学习分析数据互操作规范IMS Caliper Analytics解读*

□李青赵越



学习分析数据互操作规范IMS Caliper Analytics解读*

□李青赵越

摘要：全球的MOOC浪潮推动了在线课程大规模传播和发展，由此产生了海量多样的数据。“大数据”分析技术加速应用到教育领域，评估、分析和利用这些数据对于学习效果的提升有着重要的影响。当前，各类学习系统和学习工具都按其自有的格式存储和传输数据，造成其数据通用性差，而且难以被分享和深度利用。标准化组织IMS针对目前学习系统难以跨平台收集学习数据以及数据标准不一的问题，制定了一项学习分析数据互操作规范——Caliper Analytics，试图解决学习分析中有关以统一的形式收集并分析数据的关键问题。该规范通过“计量组谱”构建记录和存储分析数据的通用格式，并通过“Sensor API”捕获和传递散落在各个平台中的分析数据。这将有利于学习分析的数据交换和跨平台使用，从而让有价值的学习分析数据得以更好地利用。这个统一的标准能促使更有效地实现对在线课程质量、效果及性能的分析；帮助院校、教师和教学设计师等数字化教学内容的开发者测量、修改及迭代教育产品；帮助学习者更好地使用学习分析结果持续提升学习绩效。该规范应用前景广泛，但还将面临数据源的呈现方式、数据自有的目标用途、教育机构的组织文化、分析技术的实施效果以及商业模式上的潜在风险等方面的挑战。

关键词：学习分析；学习技术标准；教育信息化；IMS Caliper Analytics

一、引言

随着信息技术在教育领域内的深度应用，数字化的学习内容与学习活动设计越来越普及，数字化教学模式和课程深度整合，各类学习管理系统（LMS）和数字化教学工具得到普及。尤其是近年来，全球MOOC浪潮推动了在线课程的大规模传播和发展，由此产生了海量的、多样化的数据，促使“大数据”分析技术被应用到教育中。与此同时，评估、分析和利用这些在线数据的需求也日益迫切，数字化学习环境对教育数据的评估及分析能力也越来越受重视。学习分析（Learning Analytics）正是近年来教育技术领域内迅速发展的新热点，它是运用先进的分析方法和工具预测学习结果、诊断学习中发生的问题、优化学习效果的一类教学技术的集合（李青等，2012）。学习分析通过广泛收集数据并以一定的形式呈现和解读，创新并发现教育潜力。

学习分析的数据来源非常多样，既有来自大学等教育机构在线学习系统中的数据，也有来自于PC、平板和手机上各种学习工具中的数据，以及其他网络平台收集的有关学习者活动过程和活动结果的数据。到目前为止，各类学习系统和学习工具中的数据都按照其自有的标准和格式存储与传输，数据的通用性很差。这种现状阻碍了教育数据的分享和深度利用，使得教师、学生和学校难以全面立体地观察学习环境中正在发生的情况。教育机构无法分析和处理不同平台上差异化的学习数据，而且来自各独立平台上的零碎分析结果也无法被有效地整合和比较（IMS GLC，2015a）；各机构都尝试用自己的方式解释数据，从而造成了对数据理解上的困难。因此，为了解决教育机构在推进学习分析技术过程中的这个障碍，推动分析数据的跨平台互操作，强化平台的数据分析能力，我们迫切需要一个能够在微观层面上定义如何测量和分析学习活动及其绩效的通用准则，以及把不同来源的异构数据合并成一种格式，而且可以跨平台捕获和交换分析数据的标准框架体系（IMS GLC，2015a）。

为满足以上学习分析数据互操作的要求，一个关于学习分析的信息技术规范就呼之欲出了。IMS全球学习联盟（IMS Global Learning Consortium，简称IMS）基于上述原因，于2015年编制和发布了IMS Caliper Analytics规范（后文简称IMS-CA）。IMS（Instructional Management System）是专门从事教学系统技术标准制定工作的组织，着眼于分布式环境下技术规范和标准的制定，关注学习系统和学习内容互操作能力的构建，力求促进学习技术在全球的发展和影响（吴永和等，2015）。IMS发布的一些标准，如学习对象元数据规范、内容包装规范、学习设计规范等，已经成为有国际影响力的标准和我国教育信息技术标准（CELTS）的重要参考。研究对IMS Caliper Analytics规范进行介绍和解读，为国内研究者和开发者在学习分析的数据互操作方面提供借鉴，并为研制相应的国内标准奠定研究基础。

