AIEd علمی ذخیرہAIEd KB
اس صفحے پر

یہ صفحہ انگریزی میں پڑھیں

تصورات

نظریات اور فریم ورک

تخلیق شدہ 2026-09-19 · اپ ڈیٹ شدہ 2026-11-04

انگریزی صفحے کا خودکار ترجمہ، جو ابھی تک کسی مقامی بولنے والے کے ذریعے جانچا نہیں گیا۔

نظریات اور فریم ورک — اُن تشریحی اور تنظیمی ڈھانچوں کی فعال فہرست جو یہ نالج بیس درحقیقت استعمال کرتا ہے۔ نظریات بتاتے ہیں کہ سیکھنا کیوں ہوتا ہے (سیکھنے کے نظریے، خود تعین کا نظریہ، سماجی ثقافتی سیکھنا، activity theory)؛ فریم ورک ڈیزائن، تدریس اور اپنانے کے فیصلوں کو منظم کرتے ہیں (ٹیکنالوجیکل پیڈاگوجیکل کنٹینٹ نالج (TPACK)، SAMR، technology adoption models، ICAP، universal design for learning)؛ ماڈل سیکھنے کے دعووں کو قابلِ جانچ اور قابلِ حساب بناتے ہیں (item response theory، جانچ کا اعتبار، نالج ٹریسنگ)۔ اس صفحے کو اِس لیے استعمال کریں کہ کسی مطالعے کی بنیاد کون سا عدسہ ہے، یا اپنے کام کے لیے کوئی ایک چنیں۔

غور کرنے کے سوالات

  • نظریہ پیش گوئی کرتا ہے کہ کچھ بدلنے پر کیا ہوگا؛ فریم ورک بتاتا ہے کہ کس چیز پر توجہ دینی ہے۔ جب کوئی مطالعہ کسی فریم ورک کے بینر تلے فائدہ رپورٹ کرے مگر کوئی ایسی پیش گوئی نہ دے جو ناکام ہو سکتی ہو، تو آخر کیا سیکھا گیا؟
  • TPACK، SAMR، UDL، اپنانے کے ماڈل اور ICAP سب بڑے لینگویج ماڈل سے پہلے کے ہیں۔ جب ٹول خود لکھ، سمجھا اور ڈھل سکتا ہو تو ان کے کون سے حصے اب بھی قائم ہیں، اور آپ یہ کیسے بتائیں گے؟
  • نیچے درج کئی نظریات گزشتہ چند برسوں میں AI کے لیے بنائے گئے۔ ان میں سے کسی کے غلط ثابت ہونے کے لیے کیا درکار ہوگا، اور کیا کسی نے ایسا دکھانے کی کوشش کی ہے؟
  • اپنانے کی رپورٹ اکثر مراحل سے گزرنے کے طور پر ہوتی ہے۔ اگر کوئی ساتھی بتائے کہ ان کا کورس اس سال "متبادل سے نئی تعریف تک" پہنچ گیا، تو یقین کرنے سے پہلے آپ کون سا آزاد ثبوت طلب کریں گے؟
  • اس میدان کا زیادہ حصہ مستعار نظریہ لگاتا ہے، اسے جانچتا نہیں۔ کوئی نتیجہ چنیں جس پر آپ بھروسا کرتے ہیں: کیا اسے کسی نظریے کی جانچ کے طور پر نئے سرے سے بیان کیا جا سکتا ہے، اور اس کے لیے کون سی پیمائش درکار ہوگی؟

تعارف

ہر AI ٹیوٹر، فیڈبیک نظام اور ڈیش بورڈ اس بارے میں مفروضے رکھتا ہے کہ لوگ کیسے سیکھتے ہیں، چاہے ڈیزائنرز انہیں بیان کریں یا نہ کریں۔ یہ صفحہ اُن نظریات، فریم ورکوں اور ماڈلوں کو جمع کرتا ہے جن سے یہ مفروضے آتے ہیں، اور انہیں تقریباً اس ترتیب سے رکھتا ہے کہ موجودہ تحقیقی لٹریچر کتنا ان پر ٹکا ہوا ہے، اور ہر ایک کے ساتھ مختصراً یہ بتاتا ہے کہ وہ کن سوالات میں کام آتا ہے اور کہاں سے اس کا دائرہ ختم ہو جاتا ہے۔ تینوں اصطلاحات کے درمیان فرق حقیقی مگر معمولی ہے، اور اس کا خلاصہ آخر کی طرف دیا گیا ہے بجائے اس کے کہ اسے موضوع بنایا جائے۔ عملی طور پر اہم بات یہ ہے کہ کوئی دعویٰ کس عدسے پر ٹکا ہوا ہے، اور کیا وہ عدسہ اُس دعوے کو سہارا دینے کی صلاحیت رکھتا ہے یا محض اس کے ساتھ ساتھ چل رہا ہے۔

