Статья является некоторым продолжением моих статей по теме стандартов в области обучения персонала.
Открытые стандарты и архитектуры или самоделки? (https://habr.com/ru/articles/776356/)
Использование xAPI (Tin Can) и CMI5 в имитаторах (https://habr.com/ru/articles/508624/)
xAPI vs SCORM. Битва, которая не произойдет (https://habr.com/ru/articles/508882/)
xAPI/CMI5. Полная мощность – (https://habr.com/ru/articles/551374/)
Начнем с картинки на сайте группы ADL. И действительно, спецификация SCORM 2004v3 уже не поддерживается и значительная (если не все) доля отечественных компаний, использующих LMS/LXP системы типа Moodle/WebSoft/Mirapolis/iSpring и т.д. фактически находятся по мнению ADL где-то в левой части «Legacy».
Да, основным форматом обмена учебными ресурсами в этих системах является (по факту) именно старый-добрый SCORM. Можно конечно возразить, что обмениваться учебным контентом в принципе можно через CMI5, но практически это «скорее исключение чем правило». Заявления об использовании xAPI строго говоря некорректны в силу того, что формально что xAPI 1.0 что 2.0 не предоставляет утвержденного стандартизированного метода для упаковки и запуска контента.
Тут читатель может возразить, а почему вдруг TLA, что, в России нет своих стандартов – и да, такого стандарта нет от слова совсем. Еще читатель может возразить, а зачем TLA, ну какие еще проблемы он решает?
Ну давайте ответим на следующие вопросы:
Может мы можем обмениваться учатниками обучения в совокупности с их компетенциями, опытом и аналитикой между системами на основе единого утвержденного стандарта или формата? – Нет, не можем.
Может мы можем создать единый каталог курсов, имеющий точные связи (пост/пре-условия) со сторонними каталогами или со сторонними модулями компетенций? Нет, не можем. У каждой LMS своя закрытая архитектура и каждый производитель лучше других, естественно, знает как надо правильно.
Можем ли мы запрашивать аналитику так как нам нужно, по нашему шаблону и нашим условиям? (xApi profiles) – нет, не можем? Про профайлы вообще мало кто слышал. Точнее можем, но только при помощи программистов и явно не в реальном времени.
Есть ли хотя-бы какая-то общепринятая терминология в области использования LMS/LXP – нет, опять каждый производитель лучше других, естественно, знает как надо правильно.
Нужно ли это современным компаниям, которые обучают своих специалистов сами или используют обучение сотрудников на стороне?
Если да, читаем дальше, если нет – можно не тратить Ваше ценное время.
Немного переведем с комментариями текст авторов TLA…
С 2016 года Advanced Distributed Learning (ADL, родитель SCORM, xAPI и многого другого) занимается разработкой Total Learning Architecture (TLA) — четырехкомпонентной стратегии для управления обучением на протяжении всей жизни (точнее работы). Каждый компонент описывает данные, связанных с обучением, которые необходимо собирать, управлять ими и распространять их по всей организации. Каждый компонент данных построен на наборе международных стандартов данных, которые в совокупности повышают степень детализации и достоверности данных об учащихся.
Многоразовые определения компетенций (IEEE 1484.20.1 RCD) используются для описания знаний, навыков, способностей и другого поведения (Knowledge, Skills, Abilities, and Other behaviors – KSAO), «по нашему» ЗУН, которые требуются на рабочем месте. Метаданные учебной деятельности (IEEE P2881) используются для описания различных учебных ресурсов, которые организация использует для обучения своих сотрудников. xAPI (IEEE 9274.1) используется для отслеживания и управления успеваемостью учащихся как внутри, так и вне учебной деятельности. Такие записи используется для отслеживания и управления уровнем компетентности каждого учащегося в организации.
Вместе эти данные позволяют составить реестр успеваемости учащегося, который связывает всю учебную деятельность, выполняемую учащимся, с компетенциями, полномочиями и, в конечном итоге, с различными карьерными траекториями, по которым учащийся может следовать. Стратегия данных TLA включает в себя связи между различными стандартами, перечисленными выше, и в совокупности обеспечивает основу данных для построения адаптивных систем.
Введение в TLA
“Цепочка человеческого капитала” представляет собой сложную систему, которой присущи проблемы обеспечения взаимодействия между организациями. Инициатива Advanced Distributed Learning (ADL) запустила проект TLA в 2016 году с целью создания общей стратегии данных в сфере образования и обучения, которая позволит учиться на протяжении всей жизни. TLA использует современные вычислительные технологии, такие как облачные развертывания, микросервисы, QoS (технология предоставления различным классам трафика различных приоритетов в обслуживании). Его возможности основаны не на отдельных компонентах или базах данных, а на сборе, совместном использовании, распространении и анализе данных учащихся на уровне предприятия [1].
TLA определяет набор политик, спецификаций и стандартов, обеспечивающих будущее обучающих экосистем. Стандарты TLA помогают организовать данные, связанные с обучением, необходимые для поддержки обучения на протяжении всей жизни и обеспечении совместимости всей системы компании – инструментов, продуктов и данных [2]. TLA опирается на общие стандарты данных и открытые интерфейсы данных для обеспечения широкого спектра функций. Эти тезисы устраняют любые зависимости от одного компонента и позволяет выполнять эти функции любым подключенным компонентом. Будучи архитектурой, управляемой политиками, TLA не требует каких-либо обязательных компонентов. Есть только необходимые функции, организованные в микросервисы и хранилища данных. Каждая функциональная область должна быть представлена через общие интерфейсы, асинхронные сервисы, и стандартные форматы данных для передачи и хранения данных. Интерфейсы между компоненты и хранилища данных используют протокол безопасной передачи гипертекста (HTTPS). часть архитектурного шаблона, называемого переносом репрезентативного состояния или REST. Полезные данные сообщений описываются с использованием нотации объектов JavaScript (JSON) и интерфейсов и могут подвергаться воздействию в любой точке или точках, в зависимости от физических компонентов быть использованным. Ценность этой стратегии заключается в том, что она поддерживает немедленные и экономически эффективные повторное использование устаревших систем, обеспечивая при этом постепенный переход на полностью совместимую с TLA систему.
Обучающий стек. Стратегия данных TLA.
Данные об учащихся являются ключом к цепочке поставок человеческого капитала (мне вот эти определения конечно удивляют но как есть) и являются важнейшим активом, который позволяет эффективно принятие решений как для обучающихся по выявлению пробелов в компетенциях, так и для организаций отслеживать возможности сотрудников в соответствии с возникающими потребностями. Ключ к управлению Данные непрерывного обучения в рамках TLA — это функциональная совместимость, обеспечиваемая техническими средствами. стандарты, спецификации и практики, лежащие в основе стратегии интегрированных данных. Стратегия данных TLA необходима для обеспечения необходимой семантической совместимости. для анализа на уровне предприятия и поддержки принятия решений. Принятие решений на основе данных включено посредством анализа обучающих данных на уровне предприятия, поддерживая постоянное совершенствование профессиональных навыков, а также создание, выбор и поддержание учебной деятельности. необходимо для достижения мастерства.
Стратегия данных TLA обеспечивает общий набор стандартов данных и технических спецификаций. разработан для внедрения в образовательном и учебном сообществе компании. Эта всеобъемлющая стратегия обеспечит, чтобы все ресурсы данных были спроектированы таким образом, чтобы их можно использовать, совместно использовать и эффективно перемещать по организации. Инициатива ADL сотрудничает с Институтом инженеров по электротехнике и электронике (IEEE), международно признанная организация по разработке стандартов, официально учредившая стандарты данных, необходимые для успешной реализации TLA. Хотя эти стандарты будет продолжать развиваться, сообществам, занимающимся образованием и обучением, настоятельно рекомендуется принять и нанять их сейчас.
Основы стратегии данных TLA:
IEEE P9274.1 xAPI 2.0 – Learning activity tracking uses the xAPI and JSON standards to capture learning activity streams. The cmi5 specification and the TLA MOM are also contained within this data pillar since they contain an xAPI profile. Для отслеживания успеваемости учащихся в рамках различных учебных мероприятий используется Experience API (xAPI) для сбора потоков учебной деятельности [3]. Этот стандарт определяет, как показатели успеваемости учащихся фиксируются, передаются и передаются через хранилище записей учащихся (LRS), серверную реализацию xAPI. Стандарт xAPI также включает профили xAPI [4], такие как cmi5 [5] и главную объектную модель TLA. Ожидается, что xAPI 2.0 будет одобрен IEEE в 2021 году.
