On vous a déjà parlé de xAPI dans notre article sur le Learning Record Store (LRS)

C’est la nouvelle norme de reporting émise par l’agence ADL et développé pour quantifier la formation au sein du département de la défense Américain. 

Petit à petit, ce standard, qui date de 2016, fait son chemin dans les écosystèmes d’apprentissage en entreprise. 

Le département de la défense Américain est d’ailleurs en constante recherche d’innovation sur ces sujets. Il est d’ailleurs déjà à l’origine de nombreuses spécifications sur les standards actuels du e-learning.

Nous lui devons des innovations comme les téléphones portables, les GPS, la réalité virtuelle, la production de masse des automobiles…qui ont d’abord été développées pour usage militaire avant d’être vastement démocratisées au grand public.

Aujourd’hui, nous voudrions vous parler de l’Architecture d’Apprentissage Totale (TLA en anglais). C’est une architecture fonctionnelle, technique, qui se concentre sur le continuum de l’apprentissage. La TLA fait encore l’objet de nombreuses recherches et de publications.

Cette architecture a principalement pour buts de faire passer les organisations d’un modèle centré sur le contenu à un modèle centré sur l’utilisateur. Mais aussi de permettre une interopérabilité de l’apprentissage ainsi qu’une aide à la prise de décision et enfin une prise en compte de l’intégralité des expériences d’apprentissage (multi-modalité).

B

Des caractéristiques qui s’entrelacent

Pour ce, l’ADL insiste sur les caractéristiques suivantes afin de créer une architecture d’apprentissage totale :

  • Continu : Sur l’intégralité d’une carrière, non épisodique et personnalisé.
  • Blended : Mélanger apprentissage formel et informel, le présentiel et le digital.
  • Centré sur l’entreprise : L’apprentissage, l’éducation et la gestion de talent sont interconnectés et doivent être vus comme un tout.
  • Diversifié : Utiliser différentes méthodes d’apprentissage et technologies d’apprentissage.
  • Centré sur l’apprenant : S’adapter aux besoins de l’apprenant et de l’équipe.
  • Basé sur les compétences : Évaluation des compétences et analyse des trajectoires. 
  • A la demande : Disponible quand l’apprenant en à besoin.
  • Orienté données : Agréger des données de plusieurs sources, les analyser et prendre des décisions.
  • Basé sur le Cloud : Pour améliorer la disponibilité et la flexibilité des services.

Bien sûr, tout ceci n’est pas possible à implémenter en une seule fois et dépend du niveau de maturité des entreprises dans leur stratégie learning. 

De plus, il n’existe pas à l’heure actuelle sur le marché une solution sur étagère qui répondrait à l’ensemble des points. 

Et c’est de ce postulat que part toute la réflexion sur xAPI ainsi que l’architecture d’apprentissage totale (AAT). 

Elle part du fait que les systèmes évoluent à des rythmes différents

Que les éditeurs de solutions sont multiples et qu’il faut souvent hériter d’une situation passée dans son entreprise.

Qu’il n’existe pas de solution intégrée qui permettra de faire tout ceci.

Au contraire, l’interopérabilité et l’interconnexion des systèmes composant cet écosystème est clé.

C’est pour cela que l’on parle bien d’architecture et qu’il faut construire le puzzle avec différentes pièces, mais dans l’objectif et dans la vision globale d’atteinte des caractéristiques énoncées ci-dessus.

A l’heure où les utilisateurs finaux jonglent d’une application à une autre, il serait naïf de croire que l’ensemble des expériences d’apprentissage (même à distance) doivent se passer dans une seule et unique plateforme.

B

Structurer une architecture d’apprentissage totale

Le schéma suivant pourrait vous aider à structurer votre stratégie d’architecture d’apprentissage totale.

Total learning Architecture

L’idée est de construire étape par étape votre environnement d’apprentissage pour passer de la couche 1 à la couche 4.

Par exemple,  l’étape 1 serait ici d’implémenter un LRS (Learning Record Store) permettant de sauvegarder l’ensemble des données du profil apprenant de manière structurée. 

Ensuite, faire communiquer différentes sources de données au format xAPI avec ce LRS (étape 2). Le  tout en permettant un passage fluide d’une application à une autre via du single-sign-on (SSO).

Tout comme avant d’investiguer sur l’implémentation de la recommandation (IA), il faut avoir un bon moteur de recherche à minima. Idéalement, il faudrait également un accès à un vaste entrepôt de données (ce qu’est le LRS) en croisant différent types de données. 

Vous vous en êtes déjà rendu compte, mais les solutions, en devenant plus pertinentes, se complexifient. 

Les seules compétences pédagogiques des départements L&D ne sont plus suffisantes pour construire dès aujourd’hui, une architecture scalable qui va perdurer des années indépendamment de vos fournisseurs. 

Il y aura de plus en plus de sources de contenus, de plus en plus de profils différents à gérer et de plus en plus de compétences. 

Certaines que nous ne connaissons pas encore, mais que nous verrons “surgir” dans nos populations à travers la consultation des learning analytics. 

C’est là tout l’enjeu d’avoir un système dynamique faisant l’opposition aux modèles de données statiques de l’ensemble des LMS du marché.

Celle pyramide est l’illustration même que de bonnes fondations sont nécessaires pour pouvoir construire une architecture pérenne. Une architecture dans laquelle les innovations à venir vont s’ajouter fluidement. De même, la modularité de cette architecture vous permettra d’économiser de l’argent et de limiter votre risque.

Pour en savoir plus sur l’architecture d’apprentissage totale, vous pouvez vous référer aux publications de l’ADL sur le sujet :

https://adlnet.gov/projects/tla/