二、IMS-CA规范介绍

Capliper在英文中是“卡尺”的意思。卡尺是测量工具，IMS将此规范命名为“Caliper Analytics”意在用统一、标准的方式进行分析。这是一个新领域下的互操作规范，制定该规范的主要目的是降低从数字化教学工具中收集分析数据的成本，并且赋予这些数据具有一致性的呈现方式，具体目标如下（IMS GLC，2015b）：（1）建立一种稳定的捕捉和表征学习活动计量的方法，帮助人们更有效地开发数字化学习环境中的学习分析功能；（2）定义一种标记学习数据的通用语言，促进数字化学习环境生态系统中或更高层面上的学习分析的应用；（3）提供标准以供用于度量学习活动及其影响，帮助设计师以及课程提供者度量、比较和提升质量；（4）提升现有学习平台中的数据分析方法、标准和技术；（5）以现有的IMS标准为基础构建，以确保和IMS其他标准的一致性和互补性。

IMS-CA主要包括两个部分的内容：一是通过“计量组谱”（Metric Profiles）构建一个通用格式以记录和存储分析数据，二是通过“Sensor API”捕获和传递散落在各个平台中的分析数据（Hoel et al.，2014）。IMS-CA是IMS标准族的一部分，建立在IMS标准基础上，以“组谱”的方式定义了一组描述学习数据的通用格式，充分考虑了其覆盖范围以及与其他标准的兼容性，特别是与IMS的《学习工具互操作规范》（Learning Tools Interoperability，简称LTI）兼容，该规范使用了现有的大部分IMS标准，如《学习信息服务标准》（Learning Information Services，简称LIS）中的概念和词汇表，并且考虑了和将要发布的IMS《电子书规范》（EDUPUB）的整合。

IMS-CA标准工作组吸收了DL2、Elsevier、Intellify Learning、Learning Object等LMS软件厂商参与（Meyer，2015a）。2013年9月，该工作组起草了介绍Caliper Analytics的白皮书，并于2015年10月发布了该标准的第一个版本Caliper Analytics v1，包括以下组成部分：《最佳实践指南》（Best Practice Guide）、《实施指南》（Implementation Guide）、《一致性和认证指南》（Conformance and Certification Guide）以及和平台开发密切相关的《Public Reops for Sensor APIs代码库和例程》。

IMS-CA规范的出现迎合了信息化教育实践的需要。海量的教育软件供应商开发出越来越多的学习软件，但存在于不同平台上有价值的学习数据被孤立，而不能被跨平台获取和使用。该规范有利于学习分析的数据交换和跨平台使用，对于解决以上问题有着重要的意义。这个统一的标准能够帮助我们更有效地实现对在线课程质量、效果及性能的分析；帮助院校、教师和教学设计师等数字化教学内容的开发者测量、修改及迭代教育产品；帮助学习者更好地使用学习分析结果持续提升学习绩效。宾夕法尼亚大学副信息技术官John T. Harwood认为：提供学习全过程的数据有利于学生的学业成功，而IMS-CA扫清了教育机构获取和整合LMS之外的学习活动数据的障碍（IMS GLC，2015c）。除此之外，该标准也可以帮助其他一些机构，如教育技术解决方案的提供商、学习工具的开发商、教育内容的出版商等相关方，利用跨平台的学习分析数据进行预测分析，以及提供自适应学习内容、个性化学习服务、早期警示和认证等服务（IMS GLC，2013）。

