Datasets:
Tasks:
Multiple Choice
Modalities:
Text
Formats:
json
Sub-tasks:
multiple-choice-qa
Size:
1K - 10K
License:
a
stringclasses 2
values | q
stringclasses 8
values | grade
int64 1
1
| context
stringclasses 2
values | category
stringclasses 1
value |
---|---|---|---|---|
እውነት | ለሚከተሉት ጥያቄዎች ትክክል ከሆኑ ‹‹እውነት›› ወይም ስህተት ከሆኑ ‹‹ሐሰት›› በማለት ፃፍ/ፊ፡፡
‹‹በፊደል ‹‹ጳ›› ጳጳስ የሚል ቃል ይመሰረታል፡፡›› | 1 | Reading Comprehension |
|
ሐሰት | ለሚከተሉት ጥያቄዎች ትክክል ከሆኑ ‹‹እውነት›› ወይም ስህተት ከሆኑ ‹‹ሐሰት›› በማለት ፃፍ/ፊ፡
‹‹አቶ ከበደ የሚባሉ ሰውዬ ለነውርዬ ምግብ ይሰጧቸው ነበር፡፡›› | 1 | ውርዩና ቡችዬ
አቶ ሰለሞን ቤት የሚኖሩ አንዲት ድመትና አንድ ውሻ ነበሩ የድመቷ ስም ‹‹ውርዬ›› ሲሆን የውሻው
ስም ደግሞ ‹‹ቡችዬ›› ይባላል፡፡ ውርዬና ቡችዬ በጣም ጓደኛሞች ነበሩ፡፡ አቶ ሰለሞን ለውርዬ ወተት
እና ሳንባ ለቡችዬ ደግሞ አጥንት ይሰጧቸዋል፡፡ ውርዬ እና ቡችዬ በጣም ደስተኞች ነበሩ፡፡ | Reading Comprehension |
እውነት | ለሚከተሉት ጥያቄዎች ትክክል ከሆኑ ‹‹እውነት›› ወይም ስህተት ከሆኑ ‹‹ሐሰት›› በማለት ፃፍ/ፊ፡
‹‹ውርዬና ቡችዬ ጓደኛሞች ነበሩ፡፡›› | 1 | ውርዩና ቡችዬ
አቶ ሰለሞን ቤት የሚኖሩ አንዲት ድመትና አንድ ውሻ ነበሩ የድመቷ ስም ‹‹ውርዬ›› ሲሆን የውሻው
ስም ደግሞ ‹‹ቡችዬ›› ይባላል፡፡ ውርዬና ቡችዬ በጣም ጓደኛሞች ነበሩ፡፡ አቶ ሰለሞን ለውርዬ ወተት
እና ሳንባ ለቡችዬ ደግሞ አጥንት ይሰጧቸዋል፡፡ ውርዬ እና ቡችዬ በጣም ደስተኞች ነበሩ፡፡ | Reading Comprehension |
እውነት | ለሚከተሉት ጥያቄዎች ትክክል ከሆኑ ‹‹እውነት›› ወይም ስህተት ከሆኑ ‹‹ሐሰት›› በማለት ፃፍ/ፊ፡፡
‹‹በፊደል ‹‹ጀ ›› ጅራት የሚል ቃል ይመሰረታል፡፡›› | 1 | Reading Comprehension |
|
እውነት | ለሚከተሉት ጥያቄዎች ትክክል ከሆኑ ‹‹እውነት›› ወይም ስህተት ከሆኑ ‹‹ሐሰት›› በማለት ፃፍ/ፊ፡፡
‹‹በፊደል ‹‹ደ ›› ደብተር የሚል ቃል ይመሰረታል፡፡›› | 1 | Reading Comprehension |
|
ሐሰት | ለሚከተሉት ጥያቄዎች ትክክል ከሆኑ ‹‹እውነት›› ወይም ስህተት ከሆኑ ‹‹ሐሰት›› በማለት ፃፍ/ፊ፡፡
‹‹ከፊደል ‹‹ድ›› ቀጥሎ ፊደል ‹‹ዲ ›› ን እናገኛለን፡፡›› | 1 | Reading Comprehension |
|
ሐሰት | ለሚከተሉት ጥያቄዎች ትክክል ከሆኑ ‹‹እውነት›› ወይም ስህተት ከሆኑ ‹‹ሐሰት›› በማለት ፃፍ/ፊ፡፡
‹‹በፊደል ‹‹ቨ ›› ሸሚዝ የሚል ቃል ይመሰረታል፡፡›› | 1 | Reading Comprehension |
|
እውነት | ለሚከተሉት ጥያቄዎች ትክክል ከሆኑ ‹‹እውነት›› ወይም ስህተት ከሆኑ ‹‹ሐሰት›› በማለት ፃፍ/ፊ፡
‹‹ውርዬና ቡችዬ በጣም ደስተኞች ነበሩ፡፡›› | 1 | ውርዩና ቡችዬ
አቶ ሰለሞን ቤት የሚኖሩ አንዲት ድመትና አንድ ውሻ ነበሩ የድመቷ ስም ‹‹ውርዬ›› ሲሆን የውሻው
ስም ደግሞ ‹‹ቡችዬ›› ይባላል፡፡ ውርዬና ቡችዬ በጣም ጓደኛሞች ነበሩ፡፡ አቶ ሰለሞን ለውርዬ ወተት
እና ሳንባ ለቡችዬ ደግሞ አጥንት ይሰጧቸዋል፡፡ ውርዬ እና ቡችዬ በጣም ደስተኞች ነበሩ፡፡ | Reading Comprehension |
Dataset Card for Uhura-Eval
Dataset Summary
Languages
There are 6 languages available:
- Amharic
- Hausa
- Northern Sotho (Sepedi)
- Swahili
- Yoruba
- Zulu
Dataset Structure
Data Instances
The examples look like this for English:
from datasets import load_dataset
data = load_dataset('ebayes/uhura-eval', 'yo_generation', split="train")
- Downloads last month
- 173