最近，我们报道了一篇文章《为什么加了技术，个性化学习还是走不通？》，Amplify公司用十年时间打造了一个关于个性化学习的工程模型，但他们的CEO却认为，他们做学习导航图、做评估、建立学习知识库，一切都由大数据算法驱动，问题却是导航系统不存在，评估不可能，学习知识库只完成了5%。文章分析了学习导航系统不存在的原因以及难度在哪里，而今天的文章则是告诉我们，目前已知的一些努力，使学习导航系统正成为可能。

教育专家迈克尔·霍恩(Michael Horn)近来谈到，把谷歌地图加入教育工具中，能给教育带来光明。不过他也指出，定位人们在地理上的位置是一回事；而定位学生在教育上的位置则是另一回事。

谷歌地图是一个开放的生态系统，能为人们提供精确的、实时的地理位置和导航数据。不幸的是，类比之下，目前的学习导航系统就像早期的、独立的GPS设备，拥有的是不完整和不准确的地图。

要跨越这个鸿沟，需要一个类似的开放数据生态系统，来支持学习者导航。但在教育领域，我们连一套完整的、支持人们公开访问和互操作的静态框架都没有，更不用说支持实时路径优化的动态数据了。

然而，目前有几个项目，其中一些是我有幸参与的，正在搭建学生导航所必需的教育数据生态系统。

1.用于描述学习目标的数据标准正逐步一致

把学习导航系统类比成谷歌地图时，人们在地图上感兴趣的点不再是位置，而是能力——一个人学到的东西，如技能、知识、性情、实践和习惯。这些数据必须是机器可读的格式，并且能在所有应用程序和系统中互操作。

这些数据的现有标准就像巴别塔里的人，每一层的人都说着不同的语言，只能在自己的领域中理解(如医疗培训、人力资源、K-12或高等教育)。

为了统一这些标准，人们做出了一些努力，例如，Credential生态系统映射项目。各领域的参与者正在一起工作，将不同标准格式的数据元素转换为公共格式。该项目整合现有的数据标准，如医疗保健的medbiquency标准和人力资源的HROpen标准，进行地图绘制，让教育和培训领域的所有级别和部门，都能使用这些数据。

美国IEEE（电子电气工程师协会）的学习技术标准委员会(LTSC)，计划根据这项工作，更新现有的标准。上一次更新是在2007年，该国际标准组织定义了一个数据模型，用于描述、引用和共享能力，主要应用于在线和分布式学习环境中。除此以外，LTSC的工作还包括制订移动学习平台、适应性教学系统和增强现实学习环境的相关标准。

2.开放K-12学习标准的注册

美国各州的学习标准，有助于确定K-12学生的学习目标。传统上，这些标准以人类可读的文档（如pdf）发布，教育技术工具无法直接使用。换句话说，PDF文档中的语句，不能在信息系统和数字内容中，得到可靠的引用。当发布者和软件开发人员，试图将国家标准放入自己的数据库时，通常会丢失一些东西。

映射也有问题。每个年级和科目都有50套州标准，此外还有许多其他版本的标准，这些标准只适用于本地和一些特定目的。

为了解决这一问题，美国教育创新组织IMS Global最近宣布，它将托管50个州的学术标准注册中心。该注册中心旨在提供一组机器可读的语句，以及一组可在数字内容中自由使用的全局标识符。

如果实现了这个目标，它还将支持系统互动，检测一个状态的标准，是否与另一个状态的标准完全匹配。同样重要的是，它还允许各州自己保留数据和人类可读的文档，这样就不会在翻译过程中丢失任何东西。

3.将能力和证书的数据公开化

一个人的证书数据，与其必须掌握技能的数据一样有价值。为此，由非营利机构Credential Engine托管的证书注册机构，创建了一个全美可用的、高等教育学位及证书的公开数据目录。

数十家认证机构和质量保证机构，已经在注册中心发布了信息，包括不同类型的证书，如学位、证书、许可证、徽章和微证书等。注册中心的证书，还包括其代表的能力数据。

如今，微证书(有时作为数字徽章颁发)和微硕士学位，已经成为比传统的两年制或四年制学位或证书，更有魅力的认证模式。这也为我们获取知识提供了一个新途径，反映了生活方式的不断变化。数字微证书，如为教育工作者提供的数字承诺证书，为人们在职业生涯中学习的技能提供了认可。

这种途径的数据，可以帮人们找到获取“一大堆”证书的机会，随着时间的推移，这些证书可以积攒起来，为你获取理想的工作，打下良好的基础。这些更灵活的途径也可以用于K-12教育，比如，一个学生获得的微证书，是将来进入某个行业的敲门砖。

4.将学生专业和行业要求相结合

不同领域的组织对相同类型的数据，会使用不同的格式。例如，一个州的 K-12教育机构可能使用CEDS和IMS案例数据标准作为学术标准，但该州某个地区的医疗行业可能使用MyBiBudiy标准，定义员工能力。

为了解决这个问题，AI教育公司Eduworks开发了CASS系统，与证书注册中心的人一起合作，使学生的能力，能够适应不同的技能标准。这就可以使大学的数字能力框架，与学生将要进入的专业或行业使用的内容，更好地结合起来。

5.加入开放网络数据

人们投入了数十亿美元，开发数字教育内容，并想开发系统，以便更好地推荐学生接下来应该体验的数字内容。但到目前为止，在学习地图上确定数字内容的位置，还有一定的局限性。而公开可用的数据链接，可以打破这种局限性。方法很简单，只要提供“定位”URL地址，就可以使用数字内容了。

随着学习地图在开放网络上变得可用，动态学习内容也能链接到特定的活动和评估上。技术标准，如经验API (xAPI)和IMS Caliper将特定的学习者体验，链接到学习导航地图上的点上，并添加前后学习数据。这类似于在最新的交通数据中，利用谷歌地图找到最快的路线。

6.使学习、劳动力和资格数据日益满足新经济的需求

人们经常说，学生获得的技能与工作所需的技能不匹配。一个解决办法就是构建学习导航图，在K-12学术标准、中学毕业后的深造和职业能力之间，建立一致的路径。

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一些资源，是否可用于发现导航图上学生使用的信息。

例如，他们正在将web上关于工作技能的非结构化信息，转换为符合数据互操作性标准的结构化数据，并链接学习机会和证书。这可以增加现有信息的价值，如美国劳工部提供的O*NET职业探索和职业分析，就加入了工作技能方面的信息，以及代表这些技能的教育证书的信息。

7.更多要做的

除了上述这些举措之外，开放的学习导航生态系统还需要额外的研究数据，例如学习发生的背景和条件，可用的学习经历，知识掌握水平的衡量方法，认知和元认知的差距，学习者面对困难的解决能力，以及哪种实践或经历可以解决这些困难。

本文由微信公众号“智能观”编译，原文来源EdSurge，原文作者Jim Goodell，原文链接。文章为作者独立观点， 不代表芥末堆立场。