: બાર ખુરશીઓ અને ત્રણ ટેબલની કિંમત કુલ 3900 રૂપિયા થશે.

RATIONALE

ચાલો ધારી લઈએ કે ખુરશીની કિંમત x છે અને ટેબલની કિંમત y છે. આપેલી માહિતી પરથી નીચે મુજબના સમીકરણ બને:

દસ ખુરશીઓની કિંમત ચાર ટેબલ બરાબર છે

10x = 4y

x = 2/5y

પંદર ખુરશીઓ અને બે ટેબલની કુલ કિંમત 4000 છે.

15x + 2y = 4000

x = 2/5yની કિંમત ઉપરના સમીકરણમાં મુકતા

15(2/5y) + 2y = 4000

8y = 4000

y = 500

x = 2/5y માં y =500ની કિંમત મુકતા.

x = (⅖)*500

x = 200

હવે આપણે બાર ખુરશીઓ અને ત્રણ ટેબલની કિંમત શોધવાની છે.

12x + 3y = 12(200) + 3(500) = 3900 રૂપિયા.

QUESTION

મારે રેશ્માને કુલ 550 રૂપિયા ચૂકવવાના છે. આપણી પાસે કુલ 10, 20, 50, 100, 200, 500 ની ચલણી નોટો ઉપલબ્ધ છે. શરત એ છે કે મારે આ કુલ રકમ કુલ 3 ચલણી નોટો થકી ચુકવવાની છે. તો આ શક્ય છે કે નહિ?

જવાબ આ રીતે આપો: આ ચોક્કસ પણે….

ANSWER

જવાબ: આ ચોક્કસ પણે અશક્ય છે.

RATIONALE

આપણી પાસે ભારતીય નાણાકીય પરિપેક્ષમાં 10, 20, 50, 100, 200, 500ની ચલણી નોટો ઉપલબ્ધ છે. જો આપણે 500ની એક અને 50ની એક એમ બે નોટો આપીએ તો અથવા તો 500ની એક, 20ની બે અને 10ની એક નોટ આપીએ તો આ રકમ ચૂકવી શકાય. પરંતુ 550ની રકમ કુલ 3 ચલણી નોટો થકી ચૂકવવી અશક્ય છે.

QUESTION

રમેશને તેના દાદાના ઘરે એક રહસ્યમય બોક્સ મળે છે. બૉક્સમાં ચાર બટનો સાથેનું ડિજિટલ લૉક છે, જેમાં પ્રત્યેક બટનને 1 થી 9 સુધીના સિંગલ-ડિજિટ નંબર સાથે લેબલ કરવામાં આવ્યું હતું. રમેશ તેને ખોલવા માંગે છે. આ લોકને ખોલવા માટે બોક્સ પાર અમુક ટિપ્સ પણ આપેલી છે. જે નીચે મુજબ છે:

1. આ ચાર અંકોનો સરવાળો 20 છે.

2. પ્રથમ અંક ત્રીજા અંકના ત્રણ ગણા છે.

3. બીજો અંક ચોથા અંક કરતા ચાર વધુ છે.

4. પ્રથમ અને ચોથા અંકોનો ગુણાંક બીજા અને ત્રીજા અંકોના સરવાળા જેટલો છે.

આપણે રમેશને આ બોક્સ ખોલવા માટે આ ચાર અંકો શોધવામાં મદદ કરવાની છે. આના માટેની ગણતરી અપને સ્ટેપ-બાય-સ્ટેપ કરવાની છે.

ANSWER

જવાબ: બોક્સનું લોક ખોલવા માટેના ચાર અંકો 1151 છે.

RATIONALE

આપેલ સમસ્યામાં અપને ચાર અંકોનું એક સંયોજન શોધવાનું છે. ધારોકે આ ચાર અંકો ABCD છે. આ ચારેય અંકો A, B, C, D શોધવા માટે આપણી પાસે અમુક ટિપ્સ ઉપલબ્ધ છે. ચાલો પ્રત્યેક ટિપ્સનો ઉપયોગ કરી અમુક સમીકરણો બનાવીએ.

ટિપ 1: આ ચાર અંકોનો સરવાળો 30 છે.

આ ટિપ મુજબ A + B + C + D = 30 સમીકરણ બને.

ટીપ 2: બીજા અંક ત્રીજા અંકના ત્રણ ગણા છે.

