高校智慧学习环境技术架构研究

张书钦 王金洋 白光耀 张敏智

摘   要：智慧学习环境是以学生为中心，由功能各异的学习系统通过集成和互操作形成的学习生态系统，为学生提供一体化、智能化的学习支持。文章深入研究了智慧学习环境的技术架构，分析了其中数据和资源的交换和共享问题，以及相关的技术标准，提出了一种智慧学习环境支撑中间件，通过标准化的协议和规范实现各学习系统的集成，并通过微服务和消息总线将分散的学习数据、资源汇聚成为共性服务组件，形成统一的智慧学习环境公共服务支撑体系，推动学习形态和教学模式的变革。

关键词：智慧学习环境;学习管理系统;学习分析;中间件

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2021）21-0062-05

随着物联网、移动互联网、云计算等信息技术的发展，人们的学习方式也发生了巨大的变化，可以在任何时间、任何地点，通过各类终端实现开放式学习、线上线下混合式学习，迫切需要在信息技术、数字资源的基础上建立智慧学习环境。[1]智慧学习环境是服务学生的一体化网络学习空间，提供学习资源、协作工具、学习测评工具等。[2-3]智慧学习环境支持学生开展更丰富的课程内外学习活动，为学生提供个性化、智能化的学习服务，催生出新型的人才培养模式。[4]

近年来，学习管理系统（LMS）在高校得到了广泛应用，但LMS侧重于辅助教师对教学过程进行管理，主要用于课程内容的分发和管理。随着更多新的学习工具、学习资源，及碎片化学习方式的引入，LMS暴露出了功能单一的缺陷。而智慧学习环境则是以学生为中心，由功能各异的学习系统通过共享、互动和协同形成的学习生态空间。

当前高校在智慧学习环境建设中存在几个问题：①缺乏系统化设计理念，各学习系统之间缺乏集成和融合，学习相关的数据、资源缺乏互通、共享;②缺乏学习分析框架设计，没有对学生以及学习活动数据进行测量、收集、分析和报告，无法帮助学生开展以目标为导向的学习，难以为学生提供个性化的学习服务;③缺乏共性服务支撑平台来将各种局部应用、单一功能的学习服务由封闭转变为开放的、标准化的、可跨领域应用的共享资源。

本文深入研究了智慧学习环境的技术架构，分析了其中数据和资源的交换和共享问题，以及相关的技术标准，提出了一种智慧学习环境支撑中间件来实现各学习系统的集成，并通过信息集成技术将分散的、局部的学习数据、资源汇聚集成为共性的服务组件，形成统一的智慧学习环境公共服务支撑体系。

一、智慧学习环境概念

智慧学习环境方便学生在不同学习系统之间无缝切换，为学习提供了情境感知、跟踪记录、学习分析、诊断与评价等诸多智能化的支持。

1.智慧学习环境的需求

一般来说，LMS通常能完成课件资源、交互协作、成绩成果等方面的课程管理。但除了LMS外，高校还有更多的学习系统、工具，应通过建设智慧学习环境来提供学习系统的灵活集成、学习资源的共享推送、学习活动的高效协作、学习过程的动态感知、学习结果的智能分析。

从技术上讲，智慧学习环境通过对众多平台、系统、工具、服务的有机整合，实现对学习数据和资源的综合利用。从教学形态上讲，智慧学习环境可支持更加多元、更加精准的智能导学与过程化评价，为每名学生提供个性化学习支持，实现规模化的因材施教，充分发挥教学效能。

2.智慧学习环境中的数据和资源

智慧学习环境需要解决学习系统间的互操作性问题，实现数据和资源的交换共享和综合利用。[5-8]

（1）互操作性

智慧学习环境中，系统之间利用兼容的数据模型和通信协议来进行信息交换，通过互操作来协作完成更复杂的功能。[9]学校网络联盟（CoSN）[10]在教育互操作性标准中列出的领域主要有数字内容、数据连接、数据集成、身份验证、授权和身份管理、课表、门户和Portlet、文件共享、网络基础设施、数字辅助功能等。系统间互操作性的关键是相关信息系统采用开放标准，教育行业的标准主要有美国的学校互操作框架（SIF）[11]、我国教育部制定的教育管理信息系统互操作框架（EMIF）等。

