本文由《开放教育研究》杂志授权发布

作者：王紫琴、彭娴、吴砥

摘要

随着大数据技术对教育的影响日趋深入，基于大数据的学习分析逐渐被应用于教育领域，对教育教学产生深刻影响。然而，目前各类学习系统或平台在数据采集、分析、处理、展示方面都有其专有形式，通用化程度低，不利于学习分析技术的推广应用。为应对这一问题，适时开展学习分析技术规范的国际比较研究，充分掌握现有规范的特点和不足，进而制定我国的自有标准，显得十分迫切和必要。本文从学习分析的概念界定入手，介绍与学习分析相关的分析模型、分析方法和分析工具，重点分析ADL、IMS和ISO/IEC三大标准组织制定的学习分析技术规范，并从学习数据记录存储流程、学习活动模型以及传输机制等方面剖析学习分析技术规范的内涵，然后从数据模型、服务接口与安全传输机制、标准间的映射关系、应用系统范畴四方面对当前国际主流的Caliper Analytics和xAPI两个学习分析技术规范进行比较，解析两者间的不同点和内在联系。文章最后从促进教育变革、助力学习者全面发展、基本数据与技术规范统一、制度保障等角度阐述学习分析技术对教育信息化教学的重要影响以及促进学习分析应用要关注的问题，以期对我国学习分析技术规范的制定提供参考。

关键词：xAPI；Caliper Analytics；学习分析技术规范

一、引言

随着智慧学习环境及“大数据”时代的来临，学习者在学习过程中产生的海量、多样和异构的数据急剧上升，如何处理、分析和挖掘这些数据以优化教学已成为众多学者关注的焦点。这样，“学习分析”理念一经提出，就受到教育界的广泛关注。美国新媒体联盟与美国高校教育信息化协会合作发布的地平线报告从2010年开始将学习分析作为未来发展的重要主题。以“学习分析”为主题的“学习分析技术与知识国际会议”从2011年开始已召开了六次（截至2016年6月），会议涉及学习分析在技术、社会和教学等维度的整合，以及知识建模和表征、知识工作和分析等领域的现状及发展策略。

学习分析技术近年来已经逐渐引起了国内学者和相关机构的广泛关注，如全国信息技术标准化技术委员会教育技术分委员会成立了一个专门的学习分析研究工作组。本文从学习分析的概念界定入手，重点分析ADL、IMS和ISO/IEC三大标准组织制定的学习分析规范，并从学习数据记录存储流程、学习活动模型以及传输机制等方面剖析学习分析技术规范的内涵，然后着重对Caliper Analytics和xAPI两个典型的学习分析技术规范进行对比分析，最后从促进教育变革、学习者全面发展、基本数据与技术规范统一、制度保障等角度阐述学习分析技术对教育信息化教学的重要影响以及促进学习分析应用中要关注的问题。

二、学习分析技术概述

（一）学习分析概念界定

学习分析被认为是自学习管理系统问世以来，教育技术大规模发展的第三次浪潮（Brown，2011）。目前，关于学习分析的定义，学术界还无统一描述，随着研究的不断深入，其内涵也在不断演变。EDUCAUSE组织2010年最早将学习分析技术界定为“利用数据和模型，预测学习者在学习中的进步和表现，预测未来表现和发现潜在问题”。

2011年首届学习分析和知识国际会议将学习分析定义为“测量、收集、分析和报告有关学生及其学习环境的数据，用以理解和优化学习及其产生的环境的技术”。美国新媒体联盟2011年地平线报告中将学习分析定义为“学习分析是以评估学业成就、预测未来表现、发现潜在问题为目的，对学生产生和收集的大量数据进行阐释的过程”。加拿大阿萨巴斯卡大学乔治·西门子教授（Siemens，2010）认为“学习分析是利用数据挖掘成果，学习者产生的数据和分析模型探究信息和社会联系，并且对学习做出预测和建议”。