આ ટીપ મુજબ B = 3C સમીકરણ બને.

ટીપ 3: બીજો અંક ચોથા અંક કરતા ચાર વધુ છે.

આ ટીપ મુજબ B + 4 = D સમીકરણ બને.

ટીપ 4: પ્રથમ અને ચોથા અંકોનો સરવાળો બીજા અને ત્રીજા અંકોના સરવાળા જેટલો છે

આ ટીપ મુજબ A + D = B + C સમીકરણ બને.

આપેલ તમામ ટિપ્સ પરથી મળેલ સમીકરણો નીચે મુજબ છે:

A + B + C + D = 30

B = 3C

B + 4 = D

A + D = B + C

આ ચારેય સમીકરણોનો ઉપયોગ કરી ચાલો ચારેય અંક A, B, C, D શોધવાનો પ્રયત્ન કરીએ.

સમીકરણ ચાર (A + D = B + C) અને સમીકરણ બે (B = 3C) નો ઉપયોગ પ્રથમ સમીકરણમાં કરીએ.

A + B + C + D = 30

(A + D) + (B + C) = 30

સમીકરણ ચાર (A + D = B + C) નો ઉપયોગ ઉપરના સમીકરણમાં કરતા.

(B + C) + (B + C) = 30

2(B + C) = 30

B + C = 15

હવે સમીકરણ 2 (B = 3C) નો ઉપયોગ ઉપરના સમીકરણમાં કરતા.

B + C = 15

2C + C = 15

3C = 15

C = 5

(C = 5)ની કિંમત સમીકરણ 2માં મુકતા

B = 3C

B = 3 (5)

B = 15

(B = 15)ની કિંમત સમીકરણ 3 (B + 4 = D) માં મુકતા

B + 4 = D

15 + 4 = D

D = 19

હવે, (C = 5), (B = 15) અને (D = 19) આ ત્રણેયની કિંમત પ્રથમ સમીકરણમાં મુકતા

A + B + C + D = 30

A + 15 + 5 + 19 = 30

A = 30 - 15 - 5 - 19

A = 1

આપેલ તમામ સમીકરણોને ઉકેલતા ચારેય અંકોની કિંમત નીચે મુજબ મળેલ છે.

A = 1

B = 15

C = 5

D = 19

હવે ટીપ પાંચ મુજબ જોઈએ તો B અને Dની સંખ્યા 9 કરતા વધુ છે માટે આ બંને અંકોનો પ્રથમ અંક લોક ખોલવા માટે ઉપયોગમાં લેવો પડશે. તો લોક ખોલવા માટેનો કોડ નીચે મુજબ નો હશે.

ABCD = 1151

QUESTION

ધારોકે એક શહેર ‘A’ અને ‘B’ વચ્ચે તમે પ્રવાસ કરી રહ્યા છો અને શહેર A થી B તરફ જતા તમે 80 કિલોમીટર પ્રતિ કલાકની ઝડપે પ્રવાસ કરો છો. શહેર B થી A તરફ પાછા વળતા તમે 60 કિલોમીટર પ્રતિ કલાકની ઝડપે પ્રવાસ કરો છો. આ સંપૂર્ણ પ્રવાસ દરમિયાન તામેં 10 કલાક લાગે છે.

આ માહિતી પરથી શહેર A અને શહેર B વચ્ચેનું અંતર શોધવાનું છે. આ ગણતરી બને તેટલી સરળ અને વિગતવાર કરવાની છે.

ANSWER

બંને શહેરો વચ્ચેનું અંતર 342.85 કિલોમીટર છે.

RATIONALE

ચાલો આ પ્રશ્નનો ઉકેલ શોધીએ. સમય, ઝડપ અને અંતર દર્શાવતું સૂત્ર નીચે મુજબ છે.