（2）學习资源

智慧学习环境以标准化支持电子教材、电子课件等数字资源，包括学习内容的封装和传递格式，及围绕学习内容的访问授权、使用记录与跟踪等方面。数字资源通过标准化可以在不同学习系统间共享和重用，便利了数字资源的广泛使用。当前数字资源标准主要有可共享内容对象参考模型（SCORM）[12]、CC[13]。SCORM是目前各类学习平台和学习资源支持最广泛的一种标准。

（3）学习分析

智慧学习环境中学习的泛在性会产生大量的学习活动数据，连同教学管理、教育评价等数据可进行学习分析，全面评估学生的学习过程、学习效果等。学习分析可有效地支持个性化、自适应的教与学，最能体现出智慧学习环境的目标。

学习分析面临的困难是数据来源多样、数据体系不一、格式繁杂，即使是结构化的数据也存在数据模型多样、难以共享和互操作的问题，还需要结合大数据领域的技术，如异构数据采集、数据挖掘、可视化分析等。一些知名的标准化组织从学习活动模型、学习数据采集存储流程以及传输机制等方面来定义学习分析的技术规范，如xAPI[14]和CA[15]。

二、主要的学习技术标准

IEEE学习技术标准委员会（IEEE LTSC）[16]、IMS全球学习联盟（IMS GLC）[17]、高级分布式学习计划（ADL）[18]等组织已经制定了很多学习技术的标准和规范，也推动了智慧学习环境的不断应用、扩展、丰富。[19]主要的标准化组织及制定的标准规范如表1所示。

1.SCORM

ADL于2000年初发布了可共享内容对象参考模型（SCORM），这是第一个被广泛使用的学习资源规范，多数的LMS都支持SCORM 1.2或SCORM 2004。SCORM定义了内容聚合模型（CAM）和学习对象实时运行环境（RTE）。CAM的核心是使用元数据来描述学习内容的结构，而RTE定义了通用的内容对象运行机制，包括启动机制、内容对象与LMS的API接口，以及跟踪用户学习数据模型。通过SCORM，可以在不同的LMS上打包、部署学习内容，并以标准化的方式跟踪记录用户的基本学习活动，如完成时间、花费时间、及格/不及格、成绩等。

SCORM适用于单机或Web课程。在分布式、网络化的智慧学习环境下，SCORM暴露了一定的局限性，包括：不支持LMS之外的学习活动，如虚拟仿真、Wiki、社交工具等;学习活动只能在同一Web服务器上，外部系统不易提取学生的学习活动数据;学习内容必须在浏览器中使用，不支持移动设备;不支持基于虚拟仿真的学习。

2.LTI

IMS GLC 于2010年发布了LTI，主要用于LMS与其他各类学习工具之间交换课程和用户信息。LTI的协议框架包括Consumer和Provider：前者通常是LMS，提供用户信息和环境，支持用户登录，管理各种学习内容和应用;后者是考试、作业查重等工具应用。Consumer和Provider之间通过URL进行用户身份认证，采用JSON交换数据。

LTI与SCORM、CC等标准有较大区别。LTI将学习内容、系统、工具集成到LMS中，得到了广泛的应用。SCORM和CC是数字化学习内容的封装标准，可确保学习内容在各种学习系统、学习平台之间共享、传递。LIS实现在学生信息管理系统和学习系统之间传输学生相关的基本信息。QTI允许在制作工具、考试系统、LMS、评估/测评/分析引擎之间交换测试项目、测试内容和测试结果。在智慧学习环境中，LTI等标准支持构建以LMS为核心的学习系统集成。