三、IMS-CA的信息模型

1.整体框架

IMS-CA定义了一个支持学习分析数据互操作的开放框架，该框架的作用范围可分为三个部分，如图1所示（Abel et al.，2015）。第一个部分是数据描述、收集及传递模块，IMS-CA规范了数据的生成及收集的标准，该层次也是框架中最基础的部分。第二个部分是数据存储模块，学习事件经第一模块后被封装为JSON-LD（JavaScript Object Notation for Linked Data）格式的数据包，这种数据格式既能够以分布式的方式存储并检索，同时也适于在非结构化数据库（NoSQL）中存储。JSON-LD是W3C发布的一个轻量级的链接的数据格式，旨在向JSON中加入“链接数据”（Linked Data）语义。第三个部分为数据应用模块，提供数据的可视化、共享、分析、报告及预测等功能。此外，从数据应用中得到的反馈数据又会被第一个模块收集。

图1 Caliper的作用范围（IMS GLC，2015a）

IMS-CA规范旨在通过在系统平台/工具间实现学习分析数据共享和数据互操作，构建一个更大的学习分析生态系统，见图2（IMS GLC，2015d）。该标准定义了统一的数据接口界面，支持跨平台捕捉学习活动数据和学习评价结果。对于学习平台，IMS-CA提供了学习事件发生时直接接入系统平台捕捉学习分析数据的接口。对于教学内容的开发者或出版商，该规范通过针对教学资源所编制的特定组谱，以一种标准的方式去度量学习活动并记录结果，为进一步比较课程内容及评价提供依据。对于学生，IMS-CA定义了实时干预学习活动的功能，将数据应用到个性化学习指导中。综上，该规范为学习分析的整个生态系统提供了可测量的、可使用的业务信息流。生态系统中每个功能的运转，从课程平台到教学研究，再到学生的个性化服务，都需要Caliper的支持。

在IMS-CA的支持下，学习分析服务还可以统一的格式分布式地记录和存储学习事件；提供对计量组谱更详细的分析，以实现一些诸如仪表盘、推荐/警告、自适应内容编列等高阶功能。它不仅可以作为学习平台软件开发商的指南，也可以支持平台向自适应学习内容的供应商和分析预测提供商提供分析服务。在未来学习分析规范框架中，其他和学习分析相关的功能将会进一步通过LTI封装进应用软件中，并可以轻松地在其他应用软件中实现。

图2 IMS Caliper学习分析生态系统（IMS GLC，2015d）

2.学习活动的计量组谱

IMS学习计量组谱（IMS Learning Metric Profiles，后文简称“计量组谱”）在IMS-CA中扮演了“信息模型”的角色，它定义了学习分析中学习活动事件和实体的描述方式及其存储结构。该信息模型基于以下常识构建：一门课程由一种或多种学习活动组成，而且大部分学习活动都可以归为一个或多个类别，如阅读、评价、观看媒体、合作等。在该规范中学习活动（Learning Activity）特指数字化学习环境中学习序列（通常被表示为一堂课）的组成部分，大都是可指派和可评价的。

编制计量组谱的目的是确立一个标准化的、结构化的学习活动计量体系，用以记录各种情境下学习活动的详细信息。这种机制有利于建立尺度一致的度量标准，组织和优化对各种不同类型的学习活动的度量。还有一些更为通用的基本信息（如参与程度、绩效表现等），可为跨活动类型的应用提供更通用的评价尺度。任何学习活动都可以用一个或多个与之关联的组谱计量。在需要捕捉和管理学习活动时，这些计量组谱用于收集及交换数据（IMS GLC，2013）。因此，作为一个通用的“基准”，计量组谱使得基于标准的评估成为可能，同时也为不同系统间学习数据的交换提供了依据。