لٹریچر جن سیکھنے کے نظریات کا اطلاق کرتا ہے

یہ میکانزم بیان کرتے ہیں: وہ اُن حصوں کا نام لیتے ہیں جو کام کرتے ہیں اور پیش گوئی کرتے ہیں کہ ان کے بدلنے پر کیا ہوگا۔ AI کے لٹریچر میں یہ زیادہ تر نفسیات اور سیکھنے کی سائنسز سے مستعار ہیں، اور ایک نئے ٹول کے گرد تشریحی فریم کے طور پر استعمال ہوتے ہیں۔

  • سیکھنے کے نظریات (چھتری) — پورا خاندان، بشمول رویہ پرستی اور constructivism کے کلاسیکی قطبین اور وہ "نام میں تعمیریت، عمل میں رویّہ پرستی" کا خلا جو AI کے نفاذ میں بار بار آتا ہے۔ Connectivism اور علمی بوجھ کا نظریہ بھی یہیں شامل ہیں۔
  • تعمیریت — سیکھنا بطور فعال علم کی تعمیر۔ یہ منصوبہ پر مبنی کام، مکالمے پر مبنی AI ٹیوٹرنگ، اور اس تنقید کی بنیاد ہے کہ ڈرل اور فیڈبیک والے نظام اپنی ہی بیان کردہ تدریس کی خلاف ورزی کرتے ہیں۔
  • سماجی-ثقافتی نظریہ — سیکھنا ٹولز اور سماجی تعامل کی وساطت سے، اسی لیے AI کو محض معاون کے بجائے وساطت کرنے والا نمونہ سمجھا جاتا ہے۔
  • سرگرمی کا نظریہ — پورے سرگرمی کے نظام کو، تضادات سمیت، تجزیے کی اکائی بناتا ہے۔ اساتذہ کے سامنے والے AI مطالعات میں عام، جہاں دلچسپ نتیجہ عموماً ٹولز، اصولوں اور برادری کے درمیان تناؤ ہوتا ہے۔
  • حالاتی سیکھنا اور مجسم سیکھنا — سیکھنا سیاق اور جسم سے جڑا ہوا، یعنی AI کو خالص لسانی واسطہ سمجھنے کے خلاف توازن۔
  • تقسیم شدہ ادراک — سوچ لوگوں اور نمونوں میں پھیلی ہوئی، جو AI کی معاونت کو علمی محنت کی دوبارہ تقسیم سمجھتا ہے، اس کا متبادل نہیں۔
  • تفتیشی برادری — وہ سماجی، علمی اور تدریسی موجودگیاں جو آن لائن تجربے کو کارگر بناتی ہیں؛ بیک وقت تجربے کا نظریہ اور ڈیزائن کا فریم۔
  • خود تعین کا نظریہ — خود مختاری، قابلیت اور تعلق بطور ترغیبی پیش شرطیں۔ اکثر یہی وضاحت دی جاتی ہے جب AI کا استعمال شمولیت بڑھاتا ہے مگر سیکھنا نہیں۔
  • ادراکیت — معلومات کی پروسیسنگ، کام کرنے کی یادداشت، اور سیکھنے کے احساس اور حقیقی سیکھنے کے درمیان فرق۔
  • سماجی ادراک کا نظریہ (گرمی اور قابلیت) — سماجی ادراک اور خدماتی روبوٹ تحقیق سے مستعار، یہ فریم کرتا ہے کہ صارفین AI ایجنٹ کی ساکھ کیسے جانچتے ہیں: سمجھی گئی قابلیت نے ChatGPT کے فیڈبیک کی ساکھ کی براہِ راست پیش گوئی کی جبکہ گرمی صرف انسان جیسی ہمدردی کے ذریعے کام کرتی رہی (SEM، 230 طلبہ؛ Pérez-López et al. (2026))۔
  • چوتھا افورڈنس زمرہ تجویز ہوا، جانچا نہیں گیا۔ 24 مطالعات کو تین حصوں والی افورڈنس اسکیم کے خلاف کوڈ کرتے ہوئے جائزہ لینے والوں نے پایا کہ شمولیت، حفاظت اور خود اعتمادی تکنیکی، تدریسی یا سماجی زمرے میں فٹ نہیں ہوتے، اور انہوں نے Bandura کے باہمی تعین پر مبنی جذباتی افورڈنس تجویز کیں (Lopez & Arabadzhy (2026))۔