IEEE P2881 Learning Activity Metadata. IEEE 1484.12.1 LOM 2.0 – Descriptions of learning activities and their associated content are stored in the TLA’s Experience Index and use a modified version of the LRMI standard. Метаданные учебной деятельности IEEE P2881. Описания учебной деятельности и связанное с ней содержание хранятся в Индексе опыта TLA (XI). Этот проект стандарта основан на метаданных объекта обучения IEEE 1484.12.1 (LOM) для повышения детализации определения ресурсов обучения [6]. Он был разработан путем гармонизации с другими стандартами образовательных данных, такими как проект Common Educational Data Standards (CEDS), Совет по стандартам высшего образования (PESC), Credential Engine’s Learning Opportunity Type, Инициатива метаданных учебных ресурсов (LRMI), и Schema.org. Модель данных, лежащая в основе проекта стандарта, также включает многочисленные типы данных и свойства, взятые из MILHDBK 29612, TRADOC FM 350-70 и руководства USAF 36-2235 по проектированию учебных систем.
IEEE 1484.20.1 Reusable Competency Definitions. IEEE 1484.20.1 RCD – The Competency Framework includes the definition of a competency, the relationship to other competencies, and the alignment of evidence to help measure proficiency of the competency, are included in the RCD standard. Многоразовые определения компетенций. Стандарт RCD обеспечивает общий подход к описанию компетенций, приведению компетенций в соответствие с другими соответствующими компетенциями в контексте структуры и определению критериев оценки и оценки доказательств, которые учащийся должен продемонстрировать, чтобы помочь измерить уровень знаний [7]. Этот стандарт разработан для облегчения общего языка для описания знаний, навыков, способностей и других видов поведения (KSAO), необходимых для выполнения различных работ, обязанностей и задач, связанных с профессиональной специальностью. Компетенции обеспечивают общий подход к согласованию образовательной и учебной деятельности с желаемыми эксплуатационными показателями, ожидаемыми от учащихся для достижения профессиональных навыков.
IEEE Enterprise Learner Records (Study Group). Записи учащихся предприятий IEEE (исследовательская группа). Этот проект стандарта построен на основе модели данных, созданной инициативой ADL для удовлетворения требований компаний по проекту репозитория записей учащихся предприятий [8]. Эта модель была основана на ресурсном центре T3 Innovation Network’s Learning and Employment Records (LER) и преобразователе схемы экосистемы данных [9]. Модель данных основана на работе, выполняемой сетью T3 Innovation для удовлетворения требований к доказательствам (например, владение, управление и управление необработанными данными учащихся), которых придерживаются многие организации. Он также поддерживает будущие решения в области искусственного интеллекта и машинного обучения, которые предоставляют инструменты поддержки инструкторов, интеллектуальное обучение и дополнительную информацию о каждом учащемся, что можно использовать для оптимизации и адаптации его непрерывного обучения.
+ я бы еще отдельно упомянул IEEE 1484.2 ILR or IMS Global CLR – The Learner Profile.
REFERENCED DOCUMENTS AND NORMATIVE STANDARDS AND SPECIFICATIONS
TLA Master Object Model Profile: GitHub – adlnet/MasterObjectModel: The xAPI Profile to use when
integrating with the Total Learning Architecture
IEEE P9274 Experience Application Program Interface (xAPI): https://site.ieee.org/sagroups-9274-1-1/
IEEE P9274.2.1 xAPI Profile Specification (TBD)
IEEE 1484.1 Conceptual Model for Learning Technology Systems (CM4LTS – undergoing revision)
IEEE P2997 Enterprise Learning Record (Pending IEEE approval)
IEEE 1482.20.3 (undergoing revision) Sharable Competency Definition Objects:
https://standards.ieee.org/project/1484_20_1.html
cmi5 specification: http://aicc.github.io/CMI-5_Spec_Current/
IEEE P2881 Learning Metadata
IMS Global Learning Tools Interoperability® 1.3: https://www.imsglobal.org/activity/learning-toolsinteroperability
Total Learning Architecture Data Reference Model (TBD)
Total Learning Architecture Architectural Reference Model (TBD)
NIST SP 800-53 Security and Privacy Controls for Federal Information Systems and Organizations
FIPS 120 201.2 Personal Identity Verification (PIV) of Federal Employees and Contractors
NIST SP 800-122 Guide to Protecting the Confidentiality of Personally Identifiable Information (PII)
NIST SP 800-63 Digital Identities
NIST SP 800-207 Zero Trust Architecture
IEC/RFC 8446 Transport Layer Security (TLS) 1.3
World Wide Web Consortium Hypertext Transfer Protocol (HTTP) 1.1
FIPS 186-4 Digital Signature Standard (DSS)
FIPS 140-2 Security Requirements for Cryptographic Modules
IETF 3987 Internationalized Resource Identifiers (IRI)
ISO 8601 Data elements and interchange formats Representation of dates and times
OpenBadge: https://openbadges.org/
Credential Transparency Definition Language: https://credreg.net/ctdl/handbook
Open Identification (OpenID): https://openid.net/
В разделе 3.3 описывается топология обмена сообщениями TLA. TLA рассматривает каждый источник данных или службу либо как Поставщик записей обучения (LRP), который генерирует основные данные TLA, или потребитель записей обучения (LRC), который обрабатывает основные данные TLA. корпоративные активы также представляют собой обязательные внешние интерфейсы для любой системы, совместимой с TLA. Требования к интерфейсу для активов предприятия перечислены в разделе 3.3. включая:
xAPI Profile Server
Enterprise Learner Record Repository
Enterprise Course Catalog
Enterprise Competency Registry
Linked Data and Schema Server
Authoritative Data Source for Identity (e.g., DMDC Attribute Services)
В общем, основные услуги и данные могут действовать как LRP, так и LRC. Edge-системы включают в себя обучающие устройства и пользовательские интерфейсы (LRP), дисплеи поддержки принятия решений (LRC) и вспомогательные услуги (например, машинное обучение). рекомендатели, планировщики). Граничные системы должны соответствовать требованиям к интерфейсу раздела 3.4.
Эталонная реализация TLA
Рис. 1. Организация ядра и периферийных систем. Основные службы TLA, необходимые интерфейсы и структуры данных, необходимые для любого анклава TLA, соответствуют 4 столпам данных TLA.
Как показано на рисунке 1, эталонная реализация TLA использует парадигму ядро/периферия, которая деконструирует среду обучения на основные сервисы, основные данные и периферийные системы [10]. Базовые системы повторяют ключевые функции, которые обычно находятся в системе управления обучением (LMS), например, регистрация студентов, отслеживание учащихся, представление контента, отслеживание успеваемости и т. д., которые необходимы для любой среды обучения.
Базовые службы управляют функциями бухгалтерского учета учащихся, а базовые серверные службы управляют функциями бухгалтерского учета виртуальной сети, необходимыми для работы в распределенной облачной среде. Периферийные системы — это устройства, используемые для обеспечения обучения, которые могут включать традиционные системы управления обучением, а также портативные устройства, интеллектуальных преподавателей, электронные публикации, симуляторы и любые другие развивающиеся технологии обучения. Вспомогательные функции, такие как портал доступа, инструменты визуализации данных, адаптивные алгоритмы и любое подключенное обучающее устройство, также являются периферийными системами, которые взаимодействуют с ядром.
Эталонная реализация TLA существует как постоянно развивающаяся структура программных компонентов, разработанных и созданных для обработки больших объемов данных из связанных между собой базовых и периферийных систем. Платформа Apache Kafka® обеспечивает распределенную топологию обмена сообщениями публикации/подписки, построенную на потоках различных тем данных [11]. Подключенные компоненты TLA оснащены набором микросервисов, которые используют либо HTTP/S через TCP/IP, либо создают и отправляют сообщения в централизованный кластер Kafka. Уровень сервисов действует как мост между обучающими устройствами, другими компонентами TLA и общими хранилищами данных. Каждая служба предоставляет сохраненные данные приложению, чтобы информацию можно было преобразовать в другие значимые данные, используемые другими компонентами эталонной реализации.
Контракты данных между уровнями данных и услуг основаны на характере обмениваемых данных. Поведение и функциональность каждой службы определены и согласованы с бизнес-функциями TLA. Потоки входных/выходных данных идентифицируются и согласовываются с необходимыми хранилищами данных TLA. Модели данных и протоколы определены на основе стандартов IEEE. Каждый микросервис можно развернуть независимо, что упрощает управление и тестирование обновлений эталонной реализации. Производительность этих микросервисов можно повысить горизонтально за счет клонирования процессов на нескольких экземплярах сервера с использованием облачных технологий, таких как Microsoft ®Azure, Apache Hadoop, и динамической балансировки нагрузки. Основные услуги включают в себя:
Обучение управлению событиями. В рамках TLA каждое действие обучения генерирует операторы xAPI с использованием одного или нескольких профилей xAPI. Профили xAPI используются для помощи при внедрении xAPI в конкретные типы учебной деятельности или для конкретных доменов. Каждый профиль представляет собой набор словарей, шаблонов операторов и шаблонов, которые описывают взаимосвязь между операторами xAPI и управляют тем, как операторы xAPI реализуются в деятельности.
Как только учебная деятельность, реализованная с помощью xAPI, подключается к эталонной реализации TLA (через хранилище записей обучения (LRS)), другие подключенные системы могут получать ценную информацию из данных об успеваемости учащихся, полученных в результате этой деятельности. Необработанные данные, собранные в LRS, дают ценную информацию о путях учащихся и решениях, принимаемых в контексте каждой учебной деятельности. Эти данные можно использовать для обеспечения адаптивной обратной связи, исправления ошибок, поддержки инструктора, а также для понимания того, как и почему учащийся действовал так, как он это делал, в рамках одного учебного действия.