为适应度量不同类型学习活动的需要，IMS-CA目前一共定义了9种计量组谱（见下表）（IMS GLC，2015b），分别用于度量阅读、注释等不同类型学习活动或学习活动组合。基础计量组谱是最基本、最通用的计量模型，它定义了学习交互过程中各参与实体的核心要素，并且可描述一个完整的事件。这个模型不仅包含了需要统计和分析的实体和行为，而且还有学习事件中的参与者、动作、对象等元素，并且可扩展出更多可选元素，用以描述正在发生的事件、目标等内容。每一种类型的组谱在学习过程中都起着特定的作用。比如，捕捉学习者登录及退出系统的活动会应用会话计量组谱；捕捉观看视频的活动时应用媒体计量组谱；捕捉提交任务的活动时应用可指派计量组谱、评估计量组谱及结果计量组谱；捕捉阅读文字时应用阅读计量组谱和注释计量组谱；捕捉测验评价活动会应用评估计量组谱和结果计量组谱。

表计量组谱的类型

以上每种计量组谱都定义了实体（Entity）、动作（Action）和事件（Event）三种类型的数据（IMS GLC，2015b）。“实体”即参与学习活动的实体对象，如人、试卷、视频等，既可以是人，也可以是内容或工具；“动作”是学习活动中参与者（主要是师生）的行为活动，是教学交互中的一部分；“事件”是某个情境下被捕捉的学习活动中能被度量的最小单位，包含类型信息、情境信息以及表示唯一性的标识符。不同类型的活动或组合对应不同的事件，如阅读对应“阅读事件”，评价对应“评价事件”。上面9类组谱中，对于实体、动作和事件的属性和词汇表均有一定的差异。

3.Sensor API

IMS-CA规范将部署于各学习管理系统或学习软件中，用于支持Caliper测量活动的代码/程序库称为“Sensor”，其对应的运行时应用程序接口称为“Sensor API”。它定义了该规范中各部件的通信模型，支持学习分析工具从不同的学习工具/系统中透过Sensor及相关API收集或交换数据，并以计量组谱的形式获取和学习内容相关的信息（IMS GLC，2013）。Sensor API有很好的适应性，可跨多种语言供所开发的应用软件或系统平台使用，目前已经支持Java、Javascript、PHP、Ruby、Django等编程语言或程序框架。

Sensor API的核心功能是实现学习事件的数据互操作，而学习事件则记录了学习活动中的人机交互。学习事件以“参与者/动作/对象/情境”的形式表述（Abel et al.，2015），参与者/动作/对象表述了事件最基本的内容，再加上一些情境化的信息，如事件发生的时间、目标、产生内容、活动使用的教育应用软件等。这种描述方式建立在W3C RDF的三元组框架“主体/动作/对象”基础之上，即把一个对象通过谓语动词同另外一个对象相连接。基于这种语义结构，我们可以通过可测量的学习交互表述学习事件。如图3所示，构成学习事件的三元组中的每个元素都定义了一个或多个学习交互中存在的实体。在特定的学习环境中，这些实体相互关联，组成了学习活动序列的数据节点。每个元素都基于现有IMS标准中的词汇表以及IMS-CA的计量组谱来描述（IMS GLC，2013）。

图3学习事件图解（Abel et al.，2015）

学习事件可以在传感器端点（Sensor Endpoints）处捕获，并且支持通过HTTP/REST这样的通用协议在不同软件中传输数据。这种架构设计使得开发者可以方便地在任何需要调用学习事件数据的软件中实现传感器的功能。而且，IMS-CA的Sensor API和下一代SCORM规范——Experience API共享一个通用协议，可通过三元组进行数据交流，这也使得IMS-CA在和其他规范的协同使用上变得更加容易。

四、IMS-CA对学习事件的描述

IMS-CA对学习事件的描述基于“参与者/动作/对象”三元组模型。例如，在“学生提交作业”的事件中，“学生”是参与者，“提交”是表示动作的谓语，提交的“作业”是对象。参与者和对象使用id属性来标识其唯一性，动作则通过type属性以字符串（最好是URL形式）来标识动作类型。此外，对象中还包括完成学习任务所用的时间（IMS GLC，2015b）。在技术实现上，IMS-CA规定计量组谱以JSON格式描述数据，遵守JSON-LD标准。