综上所述，学习分析技术主要依据学习者学习需求，获取、分析和解读数据，并根据数据分析结果对学习者采取干预措施或预测未来表现情况，最终实现优化教学的目的。

（二）学习分析模型

有关学习分析的模型和要素也是智者见智。布朗（Brown，2011）认为学习分析核心在于搜集和分析与学习行为相关的数据，包含数据收集、分析、学习、受益方和干预五个要素。乔治·西门子（Siemens，2010）认为学习分析由收集、分析、预测和调整四个阶段组成，提出学习分析过程模型，并把数据分为学习者发布数据和间接分析数据。格拉勒等人（Greller & Drachsler，2011）构建了学习分析的要素模型，认为学习分析要素包括目标、数据来源、分析方法、约束条件、竞争力和利益相关者。伊莱亚斯（Elias，2011）提出了以计算机、人力、理论和组织机构为核心技术资源的学习分析持续改进环模型，以及数据收集、信息加工和知识应用三个阶段。李艳燕等（2012）提出了学习分析的概念模型，认为学习分析由学习过程、学习环境、教育环境、受众及五个环节（数据采集、存储、分析、表示和应用服务）构成，其中五个环节是核心要素，实现了大规模数据处理及应用服务。

根据以上学习分析模型，本研究认为学习分析至少包含目标、对象、约束条件、数据来源、分析方法等要素，这些要素反应了学习分析得以实施的内外部条件；学习分析过程可分为数据收集、数据处理、数据存储与应用和结果反馈等阶段，且各阶段循环往复。

（三）学习分析方法与分析工具

虽然学习分析在教育技术领域是一类新兴技术，但早已应用于商业和信息技术产业。学习分析也大多采用这些领域常用的方法，如数据挖掘、内容分析、话语分析、社会网络分析、可视化分析等实现学习过程的分析研究，各类开源和收费的学习分析工具也如雨后春笋般出现在教学系统的开发与应用中。本研究依据不同规则对学习分析工具的分类进行了总结（见表一）。

三、学习分析技术的相关标准及比较

随着学习分析技术在教育领域的应用，各标准组织也开始着手研制学习分析标准。例如，高级分布式学习组织（Advanced Distance Learning，简称ADL）开展的Experience API项目（简称xAPI），定义了可以让任何参与者存储和检索可扩展的学习经历而与具体实现平台无关的一种简单的、轻量级的技术规范；全球学习联盟组织（Instructional Management System Global learning，简称IMSGLC或IMS）开展的学习测量框架（Caliper Learning Analytics Framework）项目，是基于对在线学习、慕课以及其他数字化环境的教育技术生态环境探索，呼吁将“大数据”分析应用于教育以推动更高效学习环境而制定的标准；ISO/IECJTCISC36也成立了专门的WG8学习分析互操作小组，制定与学习分析相关的规范标准。

（一）ADL-xAPI标准

ADL由美国国防部和白宫科技政策局于1997年成立，其目标是提供高质量的学习和绩效辅助来满足个性化要求。2000年ADL发布了可共享内容对象参考模型（Sharable Content Object Reference Model，简称SCORM），该标准的学习资源具有高可访问性、适应性、可承受性、持久性、互操作性、可重用性等特点，迅速成为该领域的事实标准（李青等，2013）。随着信息技术和多媒体技术的发展，SCORM标准逐渐显现出诸多局限性。为了跟踪更详细的学习行为，ADL于2010年开始计划研究新一代学习技术规范，随后提出了培训和学习体系架构（Training & Learning Architecture，简称TLA）及其运行时应用程序接口规范——Tin Can API（后更名为Experience API，简称xAPI）。2013年正式发布的全新学习技术规范xAPI，是TLA系列规范中的第一个也是其中最核心的部分。目前xAPI已发布6个版本，分别为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规范不同于SCORM标准，在不知道学习内容类型的情况下，依然可以灵活追踪来源于正式学习、非正式学习、社会学习和现实世界等多种环境中的学习经历。相较于SCORM必须基于网页的特点不同，xAPI有着平台无关性、支持学习类型多样性、存储与发布独立性和数据交换弹性等特点（Learnnovators）。xAPI关注点在数据上，而不是传授内容的类型上。在学习环境中采用xAPI规范可以突破学习管理系统的局限，像一根管道一样让知识内容得以通过所有程序进行传播。xAPI规范不仅定义了利用活动语句（Statement）描述学习经历数据，还定义了存储学习经历的学习记录存储（Learning Record Store，简称LRS）机制。