Учитывая разнообразие различных видов учебной деятельности, профессиональных областей и профилей xAPI, которые управляют реализацией xAPI в этих системах, TLA нуждается в способе нормализации данных, поступающих в результате каждого вида деятельности. Основная объектная модель TLA (MOM) используется для объединения необработанных данных учащихся в значимую информацию, которую могут использовать другие подключенные системы [12]. TLA MOM включает утверждения xAPI, описывающие ключевые этапы обучения для отслеживания и управления прогрессом учащихся во всех видах учебной деятельности, с которыми они сталкиваются. TLA MOM нормализует операторы xAPI, исходящие из учебной деятельности, а также другие системы обучения, такие как планировщики, системы управления компетенциями и инструменты планирования карьеры.
Рис. 2. Глаголы TLA MOM. TLA MOM определяет жизненный цикл объекта, в котором учащиеся выполняют единый «поток обучения», который завершается отчетом и оценкой учебного события.
Как показано на рисунке 2, жизненный цикл учебного мероприятия определяется серией переходов между состояниями учащегося, которые генерируются по мере взаимодействия учащегося с различными системами, используемыми для планирования, реализации и оценки каждого учебного действия. TLA MOM реализован как профиль xAPI, который генерирует операторы xAPI в ключевые моменты жизненного цикла учащегося и включает указатели на необработанные данные учащегося для систем, которым они необходимы.
Состояние учебной деятельности TLA MOM определяет взаимодействия учащегося, которые пользователь будет выполнять в учебной деятельности от инициализации до завершения или завершения [13]. Команды TLA MOM в этом состоянии соответствуют спецификации cmi5, которая соответствует жизненному циклу устаревшей модели данных времени выполнения SCORM cmi.core. Использование cmi5 нормализует данные о производительности и позволяет периферийным системам принимать собственные решения, поэтому в основных данных TLA не возникает конфликтов относительно того, как выглядит «правильная производительность».
Состояние события обучения связано с действиями, которые происходят до того, как учащийся взаимодействовал с учебной деятельностью (например, запрошено, одобрено, запланировано, рекомендовано и т. д.). Он описывает контекст, в котором учащийся продолжал свое обучение. Глаголы TLA для этого состояния также генерируются после того, как были получены доказательства успеваемости учащегося или когда действие было завершено. Эти глаголы используются для контекстуализации успеваемости учащегося по соответствующему набору компетенций (например, подтвержденных, квалифицированных, присвоенных, предполагаемых и других).
Состояния карьеры — это глаголы, связанные с переходом на работу или продвижением к ней по карьерной лестнице. Эти заявления MOM будут генерироваться инструментами управления карьерой, системами управления персоналом или другими кадровыми системами. Состояние карьеры меняется медленно с течением времени по мере того, как учащийся переходит от работы к работе и достигает различных этапов карьеры (например, повышение по службе, детализация, отбор и другие).
Объединенные хранилища записей учащихся. TLA использует интегрированный набор решений LRS в песочнице TLA. При таком подходе все необработанные данные учащихся сохраняются в зашумленной LRS и сохраняется право собственности на данные у владельцев учебной деятельности. Транзакционный LRS собирает операторы TLA MOM, которые «свертывают» и нормализуют данные об эффективности учащихся, полученные в результате каждого действия. Операторы TLA MOM форматируются с использованием xAPI и включают следующую информацию:
• Актер: уникальный идентификатор пользователя (например, идентификатор компании), используемый для отслеживания человека во всех связанных с ним учебных мероприятиях.
• Глагол: отслеживайте и управляйте контекстом того, как учебная деятельность была запланирована, завершена и оценивалась на протяжении всей жизни учащегося.
• Объект: каждое учебное действие имеет уникальный идентификатор (т. е. идентификатор действия), который используется для связи этого действия с его метаданными.
• Контекст: утверждения MOM включают контекст, который дает дополнительное понимание того, как использовались учебные ресурсы в контексте индивидуального опыта учащегося. Эти данные используются для получения информации о пути обучения и скорости обучения каждого человека для информирования будущих адаптивных систем обучения.
Авторитетный LRS включает только проверенные утверждения о компетентности, которые будут обсуждаться в следующей главе. Этот подход обеспечивает прослеживаемость данных учащегося для всех видов учебной деятельности, с которыми учащийся сталкивается в организации. Используя эту информацию, другие подключенные системы могут определить, какие учебные и образовательные мероприятия выполнил учащийся, использовать описания каталога, чтобы узнать больше о каждом виде деятельности, и оценить успеваемость учащегося в этих действиях.
Управление деятельностью и ресурсами. В рамках TLA каждый учебный ресурс (курс, публикация, мероприятие) описывается с использованием проекта стандарта метаданных учебной деятельности P2881. Каждое учебное действие имеет уникальный организационный идентификатор (ActivityID), который используется для обновления этих описаний и управления ими. Как показано на рисунке 3, проект стандарта P2881 включает элементы данных, которые позволяют другим системам TLA связывать результаты обучения с необработанными записями учащихся (например, конечными точками LRS, согласованиями, компетенциями). Другие элементы метаданных используются для поддержки планирования жизненного цикла, адаптивных систем обучения и других элементов, описывающих его пригодность для использования в учебных целях.
Метаданные учебной деятельности хранятся в «Индексе опыта». Индексы опыта поддерживаются локально, поэтому организации могут при необходимости добавлять дополнительные атрибуты метаданных. P2881 Управление метаданными позволяет продвигать локально созданные атрибуты метаданных в стандартную модель данных. Атрибуты метаданных учебной деятельности могут быть заполнены во время разработки учебного ресурса или они могут быть заполнены с использованием значений, полученных из других систем подключения [14]. Например, система опросов курса может позволить учащемуся оценить свой опыт, а в сочетании с рейтингами других учащихся можно рассчитать значение «Совокупный рейтинг».
Рис. 3. Проект метаданных учебной деятельности P2881. TLA использует стандартизированную модель данных для организации одного или нескольких локальных каталогов курсов в сеть объединенных каталогов курсов.
Модель данных, на основе которой был получен проект TLA P2881, повышает степень детализации и точности описания учебных ресурсов. Опыт обучения (например, курсы, семинары, занятия) разбивается на разделы курса, учебные мероприятия и учебный контент, которые составляют каждый курс.
Служба управления активностью и ресурсами (ARM) связана со сбором, подключением и обменом данными об учебных ресурсах, доступных в анклаве TLA. Ключевые функции включают возможность генерировать метаданные о каждом учебном процессе и управлять ими. Функции ARM TLA связаны с созданием, повторным просмотром, обновлением и удалением метаданных учебной деятельности (например, мероприятий, курсов), а также публикацией этого опыта в других подключенных системах (например, в каталоге корпоративных курсов). . Опыт обучения изначально определяется как различные ресурсы обучения и образования, которыми располагает организация; однако они могут также представлять другие уникальные возможности для улучшения или демонстрации обучения.
Службы управления ресурсами связаны с вычислительными или физическими активами, инфраструктурой, расходными материалами и персоналом (например, наблюдателями, инструкторами), необходимыми для проведения учебной деятельности. Устройства регистрируются как часть архитектуры сети с нулевым доверием (ZTN). Регистрация устройств работает со службами управления идентификацией и виртуализацией для обеспечения безопасности и целостности данных, генерируемых и обрабатываемых на каждом устройстве. Устройства включают в себя что угодно: от LMS или других поставщиков услуг обучения до мобильных платформ и любого количества технологий будущего. Это позволяет пользователям использовать вычислительные ресурсы организации или свои личные устройства после регистрации.
Competency Management
Управление компетенциями. Управление компетенциями включает в себя процесс оценки успеваемости учащихся и прогнозирования уровней квалификации отдельных команд и организаций. Результаты учащихся собираются с помощью мероприятий по обучению и обучению, которые были реализованы с помощью стандарта xAPI и TLA MOM для объединения данных об учащихся из нескольких LRS.
Как показано на рисунке 4, определения компетенций описывают конкретные детали, контексты, соответствующие стандарты, уровни мастерства и полномочия, необходимые для успешной демонстрации знаний, навыков, способностей и другого поведения (KSAO), необходимого для успешного выполнения работы в оперативной среде. Структуры компетенций используются для определения отношений между определенными компетенциями [15]. Они носят иерархический характер, но одна компетенция может использоваться в различных профессиях (например, должностях), поэтому между многими элементами компетенции требуется связь «многие ко многим». Разработка этих моделей требует знаний в области науки об обучении, учебного проектирования и практического опыта для точного определения каждой меры компетентности, приемлемых стратегий оценки и требований к доказательствам.
Рис. 4. Многоразовые определения компетенций. RCD формализуют способ передачи компетенций, их взаимосвязей и требований к квалификации другим компонентам TLA.