图4描述阅读事件的IMS-CA的计量组谱封装包（IMS GLC，2015b）

下面是IMS-CA文档中给出的一个学习事件计量组谱的JSON封装包实例（见例1），用于描述一个学习者进行阅读的事件。首先是Sensor所在的URL和发送该数据包的时间，其后是学习事件的集合。这个包中仅有一个事件，包含了定义事件的四个主要的属性：actor、action、eventTime和object。在关于这个事件的描述脚本中，actor项下的@id和@type分别描述了参与者的类型和ID；action项表明这是一个“Viewed”事件，即“看完了”；object项下的@id和@type分别告诉系统这个参与者所观看内容的ID和类型。通过此数据包可以精确度量学习者对什么学习内容完成了何种任务，使用了多少时间。该范例是一个极度简化的封包，真正在系统中传递的计量组谱封装包记录了比它多几倍的属性和信息。

五、IMS-CA的运行时实现

IMS-CA规范的应用场景通常包含三类实体（IMS GLC，2013）：（1）支持LTI规范的学习平台；（2）支持LTI规范的应用软件，如用于支持课程阅读活动的应用软件和视频学习的应用软件，这些应用必须支持与学习活动类型相对应的计量组谱以及Sensor API，并且可以向传感器端点传送学习事件；（3）支持Sensor API的学习分析服务（可以是学习平台的一部分），该服务也为学习平台提供分析量表和统计报告。典型的运行时范例如图5所示。

图5 IMS-CA运行时图解（IMS GLC，2013）

为构建符合IMS-CA的运行时环境，实现跨系统的学习分析数据互操作，需要做如下的配置。首先，学习平台的管理员需要配置两个符合LTI规范的应用软件，而且要分别支持阅读计量组谱及视频计量组谱。为兼容IMS-CA，需要使用2.0版本的LTI协议进行应用间的通讯。传感器端点的URL配置信息也应作为LTI的一部分定义在LTI的工具代理注册信息（Tool Proxy Registration）内。这是一个指向分析服务的URL，并通过嵌入式的API钥匙验证使用权限，管理员需要在LTI应用上预先配置好这个数据。在IMS-CA框架中，LTI学习应用的配置也可以通过发起端的REST API自动完成，因此配置工作可以被极大地简化。做好相关配置后，教师用户发起LTI的发送请求，以添加这两个学习活动。在发送LTI时，由于相应的工具软件支持IMS计量组谱，学习管理平台会把传感器端点URL作为一项参数发送。而在接收端，应用服务器接收并解析出传感器端点的信息，并把其存储起来以备将来使用。完成上述过程后，教师便完成了在LTI应用中添加阅读计量组谱和视频计量组谱的任务。

以上配置及准备工作完成后，学生便可以开始在学习平台中学习课程，按照教师布置的学习任务进行阅读和观看视频。学习过程中，学生会做出一些常规的动作，例如阅读一页内容、给学习内容作标记、添加书签、观看视频并在某一时间点的视频内容上做笔记。与此同时，支持LTI规范的学习平台会记录下学生的动作。由于学习平台预先配置了传感器端点，两个特定的应用软件（阅读和视频）会通过代理服务向端点所在的URL提交学习事件。这样，学习平台基于IMS Caliper框架，通过部署在数据提供方的代理服务捕捉并整理分析数据。

需要注意的是，从标准编制的视角，分析服务及其他与此关联的服务，例如访问许可、分析数据存储，都是有关具体实现的内容，会有很大的差异性和不确定性，因而不在IMS-CA规范本身的范围内规定。

六、IMS-CA应用案例

IMS-CA为学习系统间共享学习活动数据和进行学习分析定义了一个开放的、标准的接口。利用数据进行科学诊断越来越普及和方便，主流的学习管理平台和学习工具供应商已经着手适配和应用该规范，使其学习平台产品能够支持学校及系统之间轻松、无缝地收集与合并来自不同数据源的学习分析数据，以及提供分享分析数据的接口功能。笔者将通过以下两个实例进行详细说明。