طالب علم اور سیکھنے کے عمل کے ماڈل

  • خود ضابطہ سیکھنا — اپنی سیکھنے کی منصوبہ بندی، نگرانی اور جانچ۔ یہی وہ بنیادی تصور ہے جس سے یہ پوچھا جاتا ہے کہ AI کا سہارا اہم مراحل تک پہنچتا ہے یا صرف عمل تک۔
  • میٹا کوگنیشن — اپنی سوچ کے بارے میں سوچنا، اور وہ تصور جس کا نام سب سے زیادہ اُس وقت لیا جاتا ہے جب AI پر الزام ہو کہ وہ طلبہ کے لیے سوچ رہا ہے۔
  • ترغیب — طلبہ کیوں شامل ہوتے ہیں، اور وہ تصور جو AI مطالعات میں شمولیت کو سیکھنے سے الگ کرتا ہے۔
  • خود اعتمادی — اپنی قابلیت پر یقین، جو قابلیت سے الگ ہے اور AI کے استعمال اور نتائج کے درمیان بار بار ثالث ہے۔
  • ایجنسی — کام کی رہنمائی کون کرتا ہے: وہ تصور جو میدان کے کنٹرول بمقابلہ خود مختاری کے تناؤ کے پیچھے ہے، اور نئے نظریے کے تفویض شدہ ایجنسی میکانزم کے پیچھے بھی۔
  • پسندیدہ دشواریاں، یادداشت، وقفہ اور خلط ملط، اور تردید متن — ایسے نتائج جو رکاوٹ کو تدریسی طور پر قیمتی بناتے ہیں، اور AI کو کتنا کرنا چاہیے اس کے فیصلوں پر لاگو ہوتے ہیں۔
  • سیکھنے کی منتقلی — کیا سہارا ہٹنے کے بعد قابلیت برقرار رہتی ہے، جسے حالیہ نظریہ سیکھنے کو معاونت سے الگ کرنے والا معیار سمجھتا ہے، نہ کہ کئی نتائج میں سے ایک۔

تدریس، انضمام اور اپنانے کے فریم ورک

  • TPACK — وہ استاد کا علم جو ٹیکنالوجی، تدریس اور موضوع کو ملاتا ہے؛ اساتذہ کے سامنے والے AI مطالعات کا طے شدہ فریم ورک۔
  • اپنانے کے ماڈل — ارادہ بطور سمجھی گئی افادیت اور استعمال کی آسانی کا فعل۔ اس قدر وسیع استعمال ہوا کہ میدان کا رویّے کے بجائے ارادے پر انحصار ایک مستقل تنقید ہے۔
  • ICAP — شمولیت کو غیر فعال، فعال، تعمیری، تعاملی درجہ دیتا ہے؛ یہ پوچھنے کے لیے مفید کہ AI تعامل درحقیقت کون سا انداز ممکن بناتا ہے۔
  • SAMR — متبادل سے نئی تعریف تک۔ پختگی کی کہانی کے طور پر مقبول، پیمائشی آلے کے طور پر کمزور۔
  • سیکھنے کے لیے عالمگیر ڈیزائن، شمولاتی سیکھنا، اور رسائی — ڈیزائن کے فریم کہ کس کو خدمت ملتی ہے، اور وہ جو معذوری اور مساوات کے کام میں سب سے زیادہ پیش کیے جاتے ہیں۔
  • سیکھنے کا ڈیزائن، نصاب کا ڈیزائن، اور ڈیزائن سوچ — کوئی ٹول چننے سے پہلے کام، ترتیب اور پروگرام کیسے تشکیل پاتے ہیں۔
  • تبدیلی کا انتظام — کیا نظام اپنایا جاتا ہے یا نہیں، جو عموماً تدریسی کے بجائے ادارہ جاتی سوال ہے۔

