“谷歌地图式的学习者导航系统”，从比喻走向现实

导语

统一描述学习目标的数据标准

当我们将谷歌地图与学习者导航类比时，地图上的兴趣点代表人们的各项能力——可以学到的东西，比如技能、知识、性情、实践中的习惯。这些数据必须是机器可读的格式，并且在所有的应用程序和系统中具有互操作性。

这种数据现有的各种标准，就像是巴比伦里说不同语言的人，只在自己的领域里才能被理解（比如医疗培训、人力资源、K-12或高等教育）。为了将这些标准整合起来，人们做过一些努力，比如Credential生态系统映射项目。参与者们共同合作，弄清不同标准格式的数据元素如何互相转化。该项目将健康医疗类的MedBiquitous和人力资源类的HROpen等现有数据标准绘制为地图，使其能够为教育和培训领域的所有级别和部门所用。

IEEE（电气电子工程师学会）的LTSC (学习科技标准委员会) 计划依照该项目更新现有的标准。上一次更新还是在2007年，国际标准体系定义了一个数据模型，来描述、引用和共享能力的定义，主要应用于在线及分布式学习中。同时，LTSC正在为移动学习平台、适应性教学系统和增强现实学习环境制定相关标准。

开放K-12学习标准的注册

美国各州的学术标准帮助该国的K-12学习者制定学习目标。按照传统，这些标准只会以人类可读的文档形式发布，比如PDF格式，而不能直接被教育类技术工具使用。换句话说，PDF文档格式的声明，在信息系统和数字内容中并不可靠。

当内容发布者和软件开发者试图把国家标准放到自己的数据库中时，在翻译的过程中会丢失一些东西。另外，每个年级和学科各有五十套州的标准，为映射带来了困难，更别提这些标准还有许多衍生标准，在当地有其它专门的用途。

为了解决这个问题，国际组织IMS Global最近宣布将主理一个包含50个州的学术标准注册系统。该注册系统将会提供一套权威的机读声明，以及一套可以自由使用的数字内容使用标识。如果达成了这个目标，它将支持不同系统之间的互通，以检查一个州的标准与另一个州是否完全匹配。同样重要的是，这个注册系统允许各州自行维护数字和人类可读的标准，所以在翻译中不会有任何损失。

连接数据定义的能力和证书路径

一个人可获取的证书数据，与一个人需要掌握的技能数据同样有价值。因此，由非盈利组织证书Credential Engine主理的证书注册系统Credential Registry创建了一个公开的数据目录，涵盖了高等教育学位以及其它在美国适用的证书。

数十家认证机构和质保体系已经在该注册系统上发布了信息，其中包括不同种类的证书，如学位、结业证书、鉴定证书、许可、徽章和微认证等。注册系统中的认证，包含每个证书所体现的能力数据。

如今，微认证（有时以数字徽章的形式发放）以及微硕士学位，与传统的两年制或四年制学位相比，已经成为一种更加灵活的认证模式，从另一个角度反映了我们这个不断变化的世界。比如，由Digital Promise为教育者进行的数字微认证，为人们在各行各业中学到的技能提供了担保。

路径数据可以帮助人们找到获取“成堆”证书的机会，随着时间的推移，一系列证书可以为个人获得理想中的高薪工作积累资历。这种更加灵活的路径也能够运用于K-12教育中，比如学生通过获取微认证，从而得到进入某个行业的敲门砖。

统一不同格式的能力定义标准

不同领域的组织对同一种数据使用不同的格式。例如，一家K-12州立教育机构可以使用基于CEDS和IMS CASE数据标准的工具作为学术标准。然而，在同一个州的某个地区可能有健康科学和医疗科技领域的职业和技能教育项目，但医药行业使用Medbiquitous标准来定义能力。

针对这个问题，Eduworks在Advanced Distributed Learning Initiative的资助下，开发了CASS系统，与Credential Registry合作，在不同的技术标准序列化格式之间移动能力框架数据时起到翻译的作用。这样，大学数字能力框架和学生将进入的专业或行业中使用的框架就能更好地结合起来。

连接网络上的数据

人们投入数十亿的资金用于开发数字教育内容，并试图开发出一个系统，为学生推荐接下来该使用哪些数字内容。但迄今为止，在学习地图上确定相应的数字内容只能在一个封闭的系统中，学习进程地图也非常有限。对于公开可用的学习地图数据，连接这些数据可以为数字内容提供参考点。这就像提供URLs一样简单，可以“定位”数字内容可能使用的节点。

当学习地图索引能够在公开的网络上变得可用时，动态学习内容也将能够把特定的活动与其评估联系起来。比如，Experience API (xAPI) 和IMS Caliper等技术标准，将特定的学习者经验与学习者导航地图上相应的点连接起来，并添加上有用的相关数据。这就好比谷歌地图根据实时交通路况规划最快的路线。

使学习、劳动力、认证数据满足新经济的需求

人们经常谈到，中学学习到的技能和高等教育课业中需要的技能并不匹配，就像大学毕业生拥有的技能并不是工作中所需要的。我们需要建立一个学习者导航地图，让K-12学术标准、高等教育和职业能力之间有一条连贯的路径。

由Lumina基金会和美国商会基金会资助的T3创新网络，正在研究人工智能算法和资源能否用于发现学习者导航中的信息。比如，他们正在研究如何把网络上关于职业技能的非结构化信息转化为符合数据互操作标准的结构化数据，并且与学习机会和认证关联起来。这将为现有的数据资源增添价值，就像美国劳工部的ONET职业探索和分析，将职业技能相关的信息与最能体现这些技能的教育认证连接起来。

更多待完成的事项

除了这些项目以外，一个开放的学习者导航生态系统还需要其他以研究为驱动的数据。比如学习的背景和条件、可用的学习经历、衡量知识掌握水平的方法、学习者在认知和元认知之间面临的差距和障碍，以及跨越这些困难的方法或经验等。

本文来源：edsurge

原作者：Jim Goodell

编译：鲸媒体Joey

- END -