3.xAPI

ADL于2010年开始研究新一代学习技术规范项目Tin Can API，并于2013年更名为xAPI。xAPI规范用于跟踪记录学生在各类学习系统中的学习活动，并存储到学习记录库（LRS）。当学生进入任意学习系统时，xAPI活动代理会记录如浏览网页、阅读笔记、答题等这样的学习活动，并生成“Actor（操作者）+Verb（动作）+ Object（目标对象）”学习活动记录语句，最后通过JSON数据服务存入LRS。基于LRS收集学习活动数据可实现学习分析、智能推荐等。

xAPI有许多优点：可以全面、详细地收集和共享学生在各学习系统中的学习活动数据;支持RESTful和JSON数据传输;支持移动设备、游戏仿真等各种类型的学习系统。xAPI具有很好的适应性，已得到了LMS、虚拟仿真、实习实训等学习系统的广泛支持，其他标准也在向xAPI对齐，如AICC联合ADL于2016年6月推出的CMI-5利用xAPI作为通信协议和数据模型，并将SCORM融入到xAPI协议体系中去。智慧学习环境可利用xAPI实现学习活动数据的跨平台收集和集中存储，驱动数据的集成和综合利用。

4.CA

IMS于2015年发布了CA[15]，定义了支持学习分析的数据开放框架。CA主要包含计量配置（Metric Profiles）和传感器API（Sensor API）：前者确立了标准化、结构化的学习活动计量体系，便于记录各类学习活动信息，并用“Actor（操作者）+Action（动作）+Event（事件）”語句描述学习事件;后者定义了采集和传输学习事件数据的标准接口，还定义了绑定在计量配置中的学习事件及接收学习事件的传感器端点，并实现学习事件之间的关联。CA通信模型如图1所示。

CA和xAPI都可以从分布的学习系统中收集学习活动数据，定义了记录学习活动的数据格式，但若没有本体映射，很难完成从xAPI到CA的数据模型转换。反之，由CA映射到xAPI是容易的。xAPI支持LRS的数据写入和读取，而CA的Sensor API只规范了数据的写入，没有定义数据的读取。CA充分兼容IMS其他标准（如LTI、QTI等），可无缝集成符合IMS标准的学习系统。无论是xAPI还是CA，都定义了如何测量和分析学习活动及其绩效的通用准则，可全面立体地分析智慧学习环境中的学习活动。

三、智慧学习环境探索

近几年一些组织对智慧学习环境进行了系统的研究，也提出了一些概念性的框架。这些工作大体上有两个着眼点：①利用统一的技术标准和开放的软硬件系统，支持各类学习组件的灵活重组和扩展;②对学习数据进行分析和挖掘，识别学生个性和学习情境，为学生成长提供个性化指导。

1.全面学习体系结构（TLA）

ADL于2013年首次提出了TLA[21]概念。最初“TLA”是指“培训和学习架构（Training & Learning Architecture）”，在2015年更新为“全面学习架构（Total Learning Architecture）”。TLA的目标是利用一组规范和标准接口，创建一个丰富的数字化学习环境，提供自动化、智能化的学习服务。TLA具体包括：①学习活动追踪（Experience Tracking），采用xAPI来规范学习数据的记录和存储机制;②内容代理（Content Brokering），根据学生的个性化需求来安排学习计划;③学生画像（Learner Profile），根据相关数据来评价学生的学习完成情况、能力、偏好、习惯等;④能力网络（Competency Networks），针对技能要求来设定学习目标、能力、任务、标准等。

TLA力图为分布式学习生态系统建立一套标准化规范，通过通用接口、数据模型、中间件在应用之间共享基本的学习数据。xAPI就是TLA的一部分，也是TLA中最核心的规范。目前TLA正在细化相关的需求、规范和架构设计，重点是数据架构、内容元数据、学生能力数据定义，还有学习分析和可视化、自适应隐私保护、xAPI配置文件等方面的工作。