ઝડપ = અંતર / સમય

આપણને આ પ્રશ્નમાં કુલ સમય આપેલો છે માટે બંને ટ્રીપ માટે સમયનું મૂલ્ય મેળવીએ તો

પ્રથમ ટ્રીપ શહેર A થી B સુધી:

સમય = અંતર / ઝડપ

સમય = અંતર / 80

પાછા વાળવાની ટ્રીપ શહેર B થી A સુધી:

સમય = અંતર / ઝડપ

સમય = અંતર / 60

હવે આ બંને ટ્રીપ દરમિયાન અંતર તો સમાન જ રહેશે માટે

પ્રથમ ટ્રીપનો સમય + પાછા વાળવાની ટ્રીપનો સમય = કુલ સમય

અંતર/80 + અંતર/60 = 10

છેદ ને સમાન બનાવતા

(3*અંતર + 4*અંતર)/240 = 10

7*અંતર = 2400

અંતર = 2400/7

અંતર = 342.85 કિલોમીટર

આમ, બંને શહેરો વચ્ચેનું અંતર 342.85 કિલોમીટર છે.

QUESTION

અત્યારે ઘડિયાળમાં 8 વાગ્યા છે. કલાકનો કાંટો 8 પાર અને મિનિટનો કાંટો 12 પર છે. હવે જયારે ઘડિયાળમાં 2 વાગ્યા હશે ત્યાં સુધી કલાકના કાંટાને કેટલા ડિગ્રી ભ્રમણ કરવું પડશે?

જવાબ: 120 ડિગ્રી

ગણતરી: પહેલા આપણે એ ચકાસવું પડે કે એક કલાક દરમિયાન કલાકનો કન્ટો કેટલા ડિગ્રી ભ્રમણ કરે છે.

આખી ઘડિયાળનું ભ્રમણ = 360 ડિગ્રી

એક ભ્રમણ = 12 કલાક

માટે એક કલાકમાં ભ્રમણ = 360 / 12 = 30 ડિગ્રી.

હવે 8 વાગ્યા થી 2 વાગ્યા વચ્ચે કુલ 4 કલાક આવે.

જો એક કલાકમાં 30 ડિગ્રીનું ભ્રમણ તો 4 કલાકમાં કેટલું?

4 કલાકમાં કલાકના કાંટાનું ભ્રમણ = 4*30 = 120 ડિગ્રી

####

અત્યારે ઘડિયાળમાં બપોરના 12 વાગ્યા છે. કલાક અને મિનિટનો કાંટો બરાબર 12 પર છે. બીજા દિવસે સવારના 6 વાગે ત્યાં સુધીમાં કલાકના કાંટાને કેટલું ભ્રમણ કરવું પડે? વિગતવાર સ્ટેપ બાય સ્ટેપ સમજાવો.

ANSWER

જવાબ: 540 ડિગ્રી

RATIONALE

આખી ઘડિયાળનું ભ્રમણ = 360 ડિગ્રી

એક ભ્રમણ = 12 કલાક

માટે એક કલાકમાં ભ્રમણ = 360 / 12 = 30 ડિગ્રી.

હવે બપોરના 12 થી બીજા દિવસ સવારના 6 વાગ્યા સુધી માં કુલ 18 કલાક હોય.

જો એક કલાકમાં 30 ડિગ્રીનું ભ્રમણ તો 18 કલાકમાં કેટલું?

18 કલાકમાં કલાકના કાંટાનું ભ્રમણ = 18*30 = 540 ડિગ્રી

QUESTION

વિકાસને શબ્દો સાથે રમવું ખુબ ગમે છે. સમાંતર શબ્દો એના ખુબ પ્રિય છે. સમાંતર શબ્દો એટલે એવા કે જેને આગળથી કે પાછળથી વાંચવામાં આવે તો તે સમાન રીતે જ વંચાય છે. જેમ કે “સરસ”, “તરત” વગેરે.

આ ઉપરાંત વિકાસ શબ્દોને જોડાવાની રમત રમવા માંગે છે. જેમાં તે આપેલ શબ્દ સાથે તે જ શબ્દને ઉલ્ટો કરી પ્રથમ શબ્દના અંતમાં જોડવામાં આવે છે. ઉદાહરણ તરીકે જો આપેલ શબ્દ “વિકાસ” હોય તો આ રમત થકી બનતો નવો શબ્દ “વિકાસસકાવિ” થાય.

હવે વિકાસને એ જાણવામાં મદદ કરો કે નીચે આપેલા શબ્દો સાથે જો આ રમત રમવામાં આવે તો અંતે બનતા ક્યાં શબ્દો સમાંતર શબ્દો બને?

