基于XAPI对在线学习进行模型设计、统计分析、行为分析和学习结果反馈有利于学习效率的提高和学习方法的改进，对提高在线学习效果和促进在线学习发展具有重要意义。

　　在首都师范大学开设的部分硕士课程中，通过应用XAPI支持的学习平台提供学习工具、学习环境、学习资源和考核机制等完整的学习支持服务。学习者在平台上的所有学习活动记录都将存储在数据库中，将数据库信息导入到学习行为数据挖掘系统，即可得到关于一切学习行为的可视化报表和统计。基于XAPI的平台不仅是开展日常教学的好帮手，同样对于一门课程可以实现课前课中课后不同过程和不同场景的不同过程评价方案的融通，同时也很好地帮助学校实现学生实践教育的科学管理。

　　当学习者在平台上进行阅读资料、观看视频、发表评论、完成测试等学习行为时，系统首先将这些学习经历（Experience）以用户日志的形式记录在X-Logstore中，插件则将日志数据库中的用户日志发送到X-Logstore xAPI插件的扩展器以扩充X-Moodle数据库中的日志内容，并利用合适的动作将学习经历转换成一个特定的学习事件（Events）。然后，系统将学习事件传输到翻译器，翻译器翻译扩充的内容至XAPI的处方选项中，处方定义不同型态的学习服务、依情境所产生的Statement的属性结构、每个属性的必要性与格式。处理完后，通过发射器将生成的XAPI Statement传输到已经配置好的LRS中。

　　除了列表浏览外，LRS平台还提供简单的可视化展示，如图1所示。除此之外，还可以进行相关性分析和多变量分析，可以依据次数、花费时间和分数等数据分析学生表现、参与度等情况。

　　学生学习课程的过程中，在线学习行为分析是开展在线学习的重要基础，是指导在线学习资源开发的实践依据。基于XAPI对在线学习进行模型设计、统计分析、行为分析和学习结果反馈有利于学习效率的提高和学习方法的改进，对提高在线学习效果和促进在线学习发展具有重要意义。

　　大四学生面临专业实习、找工作和毕业答辩等各种压力，很难保障百分之百的课堂出勤率。针对这一实际情况，教研团队利用平台对教学环节进行了重新的调整和科学的安排。具体做法如下：前半学期利用平台进行集中教学。课前，学生通过老师提供的各种影音教材、参考文件和线上链接学习浅层知识，帮助实现快速预习；课中，老师会留出大量时间，通过分组讨论、随堂测试、教学反馈和学生进行互动答疑，鼓励大家进行头脑风暴并反思学习内容，从而加深学生对知识的理解；课后，老师会布置分组作业，学生以小组的形式相互配合，这样利于培养学生的创新、合作与解决问题的能力。而到了后半学期，当学生进入到中小学展开专业实习，仍然可以通过学习管理平台对整个实习过程中形成的个人观察与思考、阶段性记录与总结、以及由此设计的教案、微课和其他实习作品进行上传和分享。这样的课程设计具有明显的阶段性，老师也会根据学生学习过程阶段数据进行不同评价方案的整合，通过大数据实现不同阶段不同场景教学的融通，并对学生提交的成果有针对性地给出反馈，改进意见和建议，以便更好地指导学生开展专业实习。

　　（整理：陶春）