1.学习管理系统Brightspace对IMS-CA的实现

Brightspace是美国Desire2Learn（D2L）公司开发的学习管理平台，该平台在美国有较高的市场份额。2015年秋季，D2L发布了新版本的Brightspace平台，在原有数据统计工具Insights的基础上推出了新的学习分析框架——“学习分析蓝图”（Learning Analytics Blueprint），以IMS-CA格式同时支持发送和接收双向数据流的学习分析数据，并且支持构建多应用的学习分析生态环境（Meyer，2015b）。

教师可以通过Brightspace平台上的Insights工具观察学生是如何和学习生态系统中的各种内容交互的，这些内容包括视频、移动应用和游戏等。基于IMS-CA，平台可以记录并汇总同一门课程中学生登录情况及课程中学习内容和学习工具的使用情况，通过统一的界面，即分析仪表盘，将学习者的学习进度显示给教师。学习管理系统还会实时监控学习情况，对处于危险状态的学生给予警示（见图6），同时帮助教师分析和诊断出潜在的问题并及时联系学生。

图6 Brightspace平台界面

Brightspace构建的学习分析体系还可以帮助教师收集学生在移动设备上学习的活动数据，并通过分析结果来监控学生的学习进展（D2L Co.，2015）。D2L在Android和iOS平台上均发布了移动应用Brightspace Pulse，该手机应用通过了IMS-CA认证，支持智能化地搜集学生在移动应用中的数据，并传回到Brightspace平台供教师分析。

此外，D2L和视频平台供应商Kaltura合作，支持将学习者在Kaltura平台上观看视频等活动的数据透过IMS-CA的API回传到Brightspace Insights中，提供对视频内容使用情况的实时分析，并进一步优化学习。

2.视频管理和播放平台Kaltura对IMS-CA的实现

Kaltura是一个专注于提供视频存储和播放服务的开源系统平台，提供了视频的管理、在线编辑和流媒体视频播放等功能，在教育市场有较大的市场份额和数以亿计的用户。在线学习中有大量使用视频形式的教育内容并围绕视频开展交互活动，随之产生了丰富的学习活动数据。

Kaltura平台于2015年10月通过了IMS-CA的一致性认证，正式支持这个规范。通过该规范，Kaltura以标准、开放、灵活的方式把系统中产生的视频播放信息，即基于视频的学习活动信息，直接开放给学习管理系统和学习记录存储服务（LRS）等其他系统使用（Kaltura Co.，2015a）。Kaltura对IMS-CA的支持让用户更容易从视频及相关数据中获取价值。围绕视频内容产生的数据可以方便地与其他数据整合，以实现对学习活动更深层次的分析和解读，提供可操作的诊断结果，进而提高学习效果。新版本的Kaltura实现了以下与学习分析相关的功能（Kaltura Co.，2015b）：

其一，为教师和管理者提供功能强大的分析数据仪表盘。这样教师在Kaltura平台上就可以查询和了解学生与教学视频交互的情况，获得学生观看了多少教学资源，在每个视频上停留的时间，是否完整地看了视频等信息；还可以进一步深入分析学生的偏好，如学生的观看速度是否使用字幕，以及哪种语言将更受欢迎。此外，学生在视频中完成内嵌测试的情况以及其他更高级的互动也会被记录和分析。

其二，提供标准的Sensor API接口，使其他合作平台能够透过Kaltura平台捕捉及提取数据。作为教学视频的承载平台，Kaltura中存储了大量的与媒体活动相关的数据，支持IMS-CA的各种学习管理系统都可以通过Kaltura平台提供的API接口以一致的方式来取回这些数据，并进行进一步加工。

七、总结

IMS-CA规范自推出以来就受到极大关注，在刚刚到来的2016年会有更多的主流学习管理系统考虑适配此规范，或是提供符合该规范的API接口。Blackboard和D2L等主流学习管理系统提供商均已开始支持该规范（Abel et al.，2015；Mathewson，2015）。基于它们巨大的市场占有率和用户规模，每周可能会有数以百万计的学习事件使用该规范度量和分析，最终为提高学习质量提供依据，造福学习者。德克萨斯州立大学、密歇根大学、肯塔基大学等教育机构正基于该规范实施其历史上第一次的大规模学习信息分析项目。由美国顶级大学发起的第一波应用潮将会把该规范投入到实际生产中，通过应用Caliper来分析和诊断学习。学习分析与数字证书的结合将推动高等教育的信息化，产生持久而深远的变化。