Рис. 5. Многоразовые определения компетенций. RCD формализуют способ передачи компетенций, их взаимосвязей и требований к квалификации другим компонентам TLA.
В рамках TLA служба управления компетенциями управляет данными о знаниях, навыках, способностях, качествах, опыте, личностных качествах и мотивациях человека, чтобы предсказать их ценность для эффективной работы. На рисунке 5 показан поток данных об успеваемости учащегося от учебной деятельности к зашумленному LRS и далее к транзакционному LRS с использованием TLA MOM. Заявления TLA MOM, хранящиеся в транзакционном LRS, предоставляют доказательства, на основании которых делаются утверждения о компетентности.
Для создания утверждений о компетентности служба управления компетенциями TLA считывает операторы TLA MOM, которые хранятся в транзакционном LRS, и анализирует каждый оператор TLA MOM. Поле <xAPI Actor> коррелирует с профилем учащегося с использованием UUID учащегося, а поле <xAPI Object> коррелирует с метаданными действия с использованием уникального идентификатора действия. Файл метаданных каждого учебного действия включает уникальные идентификаторы компетенций, которые сообщают службам компетенций, какие определения компетенций необходимо извлечь из реестра компетенций. Используя профиль учащегося, метаданные учебной деятельности и соответствующие определения компетенций, система управления компетенциями TLA может оценить уровни квалификации для каждой компетенции.\
Сертификат выдается организацией, обладающей авторитетной властью, и служит доказательством квалификации или компетентности человека в определенном предмете. Сеть компетенций обычно имеет различные уровни мастерства в рамках своей модели аттестации. Предыдущие уровни способствуют переходу на следующий уровень мастерства, а элементы компетентности на различных уровнях могут со временем атрофироваться из-за неиспользования. Каждые учетные данные определяются с использованием языка описания прозрачности учетных данных (CTDL). CTDL разлагает полномочия на компетенции, которые они представляют, используя одни и те же уникальные идентификаторы для каждого определения компетенции [16]. Эти артефакты варьируются от диплома колледжа до профессионального сертификата, значка или микроудостоверения. Наличие диплома не только помогает доказать компетентность и способности в определенной области, но также служит подтверждением того, что человек надлежащим образом обучен и оснащен для выполнения своих обязанностей в рамках своей конкретной профессии или дисциплины.
Learner Management
Управление учениками. Функции управления учениками TLA связаны с регистрацией всей деятельности по обучению и развитию, с которой учащийся сталкивается в организации. Управление учащимися включает в себя администрирование, доставку, отчетность и оценку прогресса учащегося на протяжении множества различных учебных мероприятий, с которыми он сталкивается. Сообщения TLA MOM используются для определения контекста различных учебных действий, которые выполняет учащийся, а также для сохранения данных об успеваемости учащегося в федеративной структуре LRS TLA.
Функции управления учащимися работают с другими базовыми данными TLA для преобразования утверждений TLA MOM в различные компетенции и полномочия, которые дает каждая учебная деятельность. Это основной конвейер данных для отслеживания и управления обучением на протяжении всей жизни; и корреляция успеваемости учащихся с профессиональными компетенциями и необходимыми полномочиями.
Рис. 6. Предварительный вариант модели данных записи учащихся предприятия. Каждая запись об учащемся также включает глобальную регистрацию всех мест, содержащих подчиненные данные об учащемся, включая атрибуты учащегося, записи об успеваемости учащегося с использованием xAPI, данные оценки и другую соответствующую информацию.
Профиль учащегося используется для регистрации компетентности учащегося и его истории знаний, способностей, местных и глобальных предпочтений, траектории карьеры и прогресса в достижении целей учащегося. На рис. 6 показаны различные категории данных, которые отслеживаются в модели данных Enterprise Learner Record. Уникальный идентификатор пользователя используется для отслеживания успеваемости учащихся во всех связанных действиях с использованием операторов xAPI. Операторы xAPI включают связи с другими основными репозиториями данных для предоставления дополнительной информации любой подключенной системе, которая в ней нуждается.
Профиль учащегося используется для агрегирования этой информации и широкого спектра других данных, включая демографические данные, данные об интересах учащегося, предпочтениях в обучении, целях обучения, траекториях карьеры и других соответствующих атрибутах учащегося. Подключенные системы TLA используют API учащегося для связи с профилем учащегося.
Профили учащихся действуют как «соединитель» структуры данных и делают записи учащихся в профиле доступными для глобального поиска через хранилище записей обучения предприятия (ELRR). Цель ELRR — обеспечить доступность глобально актуальных данных об отдельных учащихся и командах для любого командования, системы обучения или деятельности в компании. Эти данные могут использоваться для поддержки адаптивного обучения, улучшения процесса принятия решений и аналитического понимания учащихся и систем, с которыми они взаимодействуют. Эти данные также облегчают лонгитюдный анализ военной карьеры для оценки системных проблем готовности, эффективности образовательной/тренировочной деятельности, полноты стандартов и эффективности средств массовой информации.
Supporting Adaptive Instructional Systems
Адаптивные учебные системы, разработанные с использованием столпов данных TLA, могут использовать полученные данные для поддержки ряда различных адаптивных возможностей. На рис. 7 эти возможности описаны посредством серии «контуров управления». На первом уровне данные учащегося могут использоваться для корректировки строительных лесов в рамках конкретной учебной деятельности (контур управления 1). Задание может масштабироваться по сложности, условиям выполнения или количеству и типу полученной обратной связи. На более сложном уровне данные об учащихся можно использовать для адаптации к нескольким различным типам учебной деятельности (цикл управления 2). Например, если выявлены пробелы в знаниях учащегося, можно пойти по пути предоставления дополнительных учебных мероприятий, прежде чем перейти к следующему шагу на пути к получению аттестата.
В-третьих, с точки зрения активного учащегося, продольные данные можно использовать для сравнения нескольких потенциальных путей достижения цели получения аттестации. Курсы могут различаться по продолжительности, рейтингам или другим факторам, которые позволяют учащемуся принимать решения о том, как структурировать свой учебный опыт (контур управления 3). В-четвертых (контур управления 4), менеджеры по работе с талантами могут работать с учащимися, чтобы составить долгосрочные планы для достижения не только текущих карьерных целей, но и обеспечить возможность разворота карьеры для удовлетворения возникающих потребностей миссии компании (контур управления 5), который использует прошлого ученика. учетные данные и компетенции или предоставляет новый путь.
Необработанные данные учащихся, полученные в результате каждого учебного действия, могут быть объединены для получения знаний учащихся, выходящих за рамки того, на что способно одно учебное действие. TLA использует концепцию циклов управления, как показано на рисунке 7, чтобы определить, как эти «пожизненные» данные об учащихся могут использоваться различными системами и на разных уровнях детализации в разных временных горизонтах. Другими словами, одни и те же данные, собранные в ходе учебной деятельности, могут использоваться по-разному в зависимости от цели, для которой они используются.
Контуры управления показывают, что данные обучения можно рассматривать с разных точек зрения, требуя разных уровней детализации и точности в разных временных горизонтах. Например, учащийся может получить конкретную профессиональную квалификацию, необходимую для продвижения по службе. Им необходимо принять участие в одном или нескольких курсах (например, в серии учебных мероприятий) для поддержки своей карьерной траектории. Этот пример можно рассматривать в контексте контуров управления 2,3 и 4.
Рис. 7. Контуры управления TLA. Операторы TLA MOM действуют как датчики для различных контуров управления. Пять контуров управления постоянно работают параллельно, но они обеспечивают удобный способ категоризации данных.
Такой подход к управлению учащимися позволяет создать систему цифрового доверия, которая обеспечивает проверяемость, конфиденциальность и целостность данных для цепочки доказательств (например, необработанные данные об успеваемости учащихся), используемых для подтверждения уровней квалификации отдельных лиц или команд по одной или нескольким компетенциям. Пять контуров управления в порядке возрастания временных горизонтов адресуются:
• Контур управления 1: Использование данных об успеваемости учащихся для оптимизации передачи знаний в рамках текущей учебной деятельности (например, интеллектуальное обучение, поддержка инструктора).
• Цикл управления 2: Использование данных об успеваемости учащегося в различных учебных мероприятиях для оптимизации продвижения учащегося к получению аттестата.
• Цикл управления 3: Использование продольных данных об учащихся для определения приоритетов в получении квалификации или деятельности для удовлетворения требований потенциальной работы.
• Контур управления 4: данные непрерывного обучения для поддержки управления карьерой и планирования целей образования и обучения для общей траектории карьеры.
• Контур управления 5: Данные обучения на протяжении всей жизни для поддержки создания новой карьеры.
