本文由《開放教育研究》雜志授權發布
作者：王紫琴、彭嫻、吳砥
摘要
隨著大數據技術對教育的影響日趨深入，基于大數據的學習分析逐漸被應用于教育領域，對教育教學產生深刻影響。然而，目前各類學習系統或平臺在數據采集、分析、處理、展示方面都有其專有形式，通用化程度低，不利于學習分析技術的推廣應用。為應對這一問題，適時開展學習分析技術規范的國際比較研究，充分掌握現有規范的特點和不足，進而制定我國的自有標準，顯得十分迫切和必要。本文從學習分析的概念界定入手，介紹與學習分析相關的分析模型、分析方法和分析工具，重點分析ADL、IMS和ISO/IEC三大標準組織制定的學習分析技術規范，并從學習數據記錄存儲流程、學習活動模型以及傳輸機制等方面剖析學習分析技術規范的內涵，然后從數據模型、服務接口與安全傳輸機制、標準間的映射關系、應用系統范疇四方面對當前國際主流的Caliper Analytics和xAPI兩個學習分析技術規范進行比較，解析兩者間的不同點和內在聯系。文章最后從促進教育變革、助力學習者全面發展、基本數據與技術規范統一、制度保障等角度闡述學習分析技術對教育信息化教學的重要影響以及促進學習分析應用要關注的問題，以期對我國學習分析技術規范的制定提供參考。
關鍵詞：xAPI；Caliper Analytics；學習分析技術規范
一、引言
隨著智慧學習環境及“大數據”時代的來臨，學習者在學習過程中產生的海量、多樣和異構的數據急劇上升，如何處理、分析和挖掘這些數據以優化教學已成為眾多學者關注的焦點。這樣，“學習分析”理念一經提出，就受到教育界的廣泛關注。美國新媒體聯盟與美國高校教育信息化協會合作發布的地平線報告從2010年開始將學習分析作為未來發展的重要主題。以“學習分析”為主題的“學習分析技術與知識國際會議”從2011年開始已召開了六次（截至2016年6月），會議涉及學習分析在技術、社會和教學等維度的整合，以及知識建模和表征、知識工作和分析等領域的現狀及發展策略。
學習分析技術近年來已經逐漸引起了國內學者和相關機構的廣泛關注，如全國信息技術標準化技術委員會教育技術分委員會成立了一個專門的學習分析研究工作組。本文從學習分析的概念界定入手，重點分析ADL、IMS和ISO/IEC三大標準組織制定的學習分析規范，并從學習數據記錄存儲流程、學習活動模型以及傳輸機制等方面剖析學習分析技術規范的內涵，然后著重對Caliper Analytics和xAPI兩個典型的學習分析技術規范進行對比分析，最后從促進教育變革、學習者全面發展、基本數據與技術規范統一、制度保障等角度闡述學習分析技術對教育信息化教學的重要影響以及促進學習分析應用中要關注的問題。
二、學習分析技術概述
（一）學習分析概念界定
學習分析被認為是自學習管理系統問世以來，教育技術大規模發展的第三次浪潮（Brown，2011）。目前，關于學習分析的定義，學術界還無統一描述，隨著研究的不斷深入，其內涵也在不斷演變。EDUCAUSE組織2010年最早將學習分析技術界定為“利用數據和模型，預測學習者在學習中的進步和表現，預測未來表現和發現潛在問題”。
2011年首屆學習分析和知識國際會議將學習分析定義為“測量、收集、分析和報告有關學生及其學習環境的數據，用以理解和優化學習及其產生的環境的技術”。美國新媒體聯盟2011年地平線報告中將學習分析定義為“學習分析是以評估學業成就、預測未來表現、發現潛在問題為目的，對學生產生和收集的大量數據進行闡釋的過程”。加拿大阿薩巴斯卡大學喬治·西門子教授（Siemens，2010）認為“學習分析是利用數據挖掘成果，學習者產生的數據和分析模型探究信息和社會聯系，并且對學習做出預測和建議”。
綜上所述，學習分析技術主要依據學習者學習需求，獲取、分析和解讀數據，并根據數據分析結果對學習者采取干預措施或預測未來表現情況，最終實現優化教學的目的。
（二）學習分析模型