xAPI利用活动语句（Statement）描述学习经历，并以具有语义结构的三元组数据模型＜Actor（操作者）＋Verb（动词）＋Object（对象）＞呈现，语句是xAPI规范的核心特征。除了数据形式中的三项为必须属性，语句还可以包含授权、结果等其他七项可选属性，以此对学习活动进行更详细的描述和记录。当一项学习活动用语句来描述和记录时，同时需要保存学习活动的库追踪和记录学习经历，为学习和交流奠定基础，这个库即前面提到的LRS。在xAPI工作流程中，语句和LRS是两个不可或缺的关键要素。一项学习活动或学习者行为被跟踪记录时，xAPI就会把学习活动以语句的形式记录和描述出来，然后传递到LRS，LRS就会记录和保存发生的所有行为状态，一个LRS可以与其他LRS分享这些学习记录，而LRS本身也可以独立存在或存在于学习管理系统中。例如，美国一家顶尖的软件公司Riptide参与xAPI规范的开发，并用xAPI追踪他们产品所产生的各式各样的学习活动。其利用xAPI将靶场训练信息传到LRS，与以往仅限于靶场内的分析不同，经收集、分析传到陆军数字培训系统，通过交互式多媒体矫正教学，并为训练者提供射击训练报告，提出分析及改善建议，从而提高培训效率。目前xAPI在学习管理系统、博物馆、飞行模拟器、射击场和急救医疗服务等系统已得到有效应用。

（二）IMS Caliper Analytics标准

IMS是1997年成立的全球化非营利性公司，着眼于分布式环境下技术规范和标准的制定，关注学习系统和学习内容互操作能力的构建，力求促进学习技术在全球的发展和影响（吴砥等，2015；吴永和等，2015）。大数据时代的来临，教师、学生和教育管理者可以通过数据分析挖掘有价值的信息，但纷繁复杂的学习系统／平台都有各自的数据标准与格式，导致数据互操作性差，严重阻碍了数据分享和深度利用。为了推动数据分析跨平台操作，亟需一个可以在微观层面定义如何测量学习活动与绩效的通用法则，并把不同平台的数据合并成统一数据格式，且可以跨平台捕获和交换数据分析的标准框架体系（IMSGLC，2015）。正是在这样的需求下，一个关于学习分析的技术规范应运而生。2015年，IMS组织编制和发布了Caliper Analytics（以下简称CA）规范，该规范定义了支持学习分析数据互操作的开放框架，其主要目的是降低收集与分析数据的成本，让数据以统一格式呈现，便于数据共享和深度利用。

CA主要包含计量组谱（Metric Profiles）和传感器API（Sensor API）（IMSGLC，2015）。计量组谱是CA的“信息模型”，它确立了标准化、结构化的学习活动计量体系，便于记录各种情境下的学习活动信息，并构建了一个通用格式来定义学习事件（Learning Event）和实体（Entity）的描述方式及其存储结构。CA用“Actor（操作者）＋Action（动作）＋Event（事件）”三元组数据形式描述学习事件，如“学生观看了讲课视频”的学习事件中，“学生”是操作者，“观看了”是动作，“讲课视频”是“观看了”的对象（即发生的学习事件）。CA充分考虑其覆盖范围与IMS中其他标准（如学习工具互操作规范、测试／问题互操作规范等）的兼容性。CA目前定义了9种计量组谱，且各用来计量结果、评估等不同类型的学习活动。Sensor API作为CA为学习系统／工具间共享学习活动数据并进行学习分析定义的开放、标准的接口，主要是捕获和传递分散在各个平台的分析数据，还包含绑定在计量组谱中的学习事件及接受学习事件的传感器端点，定义了CA标准中各部件的通信模型，并通过“信息模型”获取与学习内容相关的信息，实现学习事件之间数据的互操作。

