自從移動互聯(lián)網進入人們的工作與生活中后，移動學習就不可避免地發(fā)生了。人們使用移動終端設備獲取信息、進行交流，即是一種學習行為。由于移動學習具有其他類型的傳統(tǒng)學習方式所不具備的優(yōu)勢——不僅不受時間、地點的限制，而且可以充分利用零散的、無規(guī)律的碎片時間，還允許學習者根據自己的時間安排與學習偏好進行自主學習，因此，它正以前所未有的速度滲透到個人與組織的學習之中。

未來，移動學習將更多地借助于游戲化與增強現(xiàn)實的技術，提升人們的學習意愿。同時，為了充分應用移動學習，組織需要將這種非正式學習正式化。

雖然移動學習發(fā)展迅猛，但目前大多數企業(yè)基本將其定位為輔助的學習形式，作為傳統(tǒng)學習形式的補充。這包括兩個原因：一方面，移動學習作為新的學習形式，其學習內容不夠豐富，需要一個完善的過程；另一方面，人們在移動設備觀看視頻的注意力集中時間只有6分鐘，超過6分鐘之后，注意力會出現(xiàn)大幅度下降，這對移動學習而言是致命的。

未來為了提升人們的學習意愿與注意力，移動學習需要借助游戲化與增強現(xiàn)實的技術成果。

所謂游戲化，是將游戲機制及游戲設計添加到移動學習中，在吸引學習者的同時，幫助他們實現(xiàn)學習目標。不過，游戲化學習并不等于游戲，而只是將游戲中的元素應用于學習環(huán)境中，利用學習者獲得成功的欲望達到學習的目標。根據Talent LMS 的調查數據，約80%的學習者表示，如果他們的學習課程或工作能夠更游戲化一些，他們的效率會更高。

此外，利用游戲化，學習者的回憶比例可以驚人地達到90%。

增強現(xiàn)實是一種實時地計算攝影機影像的位置、角度，并加上相應圖像的技術。這種技術的目標是在屏幕上把虛擬世界套在現(xiàn)實世界中，并進行互動。　　

個人可穿戴設備如蘋果手表、谷歌眼鏡等的發(fā)展，為增強現(xiàn)實技術在移動學習中的應用鋪平了道路。增強現(xiàn)實在虛擬世界、現(xiàn)實世界和學習之間搭起了一個交互反饋的信息回路，能夠進行實時互動，從而增強學習者對學習場景的體驗，最終提升學習興趣與學習效果。

如果上述兩個趨勢能夠得到進一步發(fā)展，移動學習的體驗將會變得更加美妙。但其劣勢也比較明顯：開發(fā)游戲化的課程以及利用增強現(xiàn)實技術的成本都比較高，如果普遍應用，無論個人還是組織，都難以承擔其費用。　　

更為重要的是，移動學習是碎片化的學習，組織難以管控學習者的學習動機、過程、結果。組織如果想要廣泛開展移動學習，就需要對其進行整合，并將之納入組織學習的管控范圍。也就是說，組織需要將移動學習這種非正式學習正式化。

美國勞動力統(tǒng)計局(BLS)報告曾提到，在人們所學到的關于其工作的知識中，70%是通過非正式學習獲得的。此外，有研究者指出，非正式學習占個體所學知識的75%以上，而人們對它的關注和投入卻不到20%，這意味著在學習中占有如此重要地位的非正式學習被組織無情地忽視了。

如果組織能把移動學習納入管控范圍之內，將其正式化，那么，移動學習將在組織學習中占據重要的地位。而推動移動學習正式化，則需要借助于xAPI與大數據。

xAPI（ExperienceAPI，也稱xAPI或Tin Can API）是由美國“高級分布式學習”組織（Advanced Distributed Learning，ADL）所建立的標準。該標準規(guī)定了“訓練與學習框架”（Training&Learning Architecture，TLA）中“學習經歷跟蹤”（Experience Tracking）組件這個核心部分，這為在學習過程中如何對學習經歷數據進行跟蹤、描述及分享提供了指導性的框架。

xAPI不僅納入了標準制式的課程及評估數據，還包括了所有可能會發(fā)生學習活動的各種學習經驗（包含在線或離線學習）。人們進行各種學習活動，都可以通過xAPI進行記錄，這些記錄會被傳送到學習記錄存儲區(qū)（LRS）進行存儲。存儲在LRS的數據不僅可以在不同的LRS之間流動，也可傳送到學習管理系統(tǒng)（LMS），還可傳送到專門的數據分析工具中去（見圖表1）。當我們有了這些數據之后，大數據就派上了用場。

 

 

大數據是指學習者在各種學習活動中產生的數據。比如，學習者通過各種渠道獲取資訊、組織政策，與學習內容或其他人產生各種交互活動，其學習進度、學習評估結果、學習過程中產生的數據即“大數據”。

當學習者所進行的各種學習活動數據被記錄以后，組織中的學習專家就可以通過數據分析來確定學習者的能力現(xiàn)狀、學習開展方式、學習效果如何、如何改善等個性化學習信息，并針對這些信息制定出更加適合學習者的學習策略與方案。通過對學習者學習過程的跟蹤，能夠實現(xiàn)從學習策略、目標與方案設定、過程反饋，到效果評估、學習改善等比較完整的學習管控閉環(huán)，從而將非正式化學習正式化，具體可參照四個步驟：制定學習目標、策略方案；提供及時有效過程反饋；進行深入的學習效果評估；提供個性化的改善方案。

大數據能夠為我們提供學習者的詳細數據，通過數據分析，我們可以了解到哪些學習策略與方案對學習者更加有效。比如，可以確定哪些學習內容有助于技能發(fā)展，哪些模塊或元素可能無關緊要?！　?/span>

據此，我們可以為學習者提供更加有效的學習策略、目標和方案建議，或者直接為其提供相應的方案。對于組織而言，這不僅能夠節(jié)約學習方面的資源投入，還將提升學習效率，帶來更好的學習效果。

大數據可以為學習者提供及時且有效的學習反饋。除了掌握學習進度、學習目標完成情況等較為宏觀方面的反饋，學習者也能通過大數據了解較為微觀的方面。如一位特定的學習者能夠看到自己未達到某個特定知識/技能點要求的分析，哪些地方需要加強或改善，得到糾正問題的解決辦法。

對于組織而言，大數據將能夠擴展組織對員工學習過程的了解，如跟蹤員工從學習開始到結束的整個過程，及其在學習過程中的各種行為表現(xiàn)及結果（包括學習者何時開始學習、點擊及學習某個模塊的過程、所用的學習時間、哪個時間點學習效率最高、何時完成學習、完成率如何、考試表現(xiàn)等）。

xAPI不僅能收集到學習者進行傳統(tǒng)學習活動的數據，也可以跟蹤到行動學習、社群學習等非傳統(tǒng)學習活動的數據。另外，借助于可穿戴設備，學習者在工作過程的一些數據也可以被收集起來。

這些數據為組織評估學習效果、進行行為轉化，甚至改善工作成果，均提供了有利條件。因此，利用大數據將可以有效解決以往的學習評估延伸至行為層面及業(yè)務結果層面所面臨的困難。

實際上，組織利用大數據后，對于學習目標、策略方案的制定開始變得個性化。未來如果我們對特定學習者的學習過程、學習效果了解得更加深入，我們就有機會了解到學習者的學習內容、形式偏好、面對學習挑戰(zhàn)的反應等，進而為其定制學習挑戰(zhàn)程度與學習形式。

                                                                                          來源：螞蟻e學