有關學習分析的模型和要素也是智者見智。布朗（Brown，2011）認為學習分析核心在于搜集和分析與學習行為相關的數據，包含數據收集、分析、學習、受益方和干預五個要素。喬治·西門子（Siemens，2010）認為學習分析由收集、分析、預測和調整四個階段組成，提出學習分析過程模型，并把數據分為學習者發布數據和間接分析數據。格拉勒等人（Greller & Drachsler，2011）構建了學習分析的要素模型，認為學習分析要素包括目標、數據來源、分析方法、約束條件、競爭力和利益相關者。伊萊亞斯（Elias，2011）提出了以計算機、人力、理論和組織機構為核心技術資源的學習分析持續改進環模型，以及數據收集、信息加工和知識應用三個階段。李艷燕等（2012）提出了學習分析的概念模型，認為學習分析由學習過程、學習環境、教育環境、受眾及五個環節（數據采集、存儲、分析、表示和應用服務）構成，其中五個環節是核心要素，實現了大規模數據處理及應用服務。
根據以上學習分析模型，本研究認為學習分析至少包含目標、對象、約束條件、數據來源、分析方法等要素，這些要素反應了學習分析得以實施的內外部條件；學習分析過程可分為數據收集、數據處理、數據存儲與應用和結果反饋等階段，且各階段循環往復。
（三）學習分析方法與分析工具
雖然學習分析在教育技術領域是一類新興技術，但早已應用于商業和信息技術產業。學習分析也大多采用這些領域常用的方法，如數據挖掘、內容分析、話語分析、社會網絡分析、可視化分析等實現學習過程的分析研究，各類開源和收費的學習分析工具也如雨后春筍般出現在教學系統的開發與應用中。本研究依據不同規則對學習分析工具的分類進行了總結（見表一）。
三、學習分析技術的相關標準及比較
隨著學習分析技術在教育領域的應用，各標準組織也開始著手研制學習分析標準。例如，高級分布式學習組織（Advanced Distance Learning，簡稱ADL）開展的Experience API項目（簡稱xAPI），定義了可以讓任何參與者存儲和檢索可擴展的學習經歷而與具體實現平臺無關的一種簡單的、輕量級的技術規范；全球學習聯盟組織（Instructional Management System Global learning，簡稱IMSGLC或IMS）開展的學習測量框架（Caliper Learning Analytics Framework）項目，是基于對在線學習、慕課以及其他數字化環境的教育技術生態環境探索，呼吁將“大數據”分析應用于教育以推動更高效學習環境而制定的標準；ISO/IECJTCISC36也成立了專門的WG8學習分析互操作小組，制定與學習分析相關的規范標準。
（一）ADL-xAPI標準
ADL由美國國防部和白宮科技政策局于1997年成立，其目標是提供高質量的學習和績效輔助來滿足個性化要求。2000年ADL發布了可共享內容對象參考模型（Sharable Content Object Reference Model，簡稱SCORM），該標準的學習資源具有高可訪問性、適應性、可承受性、持久性、互操作性、可重用性等特點，迅速成為該領域的事實標準（李青等，2013）。隨著信息技術和多媒體技術的發展，SCORM標準逐漸顯現出諸多局限性。為了跟蹤更詳細的學習行為，ADL于2010年開始計劃研究新一代學習技術規范，隨后提出了培訓和學習體系架構（Training & Learning Architecture，簡稱TLA）及其運行時應用程序接口規范——Tin Can API（后更名為Experience API，簡稱xAPI）。2013年正式發布的全新學習技術規范xAPI，是TLA系列規范中的第一個也是其中最核心的部分。目前xAPI已發布6個版本，分別為0.9、0.95、1.0、1.0.1、1.0.2版本以及最新的1.0.3版本（ADL，2016）。