跨系统／平台的学习分析数据互操作的实现，需构建符合CA的运行环境。一个符合CA的运行环境需配置两个符合《学习工具互操作》（Learning Tools Interoperability，简称LTI）规范的应用软件：学习工具互操作阅读软件和学习工具互操作视频软件，且应分别支持阅读、视频计量组谱。

完成配置后，学生开始在学习平台上学习课程，按照老师布置的任务进行阅读和观看视频。在学习过程中学生会根据学习内容、进展做出一系列常规动作，如阅读图书、添加书签、划文本重点等，此时支持LTI规范的学习平台会记录学生的动作。因学习平台预先配置了传感器端点，两个特定的应用软件（阅读和视频）会通过代理服务向端点所在的URL提交学习事件。而后，基于CA框架的学习平台会通过部署在数据提供方的代理服务进行捕捉和分析数据。CA运行环境中的信息流动示例见图1。

根据IMS官网数据（截至2016年12月）（IMSGLC，2016a），目前包括软件厂商、教育集团和大学在内共11个系统采用了此标准，如D2L、Intellify Learning、Learning Objects、Blackcoard、McGraw-Hill Education等。例如， Moodlerooms3.0是最新版本的Moodle学习管理平台，2016年7月6日起正式支持CA规范（Blackboard，2015）。Mooderooms对CA的支持让用户更容易在Moodle平台上获取更多优秀的资源以及方便简易地管理自己的学习平台。为Moodlerooms量身打造的X-Ray学习分析数据表，实现了与学习分析相关的功能，具体体现为：该技术分析了一门课程学习者的访问频率，帮助教师发现学习者课堂学习的难点，以提高他们的表现；使用定量的语言学分析，分析学习者参与讨论的水平质量；获取课程参与者和跨课程者对课程的评价。

（三）ISO/IEC JTC1 SC36 WG8学习分析互操作标准

ISO/IEC JTC1 SC36是国际标准化组织（ISO）和国际电工委员会（IEC）于1999年联合成立的联合技术委员会第36分技术委员会，专门从事学习、教育和培训领域信息技术标准的征集、修订和批准工作。2014年，第27届ISO/IEC JTC1 /SC36全会会议决定建立学习分析互操作特别小组，用于制定学习分析互操作性的范围和术语参考，准备学习分析互操作的新工作项目。2015年11月，SC36正式成立学习分析互操作工作组。根据2016年6月于捷克布拉格通过的ISO/IEC JTC1 /SC36第29届全会决议，目前WG8组的工作主要是制定学习分析互操作的多部分技术报告的ISO/IEC 20748，其中技术报告的第一部分：参考模型，制定范围包括确定相关术语、用户需求、工作流程、学习分析服务／系统的参考架构；第二部分：系统要求，制定内容包括确定系统的作用、性能等，主要是为了提高系统／服务之间的通信、运行效率；第三部分：数据互操作指南，主要内容是制定学习分析数据间相互映射的指导方针，包括语法、语义的映射，该部分正在征集使用案例阶段；第四部分：隐私和数据保护，即制定学习分析系统开发和设计时需做好的隐私和数据保护相关约束条件。除了前面四个部分的多技术报告，WG8组对学习分析互操作研究组的研究范围进行了扩展，增加了学习分析模型与框架的相关内容。

ISO/IEC JTC1 SC36发布的标准，除了由各个工作小组成员联合制定以外，还包括来自其他国际权威机构标准组织制定的标准，如前文提到的IMS和ADL标准组织也会积极参与SC36标准研制，同时把成熟的标准提交给SC36委员会，建议采纳为国际标准。SC36WG8工作组在制定中的学习分析互操作多部分技术报告，就是在CA和xAPI研究的基础上，进一步制定较为详细的学习分析各部分标准，以期通过ISO的国际影响力，推动学习分析标准的国际化运用。下面就两个典型的学习技术规范CA和xAPI进行对比分析。

