TADCDP26: 📦 How a Machine Learns (unplugged build) / मेसिनले कसरी सिक्छ (अनप्लग्ड निर्माण - डिजिटल उपकरण बिनाको अभ्यास)

English
नेपाली

How a Machine Learns – Activity Overview ⏱️ 8 min

This interactive activity guides students through the core idea of machine learning: data → pattern → prediction. It is designed as a device-light, hands-on experience for Grades 9–12.

🎯 Learning Objectives

Understand the difference between a rigid rule and learning from examples.
Identify patterns in labelled data.
Apply patterns to make predictions on new examples.
Recognise the limitations of narrow data (bias, hallucination).

📋 Activity Steps

Follow a rigid rule – sort animals using a fixed rule (e.g., four legs + fur vs. wings + feathers) and see where a bat or penguin breaks it.
Train on labelled examples – study labelled goat and sheep examples to discover distinguishing patterns.
Predict new ones – use the patterns you found to label new animals (e.g., horns vs. wool).
Find where it fails – discuss what happens when the training data is narrow (e.g., only one kind of goat) and how that can lead to bias or errors.

💡 Practical Task

For students: Create a one-page explainer titled “How AI works – in my own words” that covers:

What AI is and is not.
The data → pattern → prediction idea.
One honest limit (bias or hallucination).
The rule: AI helps, a person decides.

📦 SCORM Package

The activity is also available as a SCORM 1.2 package (imsmanifest.xml) for integration into any LMS. The interactive HTML (index.html) tracks completion and scores.

Next step: After completing this activity, students are ready for the Day of AI pupil pathway: What is AI? → How do Machines Learn? → How do Machines Create?

How a Machine Learns – गतिविधि सिंहावलोकन ⏱️ ८ मिनेट

यो अन्तरक्रियात्मक गतिविधिले विद्यार्थीहरूलाई मेसिन लर्निङको मुख्य अवधारणा data → pattern → prediction सिकाउँछ। यो कक्षा ९–१२ का लागि device-light, हाते अनुभवको रूपमा डिजाइन गरिएको हो।

🎯 सिकाइ उद्देश्यहरू

कडा नियम र उदाहरणबाट सिक्ने बीचको भिन्नता बुझ्ने।
लेबल गरिएको डेटामा ढाँचा पहिचान गर्ने।
ढाँचा प्रयोग गरी नयाँ उदाहरणमा भविष्यवाणी गर्ने।
साँघुरो डेटाको सीमा (पूर्वाग्रह, भ्रम) पहिचान गर्ने।

📋 गतिविधि चरणहरू

कडा नियम पालना – निश्चित नियम (जस्तै: चार खुट्टा + ऊन vs पखेटा + प्वाँख) प्रयोग गरी जनावर छुट्याउने र bat वा penguin आएपछि के हुन्छ हेर्ने।
लेबल गरिएका उदाहरणबाट सिक्ने – goat र sheep का लेबल भएका उदाहरण अध्ययन गरी तिनीहरूको विशेषता पत्ता लगाउने।
नयाँ उदाहरणको अनुमान – पत्ता लगाएको ढाँचा प्रयोग गरी नयाँ जनावरलाई लेबल गर्ने (जस्तै: सिङ vs ऊन)।
कहाँ असफल हुन्छ – तालिम डेटा साँघुरो भएमा (जस्तै: एउटै प्रकारको बाख्रा मात्र) के हुन्छ र कसरी पूर्वाग्रह वा त्रुटि आउन सक्छ भन्ने छलफल गर्ने।

💡 व्यावहारिक कार्य

विद्यार्थीहरूका लागि: “AI कसरी काम गर्छ – मेरै शब्दमा” शीर्षकको एक-पृष्ठ व्याख्यात्मक लेख तयार गर्नुहोस्, जसमा यी कुराहरू समावेश हुनुपर्छ:

AI के हो र के होइन।
data → pattern → prediction विचार।
एउटा इमानदार सीमा (पूर्वाग्रह वा भ्रम)।
नियम: AI ले सहायता गर्छ, तर निर्णय मानिसले गर्छ।

📦 SCORM प्याकेज

यो गतिविधि SCORM 1.2 प्याकेज (imsmanifest.xml) को रूपमा पनि उपलब्ध छ, जसलाई कुनै पनि LMS मा एकीकृत गर्न सकिन्छ। अन्तरक्रियात्मक HTML (index.html) ले पूर्णता र अंक ट्र्याक गर्छ।

अर्को चरण: यो गतिविधि सकिएपछि, विद्यार्थीहरू Day of AI pupil pathway का लागि तयार हुन्छन्: What is AI? → How do Machines Learn? → How do Machines Create?

Number of attempts allowed: Unlimited
Number of attempts you have made: 1
Grade for attempt 1: 0%
Grading method: Highest attempt
Grade reported: 0%

🧠 How a Machine Learns – Activity Overview ⏱️ 8 min