xAPI規范不同于SCORM標準，在不知道學習內容類型的情況下，依然可以靈活追蹤來源于正式學習、非正式學習、社會學習和現實世界等多種環境中的學習經歷。相較于SCORM必須基于網頁的特點不同，xAPI有著平臺無關性、支持學習類型多樣性、存儲與發布獨立性和數據交換彈性等特點（Learnnovators）。xAPI關注點在數據上，而不是傳授內容的類型上。在學習環境中采用xAPI規范可以突破學習管理系統的局限，像一根管道一樣讓知識內容得以通過所有程序進行傳播。xAPI規范不僅定義了利用活動語句（Statement）描述學習經歷數據，還定義了存儲學習經歷的學習記錄存儲（Learning Record Store，簡稱LRS）機制。
xAPI利用活動語句（Statement）描述學習經歷，并以具有語義結構的三元組數據模型＜Actor（操作者）＋Verb（動詞）＋Object（對象）＞呈現，語句是xAPI規范的核心特征。除了數據形式中的三項為必須屬性，語句還可以包含授權、結果等其他七項可選屬性，以此對學習活動進行更詳細的描述和記錄。當一項學習活動用語句來描述和記錄時，同時需要保存學習活動的庫追蹤和記錄學習經歷，為學習和交流奠定基礎，這個庫即前面提到的LRS。在xAPI工作流程中，語句和LRS是兩個不可或缺的關鍵要素。一項學習活動或學習者行為被跟蹤記錄時，xAPI就會把學習活動以語句的形式記錄和描述出來，然后傳遞到LRS，LRS就會記錄和保存發生的所有行為狀態，一個LRS可以與其他LRS分享這些學習記錄，而LRS本身也可以獨立存在或存在于學習管理系統中。例如，美國一家頂尖的軟件公司Riptide參與xAPI規范的開發，并用xAPI追蹤他們產品所產生的各式各樣的學習活動。其利用xAPI將靶場訓練信息傳到LRS，與以往僅限于靶場內的分析不同，經收集、分析傳到陸軍數字培訓系統，通過交互式多媒體矯正教學，并為訓練者提供射擊訓練報告，提出分析及改善建議，從而提高培訓效率。目前xAPI在學習管理系統、博物館、飛行模擬器、射擊場和急救醫療服務等系統已得到有效應用。
（二）IMS Caliper Analytics標準
IMS是1997年成立的全球化非營利性公司，著眼于分布式環境下技術規范和標準的制定，關注學習系統和學習內容互操作能力的構建，力求促進學習技術在全球的發展和影響（吳砥等，2015；吳永和等，2015）。大數據時代的來臨，教師、學生和教育管理者可以通過數據分析挖掘有價值的信息，但紛繁復雜的學習系統／平臺都有各自的數據標準與格式，導致數據互操作性差，嚴重阻礙了數據分享和深度利用。為了推動數據分析跨平臺操作，亟需一個可以在微觀層面定義如何測量學習活動與績效的通用法則，并把不同平臺的數據合并成統一數據格式，且可以跨平臺捕獲和交換數據分析的標準框架體系（IMSGLC，2015）。正是在這樣的需求下，一個關于學習分析的技術規范應運而生。2015年，IMS組織編制和發布了Caliper Analytics（以下簡稱CA）規范，該規范定義了支持學習分析數據互操作的開放框架，其主要目的是降低收集與分析數據的成本，讓數據以統一格式呈現，便于數據共享和深度利用。
CA主要包含計量組譜（Metric Profiles）和傳感器API（Sensor API）（IMSGLC，2015）。計量組譜是CA的“信息模型”，它確立了標準化、結構化的學習活動計量體系，便于記錄各種情境下的學習活動信息，并構建了一個通用格式來定義學習事件（Learning Event）和實體（Entity）的描述方式及其存儲結構。CA用“Actor（操作者）＋Action（動作）＋Event（事件）”三元組數據形式描述學習事件，如“學生觀看了講課視頻”的學習事件中，“學生”是操作者，“觀看了”是動作，“講課視頻”是“觀看了”的對象（即發生的學習事件）。CA充分考慮其覆蓋范圍與IMS中其他標準（如學習工具互操作規范、測試／問題互操作規范等）的兼容性。CA目前定義了9種計量組譜，且各用來計量結果、評估等不同類型的學習活動。Sensor API作為CA為學習系統／工具間共享學習活動數據并進行學習分析定義的開放、標準的接口，主要是捕獲和傳遞分散在各個平臺的分析數據，還包含綁定在計量組譜中的學習事件及接受學習事件的傳感器端點，定義了CA標準中各部件的通信模型，并通過“信息模型”獲取與學習內容相關的信息，實現學習事件之間數據的互操作。
