La vision d'ADL

Rappelons tout d'abord qu'ADL signifie Advanced Distributed Learning et que le mot le plus important ici est sans doute Distributed. Pourquoi parler d'apprentissage distribué ? Parce qu'ADL conçoit l'apprentissage comme un processus permanent, qui doit pouvoir intervenir partout et tout le temps, sous toutes ses formes (via de multiples systèmes), tout au long de la vie (via de multiples organisations).

Pour rendre cela possible, ADL s'appuie sur une approche centrée sur les données et la définition de standards internationaux en la matière.

4 familles de données

ADL définit 4 grandes familles de données qui font toutes l'objet d'un travail de standardisation à l'IEEE.

Les traces d'apprentissage (IEEE 9274.1)

Sans surprise, on retrouve ici toutes les données qui reflètent l'activité des apprenants, et c'est bien sûr le domaine d'xAPI.

L'index des activités pédagogiques (IEEE P2881)

Les traces d'apprentissage font référence aux activités pédagogiques. Il est donc primordial de dresser l'inventaire de ces activités et de leur associer des métadonnées. Par ailleurs, chaque activité peut être associées à des compétences.

Le référentiel de compétences (IEEE 1484.20.1)

Puisque les activités font référence aux compétences, il est nécessaire de dresser l'inventaire des compétences et de décrire leurs relations au travers de référentiels structurés.

Le profil apprenant (IEEE P2997)

Le profil est en quelque sorte la synthèse des données liées à l'apprenant : identification, actes d'apprentissage, compétences validées, etc.

3 types de LRS

L'approche d'ADL concernant les traces d'apprentissage et la manière de les stocker est fondamentale. Elle distingue 3 grandes familles de traces, associées à 3 types de LRS.

Niveau 1 : traces hétérogènes et LRS locaux

Les apprenants se forment sur des systèmes d'apprentissage qui génèrent toutes sortes de traces plus ou moins spécifiques, que l'on enregistre dans des LRS locaux appelés "Noisy LRS". Les données sont à ce stade très fines et très disparates.

Niveau 2 : traces majeures et LRS transactionnels

Les traces les plus significatives sont extraites du niveau 1 et uniformisées. Il s'agit par exemple des traces de complétion. Ces traces sont enregistrées dans des LRS fédéraux de 1er niveau, appelés "Transactional LRS". A ce stade, les données sont uniformes et décrivent les actes pédagogiques significatifs.

Niveau 3 : compétences et LRS d'autorité

Les traces du niveau 2 sont à leur tour analysées et complétées afin de générer des données orientées compétences, stockées dans des LRS fédéraux de 2nd niveau, appelés "Authoritative LRS". A ce stade, les données sont uniformes et décrivent les compétences acquises. Elles peuvent être complétées par des informations liées à la carrière de l'apprenant.

Mise en oeuvre en 5 étapes

TLA est une architecture relativement complexe, qui soulève plusieurs défis en termes d'implémentation. ADL propose donc une mise en oeuvre progressive, selon 5 niveaux de maturité.

Etape 1 : adoption locale d'xAPI

On applique xAPI à l'échelle d'un seul système. Par exemple, on met en oeuvre xAPI sur un LMS et sur les contenus associés, et on connecte le tout à un LRS local.

Etape 2 : xAPI à plus grande échelle

Plusieurs systèmes (LMS ou autre) d'une organisation sont capables d'enregistrer des traces xAPI dans un LRS. On doit alors gérer certaines problématiques de cohérence, comme l'identification unifiée des apprenants.

Etape 3 : lien entre activités pédagogiques et compétences

On définit des référentiels de compétence et on indexe l'ensemble des activités pédagogiques disponibles. On établit la relation entre activités et compétences.

Etape 4 : lien entre apprenants et compétences

On met en place un profil apprenant et on y associe les traces d'apprentissage majeures ainsi que les compétences validées, grâce notamment à la mise en oeuvre de LRS transactionnels et LRS d'autorité.

Etape 5 : valorisation des données apprenants

On touche au but. Les données apprenants sont à présent disponibles à l'échelle de l'organisation, en particulier pour les services RH. On peut les exploiter pour assurer la gestion de carrière, l'adaptation de la force de travail, la préparation des missions, etc.

Faut-il adopter TLA ?

TLA est un formidable exemple d'utilisation des traces d'apprentissage avec un objectif de gestion des ressources humaines et de pilotage de la formation par les compétences. TLA démontre aussi qu'il est important d'avoir une vision d'ensemble pour tirer parti des traces d'apprentissage.

D'un autre côté, TLA repose sur un certain nombre de partis pris qui correspondent à la vision d'ADL et qui n'ont rien d'universel. Adopter TLA n'est donc pas une fin en soi, mais il peut être bon de s'en inspirer pour développer sa propre stratégie.