Контуры управления показывают, что данные обучения можно рассматривать с разных точек зрения, требуя разных уровни детализации и точности на разных временных горизонтах. Другими словами, те же данные, собранные из один учебный опыт может использоваться по-разному в зависимости от цели, для которой он проводится. использовал. Например, учащийся может получить конкретную профессиональную квалификацию, необходимую для продвижения по службе. Им нужно принять участие в одном или нескольких курсах (например, в серии учебных мероприятий) для поддержки своей карьеры траектория. Этот пример можно рассматривать в контексте контуров управления 2, 3 и 4. Глаголы MOM сгруппированы для представления состояния учащегося в различных системах, в которых он находится. взаимодействует с каждым из 5 контуров управления. MOM включает утверждения, описывающие ключевых учащихся контрольные точки для отслеживания и управления прогрессом учащегося в рамках каждого контура управления. Некоторые элементы МОМ указывают на переход учащегося от одного контура управления к другому.
Рисунок 3. Состояния TLA MOM и их связь с контурами управления. В сочетании с адаптивными алгоритмами основанные на машинном обучении, они представляют собой мета-, макро- и микроадаптацию. Как показано на рисунке 3, состояние учебной деятельности определяет ключевые взаимодействия учащегося, которые будет выполнять пользователь. в контуре управления 1 (непосредственная обучающая деятельность) от инициализации до завершения или завершения. ТЛА МАМА глаголы в этом состоянии соответствуют стандарту данных cmi5, который соответствует жизненному циклу устаревшего SCORM. модель данных времени выполнения. Использование cmi5 нормализует данные о производительности и позволяет периферийным системам выполнять выглядит как. Каждое закупочное агентство и школа имеют свои собственные акции для оценки эффективности. Состояния событий обучения связаны с действиями, которые происходят как до, так и после того, как учащийся взаимодействовал с опытом обучения. Предварительно к ним относятся такие глаголы, как просил, одобрил, запланировано, рекомендовано, среди прочего. Они описывают контекст, в котором учащийся преследовал цель их обучение (связанное с контурами управления 2 и 3). Глаголы TLA для этого состояния также генерируются после были получены доказательства успеваемости учащегося или когда деятельность была завершена. Эти глаголы используются для контекстуализации успеваемости учащегося по соответствующему набору компетенций (например, проверенных, квалифицированный, присвоенный, предполагаемый и др.). Состояния карьеры — это глаголы, связанные с продвижением по карьерной лестнице. Эти заявления мамы может быть создан с помощью инструментов управления карьерой, систем управления персоналом или других систем. связаны с контурами управления 4 и 5. Состояния карьеры меняются медленно с течением времени по мере того, как учащийся уходит с работы. на работу и соответствует различным этапам карьеры (например, повышение по службе, повышение по службе, отбор и т. д.).
На протяжении всей карьеры обучение может проходить по-разному: от саморегулируемого обучения до формального обучения. программы обучения. Данные, генерируемые в контурах управления 2, 3, 4 и 5, определяют индивидуальные цели обучения. Они организованы в соответствии с требуемыми компетенциями и полномочиями. Учебная деятельность и опыт согласуется с этими компетенциями и организуется для достижения основных целей учащегося. TLA MOM утверждает, что предоставляет механизм для отслеживания учащегося по мере его продвижения по этим формальным или Государство деятельности предоставляет доказательства демонстрации компетентности. Другие подключенные системы TLA используют эту информацию для широкого круга целей.
Рисунок 4. Жизненный цикл опыта обучения. Они определены в основной объектной модели (MOM), которая создается взаимодействием между учащимся и деятельностью. Как показано на рисунке 4, жизненный цикл любого учебного процесса определяется серией переходов состояний, которые генерируются в рамках каждого действия по мере достижения пользователем основных этапов. Доказательства, собранные определены в определениях компетенций. Эта информация в сочетании с опытом обучения метаданные, содержащиеся в Индексе опыта, позволяют состояние учетных данных, указанное в их профиле учащегося (и, в конечном итоге, до записи учащегося предприятия). Репозиторий). новый цикл состояний событий.
3.2.3 Competency Management
3.2 Возможности системы TLA предполагает набор корпоративных сервисов и связанной с ними инфраструктуры для обеспечения семантической совместимость, поддерживать цифровую идентичность пользователей и работать в соответствии с потребностями объединенной сети. цифровой мир. Общее управление функциями обучения существует в контексте других человеческих ресурсов. и функции бизнес-операций, такие как рабочая сила и персонал, приобретение и готовность. Каждый организация поддерживает справедливость данных при обучении, подготовке, квалификации или трудоустройстве людей на рабочие места или обязанности, которые способствуют военной готовности. Основные услуги и данные TLA предназначены для совместного использования эти другие связанные системы. В будущей экосистеме обучения это позволит разным местным экосистемам быть полностью интегрированными между собой и взаимосвязанными в цифровом формате. Соответствие стандартам TLA Каждый экземпляр TLA называется анклавом. Анклав TLA определяется как определенный набор вычислительных ресурсов и данных. ресурсы, управляемые организацией, наделенной рабочей силой, персоналом, обучением и образованием (MPT&E) миссия. TLA разработан таким образом, что в его состав не входят обязательные компоненты. совместимый анклав, но существуют необходимые функции, структуры данных и функциональные интерфейсы, которые должны быть разоблачены в каждом анклаве. Не имеет значения, выставлены ли они в единой монолитной системе, развернуты полностью как микросервисы или что-то среднее. Система это сделает, если соответствует следующим критериям:
Предоставляет и раскрывает функции, связанные с управлением событиями обучения; Профиль учащегося Управление; Управление деятельностью и ресурсами; и основные услуги по управлению компетенциями. Обеспечивает и предоставляет управление пользователями и идентификацией, а также управление виртуализацией сети. бэкэнд-функции. Для этих функций соответствует структуре интерфейса эталонной архитектурной модели TLA. периферийные системы (обучающиеся устройства и решения инструменты поддержки) с использованием профиля MOM xAPI. Рассматривает периферийное устройство или базовую службу либо как поставщик записей обучения xAPI, либо как поставщик обучение записи потребителя. Предоставляет профиль учащегося, индекс опыта, структуру компетенций и хранилище записей обучения. данные с использованием передачи репрезентативного состояния (REST) через безопасность транспортного уровня (TLS). Соответствует структуре данных эталонной модели данных TLA для этих хранилищ. Может подключаться к соседним анклавам или периферийным системам с помощью REST TLS. В следующих разделах представлена дополнительная информация по каждой основной и серверной функциям, данным. ул. и возможности активов предприятия.
Управление компетенциями Компетенция – это совокупность демонстрируемых моделей поведения, характеристик и навыков. которые обеспечивают эффективное выполнение работы1. Основанный на компетенциях Обучение (CBL) — это модель обучения, которая фокусируется на овладении компетенции, необходимые для конкретной работы. Каждая компетенция нарушена вплоть до конкретных KSAO, необходимых для выполнения работы на разных уровнях мастерства. Чтобы продемонстрировать компетентность, человек или команда должны быть способен выполнять (т. е. демонстрировать) определенные задачи или навыки на требуемом уровне мастерства. В рамках TLA определения общих компетенций (SCD) описывают конкретные детали, контексты, соответствующие стандарты, уровни мастерства и учетные данные, необходимые для демонстрации KSAO, необходимых для выполнения работы в оперативной обстановке. Рамки компетенций определяют взаимоотношения между УЗО. Они имеют иерархическую структуру, но одно УЗО может – к- Как показано на рисунке 6, эта структура известна как для семантических запросов с использованием узлов, ребер и свойств для представления и хранения УЗО и связанных с ними рамки. Ребра, соединяющие каждый узел (т. е. компетентность), направлены так, что учащиеся будут никогда не попадайте в замкнутый круг по мере достижения своих карьерных целей. Развитие эти модели требуют знаний в области науки обучения, а также опыта эксплуатации, чтобы точно определить каждую меру компетентности, приемлемые стратегии оценки и требования к доказательствам.
Общее описание УЗО показано на рисунке 7. Доказательства компетентности получены из взаимодействие с различными учебными мероприятиями, реализованными с помощью xAPI. Каждый элемент КСАО сопоставляется с доказательственными требованиями для установления критериев подтверждения компетентности. Для компании Сервер связанных данных и схем всего отдела предоставляет общие словари и услуги согласования для сохранить семантическую совместимость во всем диапазоне компетенций и полномочий компании. Управление компетенциями — это процесс оценки успеваемости учащихся и прогнозирования уровня знаний. данные учащихся в настоящее время хранятся в десятках различных систем, с которыми они сталкивались в течение своей карьеры. когда они перемещаются по различным школьным зданиям, тренировочным средам и профессиональным военным Возможности образования. система цифрового доверия, обеспечивающая проверяемость, конфиденциальность и целостность данных для цепочки обучения на протяжении всей жизни доказательств (т. е. необработанных данных об успеваемости учащихся), используемых для подтверждения уровней квалификации отдельных лиц или команд против одной или нескольких моделей компетенций. Этот подход сохраняет право собственности и целостность данных учащихся. при создании контрольного журнала, который обеспечивает связи с каждым авторитетным источником данных об учащихся, которые студент накопил за свою карьеру.