پیمائش اور حسابی ماڈل

  • آئٹم رسپانس تھیوری — آئٹم اور صلاحیت کا تخمینہ، اور وہ ماڈل جو کسی امتحان کے اعداد کو قابلِ تشریح بناتا ہے۔
  • تعلیمی پیمائش — آلات کا منظرنامہ، بشمول وہ پیمانے جو خاص طور پر AI خواندگی کے لیے بنائے گئے ہیں۔
  • رواداری — کیا کوئی آلہ اُس تصور کو ناپتا ہے جس کا دعویٰ کرتا ہے، جو فیصلہ کرتا ہے کہ رپورٹ شدہ نتیجہ اس سے جڑے نظریاتی دعوے کو سہارا دیتا ہے یا نہیں۔
  • خود رپورٹ پیمانے — اس لٹریچر میں ثبوت کا غالب اور سب سے نازک ماخذ؛ اوپر کے کئی تصورات خود رپورٹ اور کارکردگی کے درمیان تیزی سے مختلف ہونے کے لیے جانے جاتے ہیں۔
  • علم کا سراغ لگانا اور طالب علم کی ماڈلنگ — تعامل کے ڈیٹا سے وقت کے ساتھ سیکھنے والے کی حالت کا تخمینہ۔
  • علمی تشخیص — کارکردگی کو مخصوص مہارتی اجزا سے منسوب کرنا، یعنی تشخیصی تدریس کا ماڈلنگ ہم منصب۔
  • بینچ مارک، AI تعلیم کا جائزہ، اور AI ڈیزائن میں سائیکو میٹرک آگاہی — نظام اور مداخلتیں کیسے اسکور، موازنہ اور آڈٹ ہوتی ہیں۔
  • ڈیزائن پر مبنی تحقیق — وہ طریقہ جو ڈیزائن شدہ مداخلات سے نظریہ پیدا کرتا ہے، اسے پہلے سے جانچنے کے بجائے۔

AI کے دور کے لیے بنائے گئے نظریات

نالج بیس میں چار تجاویز نظریہ مستعار لینے کے بجائے تعمیر کرتی ہیں۔ یہ تصوراتی نوڈس کے بجائے مضمون کے صفحات ہیں، کیونکہ ہر ایک ایک ہی دلیل ہے:

  • جنریٹیوزم — ایک نیا سیکھنے کا نظریہ جو دلیل دیتا ہے کہ جنریٹیو AI کے پھیلاؤ کے ساتھ کلاسیکی چاروں نظریات میں نمایاں تصوراتی حدود ہیں۔
  • علمی مشترکہ ایجنسی — ایک ماڈل کہ طلبہ اور AI نظام مل کر علم اور فہم کیسے پیدا کرتے ہیں۔
  • غائب علمی اساس — یہ نظریہ دیتا ہے کہ AI کے ساتھ پیدا ہونے والے طلبہ اپنی سیکھنے کو کیوں زیادہ آنکتے ہیں جب AI کارکردگی کو بڑھا دیتا ہے۔
  • ایجنٹیوزم — ایک درمیانی درجے کا نظریہ جو چار میکانزم بتاتا ہے (تفویض شدہ ایجنسی، علمی نگرانی و تصدیق، تعمیری اندرونی کاری، اور کم سہارے میں منتقلی) اور چھ قابلِ جانچ تجاویز پیش کرتا ہے۔

تینوں اصطلاحات میں فرق

الفاظ لٹریچر میں ڈھیلے استعمال ہوتے ہیں، اور فرق پورے صفحے کے بجائے ایک پیراگراف کا مستحق ہے:

  • نظریہ میکانزم بیان کرتا ہے اور پیش گوئی کرتا ہے کہ اس کے حصے بدلنے پر کیا ہوگا۔ یہ ناکام ہو سکتا ہے، اسی لیے جانچنے والے مطالعات اثر کے حجم رپورٹ کر سکتے ہیں۔
  • فریم ورک منظم کرتا یا ہدایت دیتا ہے۔ یہ اُن اجزا کا نام لیتا ہے جن پر توجہ دینی ہے، عموماً مقداروں کی پیش گوئی کے بغیر، اور اسے غلط ثابت نہیں کیا جا سکتا۔
  • ماڈل ایک رسمی نمائندگی ہے، عموماً پیمائش یا طالب علم کی حالت کی۔ اسے فٹ کیا جا سکتا ہے، موازنہ کیا جا سکتا ہے، اور ایسے طریقے سے غلط دکھایا جا سکتا ہے جیسے فریم ورک کو نہیں۔
  • اصطلاحات آپس میں ملتی ہیں۔ تفتیشی برادری بیک وقت نظریہ اور ڈیزائن فریم ہے؛ سرگرمی کا نظریہ تشریحی اور تجزیاتی ہے۔ اصطلاح کو اس بات کا اشارہ سمجھیں کہ کوئی ماخذ کیا دعویٰ کرتا ہے، فائلنگ کی قسم نہیں۔