2.下一代数字学习环境（NGDLE）

2015年，美国高等教育信息化协会（EDUCAUSE）提出了下一代数字学习环境（NGDLE）[22-23]。NGDLE是一个数字化组件的集群，集合了各种学习应用和数字服务的生态系统。NGDLE的目标是提供一个开放式系统：①互操作性，各种学习工具的无缝式集成和互操作性;②个性化，可根据需要搭建属于学生个体的学习情境;③学习分析和评估，可以更好地跟踪学生的学习情况;④协作，支持学生、教师、管理者之间的跨时空协作;⑤可访问性和通用设计，方便每个人使用。

NGDLE是要构建一个可灵活装配的智慧学习环境。NGDLE不是单个学习系统，而是遵守共同标准的信息系统和组件的集合，围绕学生的各类学习活动提供所需的学习服务。NGDLE驱动了以学生为中心的学习理论模型，培养学生的分析、创造、解决问题、团队协作等高阶思维能力。佐治亚理工学院提出的可扩展高级学习生态系统（SALE）[24]，被认为是NGDLE的一种实践。

四、智慧学习环境支撑中间件

针对高校的教学信息化现状，本文提出了一种智慧学习环境支撑平台中间件，如图2所示，利用开放标准和规范实现各种学习系统、数据和资源、UI的集成，全面记录和分析学习活动，为学生提供一体化的学习体验、数据分析、服务推荐等。该中间件利用微服务和消息总线实现各学习系统之间复杂的事务消息交换，包括三类组件：①数据和存储;②平台服务;③学习应用。

1.数据层

数据层负责数据和资源的存储管理，有三个不同的数据库：学习资源库，用于保存课程内容、录播视频，及其元数据;LRS用于保存学习活动数据，底层采用MongoDB数据库，并支持xAPI等协议的读写接口;用户和注册数据库，用于管理课程参与者。该层还提供了数据访问接口，方便上层使用或与外部数据交换，还提供了适配功能，如xAPI/Caliper协议转换，以兼容不同的学习系统。上层的平台服务可以直接使用一个或多个数据库。

2.平台层

平台层为上层应用提供公共微服务，包括数据和资源管理、用户管理、学习分析、推荐引擎、决策支持等。用户管理负责用户登录身份管理，并支持学生在课程、班级等的组织协作。资源管理实现资源访问和权限控制，提供资源检索引擎，以URI的方式进行资源的分享、引用等。学习分析利用LRS，以及教务、学工等数据，对学生学业、就业发展等方面进行智能评价、学业预警等分析。推荐引擎根据学生的学习需求、兴趣、意愿等，推荐个性化的学习资源列表。消息中心集中管理各系统和组件的消息收发。学习门户为学生提供访问各种学习服务、资源、消息通知的统一入口，支持PC和移动端。

3.应用层

应用层集成了各种学习系统，如校内LMS、互联网MOOC平台、虚拟仿真、博客等。这些系统通过标准化接口实现互操作，并使用平台微服务实现数据和资源的共享，为学生提供融合创新的学习服务。

五、结语

云计算、大数据、机器学习、人工智能等技术为学生提供了数字化、网络化、智能化的学习支持。高校的教育教学形式多样，无法通过单一应用系统或平台提供全面的学习服务，需要通过多种学习系统、组件来构建智慧学习环境，学习系统之间要通过标准化接口实现数据和资源的交换和共享。一些标准化组织提出了xAPI、LTI这样的集成标准和规范，也有研究机构提出了智慧学习环境的概念性框架，来支持各类学习组件的灵活重组和扩展，并通過对学习数据进行分析和挖掘，为学生成长提供个性化指导。

面向智慧学习环境建设，高校普遍还缺乏一套基础平台来支撑学习系统的融合集成。针对这一现状，本文提出了一种智慧学习环境支撑中间件，通过标准化的协议和规范实现各学习系统的集成，并通过微服务和消息总线将分散的学习数据、资源汇聚成为共性服务组件，形成统一的智慧学习环境公共服务支撑体系，为学生提供一体化的学习服务。该中间件为数字化的教学提供了统一的基础设施，方便各类学习系统通过标准化的协议规范、服务接口进行集成，方便学校建设不同组合、特色、规模的智慧学习环境。同时，通过提供数据和资源的集成和共享，积累更丰富、完整的教学数据和资源，方便开展基于数据的教学行为分析、教学成果评价、教育质量评估等，推动智慧学习形态和教学模式的变革。

参考文献：

[1]祝智庭，彭红超.智慧学习生态系统研究之兴起[J].中国电化教育，2017（6）：1-10，23.