（四）CA和xAPI对比分析

1、数据模型分析

xAPI和CA两个学习分析技术规范的学习活动数据都以三元组“主语＋谓语＋宾语”的数据模型呈现。xAPI主要是通过语句声明（Statement）“＜Actor（操作者）＋Verb（动词）＋Object（对象）＞”三元组模型记录几乎涵盖线上线下的任何形式的学习活动，语句声明（Statement）中的逻辑结构顺序不可更改，但是可根据上下文信息（context）加入相应的情境信息，其对象（Object）类型包括活动、代理、语句、子语句四种。动词（Verb）词汇和活动类型可扩展，因为xAPI规范并没有明确指定使用的具体动词和学习活动，只定义了如何创建与使用动词的方法，但根据学习者在线学习情况给出了常用的28个动词，如回答（answered）、得分（score）、评论（commented）等一系列与学习相关的操作动词，并提供了免费的动词开源系统（https://github.com/adlnet/xAPIVerbs），以及13个常规的学习活动对象类别如课程（course）、评估（assessment）等。

CA提出以“学习事件”（Event）的方式记录和存储学习数据，其中被交换的是用来描述操作者和学习活动之间生成的学习事件或实体与实体之间的数据，同样也用三元组模型“Actor（操作者）＋Action（动作）＋Event（事件）”呈现，且学习事件之间没有明确的依赖关系，它们必须通过使用会话（session）联通。从前文介绍中我们知道目前共定义了9种计量组谱，每一个学习事件都由计量组谱（Metric Profile）定义，学习事件的动作词汇亦由9个计量组谱控制和约束。换句话说，目前动作（Action）词汇总体上也是9类，如阅读计量组谱，其细分动作包括登录、退出和结束时间三个，大动作即阅读这个操作。

2、数据传输和安全机制分析

xAPI主要以JSON（Java Script Object Notation的简称，一种轻量级的数据交换格式）格式进行数据传输，CA为了一致性将JSON-LD（Java Script Object Notation-Linked Data简称，一种轻量级、链接的数据交换格式）作为正式数据交换格式进行有效负载。xAPI和CA技术规范中都有各自运行的应用程序接口，xAPI本身就是一个应用程序接口技术规范，包括语句接口、状态接口、活动描述接口、代理描述接口，并支持数据的读取和写入到LRS中。xAPI服务接口主要支持接口的创建／读取，状态接口、代理配置文件和学习活动文件的增加、读取查询、更新与删除，以及关于端点资源的信息读取。CA的传感器接口（Sensor API）于写入符合学习测量框架规范的各类学习系统／平台中进行学习事件发送和实体数据的转变，还不支持从数据库中读取数据。

为了保证通信安全，xAPI需要通过Basic HTTP、O Auth 1.0等方式认证，并使用HMAC-SHA1与RSA-SHA1加密签名、PLAINTEXT明文签名等方法进行各种复杂的身份验证和信息授权，以提高数据互操作的安全性。xAPI支持存储有唯一标识符的语句，语句可以被签名且签名能被存储在LRS中。CA主要使用API密钥，并推荐用HT-TPS/TLS1.3进行信息交换。尽管两者在数据加密和数据认证上不同，但CA的Sensor API和xAPI可共享通用协议，通过三元组进行数据交流，且使两者在数据映射上可更好地进行，但是CA中的消息没有签名。

3、两者映射关系

两种技术规范都绑定的是JSON数据交换格式，要想进行规范间的结构／语义映射看起来是容易的，因为语义映射主要是在中介模式（如图2中的JSON）和数据模式（如图2中xAPIs和Sensor APIs的数据）之间进行，将多个数据源模式通过映射关系集中到中介模式中，从而进行数据共享与深度利用。但是在没有本体映射前提下，xAPI到CA进行映射是很难的。反之，由CA映射到xAPI是容易的，原因可能是CA遵守JSON-LD标准。具体映射规则见图2，两者语义／结构映射示例见图3。