શબ્દોની સૂચિ: “કનક”, “ગગન”

આ સંપૂર્ણ પ્રક્રિયાને સ્ટેપ બાય સ્ટેપ સમજાવો અને ઉકેલના અંતે તારણ પણ આપો.

ANSWER

પ્રક્રિયાના અંતે આ તારણ નીકળે કે આપેલ શબ્દ સમાંતર હોય કે ના હોય તેને આ રમત થકી ઉલ્ટો કરી પ્રારંભિક શબ્દની પાછળ જોડવાથી મળતો શબ્દ સમાંતર શબ્દ જ હોય છે.

RATIONALE

આ સમસ્યામાં બે સિદ્ધાંતોની વાત કરવામાં આવી છે. એક તો સમાંતર શબ્દો અને બીજી શબ્દોની રમત. આપણે આપેલા શબ્દો માટે સૌપ્રથમ આ રમત મુજબ શબ્દ તૈયાર કરવાનો છે અને અંતે એ જોવાનું છે કે આ બનેલ શબ્દ સમાંતર શબ્દ છે કે નહિ.

પ્રથમ શબ્દ “કનક”માટે રમત રમવા માટે આપણે આ શબ્દને ઉલ્ટો કરી પ્રારંભિક શબ્દની અંતમાં જોડવો પડશે.

“કનક” શબ્દનો ઉલટો શબ્દ પણ “કનક” થાય. આ ઉલ્ટા શબ્દને સીધા શબ્દના અંતમાં જોડતા મળતો શબ્દ: “કનકકનક” થાય.

હવે આ નવા શબ્દ “કનકકનક” ને ઊંધેથી વાંચવામાં આવે તો પણ અને સીધેથી વાંચવામાં આવે તો પણ “કનકકનક” વંચાય છે માટે તે સમાંતર શબ્દ છે.

બીજા શબ્દ “ગગન” માટે આ જ રીતે રમત રમીએ તો, “ગગન” નો ઉલ્ટો શબ્દ “નગગ” થાય અને તેને “ગગન”ની પાછળ જોડવામાં આવે તો મળતો નવો શબ્દ “ગગનનગગ” છે.

હવે આ નવા શબ્દ “ગગનનગગ” ને આગળથી વાંચતા તેને “ગગનનગગ” એને પાછળથી વાંચતા “ગગનનગગ” વંચાય છે. આમ આ પણ સમાંતર શબ્દ છે.

QUESTION

જો આવનારા 24 કલાકમાં 23 સપ્ટેમ્બર 2022 હશે તો કાલથી એક અઠવાડિયા પછીની તારીખ શું હશે? તારીખ/મહિનો/વર્ષ આ રીતે જવાબ જણાવો.

ANSWER

જવાબ: 30/સપ્ટેમ્બર/2022

RATIONALE

ચાલો આનો જવાબ શોધીએ. 24 કલાક એટલે 1 દિવસ. માટે જો અવનારા 24 કલાકમાં 23 સપ્ટેમ્બર હોય તો આજની તારીખ 22 સપ્ટેમ્બર 2022 હશે. હવે અપને એ શોધવાનું છે કે કાલથી એક અઠવાડિયા પછીની તારીખ શું હશે. કાલથી એટલે આજની તારીખમાં એક દિવસ ઉમેરવાનો થાય. તો નવી તારીખ 23 સપ્ટેમ્બર 2022 થઇ. એક અઠવાડિયામાં સાત દિવસ હોય માટે એક અઠવાડિયા પછીની તારીખ મેળવવા માટે આ નવી તારીખમાં સાત દિવસ ઉમેરવા પડશે. તો નવી તારીખ 23+7 = 30 એટલે કે 30 સપ્ટેમ્બર 2022 થશે.

જવાબ: 30/સપ્ટેમ્બર/2022

QUESTION

આપેલ વિધાનની શક્યતા સમજાવો. “ધ્યાનચંદએ જીવન દરમિયાન ઘણા ફૂટબોલ ગોલ્સ કરી દર્શકોનું ધ્યાન આકર્ષિત કર્યું છે.”

ANSWER

આપેલ વિધાન શક્ય સાબિત થતું નથી.

RATIONALE

ધ્યાનચંદ એ હોકીના ખિલાડી હતા. માટે તેમને હોકીના ગોલ્સ કર્યા હોય એ તે વાત સાચી પણ હોય પરંતુ વાત અહીંયા ફૂટબોલની છે માટે આપેલ વિધાન ધ્યાનચંદ એ ફોટબોલના ગોલ્સ કર્યા હોય તે વાત ખોટી સાબિત થાય છે.