Рисунок 7. Определения общих компетенций в TLA. Компетенции определяются стандартом IEEE 1484.20.3 Shareable. Стандарт определения компетенций (RCD), который формализует способ определения компетенций, их взаимозависимые отношения, а требования к квалификации передаются другим компонентам TLA. Управление компетенциями — это процесс оценки успеваемости учащихся и прогнозирования уровня знаний. данные учащихся в настоящее время хранятся в десятках различных систем, с которыми они сталкивались в течение своей карьеры. когда они перемещаются по различным школьным зданиям, тренировочным средам и профессиональным военным Возможности образования. Шумный, Транзакционный, Авторитетный), описанные в разделе 3.2.1, позволяют система цифрового доверия, обеспечивающая проверяемость, конфиденциальность и целостность данных для цепочки обучения на протяжении всей жизни доказательств (т. е. необработанных данных об успеваемости учащихся), используемых для подтверждения уровней квалификации отдельных лиц или команд против одной или нескольких моделей компетенций. Этот подход сохраняет право собственности и целостность данных учащихся. при создании контрольного журнала, который обеспечивает связи с каждым авторитетным источником данных об учащихся, которые студент накопил за свою карьеру. Оценка успеваемости учащегося (например, сдал, не сдал, набрал балл) осуществляется посредством учебной деятельности, которая генерирует заявления TLA MOM. Как только в транзакционную LRS будут переданы достаточные доказательства, Система управления компетенциями формирует компетентность. Если последовательность обучения деятельность поддерживает присвоение полномочий, для проверки и подтверждения могут потребоваться дополнительные критерии что все требования были выполнены до присвоения. Авторитетный LRS включает подписанные доказательства. (например, значки, обозначающие прохождение курса, сертификаты, степени или лицензии, необходимые для различных профессиональных ассоциаций).
Рисунок 8. Зависимость от других данных TLA. стандарты. 1) Действия по обучению генерируют операторы xAPI и сохраняют их в Noisy LRS. 2) Учебная деятельность описывается с использованием метаданных IEEE P2881, хранящихся в Индексе опыта. 3) Noisy LRS хранит операторы xAPI, созданные в результате одного или нескольких учебных действий. 4) TLA MOM — это профиль xAPI, используемый для сведения успеваемости учащихся к ключевым этапам. связан с любой учебной деятельностью. 5) Операторы TLA MOM хранятся в транзакционном LRS. Транзакционный LRS собирает TLA Заявления MOM от одного или нескольких Noisy LRS.
Рисунок 8. Службы управления компетенциями. сервисы для связи отдельных учащихся, их профилей учащихся и действий, генерирующих отчеты xAPI, с компетенции, расположенные в реестре структуры компетенций. 6) Система управления компетенциями использует утверждения TLA MOM для прогнозирования поведения учащегося. компетентность в отношении определенных компетенций. 7) Система управления компетенциями импортирует метаданные P2881 об учебной деятельности. отправка оператора TLA MOM с использованием уникального идентификатора действия, который заполняет объект TLA MOM поле. 8) Система управления компетенциями импортирует данные, используя уникальный идентификатор пользователя, который заполняет поле актера TLA MOM. Профиль учащегося обновлен. состояние на основе данных, хранящихся в транзакционном LRS. 9) Система управления компетенциями импортирует RCD из реестра компетенций. Он знает какие компетенции импортировать на основе атрибутов соответствия, включенных в учебную деятельность метаданные. 10) По мере подтверждения утверждений о компетенции и предоставления полномочий они сохраняются в Авторитетный ЛРС. Профиль учащегося также обновляется этой информацией. 11) Профили учащихся соответствуют стандарту IEEE P2997 для корпоративных записей учащихся. Они включают ссылки на авторитетные хранилища данных, в которых они хранятся.
The Sum is Greater Than its Parts / Сумма больше, чем ее части.
Каждый компонент данных TLA основан на существующих стандартах для повышения детализации и точности описания учебных ресурсов, учащихся, их успеваемости и компетенций, которым необходимо обучать. Модели данных, лежащие в основе различных стандартов TLA, полагаются на другие системы в цепочке поставок человеческого капитала для заполнения многих элементов данных. Автоматизация и четко определенная стратегия управления имеют решающее значение для обновления и обслуживания данных, хранящихся в каждом хранилище данных TLA.
TLA является асинхронным и управляемым событиями. Каждое устройство или услуга в экосистеме выступает либо как поставщик учебных записей (LRP), либо как потребитель учебных записей (LRC). Во многих случаях система может выполнять обе роли (например, адаптивные обучающие системы). Использование API и микросервисов предназначено для поддержки современной высокопроизводительной системы обмена сообщениями и означает, что не существует единой системы, отвечающей за координацию выполнения между компонентами. Это безгражданство необходимо для слабой связи, необходимой для создания настоящей экосистемы.
Хотя большинство решений LRS предлагают информационные панели для просмотра успеваемости учащихся, они обычно используются для просмотра операторов xAPI, созданных в рамках одного учебного действия. С точки зрения адаптации эти данные имеют большой потенциал для автоматизации исправлений, обратной связи или других оптимизаций, которые помогают ускорить передачу знаний.
Рис. 8. Объем и масштаб данных об учащихся. Данные об учащихся могут передаваться вертикально внутри организации, горизонтально между другими организациями или в течение всей карьеры.
Включение TLA MOM дает дополнительную информацию о том, как учебная деятельность используется для поддержки обучения и образования внутри организации. Отслеживание этой информации дает представление о пути учащегося, скорости обучения и общей эффективности. Добавление метаданных учебной деятельности и определений компетенций расширяет эти возможности, предоставляя возможности связать результаты обучения и образования с ключевыми показателями эффективности в оперативной среде.
Совокупность этих данных способствует развитию адаптивных систем, выходящих за рамки обучения и образования, и открывает новые возможности для управления карьерой, планирования рабочей силы и перекрестного обучения. На рисунке 8 показаны масштабы того, как эти данные могут быть использованы для поддержки деятельности организаций компании: от информационных панелей инструкторов до надежной аналитики готовности и квалифицированной рабочей силы. Эти данные также поддерживают непрерывное обучение всех сотрудников на протяжении всей жизни.
Data-driven Adaptation
Искусственный интеллект (ИИ) и машинное обучение (МО) становятся мощными инструментами адаптации учебного контента для повышения мотивации, автономности, эффективности и результативности учащихся и учителей [17]. Обучение, основанное на данных, может проходить как в традиционных условиях очного обучения, так и в условиях обучения, усовершенствованного технологиями. Объем и масштаб реализации адаптации в рамках курса или деятельности охватывают широкий спектр вариантов использования. Аналитика обучения уже давно используется для информирования преподавателей, улучшения содержания курса или корректировки способа его проведения [18].
Данные TLA могут использоваться не только в рамках одного учебного мероприятия, но и для получения информации о траекториях обучения учащихся. Ривз (19) обсудил три подхода к оценке среды онлайн-обучения в высшем образовании. Когнитивная оценка направлена на измерение мыслительных способностей учащихся более высокого порядка, достигаемых с помощью таких средств, как картирование понятий. Оценку успеваемости можно проводить путем изучения способности учащегося применять знания в реальных контекстах, требуя от учащихся продемонстрировать свои способности непосредственно посредством создания продукта или посредством взаимодействия. Наконец, портфолио — это место, где работы студента сохраняются с течением времени, чтобы их можно было просмотреть как с точки зрения процесса, так и с точки зрения продукта.
В последние годы был достигнут прогресс в обеспечении адаптивности и персонализации в технологической среде обучения. Однако объем данных, предоставляемых через стандарты TLA, поддерживает адаптивные системы, которые оптимизируют или адаптируют инструкции для удовлетворения потребностей организации. Четко определенные определения компетенций могут использоваться для увязки ресурсов обучения и образования с ключевыми показателями эффективности в оперативной среде. Эти данные обладают потенциалом для проведения продольного анализа, который связывает обучение и образовательную деятельность с производительностью на рабочем месте.
Структуры компетенций и связанные с ними определения компетенций также могут быть адаптированы к потребностям организации. Задачи, условия и стандарты демонстрации навыков во многом зависят от местного контекста. Местные погодные условия, географическое положение или доступность учебных ресурсов в сочетании с целями организации и/или параметрами миссии могут способствовать адаптации последовательности учебных мероприятий, которые предоставляются учащемуся. Альтернативно, инструменты поддержки производительности также могут быть адаптированы для оказания своевременной поддержки учащимся во время выполнения их работы.
Проект TLA разработал основополагающую стратегию обработки данных, которая поддерживает адаптацию к потребностям учащихся, преподавателей и организации. Стандарты данных TLA будут продолжать развиваться и адаптироваться для лучшей поддержки потребностей будущей экосистемы обучения. По мере того, как адаптивные системы обучения совершенствуются и совершенствуют свои алгоритмы, в рамках определенных стандартов могут потребоваться новые элементы данных. Это требует изменений в том, как мы разрабатываем стандарты, чтобы ими можно было постоянно управлять, совершенствовать и обновлять посредством четко определенной стратегии управления.