跨系統／平臺的學習分析數據互操作的實現，需構建符合CA的運行環境。一個符合CA的運行環境需配置兩個符合《學習工具互操作》（Learning Tools Interoperability，簡稱LTI）規范的應用軟件：學習工具互操作閱讀軟件和學習工具互操作視頻軟件，且應分別支持閱讀、視頻計量組譜。
完成配置后，學生開始在學習平臺上學習課程，按照老師布置的任務進行閱讀和觀看視頻。在學習過程中學生會根據學習內容、進展做出一系列常規動作，如閱讀圖書、添加書簽、劃文本重點等，此時支持LTI規范的學習平臺會記錄學生的動作。因學習平臺預先配置了傳感器端點，兩個特定的應用軟件（閱讀和視頻）會通過代理服務向端點所在的URL提交學習事件。而后，基于CA框架的學習平臺會通過部署在數據提供方的代理服務進行捕捉和分析數據。CA運行環境中的信息流動示例見圖1。
根據IMS官網數據（截至2016年12月）（IMSGLC，2016a），目前包括軟件廠商、教育集團和大學在內共11個系統采用了此標準，如D2L、Intellify Learning、Learning Objects、Blackcoard、McGraw-Hill Education等。例如， Moodlerooms3.0是最新版本的Moodle學習管理平臺，2016年7月6日起正式支持CA規范（Blackboard，2015）。Mooderooms對CA的支持讓用戶更容易在Moodle平臺上獲取更多優秀的資源以及方便簡易地管理自己的學習平臺。為Moodlerooms量身打造的X-Ray學習分析數據表，實現了與學習分析相關的功能，具體體現為：該技術分析了一門課程學習者的訪問頻率，幫助教師發現學習者課堂學習的難點，以提高他們的表現；使用定量的語言學分析，分析學習者參與討論的水平質量；獲取課程參與者和跨課程者對課程的評價。
（三）ISO/IEC JTC1 SC36 WG8學習分析互操作標準
ISO/IEC JTC1 SC36是國際標準化組織（ISO）和國際電工委員會（IEC）于1999年聯合成立的聯合技術委員會第36分技術委員會，專門從事學習、教育和培訓領域信息技術標準的征集、修訂和批準工作。2014年，第27屆ISO/IEC JTC1 /SC36全會會議決定建立學習分析互操作特別小組，用于制定學習分析互操作性的范圍和術語參考，準備學習分析互操作的新工作項目。2015年11月，SC36正式成立學習分析互操作工作組。根據2016年6月于捷克布拉格通過的ISO/IEC JTC1 /SC36第29屆全會決議，目前WG8組的工作主要是制定學習分析互操作的多部分技術報告的ISO/IEC 20748，其中技術報告的第一部分：參考模型，制定范圍包括確定相關術語、用戶需求、工作流程、學習分析服務／系統的參考架構；第二部分：系統要求，制定內容包括確定系統的作用、性能等，主要是為了提高系統／服務之間的通信、運行效率；第三部分：數據互操作指南，主要內容是制定學習分析數據間相互映射的指導方針，包括語法、語義的映射，該部分正在征集使用案例階段；第四部分：隱私和數據保護，即制定學習分析系統開發和設計時需做好的隱私和數據保護相關約束條件。除了前面四個部分的多技術報告，WG8組對學習分析互操作研究組的研究范圍進行了擴展，增加了學習分析模型與框架的相關內容。
ISO/IEC JTC1 SC36發布的標準，除了由各個工作小組成員聯合制定以外，還包括來自其他國際權威機構標準組織制定的標準，如前文提到的IMS和ADL標準組織也會積極參與SC36標準研制，同時把成熟的標準提交給SC36委員會，建議采納為國際標準。SC36WG8工作組在制定中的學習分析互操作多部分技術報告，就是在CA和xAPI研究的基礎上，進一步制定較為詳細的學習分析各部分標準，以期通過ISO的國際影響力，推動學習分析標準的國際化運用。下面就兩個典型的學習技術規范CA和xAPI進行對比分析。