متعلقہ تہیں

دو پڑوسی صفحات جان بوجھ کر کچھ اور ہیں۔ تعلیم میں AI کا فلسفہ معیاری اور تصوراتی سوال پوچھتا ہے — تعلیم کس لیے ہے، کیا مشین سکھا سکتی ہے — اور اثر کے حجم کی پیش گوئی نہیں کرتا؛ کوئی مطالعہ فلسفیانہ طور پر سادہ لوح اور نظریاتی طور پر درست ہو سکتا ہے، یا اس کا اُلٹ۔ نظریے کی ترقی نظریہ تعمیر کرنے، مستعار لینے اور نظرثانی کرنے کی مابعد سرگرمی ہے، بشمول وہ مستقل تنقید کہ AIED کا زیادہ کام موجودہ نظریہ جانچنے کے بجائے لگاتا ہے۔ یہ صفحہ فہرست ہے؛ نظریے کی ترقی فہرست بنانے اور اس کی نظرثانی کے بارے میں ہے۔

عملی سوال ہونے پر عدسہ چننا

  • مدرسین جو کسی مسئلے سے شروع کرتے ہیں، پیچھے کی طرف چل سکتے ہیں: اگر طلبہ شامل نہیں ہو رہے، تو ICAP اور SDT مختلف اسباب بتاتے اور مختلف حل تجویز کرتے ہیں؛ اگر سوال یہ ہے کہ ٹول اپنانا ہے یا نہیں، تو اپنانے کے ماڈل اور SAMR اس کے بارے میں مختلف سوالات پوچھتے ہیں۔
  • سیکھنے کے ڈیزائنرز کو سب سے زیادہ فائدہ ڈیزائن کے فریموں سے ہوتا ہے — UDL، سیکھنے کا ڈیزائن، اور سکافولڈنگ — کے ساتھ ایسا نظریہ جو پیش گوئی کرے کہ سہارا ہٹنے پر کیا ہوگا۔
  • محققین کو بتانا چاہیے کہ کوئی مطالعہ کس نوڈ کا دعویٰ کرتا ہے اور کیا ڈیزائن واقعی اسے جانچ سکتا ہے؛ پیمائشی ماڈل (IRT، جانچ کا اعتبار، خود رپورٹ پیمائشیں) فیصلہ کرتے ہیں کہ رپورٹ شدہ نتیجہ اس دعوے کو سہارا دیتا ہے یا نہیں۔
  • منتظمین ان فریم ورکوں سے اپنانے اور تبدیلی کے سوالات کے طور پر ملتے ہیں، جہاں مرحلہ وار ماڈل اکثر آلے کے بجائے پختگی کی کہانی کے طور پر استعمال ہوتا ہے۔

جو فریم ورک نہیں کر سکتے

فریم ورک ثبوت نہیں ہیں۔ وہ عموماً LLM سے پہلے کے سیاق سے مستعار لیے جاتے ہیں اور جس نے بھی انہیں لاگو کیا اُسی نے انہیں اپنے سیاق کے مطابق مقامی بنایا، وہ اچھے برانڈنگ کے طور پر بھی کام دے سکتے ہیں، اور مرحلہ وار ماڈل چیک باکس اپنانے کی دعوت دیتے ہیں جو سیکھنے کا ثبوت دینے کے بجائے سطحوں سے گزرنے کی رپورٹ پیش کرتا ہے۔ فریم ورک پر ٹکے دعوے میدان کی بین الشعبہ حدود، اُس رواداری کے ساتھ پڑھے جانے چاہئیں جس نے نتیجہ ناپا، اور خود رپورٹ کی معلوم حدود کے ساتھ۔

