自从移动互联网进入人们的工作与生活中后，移动学习就不可避免地发生了。人们使用移动终端设备获取信息、进行交流，即是一种学习行为。由于移动学习具有其他类型的传统学习方式所不具备的优势——不仅不受时间、地点的限制，而且可以充分利用零散的、无规律的碎片时间，还允许学习者根据自己的时间安排与学习偏好进行自主学习，因此，它正以前所未有的速度渗透到个人与组织的学习之中。

未来，移动学习将更多地借助于游戏化与增强现实的技术，提升人们的学习意愿。同时，为了充分应用移动学习，组织需要将这种非正式学习正式化。

虽然移动学习发展迅猛，但目前大多数企业基本将其定位为辅助的学习形式，作为传统学习形式的补充。这包括两个原因：一方面，移动学习作为新的学习形式，其学习内容不够丰富，需要一个完善的过程；另一方面，人们在移动设备观看视频的注意力集中时间只有6分钟，超过6分钟之后，注意力会出现大幅度下降，这对移动学习而言是致命的。

未来为了提升人们的学习意愿与注意力，移动学习需要借助游戏化与增强现实的技术成果。

所谓游戏化，是将游戏机制及游戏设计添加到移动学习中，在吸引学习者的同时，帮助他们实现学习目标。不过，游戏化学习并不等于游戏，而只是将游戏中的元素应用于学习环境中，利用学习者获得成功的欲望达到学习的目标。根据Talent LMS 的调查数据，约80%的学习者表示，如果他们的学习课程或工作能够更游戏化一些，他们的效率会更高。

此外，利用游戏化，学习者的回忆比例可以惊人地达到90%。

增强现实是一种实时地计算摄影机影像的位置、角度，并加上相应图像的技术。这种技术的目标是在屏幕上把虚拟世界套在现实世界中，并进行互动。　　

个人可穿戴设备如苹果手表、谷歌眼镜等的发展，为增强现实技术在移动学习中的应用铺平了道路。增强现实在虚拟世界、现实世界和学习之间搭起了一个交互反馈的信息回路，能够进行实时互动，从而增强学习者对学习场景的体验，最终提升学习兴趣与学习效果。

如果上述两个趋势能够得到进一步发展，移动学习的体验将会变得更加美妙。但其劣势也比较明显：开发游戏化的课程以及利用增强现实技术的成本都比较高，如果普遍应用，无论个人还是组织，都难以承担其费用。　　

更为重要的是，移动学习是碎片化的学习，组织难以管控学习者的学习动机、过程、结果。组织如果想要广泛开展移动学习，就需要对其进行整合，并将之纳入组织学习的管控范围。也就是说，组织需要将移动学习这种非正式学习正式化。

美国劳动力统计局(BLS)报告曾提到，在人们所学到的关于其工作的知识中，70%是通过非正式学习获得的。此外，有研究者指出，非正式学习占个体所学知识的75%以上，而人们对它的关注和投入却不到20%，这意味着在学习中占有如此重要地位的非正式学习被组织无情地忽视了。

如果组织能把移动学习纳入管控范围之内，将其正式化，那么，移动学习将在组织学习中占据重要的地位。而推动移动学习正式化，则需要借助于xAPI与大数据。

xAPI（ExperienceAPI，也称xAPI或Tin Can API）是由美国“高级分布式学习”组织（Advanced Distributed Learning，ADL）所建立的标准。该标准规定了“训练与学习框架”（Training&Learning Architecture，TLA）中“学习经历跟踪”（Experience Tracking）组件这个核心部分，这为在学习过程中如何对学习经历数据进行跟踪、描述及分享提供了指导性的框架。

xAPI不仅纳入了标准制式的课程及评估数据，还包括了所有可能会发生学习活动的各种学习经验（包含在线或离线学习）。人们进行各种学习活动，都可以通过xAPI进行记录，这些记录会被传送到学习记录存储区（LRS）进行存储。存储在LRS的数据不仅可以在不同的LRS之间流动，也可传送到学习管理系统（LMS），还可传送到专门的数据分析工具中去（见图表1）。当我们有了这些数据之后，大数据就派上了用场。

 

 

大数据是指学习者在各种学习活动中产生的数据。比如，学习者通过各种渠道获取资讯、组织政策，与学习内容或其他人产生各种交互活动，其学习进度、学习评估结果、学习过程中产生的数据即“大数据”。

当学习者所进行的各种学习活动数据被记录以后，组织中的学习专家就可以通过数据分析来确定学习者的能力现状、学习开展方式、学习效果如何、如何改善等个性化学习信息，并针对这些信息制定出更加适合学习者的学习策略与方案。通过对学习者学习过程的跟踪，能够实现从学习策略、目标与方案设定、过程反馈，到效果评估、学习改善等比较完整的学习管控闭环，从而将非正式化学习正式化，具体可参照四个步骤：制定学习目标、策略方案；提供及时有效过程反馈；进行深入的学习效果评估；提供个性化的改善方案。

大数据能够为我们提供学习者的详细数据，通过数据分析，我们可以了解到哪些学习策略与方案对学习者更加有效。比如，可以确定哪些学习内容有助于技能发展，哪些模块或元素可能无关紧要。　　

据此，我们可以为学习者提供更加有效的学习策略、目标和方案建议，或者直接为其提供相应的方案。对于组织而言，这不仅能够节约学习方面的资源投入，还将提升学习效率，带来更好的学习效果。

大数据可以为学习者提供及时且有效的学习反馈。除了掌握学习进度、学习目标完成情况等较为宏观方面的反馈，学习者也能通过大数据了解较为微观的方面。如一位特定的学习者能够看到自己未达到某个特定知识/技能点要求的分析，哪些地方需要加强或改善，得到纠正问题的解决办法。

对于组织而言，大数据将能够扩展组织对员工学习过程的了解，如跟踪员工从学习开始到结束的整个过程，及其在学习过程中的各种行为表现及结果（包括学习者何时开始学习、点击及学习某个模块的过程、所用的学习时间、哪个时间点学习效率最高、何时完成学习、完成率如何、考试表现等）。

xAPI不仅能收集到学习者进行传统学习活动的数据，也可以跟踪到行动学习、社群学习等非传统学习活动的数据。另外，借助于可穿戴设备，学习者在工作过程的一些数据也可以被收集起来。

这些数据为组织评估学习效果、进行行为转化，甚至改善工作成果，均提供了有利条件。因此，利用大数据将可以有效解决以往的学习评估延伸至行为层面及业务结果层面所面临的困难。

实际上，组织利用大数据后，对于学习目标、策略方案的制定开始变得个性化。未来如果我们对特定学习者的学习过程、学习效果了解得更加深入，我们就有机会了解到学习者的学习内容、形式偏好、面对学习挑战的反应等，进而为其定制学习挑战程度与学习形式。

                                                                                          来源：蚂蚁e学