（四）CA和xAPI對比分析
1、數據模型分析
xAPI和CA兩個學習分析技術規范的學習活動數據都以三元組“主語＋謂語＋賓語”的數據模型呈現。xAPI主要是通過語句聲明（Statement）“＜Actor（操作者）＋Verb（動詞）＋Object（對象）＞”三元組模型記錄幾乎涵蓋線上線下的任何形式的學習活動，語句聲明（Statement）中的邏輯結構順序不可更改，但是可根據上下文信息（context）加入相應的情境信息，其對象（Object）類型包括活動、代理、語句、子語句四種。動詞（Verb）詞匯和活動類型可擴展，因為xAPI規范并沒有明確指定使用的具體動詞和學習活動，只定義了如何創建與使用動詞的方法，但根據學習者在線學習情況給出了常用的28個動詞，如回答（answered）、得分（score）、評論（commented）等一系列與學習相關的操作動詞，并提供了免費的動詞開源系統（https://github.com/adlnet/xAPIVerbs），以及13個常規的學習活動對象類別如課程（course）、評估（assessment）等。
CA提出以“學習事件”（Event）的方式記錄和存儲學習數據，其中被交換的是用來描述操作者和學習活動之間生成的學習事件或實體與實體之間的數據，同樣也用三元組模型“Actor（操作者）＋Action（動作）＋Event（事件）”呈現，且學習事件之間沒有明確的依賴關系，它們必須通過使用會話（session）聯通。從前文介紹中我們知道目前共定義了9種計量組譜，每一個學習事件都由計量組譜（Metric Profile）定義，學習事件的動作詞匯亦由9個計量組譜控制和約束。換句話說，目前動作（Action）詞匯總體上也是9類，如閱讀計量組譜，其細分動作包括登錄、退出和結束時間三個，大動作即閱讀這個操作。
2、數據傳輸和安全機制分析
xAPI主要以JSON（Java Script Object Notation的簡稱，一種輕量級的數據交換格式）格式進行數據傳輸，CA為了一致性將JSON-LD（Java Script Object Notation-Linked Data簡稱，一種輕量級、鏈接的數據交換格式）作為正式數據交換格式進行有效負載。xAPI和CA技術規范中都有各自運行的應用程序接口，xAPI本身就是一個應用程序接口技術規范，包括語句接口、狀態接口、活動描述接口、代理描述接口，并支持數據的讀取和寫入到LRS中。xAPI服務接口主要支持接口的創建／讀取，狀態接口、代理配置文件和學習活動文件的增加、讀取查詢、更新與刪除，以及關于端點資源的信息讀取。CA的傳感器接口（Sensor API）于寫入符合學習測量框架規范的各類學習系統／平臺中進行學習事件發送和實體數據的轉變，還不支持從數據庫中讀取數據。
為了保證通信安全，xAPI需要通過Basic HTTP、O Auth 1.0等方式認證，并使用HMAC-SHA1與RSA-SHA1加密簽名、PLAINTEXT明文簽名等方法進行各種復雜的身份驗證和信息授權，以提高數據互操作的安全性。xAPI支持存儲有唯一標識符的語句，語句可以被簽名且簽名能被存儲在LRS中。CA主要使用API密鑰，并推薦用HT-TPS/TLS1.3進行信息交換。盡管兩者在數據加密和數據認證上不同，但CA的Sensor API和xAPI可共享通用協議，通過三元組進行數據交流，且使兩者在數據映射上可更好地進行，但是CA中的消息沒有簽名。
3、兩者映射關系
兩種技術規范都綁定的是JSON數據交換格式，要想進行規范間的結構／語義映射看起來是容易的，因為語義映射主要是在中介模式（如圖2中的JSON）和數據模式（如圖2中xAPIs和Sensor APIs的數據）之間進行，將多個數據源模式通過映射關系集中到中介模式中，從而進行數據共享與深度利用。但是在沒有本體映射前提下，xAPI到CA進行映射是很難的。反之，由CA映射到xAPI是容易的，原因可能是CA遵守JSON-LD標準。具體映射規則見圖2，兩者語義／結構映射示例見圖3。