Conclusions and Next Steps
Агрегация данных TLA обеспечивает основу для постоянного улучшения процессов во всех аспектах обучения и образования, от планирования и планирования мероприятий до оценки их эффективности по ключевым показателям эффективности в оперативной среде.
Повышенная точность данных об учащихся также дает представление о различных путях, которые разные учащиеся выбирают для достижения профессиональных навыков в выбранной ими карьере. Траектории обучения в рамках карьерных траекторий могут быть адаптированы для поддержки различных групп учащихся, а улучшенное понимание карьерного роста может помочь ускорить рост в различных сферах и предоставить новые возможности для сотрудников. Старшие руководители организации также могут использовать эту информацию для оценки готовности к достижению результатов миссии. Возможности планирования рабочей силы и перекрестного обучения будут объединены, чтобы помочь организациям адаптироваться к меняющимся требованиям.
Различные стандарты IEEE, на основе которых построен TLA, находятся на разных стадиях процесса стандартизации. Стандарт IEEE xAPI 2.0 должен быть выпущен в 2021 году; обновление Стандарта определения повторно используемых компетенций (IEEE 1484.20.1) также ожидается в 2021 году; Рабочая группа IEEE P2881 активно разрабатывает проект стандарта для метаданных учебной деятельности, а группа по изучению записей учащихся предприятий IEEE активно оценивает проект модели данных, чтобы оценить ее потенциал в качестве стандарта IEEE.
Эти стандарты данных следует рассматривать как основу, которую необходимо постоянно совершенствовать по мере развития инструментов и технологий, используемых для обучения и образования. Агрегация данных, собранных с помощью этих стандартов, будет играть все более важную роль за пределами организации, что позволит создать будущую экосистему обучения.
Продолжение и конкретные примеры в следующей части….
P.S. Немного информации из второй части:
1. С IEEE P9274.1 Experience API (xAPI) 2.0 все вроде понятно, добавили стандартные глаголы и стандартизировали параметры стэйтментов, усилили безопасность, немного улучшили профайлы. Стандартный запуск и упаковку так и не сделали…. For content authors and authoring tool vendors, you can’t interoperably launch xAPI 2.0 yet. You should wait for cmi5 to support 2.0, including anyone using “Tin Can” launch, who should plan on switching to cmi5 when they go to 2.0. We’re pushing towards getting 2.0 support into cmi5, but there is really no need to rush on the content side.
вот еще различия…. простым языком (относительно) – https://adlnet.gov/news/2020/08/06/Anticipating-the-xAPI-Version-2.0-Standard/
Превращение xAPI из спецификации в официально регулируемый стандарт ускорит его принятие и обеспечит его долговечность. В то время как усилия по стандартизации продвигаются вперед, Инициатива ADL продолжает проводить соответствующие исследования xAPI, которые также будут способствовать широкому использованию стандарта, включая разработку сервера профилей xAPI и связанных с ними профилей xAPI, в первую очередь для cmi5 и основной объектной модели Total Learning Architecture ( MOM).
Например почти стандартный еще для xAPI 1.0 пример утверждения (statement) “Launched”
Verb:
id: “http://adlnet.gov/expapi/verbs/launched”,
display: “launched”,
Object:
id: “”,
objectType: Activity
definition:
type:
[“https://w3id.org/xapi/tla/activity-types/activity”,
“https://w3id.org/xapi/tla/activity-types/assessment”,
“https://w3id.org/xapi/tla/activity-types/competency”]
Context:
Context Activities: EXCLUDED
2. С IEEE 1484.12.1 Learner Object Metadata 2.0 тоже все вроде понятно, старый добрый LOM
[Из диссертации Силкиной Надежды Сергеевны – МЕТОДЫ ОРГАНИЗАЦИИ СИСТЕМ ЭЛЕКТРОННОГО ОБУЧЕНИЯ НА ОСНОВЕ СТРУКТУРНО-ИЕРАРХИЧЕСКОГО ПОДХОДА]
Модель метаданных образовательных объектов LOM (Learning Object Metadata) предназначена для описания структуры и свойств образовательных объектов LO. Обычно это описание выполняется на языке XML. Модель LOM была разработана Комитетом стандартизации обучающих технологий LTSC (Learning Technology Standards Committee) организации IEEE и описана в стандарте IEEE 1484.12.1. Соответствующая XML-схема описана в стандарте IEEE 1484.12.3. Основной целью LOM является обеспечение повторного использования ресурса, поддержка открытости и интероперабельности образовательных объектов в контексте LMS. По-существу LOM описывает структуру и семантику атрибутов, которые должны быть определены при описании ресурса. В их число входят следующие: тип ресурса, автор, владелец, условия использования, формат, педагогические атрибуты и др.
Схематично модель структуры контента изображена на рис. . В модели вводятся несколько уровней иерархии, имеющие определенные имена. Каждый уровень представляет собой определенные части учебного курса и занимает строго фиксированную позицию в иерархии. Любой элемент нижнего уровня должен являться структурной частью некоторого элемента вышестоящего уровня и не может, таким образом, превосходить его по объему. Модель наделяет уровни следующей семантикой.
Программа (Curriculum) — совокупность учебных курсов, составляющих образовательную программу.
Курс (Course) — совокупность учебного материала, обладающая дидактической целостностью, и позволяющая учащемуся освоить знания, необходимые для приобретения определенных умений и навыков.
Глава (Chapter) — значимая часть курса. Объединяет в себе несколько разделов или уроков.
Раздел (Subchapter) — значимая часть главы. Объединяет в себе несколько модулей или уроков.
Модуль (Module) — значимая часть курса, главы или раздела. Определяет в себе несколько уроков.
Урок (Lesson) — значимая часть учебного материала, которая осваивается учащимся за одно занятие продолжительностью от 20 минут до одного часа.
Понятие (Topic) — логически самостоятельная часть урока.
Кадр (Frame) — значимый элемент графического интерфейса (окно), появляющийся на экране в определенный момент в течении урока.
Объект (Object) — компонент кадра. Объекты могут быть графическими, текстовыми или управляющими.
Рис. Модель структуры контента.
3. С IEEE 1484.20.1 Reusable Competency Definitions вроде тоже все понятно, стандартно задается модель компетенций
Модель компетенций используется для спецификации знаний, умений и навыков (ЗУНов) в LMS и в компетентностных профилях учащихся. Модель компетенции предоставляет средства для общепонятного описания компетенций, являющихся составной частью учебного плана, для спецификаций ЗУНов, необходимых для начала обучения (learning pre-requisites), и ЗУНов, получаемых в результате обучения (learning outcomes). Модель компетенции может использоваться для обмена ЗУНами между различными LMS, системами управления персоналом (human resource management system), образователь-
ным контентом, хранилищами компетенций и другими аналогичными системами.
Модель компетенций была разработана Комитетом стандартизации обучающих технологий LTSC (Learning Technology Standards Committee) организации IEEE и описана в стандартах IEEE 1484.20.1–2007 [86] и IEEE SRCM. Стандарт IEEE 1484.20.1–2007 содержит формальное описание структуры определения компетенции. Стандарт IEEE SRCM определяет информационную модель для представления связей между различными компетенциями в виде ориентированного ациклического графа, называемого графом компетенций.
Структура определения компетенции (reusable competency definition),или кратко RCD, изображена на рис. 26 и включает в себя следующие основные атрибуты: identifier: идентификатор компетенции; title: название компетенции; description: описание компетенции; definition: определение компетенции. Identifier представляет собой глобальный идентификатор компетенции,который должен быть уникален во всех системах, хранящих или обрабатывающих данную компетенцию. Title представляет собой понятное для человека название компетенции.Название может быть продублировано на нескольких языках. В качестве названия компетенции, например, может быть текстовая строка «Знание английского языка». Description представляет собой понятное для человека описание компетенции, которое предназначено только для интерпретации человеком. Описание может быть продублировано на нескольких языках. компетенции, например, может быть текстовая строка «Владение письменным и устным английским языком».
Definition представляет собой структурированное описание компетенции, которое включает в себя непустой набор утверждений (statements). Statement (утверждение) описывает отдельное свойство компетенции и включает в себя следующие элементы:
statement_id: идентификатор утверждения, statement_name: имя утверждения, statement_text: описание утверждения, statement_token: лексема.
reusable_competency_definition: record
(
identifier: long_identifier_type,
title: bag of langstring_type(1000),
description: bag of langstring_type(4000),
definition: definition_type,
metadata: metadata_type,
)
definition_type = record
(
model_source: characterstring(iso-10646),
statement: statement_type,
)
statement_type = record
(
statement_id: long_identifier_type,
statement_text: bag of langstring_type(1000),
statement_token: vocabulary_type,
)
vocabulary_type = record
(
source: characterstring(iso-10646),
value: characterstring(iso-10646),
)
компетенции, например, может быть текстовая строка «Владение письменным
и устным английским языком».
Definition представляет собой структурированное описание компетен-
ции, которое включает в себя непустой набор утверждений (statements).