QUESTION

મોટરકારના પહેલાના દિવસોમાં એક માણસ ઘોડા પર સવાર થઇ ને શહેરમાં દાખલ થયો. તે રવિવાર પર આવ્યો હતો અને તેને ત્યાં ત્રણ દિવસ પસાર કર્યા બાદ રવિવારના દિવસે શહેરથી બહાર નીકળી ગયો. આ કેવી રીતે શક્ય છે સમજાવો.

જવાબ આ રીતે આપો.

જવાબ:_____

ANSWER

જવાબ: રવિવાર ઘોડાનું નામ છે.

RATIONALE

આપેલ કિસ્સામાં ઘોડેસવાર ત્રણ દિવસ પસાર કર્યા બાદ નીકળે છે અને તે દિવસે રવિવાર છે તો તેનો મતલબ તે ગુરુવારે શહેરમાં આવે છે અને ગુરુવાર, શુક્રવાર, શનિવાર પસાર કરીને રવિવારે નીકળે છે. તો આ કિસ્સામાં આપેલ વિધાન “તે રવિવાર પર આવ્યો હતો” તે દિવસનું વર્ણન નથી કરતુ અને એમ લાગે છે કે “રવિવાર” એ ઘોડાનું નામ છે. આમ, તે રવિવાર નામના ઘોડા પર આવે છે અને ત્રણ દિવસ પસાર કરીને રવિવારના દિવસે નીકળે છે.

QUESTION

વ્યક્તિ 1: જો વિકાસ આપણે ગમે તેટલું ભણીએ પરંતુ જીવનમાં જે થવાનું છે તે નક્કી જ છે. પહેલા થી જ લખેલું છે.

વ્યક્તિ 2: હું માનું છે કે જીવનમાં બધું આપણા હાથમાં નથી હોતું પરંતુ એનો મતલબ એવો થોડી છે કે હાથ પર હાથ ધરીને બેસી રહો.

વ્યક્તિ 1: તને શોખ હોય ભણવાનો તો ભણ હું તો ભણીને મારો સમય નથી બગાડવા માંગતો. વિશ્વના કેટલાય કરોડપતિ લોકો ભણેલા નથી. માટે ખાલી ભણવાથી જ જીવનમાં આગળ વધાય એ જરાય જરૂરી નથી.

વ્યક્તિ 2: હા પણ મહેશ હાલ આપણી ઉંમર ભણવાની છે. અત્યારે ભણવા પાછળ લગાડેલો સમય ચોક્કસ આગળ જતા યોગ્ય વળતર આપશે.

આ વાર્તાલાપમાં ભણવાથી થતા ફાયદાનો વિરોધાભાષ કરતા વ્યક્તિનું નામ…..

ANSWER

જવાબ: આ વાર્તાલાપમાં ભણવાથી થતા ફાયદાનો વિરોધાભાષ કરતા વ્યક્તિનું નામ મહેશ છે.

RATIONALE

આપેલ વાર્તાલાપને ધ્યાનથી જોતા માલુમ પડે છે કે વિકાસ મહેશને એ સમજવાનો પ્રયત્ન કરે છે કે હાલ તેમની ઉંમર ભણવાની છે અને આ સમયે હાથમાં હાથ ધરી બેસી રહેવાથી કોઈ ફાયદો થવાનો નથી. ભણતર પાછળ કરેલા સમયના રોકાણથી જીવનમાં યોગ્ય વળતર મળશે. જયારે મહેશનું માનવું એમ છે કે જીવનમાં ભણવાથી કોઈ ફાયદો થવાનો નથી. વિશ્વના કેટલાય કરોડપતિ ભણેલા નથી આવા ઉદાહરણ થકી મહેશ સમજાવે છે કે આગળ વધવા માટે ભણવાની કોઈ જરૂરી નથી અને જીવનમાં જે થાવનું છે તે નિશ્ચિત જ છે.

આમ મહેશ ભણતરથી થતા ફાયદાનો વિરોધાભાષ કરતો વ્યક્તિ છે.