[2]习海旭，廖宏建，黄纯国.智慧学习环境的架构设计与实施策略[J].电化教育研究，2017（4）：72-76.

[3]Memorandum from SURF.A Flexible and Personal Learning Environment：From single components to an integrated digital learning environment a survey[DB/OL]. https：//www.surf.nl/files/2019-04/a-flexible-and-personal-learning-environment---a-modulair-functional-model.pdf，2019.

[4]钟绍春.人工智能支持智慧学习的方向与途径[J].中国电化教育，2019（7）：8-13.

[5]A Bakhouyi，R Dehbi，M Talea，O Hajoui.Evolution of standardization and interoperability on E-learning systems：An overview[C].16th International Conference on Information Technology Based Higher Education and Training（ITHET），2017：1-8.

[6]M Lisle，Y Gazi.Towards An Ecosystem of Platforms：The Critical Importance of Interoperability[EB/OL].https：//evolllution.com/technology/infrastructure/towards-an-ecosystem-of-platforms-the-critical-importance-of-interoperability/，2019.

[7]D P Berenguer，J G Molina.A standard-based architecture to support learning interoperability：A practical experience in gamification[J].Software Practice and Experience，2018（48）：1238-1268.

[8]K Jakimoski.Challenges of Interoperability and Integration in Education Information Systems[J].International journal of database theory and application，2016（9）：33-46.

[9]B Flanagan，H Ogata.Learning analytics platform in higher education in Japan[J].Knowledge Management & E-Learning，Dec 2018，10（4）：469-484.

[10]Consortium for School Networking（CoSN）[EB/OL].https：//www.cosn.org.

[11]SIF Specifications[EB/OL].https：//www.a4l.org/page/SIFSpecifications.

[12]SCORM[EB/OL].https：//adlnet.gov/projects/scorm.

[13]Common Cartridge（CC）[EB/OL].https：//www.imsglobal.org/activity/common-cartridge.

[14]Experience API（xAPI）[EB/OL].https：//adlnet.gov/projects/xapi.

[15]Caliper Analytics（CA）[EB/OL].https：//www.imsglobal.org/activity/caliper.

[16]IEEE Learning Technology Standards Committee （LTSC）[EB/OL].http：//ieeeltsc.org.

[17]IMS Global Learning Consortium（IMS GLC）[EB/OL].https：//www.imsglobal.org.

[18]The Advanced Distributed Learning （ADL） Initiative[EB/OL].http：//www.adlnet.org.

[19]T Hoel，J Mason.Standards for smart education–towards a development framework[J].Smart Learning Environments，2018，5（1）：1-25.

[20]Learning Tools Interoperability（LTI）[EB/OL]. http：//www.imsglobal.org/activity/learning-tools-interoperability.

[21]Total Learning Architecture（TLA）[EB/OL].https：//adlnet.gov/projects/tla.

[22]M Brown，N Millichap，J Dehoney.The next generation digital learning environment：A report on research[EB/OL].EDUCAUSE learning initiative（ELI） whitepaper. https：//library.educause.edu/resources/2015/4/the-next-generation-digital-learning-environment-a-report-on-research，2015.

[23]P Long，J Mott.The N2GDLE vision： The“next”next generation digital learning environment[EB/OL].https：//er.educause.edu/articles/2017/7/the-n2gdle-vision-the-next-next-generation-digital-learning-environment，2017.

[24]R S Kadel，Y Gazi，S Harmon，A Goel，T Courville.Toward A Road Map for Scalable Advanced Learning Ecosystems（SALES）[J].International Journal on Innovations in Online Education， 2019，3（1）：2019.

（編辑：王天鹏）