4、應用系統范疇分析
xAPI和CA都為學習系統之間學習活動數據的共享和分析帶來益處。兩者都可以收集和獲取散落在各個平臺／系統上的學習數據，實現學習者學習數據連續、系統的記錄保存，使學習者不再困擾于不同設備上同一學習內容的重復而對所學內容產生厭煩感。xAPI因其端點能進行數據的讀取與寫入，可以獨立作為軟件而存在，如xAPI statement viewer（手機中的APP）可以讓學習者記錄學習內容并隨時將學習活動以三元組數據模型的語句發送到LRS存儲中，還可查找學習活動是否被保存。CA的端點目前只接受數據的讀取，且CA運行時需要配置符合學習工具互操作規范的軟件，所以大多數情況下，CA依存于符合IMS規范的學習管理系統和各類學習平臺上。
如根據企業人員學習與發展的70/20/10模型（70%工作經驗學習，20%他人指導學習，10%正式課程培訓），企業需要了解除公司內部正式培訓外，員工在其他情境下的學習情況。通過學習活動記錄的生成（寫入），追蹤和分析員工非正式學習情境中的學習情況（讀取），以此根據個人員工學習需求進行對應的學習培訓提高企業效益。此種情況下，使用xAPI進行數據追蹤和分析更容易和簡便，就如前文中介紹的靶場學習情境。
然而，學習分析的數據源和數據接口的不統一在某種程度上制約著學習分析規范的應用，IMS已經研究了多種成熟的標準，包括學習工具互操作、學習信息模型、測試互操作、內容包裝、學習資源元數據等，這些規范的統一在一定程度上為CA的廣泛應用奠定了深厚基礎。Blackbord和Kaltura在捕捉和整合學習數據分析的合作上（IMSGLC，2016b）對CA的實現，不但解釋了CA目前不能單獨使用的特點，還說明了CA與IMS標準族中其他標準規范的一致性。如果兩家公司先進行概念上的統一，然后采用Kaltura現有的學習工具（符合LTI規范）整合Blackbord上的視頻學習活動和Kaltura中現存在的學習事件，加上CA的媒體計量組譜的支持，可以讓教師在Blackbord平臺上看到來自Blackbord和Kaltura的學習活動數據，教師不需要再往返于兩個學習平臺才能了解學生的整體學習情況，只需通過遵循CA規范的某個平臺就可以掌握學生學習的全貌，進而有針對性地干預學生學習過程，提高教學績效。
通過上述四個方面的比較分析，可以看出xAPI的優勢是作為單一的應用程序自由標記自然語言的語句和數據存儲去檢索記錄的實體，CA的優勢是作為一種在一組應用程序中以學習事件的形式處理學習數據的方法，但兩者在數據處理和互操作上存在相同的缺失之處：1）沒有為數據源提供足夠豐富且有用的學習分析儀器；2）數據源和綜合處理不足，會加大數據處理難度，影響數據分析結果的準確性；3）不同系統有各自的工作流，產生的不同格式的數據不利于信息共享；4）支持和幫助標準的擴展、傳播的過程不足；5）沒有考慮隨著標準的演變而產生一致的數據科學在用法或詞映射上的統一性；6）作為學習分析標準，二者需要更多地聚焦數據分析，并非數據本身。如果我們可以識別兩者的關鍵特征、找到技術共同點、確定一致的數據模型等，或許就可以找到兩個技術規范合作的可能性，從而創建教育數據分析生態系統，為相關利益者服務，優化教育教學，加快教育信息化發展。
四、總結與展望
學習分析技術能有效地支持個性化、自適應學習和教，支持智能預警和有效干預，促進教育決策的科學化。當下信息化教學變革正在逐步實施中，學習分析技術作為信息化教學的重要手段，必將對教育產生巨大影響。
（一）學習分析是利用信息技術改進教與學的典型體現
教育大數據是學習分析的基礎，有關教與學的大數據產生于教育過程的各個領域：教學活動、教育管理、科研活動、教育評價等。對于學生而言，學習分析技術能跟蹤采集學生基本數據、學習活動數據等成長過程中的數據，從而全面了解和評估學生的學習過程和學習結果；對于教師而言，學習分析技術可以針對教師教學進行分析，總結教師的教學優勢與不足，為教師提供學生的全面情況，支持教師開展個性化教學和專門指導。對學校而言，學習分析可幫助對學校的教學質量進行全面評估，展示優勢和不足，促進學校教學改革和教育質量提升，支持學校發展科學決策。