Statement (утверждение) описывает отдельное свойство компетенции и
включает в себя следующие элементы:
statement_id: идентификатор утверждения,
statement_name: имя утверждения,
statement_text: описание утверждения,
statement_token: лексема. Statement_id представляет собой уникальную метку в рамках данного определения.
Statement_name представляет собой имя утверждения, которое должно
быть уникальным в рамках данного определения. В качестве имени утвержде-
ния может быть использованы condition (условие), action (действие), standard
(стандарт), outcome (результат), criteria (критерий).
Statement_text представляет собой неструктурированное текстовое опи-
сание свойства компетенции, представленного данным утверждением. В каче-
стве описания statement_text может быть, например, текстовая строка «Задано
множество целых чисел в диапазоне от 1 до 49».
Лексема statement_token представляет собой словарную лексему, кото-
рая включает в себя значение лексемы (value) и идентификатор схемы лексемы
(source). Словарная лексема позволяет использовать зафиксированные словарные термины вместе (или вместо) со свободным текстовым описанием утверждения statement_text.
Граф компетенций, описываемый стандартом IEEE SRCM, представляет собой ориентированный ациклический граф . Узлы графа компетенции могут ссылаться на различные формальные описания компетенций, структура которых была описана выше.
Граф компетенций представляет собой нестрогую иерархию узлов в том смысле, что узел графа компетенций может иметь более одного родительского узла. Если узел графа компетенций A имеет сыновей B и C, то из этого следует, что компетенция A состоит из суб-компетенций B и C, или, что компетенции B и C составляют A. На рис. приведены четыре примера графа компетенций. Стрелка задает связь отец-сын. Узел графа омпетенций может ссылаться как на формальное определение компетенции, так и на другие графы компетенций. Указанная структура модели представлена на рис.
Узлы графа компетенций могут иметь специальные правила, определяющие поведение системы при анализе графа компетенций. В правилах могут быть использованы следующие методы обработки компетенций:
метод all,
метод any,
метод fraction,
метод units,
метод mean,
метод other.
Метод all определяет правило, при котором для приобретения компетенции данного узла должны быть приобретены все компетенции, связанные с дочерними узлами. Этот метод используется по умолчанию. Метод any определяет правило, при котором для приобретения компетенции данного узла должна быть приобретена хотя бы одна компетенция, связанная с одним из дочерних узлов.
Метод fraction определяет правило, при котором для приобретения компетенции данного узла должна быть приобретена определенная доля компетенций, ассоциированных с дочерними узлами. Значение доли является вещественным числом из отрезка [0, 1]. Значение 0 означает, что для приобретения компетенции не требуется приобретать дочерние компетенции, значение 1 эквивалентно методу all, значение 0.5 означает, что для приобретения компетенции требуется приобрести 50% дочерних компетенций.
Метод units определяет правило, при котором для приобретения компетенции данного узла должно быть приобретено определенное количество компетенций, ассоциированных с дочерними узлами. Количество является целочисленным значением. Значение 0 означает, что для приобретения компетенции не требуется приобретать дочерние компетенции, значение 1 эквивалентно методу any.
Метод mean определяет правило, при котором вычисляется мера приобретения компетенции, ассоциированной с данным узлом, как усредненное значение мер приобретения компетенций, связанных с дочерними узлами. Факт приобретения компетенции, ассоциированной с данным узлом, определяется путем сравнения вычисленной меры с заданным пороговым значением (proficiencyRequired).
Метод other определяет нестандартное правило, которое должно быть определено в профиле приложения. Модель компетенций позволяет реализовывать компетентностный подход при создании электронных учебных курсов. Недостатком этой модели является то, что она никак не связывает компетенции с различными дидактическими типами учебного материала, что не дает возможности осуществить комплексную проверку дидактической полноты электронного учебного курса или его отдельных частей.
<?xml version=”1.0″ encoding=”UTF-8″?>
<simpleCompetencyMap xmlns=”proposedForIEEE-LTSC-WG20/simpleReusableCompetencyMap”
xmlns:xsi=”http://www.w3.org/2001/XMLSchema-instance”
xsi:schemaLocation=”proposedForIEEE-LTSC-WG20/simpleReusableCompetencyMap simple1369
competency-map-draft.xsd”>
<mapId>123356/123.45tyu/345xyz</mapId>
<schemaLabel>SRCM0.1.0</schemaLabel>
<schemaVersion>1.0</schemaVersion>
<graph>
<defaultEntryNode nodeRef=”id0″/>
<entryNodes>
<entryNode nodeRef=”id0″/>
</entryNodes>
<node nodeId=”id0″>
<rcdRef ref=”http://lcontent.ru/ref/driller/minimal”/>
<title>
<langString lang=”en”>The driller has the necessary knowledge, skills and abilities to prevent and eliminate possible oil and gas accidents</langString>
<langString lang=”ru”>Бурильщик имеет необходимые знания, умения и навыки для предотвращения и ликвидации возможных ГНВП</langString>
</title>
<children>
<child nodeRef=”id0_1″/>
<child nodeRef=”id0_2″/>
</children>
</node>
<node nodeId=”id0_1″>
<rcdRef ref=”http://lcontent.ru/ref/driller/gnvp”/>
<title>
<langString lang=”en”>The driller has the necessary knowledge and skills on the signs of a gas flow hazard and what to do when a gas hazard occurs</langString>
<langString lang=”ru”>Бурильщик имеет необходимые знания умения и навыки по признакам ГНВП и действиям при возникновении ГНВП</langString>
</title>
<parents>
<parent nodeRef=”id0″/>
</parents>
</node>
<node nodeId=”id0_2″>
<rcdRef ref=”http://lcontent.ru/ref/driller/wellKill”/>
<title>
<langString lang=”en”>The driller has the necessary knowledge and skills in methods of killing wells during gas injection</langString>
<langString lang=”ru”>Бурильщик имеет необходимые знания умения и навыки по методам глушения скважин при ГНВП</langString>
</title>
<parents>
<parent nodeRef=”id0″/>
</parents>
</node>
</graph>
</simpleCompetencyMap>
References
1. ADL Initiative, 2019 Total Learning Architecture Report, https://www.adlnet.gov/assets/up-loads/2019%20Total%20Learning%20Architecture%20Report.pdf
2. Barr, Fletcher, and Morrison, Institute for Defense Analysis Report 2020, The ADL’s Total Learning Architecture, https://www.adlnet.gov/assets/uploads/ADL%20TLA%20-%20IDA%20Report%202020.pdf
3. IEEE P9274 Experience Application Program Interface (xAPI) Standard, https://github.com/adlnet/xAPI-Spec
4. IEEE P9274.2.1 xAPI profile Specification, https://github.com/adlnet/xapi-profiles
5. cmi5 specification: http://aicc.github.io/CMI-5_Spec_Current/
6. IEEE P2881 Learning Metadata, https://standards.ieee.org/project/2881.html
7. IEEE 1482.20.1 Reusable Competency Definition Objects: https://standards.ieee.org/pro-ject/1484_20_1.html
8. Reardon A., Gordon J. (2020), “From Silos to Manifolds: Strategies for Improved Learner Records, Interservice/Industry Training, Simulation, and Education Conference.
9. T3 Innovation Network, Data Ecosystem Schema Mapper (DESM), Learning and Employ-ment Records Resource Hub, https://www.lerhub.org/s/curators/specs-0/s6wb9CdEi3qoxJQ48-0
10. 2020 TLA Reference Implementation Standup Guide, System/Subsystem Design Documen-tation, ADL Initiative
11. Apache Kafka 2.7 Documentation, https://kafka.apache.org/documentation/#design
12. TLA Master Object Model (MOM), https://github.com/adlnet/MasterObjectModel
13. Cmi5, EduTech wiki, http://edutechwiki.unige.ch/en/Cmi5
14. Liu, Y. (2020), Metadata in the Future Learning Ecosystem, Interservice/Industry, Training, Simulation, and Education Conference.
15. Competency Framework Development Process Report. (2020). ADL Initiative, https://www.adlnet.gov/assets/uploads/2020-03%20Competency%20Framework%20De-velopment%20Process%20Report.pdf
16. Credential Engine Schemas Handbook, https://www.adlnet.gov/assets/uploads/2020-03%20Competency%20Framework%20Development%20Process%20Report.pdf
17. Foung, D., & Chen, J. (2019). A learning analytics approach to the evaluation of an online learning package in a Hong Kong University. The Electronic Journal of e-Learning, 17(1), 11-24.
18. Buckingham-Shum, S., Gasevic, D., & Ferguson, R. (Eds.). (2012). Lak ‘12: Proceedings of the 2nd international conference on learning analytics and knowledge. New York, NY, USA: ACM.
19. Reeves, T. C. (2000). Alternative assessment approaches for online learning environments in higher education. Journal of Educational Computing Research, 23(1), 101-111.]
20. Graesser, A.C., Greiff, S., Stadler, M., Shubeck, K. T. (2019). Collaboration in the 21st Century: The Theory, Assessment, and Teaching of Collaborative Problem Solving. Com-puters in Human Behavior.