虽然应用前景广泛，但IMS-CA学习分析规范还将面临一些挑战。第一，学习分析需要以良好的数据作为原材料，数据本身应该是真实有效的，而且必须以数字化的形态呈现；第二，需要有清晰的目标，明确数据的用途以及其对业务的支持方式；第三，推进学习分析需要教育机构具备合适的组织文化，并且要有执行力才能实现；第四，对于学习分析技术应该对学习者和教育者真正有益，实施效果要令人信服（Feldstein，2013；Straumsheim，2015）。此外，该标准在推广和使用中还存在商业模式和商业利益的潜在风险。在某些商业模式下，数据格式差异故意造成的壁垒是一些公司保护自己利益的武器，出售和转换从学校获取的数据也是其不可忽视的一个收入来源。开放数据接口，以标准的方式免费提供这些数据将会阻碍其进一步获益。因此，该规范的推进有可能不像IMS以往的标准一样顺利，需要厂商、机构、用户各方不断地博弈。

学习分析是为学习者、教育者、管理者、投资者提供信息以优化学习过程的工具，支持在更深层次或者新的领域内探究对学习者的成功起关键作用的影响因素。基于大数据的学习分析服务可以指引个性化的学习，及时警示学习过程中处于危险状态的学生，帮助学习者提升他们对学习活动的责任心；在管理层次上，学习分析还可以提高课程完成率，为教育决策的制定者提供参考信息（Siemens et al.，2015）。IMS-CA规范的发布及实施提供了一个一致的语义模型和统一的度量衡系统记录学习事件，通过开放接口和一致性的调用方式将各种零散的学习系统和学习工具整合起来。这有助于学习分析生态的构建，有助于在利用学习分析优化学习过程中，实现为学习者、教育者和管理者服务的最终目标。

参考文献：

[1]李青,王涛(2012).学习分析技术研究与应用现状述评[J].中国电化教育,(8):129-133.

[2]吴永和,曹盼,余云涛(2015). IMS全球学习联盟对学习技术的发展与影响[J].信息技术与标准化, (6):50-53,73.

[3]Abel,R., & Kellen,V.(2015).Simplifying Learning Analytics via the Caliper Analytics Framework[EB/OL]. [2015-12-23]. http://www.educause.edu/sites/default/files/library/presentations/ E15OL/OL01/OL01_Simplifying%2BLearning%2BAnalytics.pdf.

[4]D2L Co.(2015). Brightspace Autumn15 Unlocks Analytics in the Classroom[EB/OL]. [2016-02-10].http://www.marketwired.com/press-release/brightspace-autumn15-unlocks-analytics-in-the-classroom-2067503.htm.

[5]Feldstein,M.(2013). The IMS's New "Caliper" Learning Analytics Interoperability Framework Is Deeply Interesting[EB/OL]. [2016-02-10].http://mfeldstein.com/imss-new-caliper-learning-analytics-interoperability-framework-deeply-interesting/.

[6]Hoel,T., & Cooper, A.(2014). Standards to Support Learning Analytics[EB/OL]. [2015-12-23].http://www.laceproject. eu/wp-content/uploads/2014/12/LACE-Standards-Bodies-Roundup-2014.pdf.

[7]IMS GLC(2013). Learning Measurement for Analytics Whitepaper[EB/OL]. http://www.imsglobal.org/sites/default/files/ caliper/IMSLearningAnalyticsWP.pdf. (2015-12-23)

[8]IMS GlC(2015a). Caliper Analytics™Background[EB/OL]. [2015-12-23].https://www.imsglobal.org/activity/caliperram.

[9]IMS GLC(2015b). IMS Caliper Analytics Implementation Guide[EB/OL]. [2015-12-23].http://www.imsglobal.org/caliper/caliperv1p0/ims-caliper-analytics-implementation-guide.