（二）學習分析技術是助力學習者全面發展的重要引擎
從學生基本信息數據、學習數據、活動數據等集合中抽取學生成長周期日志，探索追蹤整個學習周期的學生成長軌跡，建立學生成長檔案，發現學生發展規律，促進學生個性化學習和全面健康成長，是應用信息化手段促進教育教學的目標。通過學習行為、教學行為數據的深度挖掘和分析，提煉學習者真正的需求，推薦最合適的學習內容和學習方式，能實現“因材施教”。xAPI在企業培訓中的應用即通過對員工學習活動情況的記錄，有針對性地根據員工學習需求設置培訓內容，以此提高員工學習效益和企業培訓效益。同樣通過在學習管理系統中應用CA規范，可及時了解學習者的學習狀況，對有問題的學生進行針對性教學。目前xAPI和CA規范還處于推廣和初期應用階段，許多學者和機構已經對二者展開深入研究，試圖尋找二者的契合點，以期發揮各自優勢，助力于學習者全面發展。
（三）學習分析成功實施的前提是基本規范層面的統一
學習分析應用和服務主要是面向學生、教師、管理者，且不僅是簡單地分析某一方面，更多的是結合各方面的教育大數據實現綜合分析、監測評估、智能推薦和預測。正因為學習分析所需數據來源多樣，格式不一，數據清洗準確性難以判斷，即使是結構化的數據也存在數據模型多樣，難以共享和互操作。美國教育部教育技術辦公室（Bienkowski et al.，2012）在最近發布的一份研究報告中指出，在利用學習分析改進教與學的過程中，技術層面所面臨的主要挑戰包括如何對大數據進行處理、對不同的數據體系進行互操作、提出正確的問題。面對層出不窮的教育軟件、教育APP，以及各類管理信息系統在教育中的應用，有用的信息孤立地保存在不同平臺的數據庫中，而不能被跨平臺獲取和使用，不論是ADL-xAPI，還是IMS-CA和ISO/IECJTC1正在研制的學習分析規范，都需要與具體的基礎數據掛鉤，如學習者信息、知識模型、課程信息、測試互操作模型等，不同系統和應用只有遵循統一的數據集規范，才能實現數據的互操作。因此，基本數據模型和規范的統一是將來自不同系統的數據整合并實現互操作的基礎，也是學習分析標準應用的前提條件之一。
（四）學習分析規范持續應用需要規劃和制度層面的保障
學習分析在受到越來越多關注的同時，也面臨諸多挑戰和問題，離大規模使用尚有距離。鄭旭東等（2016）認為高等教育機構利用學習分析來做什么，即他們是否對學習分析具有整體的戰略規劃，并制定相應的政策予以制度保障，決定了學習分析推動教與學的變革乃至整個學校制度轉型的潛在能力。數據標準的不統一造成的數據交換壁壘，以及對數據的泄漏和濫用降低了利益相關者共享數據意愿，統計分析結果的公開和利用機制不健全導致數據價值降低等問題不僅僅只是技術層面要解決的問題，更多的要從制度層面進行保障。因此，推動學習分析規范在教育領域的發展和應用，應進行頂層設計，從技術研發、標準規范、信息隱私保護制度、結果公開制度、干預和預警規則等方面推進研究，這是促進大數據時代教育信息分析的必然要求。
總體而言，學習分析將迎來更廣闊的發展空間，應用價值和發展潛力巨大。研制學習分析標準規范、規章制度，支撐學習分析技術廣泛和深入應用于教育教學，是一項任道而重遠的任務。
作者簡介：王紫琴，華中師范大學教育信息化協同創新中心2015級碩士研究生，研究方向：教育信息化標準與應用；彭嫻（通訊作者），華中師范大學教育部教育信息化戰略研究基地（華中）研究人員，研究方向：教育信息化標準與應用；吳砥，教授，博士生導師，國家數字化學習工程技術研究中心、教育部教育信息化戰略研究基地（華中）副主任，研究方向：教育信息化指標與評估、教育信息化標準與應用等。
基金項目：國家科技支撐計劃課題“中小學師資培訓公共服務體系關鍵技術及標準規范研究”（2014BAH22F01）。
轉載自：《開放教育研究》2017年2月 第23卷 第1期 ?93-101