4、应用系统范畴分析

xAPI和CA都为学习系统之间学习活动数据的共享和分析带来益处。两者都可以收集和获取散落在各个平台／系统上的学习数据，实现学习者学习数据连续、系统的记录保存，使学习者不再困扰于不同设备上同一学习内容的重复而对所学内容产生厌烦感。xAPI因其端点能进行数据的读取与写入，可以独立作为软件而存在，如xAPI statement viewer（手机中的APP）可以让学习者记录学习内容并随时将学习活动以三元组数据模型的语句发送到LRS存储中，还可查找学习活动是否被保存。CA的端点目前只接受数据的读取，且CA运行时需要配置符合学习工具互操作规范的软件，所以大多数情况下，CA依存于符合IMS规范的学习管理系统和各类学习平台上。

如根据企业人员学习与发展的70/20/10模型（70%工作经验学习，20%他人指导学习，10%正式课程培训），企业需要了解除公司内部正式培训外，员工在其他情境下的学习情况。通过学习活动记录的生成（写入），追踪和分析员工非正式学习情境中的学习情况（读取），以此根据个人员工学习需求进行对应的学习培训提高企业效益。此种情况下，使用xAPI进行数据追踪和分析更容易和简便，就如前文中介绍的靶场学习情境。

然而，学习分析的数据源和数据接口的不统一在某种程度上制约着学习分析规范的应用，IMS已经研究了多种成熟的标准，包括学习工具互操作、学习信息模型、测试互操作、内容包装、学习资源元数据等，这些规范的统一在一定程度上为CA的广泛应用奠定了深厚基础。Blackbord和Kaltura在捕捉和整合学习数据分析的合作上（IMSGLC，2016b）对CA的实现，不但解释了CA目前不能单独使用的特点，还说明了CA与IMS标准族中其他标准规范的一致性。如果两家公司先进行概念上的统一，然后采用Kaltura现有的学习工具（符合LTI规范）整合Blackbord上的视频学习活动和Kaltura中现存在的学习事件，加上CA的媒体计量组谱的支持，可以让教师在Blackbord平台上看到来自Blackbord和Kaltura的学习活动数据，教师不需要再往返于两个学习平台才能了解学生的整体学习情况，只需通过遵循CA规范的某个平台就可以掌握学生学习的全貌，进而有针对性地干预学生学习过程，提高教学绩效。

通过上述四个方面的比较分析，可以看出xAPI的优势是作为单一的应用程序自由标记自然语言的语句和数据存储去检索记录的实体，CA的优势是作为一种在一组应用程序中以学习事件的形式处理学习数据的方法，但两者在数据处理和互操作上存在相同的缺失之处：1）没有为数据源提供足够丰富且有用的学习分析仪器；2）数据源和综合处理不足，会加大数据处理难度，影响数据分析结果的准确性；3）不同系统有各自的工作流，产生的不同格式的数据不利于信息共享；4）支持和帮助标准的扩展、传播的过程不足；5）没有考虑随着标准的演变而产生一致的数据科学在用法或词映射上的统一性；6）作为学习分析标准，二者需要更多地聚焦数据分析，并非数据本身。如果我们可以识别两者的关键特征、找到技术共同点、确定一致的数据模型等，或许就可以找到两个技术规范合作的可能性，从而创建教育数据分析生态系统，为相关利益者服务，优化教育教学，加快教育信息化发展。

四、总结与展望

学习分析技术能有效地支持个性化、自适应学习和教，支持智能预警和有效干预，促进教育决策的科学化。当下信息化教学变革正在逐步实施中，学习分析技术作为信息化教学的重要手段，必将对教育产生巨大影响。

（一）学习分析是利用信息技术改进教与学的典型体现

教育大数据是学习分析的基础，有关教与学的大数据产生于教育过程的各个领域：教学活动、教育管理、科研活动、教育评价等。对于学生而言，学习分析技术能跟踪采集学生基本数据、学习活动数据等成长过程中的数据，从而全面了解和评估学生的学习过程和学习结果；对于教师而言，学习分析技术可以针对教师教学进行分析，总结教师的教学优势与不足，为教师提供学生的全面情况，支持教师开展个性化教学和专门指导。对学校而言，学习分析可帮助对学校的教学质量进行全面评估，展示优势和不足，促进学校教学改革和教育质量提升，支持学校发展科学决策。