1/ 12

CHANGE VIEW

Simplified View

JSON View

ATTRIBUTES

Id :fb_cot_gu_4167

Language :Gujarati

Domain :Cause & Effect

Prompt Type :ICL

Question Type :True & False

Complexity :Medium

Rich Text :NA

Id :fb_cot_gu_4271

Language :Gujarati

Domain :Complex Question

Prompt Type :ICL

Question Type :Direct

Complexity :Hard

Rich Text :NA

Id :fb_cot_gu_5556

Language :Gujarati

Domain :Math Word Problem

Prompt Type :Continuation

Question Type :Direct

Complexity :Hard

Rich Text :NA

Id :fb_cot_gu_3743

Language :Gujarati

Domain :Currency Problem

Prompt Type :Continuation

Question Type :Direct

Complexity :Hard

Rich Text :NA

Id :fb_cot_gu_1992

Language :Gujarati

Domain :Math Word Problem

Prompt Type :Instructive

Question Type :Direct

Complexity :Hard

Rich Text :list

Id :fb_cot_gu_2895

Language :Gujarati

Domain :Math Word Problem

Prompt Type :Instructive

Question Type :Direct

Complexity :Hard

Rich Text :NA

Id :fb_cot_gu_7540

Language :Gujarati

Domain :Clock Problem

Prompt Type :ICL

Question Type :Direct

Complexity :Hard

Rich Text :NA

Id :fb_cot_gu_7893

Language :Gujarati

Domain :Letter Concatenation

Prompt Type :Instructive

Question Type :Direct

Complexity :Medium

Rich Text :NA

Id :fb_cot_gu_2064

Language :Gujarati

Domain :Calender Problem

Prompt Type :Instructive

Question Type :Direct

Complexity :Medium

Rich Text :NA

Id :fb_cot_gu_2474

Language :Gujarati

Domain :Complex Question

Prompt Type :Instructive

Question Type :Direct

Complexity :Medium

Rich Text :NA

Id :fb_cot_gu_4879

Language :Gujarati

Domain :Common Sense

Prompt Type :Continuation

Question Type :Direct

Complexity :Medium

Rich Text :NA

Id :fb_cot_gu_5251

Language :Gujarati

Domain :Dialogue

Prompt Type :Continuation

Question Type :Direct

Complexity :Hard

Rich Text :NA

Dataset Details

Dataset type

CoT Prompt & Response Dataset

Volume

3000+

Media type

Text

Language

Gujarati

Domain

Common sense, Complex question ...moreMathematics, Goemetry, Puzzles and more

File Details

Format

JSON, CSV

Annotation

Yes

Schema Element

unique_id, ...morequestion, question_type, question_complexity, domain, prompt_type, answer, answer_type, rationale, rich_text

Read the License Terms

Browse FAQs

Similar to Prompt & Response Dataset

Japanese

Japanese COT Prompt & Response Dataset

Chain of thought prompt & response dataset in Japanese Language.

3000+

Diverse Types

Language Model Training

Rational Model Training

Korean

Korean COT Prompt & Response Dataset

Chain of thought prompt & response dataset in Korean Language.

3000+

Diverse Types

Language Model Training

Rational Model Training

Punjabi

Punjabi COT Prompt & Response Dataset

Chain of thought prompt & response dataset in Punjabi Language.

3000+

Diverse Types

Language Model Training

Rational Model Training

Telugu

Telugu COT Prompt & Response Dataset

Chain of thought prompt & response dataset in Telugu Language.

3000+

Diverse Types

Language Model Training

Rational Model Training

View All

Gujarati Brainstorming Dataset

Brainstorming prompt & response dataset in Gujarati Language.

2000+

Diverse Types

Language Model Training

Natural Language Understanding

Gujarati

Gujarati Closed Ended Classification Dataset

Closed ended classification prompt & response dataset in Gujarati Language.

3000+

Diverse Types

Language Model Training

Classification Model Training

Gujarati

Gujarati Open Ended Classification Dataset

Open ended classification prompt & response dataset in Gujarati Language.

3000+

Diverse Types

Language Model Training

Classification Model Training

Gujarati

Gujarati Closed Ended Question Answer Dataset

Closed ended Q&A dataset in Gujarati Language.

5000+

Diverse Types

Language Model Training

Question Answering Systems

View All

Need datasets for a specific AI/ML use case?
Don't worry, we've got you covered! 👍