میکانزم سے نظریے تک ہم آہنگی پھر بھی فیصلہ کن ہو سکتی ہے: AI کی معاونت والے کھیل پر مبنی سیکھنے کے 55 مطالعات کی موضوعاتی ترکیب نے پایا کہ کارگر ہونا اس پر منحصر تھا کہ AI کا میکانزم اُس تدریس کو عملی جامہ پہناتا ہے یا نہیں جس کی خدمت اسے کرنی تھی، نہ کہ الگورتھمی نفاست پر (Kaşarcı and Yurt (2026))۔

عام غلط فہمیاں

"کسی مستعار نظریے کو AI ٹول پر لگانا نظریے کا استعمال ہے۔" اس میدان کا زیادہ حصہ مستعار نظریہ لگاتا ہے، اسے جانچتا نہیں، اور فرق یہ ہے کہ کیا فریم ورک نے کوئی ایسی پیش گوئی کی جو ناکام ہو سکتی تھی۔ جب کوئی مطالعہ کسی فریم ورک کے بینر تلے فائدہ رپورٹ کرے مگر کوئی قابلِ تردید پیش گوئی نہ دے، تو فریم ورک کے بارے میں کچھ نہیں سیکھا گیا — ایسا نتیجہ جو فہرست کے ہر نظریے سے ہم آہنگ ہو، اُن میں سے کسی کا ثبوت نہیں۔

"فریم ورک کی قدر یہ ہے کہ وہ آپ کے بنائے ہوئے نظام کو کتنا اچھا بیان کرتا ہے۔" یہ بعد از وقوع لیبل لگانا ہے۔ ایسی درجہ بندی جو کسی بھی ڈیزائن کو جگہ دے، اُس میں کوئی امتیازی قوت نہیں، اسی لیے وضاحتی فریم ورکوں کو اس پر جانچا جانا چاہیے کہ وہ کس چیز کو خارج کرتے ہیں۔ جائزے کا سوال "کیا میرا نظام اس میں فٹ آتا ہے؟" نہیں بلکہ "یہ فریم ورک کس قسم کے نظام کو غلط کہے گا؟" ہے۔

"سیکھنے کے نظریات، طالب علم کے ماڈل اور اپنانے کے فریم ورک ایسے عدسے ہیں جو آپس میں بدلے جا سکتے ہیں۔" وہ مختلف سوالات کے جواب دیتے ہیں — سیکھنا کیسے ہوتا ہے، طالب علم کی حالت کیا ہے، اور کوئی مشق کیوں پھیلتی ہے — اور ان کے ثبوت کی اقسام اسی کے مطابق مختلف ہیں۔ غلط تہہ چننا ایسا مطالعہ پیدا کرتا ہے جو درست متغیر کو غلط پیش گوئی کے خلاف ناپتا ہے، جو صفر نتیجہ پڑھا جاتا ہے جبکہ وہ زمرے کی غلطی ہے۔

"زیادہ فریم ورک یعنی زیادہ پختہ میدان۔" AI کے دور کے لیے بنائے گئے فریم ورک جانچے جانے سے تیز تر جمع ہوتے ہیں، اور تردید کے بغیر جمع ہونا پیش رفت کے بجائے ایک علامت ہے۔ پختگی مقابل پیش گوئیوں کے حل ہونے سے ظاہر ہوتی ہے، الفاظ کے ذخیرے کی افزائش سے نہیں۔

منسلک تصورات

منسلک مضامین

میٹا ڈیٹا

سیکھنا اور استادیسیکھنے کے نظریے
جانچ اور پیمائشجانچ کا اعتبار, آئٹم رسپانس تھیوری
تحقیقی طریقے اور جائزہAIED میں تحقیقی طریقے
تعلیم میں AI کی بنیادیںتعلیم میں مصنوعی ذہانت, تعلیم میں AI میں نظریے کی تشکیل, تعلیم میں AI کا فلسفہ
ذریعہتاریخچہترمیم کریںگفتگو

اس صفحے کو ایمبیڈ کریں

نیچے دیا گیا کوڈ نقل کریں تاکہ اس صفحے کو کسی سیکھنے کے انتظامی نظام یا دوسری ویب سائٹ پر ایمبیڈ کری سکیں۔ ایمبیڈ شدہ نسخہ صرف صفحے کا مواد دکھاتا ہے — یہ سائٹ کا ہیڈر، نیویگیشن اور فوٹر چھپا دیتا ہے۔