（二）学习分析技术是助力学习者全面发展的重要引擎

从学生基本信息数据、学习数据、活动数据等集合中抽取学生成长周期日志，探索追踪整个学习周期的学生成长轨迹，建立学生成长档案，发现学生发展规律，促进学生个性化学习和全面健康成长，是应用信息化手段促进教育教学的目标。通过学习行为、教学行为数据的深度挖掘和分析，提炼学习者真正的需求，推荐最合适的学习内容和学习方式，能实现“因材施教”。xAPI在企业培训中的应用即通过对员工学习活动情况的记录，有针对性地根据员工学习需求设置培训内容，以此提高员工学习效益和企业培训效益。同样通过在学习管理系统中应用CA规范，可及时了解学习者的学习状况，对有问题的学生进行针对性教学。目前xAPI和CA规范还处于推广和初期应用阶段，许多学者和机构已经对二者展开深入研究，试图寻找二者的契合点，以期发挥各自优势，助力于学习者全面发展。

（三）学习分析成功实施的前提是基本规范层面的统一

学习分析应用和服务主要是面向学生、教师、管理者，且不仅是简单地分析某一方面，更多的是结合各方面的教育大数据实现综合分析、监测评估、智能推荐和预测。正因为学习分析所需数据来源多样，格式不一，数据清洗准确性难以判断，即使是结构化的数据也存在数据模型多样，难以共享和互操作。美国教育部教育技术办公室（Bienkowski et al.，2012）在最近发布的一份研究报告中指出，在利用学习分析改进教与学的过程中，技术层面所面临的主要挑战包括如何对大数据进行处理、对不同的数据体系进行互操作、提出正确的问题。面对层出不穷的教育软件、教育APP，以及各类管理信息系统在教育中的应用，有用的信息孤立地保存在不同平台的数据库中，而不能被跨平台获取和使用，不论是ADL-xAPI，还是IMS-CA和ISO/IECJTC1正在研制的学习分析规范，都需要与具体的基础数据挂钩，如学习者信息、知识模型、课程信息、测试互操作模型等，不同系统和应用只有遵循统一的数据集规范，才能实现数据的互操作。因此，基本数据模型和规范的统一是将来自不同系统的数据整合并实现互操作的基础，也是学习分析标准应用的前提条件之一。

（四）学习分析规范持续应用需要规划和制度层面的保障

学习分析在受到越来越多关注的同时，也面临诸多挑战和问题，离大规模使用尚有距离。郑旭东等（2016）认为高等教育机构利用学习分析来做什么，即他们是否对学习分析具有整体的战略规划，并制定相应的政策予以制度保障，决定了学习分析推动教与学的变革乃至整个学校制度转型的潜在能力。数据标准的不统一造成的数据交换壁垒，以及对数据的泄漏和滥用降低了利益相关者共享数据意愿，统计分析结果的公开和利用机制不健全导致数据价值降低等问题不仅仅只是技术层面要解决的问题，更多的要从制度层面进行保障。因此，推动学习分析规范在教育领域的发展和应用，应进行顶层设计，从技术研发、标准规范、信息隐私保护制度、结果公开制度、干预和预警规则等方面推进研究，这是促进大数据时代教育信息分析的必然要求。

总体而言，学习分析将迎来更广阔的发展空间，应用价值和发展潜力巨大。研制学习分析标准规范、规章制度，支撑学习分析技术广泛和深入应用于教育教学，是一项任道而重远的任务。

作者简介：王紫琴，华中师范大学教育信息化协同创新中心2015级硕士研究生，研究方向：教育信息化标准与应用；彭娴（通讯作者），华中师范大学教育部教育信息化战略研究基地（华中）研究人员，研究方向：教育信息化标准与应用；吴砥，教授，博士生导师，国家数字化学习工程技术研究中心、教育部教育信息化战略研究基地（华中）副主任，研究方向：教育信息化指标与评估、教育信息化标准与应用等。

基金项目：国家科技支撑计划课题“中小学师资培训公共服务体系关键技术及标准规范研究”（2014BAH22F01）。

转载自：《开放教育研究》2017年2月 第23卷 第1期  93-101