[10]IMS GLC (2015c). IMS Caliper Analytics Interoperability Standards Reach Candidate Final Release Status[EB/OL]. [2016-01-20].https://www.imsglobal.org/pressreleases/pr150506.html.

[11]IMS GLC(2015d). Real-time, Cross Application Educational Data and Analytics [EB/OL]. [2015-12-23].https://www. imsglobal.org/initiative/real-time-cross-application-educational-data-and-analytics .

[12]Kaltura Co.(2015a). Kaltura Among the First to Obtain Caliper Analytics™Certification[EB/OL]. [2015-12-25].http:// corp.kaltura.com/company/news/press-release/kaltura-amongfirst-obtain-caliper-analytics%E2%84%A2-certification.

[13] Kaltura Co.(2015b). Why IMS Caliper is so Important [EB/OL]. [2015-12-25].https://blog.kaltura.org/ims-caliperimportant/.

[14]Mathewson, T. G.(2015).Caliper Analytics Advances Next Frontier for Data[EB/OL]. [2016-01-20].http://www.educationdive.com/news/caliper-analytics-advances-next-frontier-fordata/408166/ .

[15]Meyer,L.(2015a). Caliper Analytics Specification Set for Release[EB/OL]. [2016-02-10].https://campustechnology. com/articles/2015/05/07/caliper-analytics-specification-set-for-release.aspx.

[16]Meyer,L.(2015b).D2L Updates Brightspace LMS with New Analytics Tools[EB/OL]. [2016-02-10].https://thejournal. com/Articles/2015/10/28/D2L-Updates-Brightspace-LMS-with-New-Analytics-Tools.aspx.

[17]Siemens, G. et al.(2015).Open Learning Analytics: An Integrated & Modularized Platform[EB/OL]. [2015-12-25].http: //classroom-aid.com/wp-content/uploads/2014/04/OpenLearningAnalytics.pdf.

[18]Straumsheim, C.(2015). The Language of Learning Analytics[EB/OL]. [2016-01-20].https://www.insidehighered.com/ news/2015/08/06/colleges-vendors-discuss-plans-learninganalytics-caliper-framework-nears-finish .

Interpretation of IMS Caliper Analytics Specification

Li Qing, Zhao Yue

Abstract：The global wave of MOOC has promoted the dissemination and development of online courses, which generates massive and diversified data, and thus accelerates the application of "big data" analysis technology in education. The assessment, analysis and use of the data have an important influence on learning. Nowadays, All the LMS and learning tools have their own formats to store and transfer data, resulting in difficulties in collecting and analyzing cross-platform data with a unified format. IMS GLC developed the Caliper Analytics specification, built up an data inter-operation framework, and tried to resolve the key relevant issues. This specification establishes a common format for analyzing and recording data by "metric profile", and with "sensor API" captures and delivers analytical data from different platforms, which will facilitate the exchange and cross-platform use of learning analytics data, so that valuable learning data can be used better. This unified standard can promote more effective analysis on quality, effectiveness and performance of online courses; help colleges, teachers, instructional designers and other digital teaching content developers to measure, modify and iterate education products; help learners to improve learning performance with analysis results. Although, this standard has good application prospects, it will still face a lot of challenges: such as the way to present the data sources, its own intended usage of data, organizational culture of institutions, the implementation effectiveness of analytical techniques, and the potential risks of the business model.

Keywords:Learning Analytics; Learning Technology Standard; Education Informatization; IMS Caliper Analytics

收稿日期2016-02-19责任编辑曾艳

作者简介：李青，北京师范大学教育技术学院博士后，博士，副教授，北京邮电大学网络教育学院（北京100875）；赵越，硕士研究生，北京邮电大学网络教育学院（北京100088）。

*基金项目：中国博士后科学基金第八批特别资助项目“泛在学习环境下基于情境感知的协同认知空间建构研究”（2015T80049）。

中图分类号：G434

文献标识码：A

文章编号：1009-5195（2016）02-0098-09 doi10.3969/j.issn.1009-5195.2016.02.012