Free practice MCQs with answers and explanations for కృత్రిమ మేధతో అనుసంధానం (Integrated AI) (7వ తరగతి సోషల్ – ఆర్థిక జీవనం (Class 7 Social – Economic Life)). Tap an option to check instantly · page 5 of 6.
Correct: C — విద్యార్థి ఇంటి చిరునామా
మంచి ప్రాంప్ట్‌లో తరగతి స్థాయి (ఉదా: 7వ తరగతి), పాఠం పేరు, స్పష్టమైన భావన, వివరణ కోసం అభ్యర్థన ఉండాలి. ఇంటి చిరునామా వ్యక్తిగత సమాచారం – ‘వ్యక్తిగత సమాచారాన్ని ఎప్పుడూ పంచుకోవద్దు’ అనే భద్రతా నియమం ప్రకారం దాన్ని AI కి ఇవ్వకూడదు.
Revise related study notesCorrect: B — డేటా అసమతౌల్యంగా ఉంటే AI అంచనాలు అన్యాయంగా ఉండవచ్చు
AI అంచనాలు అది నేర్చుకున్న డేటాపై ఆధారపడతాయి; డేటా అసమతౌల్యంగా (ఒక వర్గానికి ఎక్కువ, మరొకదానికి తక్కువ) ఉంటే అంచనాలు అన్యాయంగా ఉండవచ్చు. ‘ఎప్పుడూ తప్పు’ అనేది మరో అతి; AI కి డేటా తప్పనిసరి; ఉపాధ్యాయులు మార్గనిర్దేశం చేస్తారు, అంచనాలు రాయరు.
Revise related study notesCorrect: A — ముందు పాఠ్య భావనను బోధించి, అర్థమైన తర్వాతే AI సంబంధాన్ని పరిచయం చేయాలి
ఉపాధ్యాయులు మొదట పాఠ్యపుస్తక ఉదాహరణలు, పటాలు, కృత్యాలతో భావనను వివరించాలి; విద్యార్థులు అర్థం చేసుకున్నాక AI సంబంధాన్ని పరిచయం చేయాలి; AI పరస్పర చర్యలను పర్యవేక్షించి, సమాధానాలను పాఠ్యపుస్తకంతో ధ్రువీకరించేలా చూడాలి, అర్థం లేకుండా కాపీ చేయకూడదని స్పష్టం చేయాలి.
Revise related study notesCorrect: D — 1, 2 మాత్రమే
అధ్యాయం అభ్యసన ఫలితాల్లో కృత్రిమ మేధ, డిజిటల్ డేటా, అల్గోరిథం, డేటాసెట్, నమూనాల గుర్తింపు, ఆటోమేషన్ పదాలు ఉన్నాయి (1 సరైనది); వాతావరణ సూచన, పటాలు, పరిపాలన, ఆర్థిక లావాదేవీల్లో డేటాసెట్లు, మెషిన్ లెర్నింగ్ వాడకం (2 సరైనది). AI సాధనాలను ఉపాధ్యాయులు/తల్లిదండ్రుల ప్రత్యక్ష పర్యవేక్షణలోనే వాడాలి – 3 తప్పు.
Revise related study notesCorrect: D — చేతితో గీసిన పటం
గూగుల్ మ్యాప్స్ ప్రత్యక్ష ట్రాఫిక్, AI వాతావరణ సూచన, ఆన్‌లైన్ ఉత్పత్తి సిఫార్సు – మూడూ డేటా సేకరణ, డిజిటల్ విశ్లేషణ, నమూనా గుర్తింపుపై ఆధారపడిన AI అనువర్తనాలు. చేతితో గీసిన పటం మానవ పరిశీలన, నైపుణ్యంతో చేసేది – డిజిటల్ గుర్తింపు కాదు, అందుకే భిన్నమైనది.
Revise related study notesCorrect: C — 2, 4, 3, 1, 5
సరైన క్రమం: సెన్సార్ల ద్వారా ఇన్‌పుట్ సేకరణ (2) → డిజిటల్ డేటాగా మార్పు (4) → అల్గోరిథమ్‌లతో ప్రాసెసింగ్ (3) → ధోరణులు/నమూనాల గుర్తింపు (1) → వర్గీకరణ లేదా ముందస్తు అంచనా అవుట్‌పుట్ (5). డిజిటల్‌గా మారకముందే ప్రాసెసింగ్, ప్రాసెసింగ్ కాకముందే నమూనా గుర్తింపు సాధ్యం కాదు.
Revise related study notesCorrect: B — A సరైనది, R తప్పు
AI మానవ ఆలోచనకు సహాయకారి, ప్రత్యామ్నాయం కాదని పాఠం పదేపదే చెబుతుంది (A సరైనది). కానీ AI సమాధానాలను పాఠ్యపుస్తకం, ఉపాధ్యాయుల మార్గదర్శకత్వంతో తప్పనిసరిగా ధ్రువీకరించాలని కూడా చెబుతుంది – ‘అవసరం లేదు’ అనే R తప్పు. నిజానికి ధ్రువీకరణ అవసరం ఉండటమే A కు సరైన కారణం.
Revise related study notesCorrect: A — P-2, Q-1, R-4, S-3
ఉపగ్రహ చిత్రాలు = అంతరిక్షం నుంచి తీసిన భూ ఉపరితల చిత్రాలు (P-2); జియోస్పేషియల్ డేటా = భూమిపై లక్షణాల స్థాన-ఆధారిత డేటా (Q-1); డిజిటల్ మ్యాప్‌లు = ఉపగ్రహ డేటా, డిజిటల్ సాంకేతికతతో కంప్యూటర్ రూపొందించిన పటాలు (R-4); శీతోష్ణస్థితి డేటాసెట్ = ఏళ్ల తరబడి నమోదైన ఉష్ణోగ్రత, వర్షపాతం, గాలి సమాచారం (S-3).
Revise related study notesCorrect: A — 1, 3 మాత్రమే
విద్యార్థులు పట చిహ్నాలను పోల్చినట్లే AI ఆకారాలు, రంగులు, ఎత్తు డేటాను పోల్చి భూస్వరూపాలను వర్గీకరిస్తుంది (1 సరైనది); దీర్ఘకాల వర్షపాత డేటాలో పునరావృత రుతు నమూనాలను మెషిన్ లెర్నింగ్ గుర్తిస్తుంది (3 సరైనది). శీతోష్ణస్థితి దీర్ఘకాలిక సరళి కాబట్టి కొన్ని రోజుల డేటా సరిపోదు – ఏళ్ల డేటాసెట్లు కావాలి, 2 తప్పు.
Revise related study notesCorrect: D — కంప్యూటర్ విజన్, జియోస్పేషియల్ డేటా విశ్లేషణ
ఉపగ్రహాలు తీసిన చిత్రాలను AI విశ్లేషించి సూక్ష్మ వివరాలను గుర్తించడాన్ని పాఠ్యపుస్తకం కంప్యూటర్ విజన్, జియోస్పేషియల్ డేటా విశ్లేషణ అని పిలుస్తుంది. టెక్స్ట్ మైనింగ్ పత్రాలకు, సిఫార్సులు-ప్రవర్తన విశ్లేషణ మార్కెట్లకు, క్రమపద్ధతి ప్రక్రియ-విధాన నమూనా ప్రభుత్వ నిర్ణయాలకు చెందిన పదాలు.
Revise related study notes