IEEE 2881 學習元數據術語 (LMT) 助力人工智能時代的學習

作者：Andy Johnson

學習元數據術語 (LMT) 是一項標準，旨在將實踐中的元數據術語聯系起來，以解決電子學習中常見的諸多用例。雖然還有其他元數據標準，但它們不足以滿足現代人工智能實現重要性所需的機器可讀數據要求。雖然數據模型試圖擺脫技術束縛，但有一些基本的設計決策與數據是存儲在圖數據庫中還是作為記錄存儲有關。

該標準的目的是允許人類和機器跨任何類型學習資源的屬性進行可追溯性。由于“學習”的含義非常廣泛，它實際上可以適用于任何描述的學習“對象”。與以前的元數據標準不同，LMT 通過將學習對象描述為學習資源或學習事件來區分其用途。學習資源是任何用于學習并旨在成為共享資源的東西，它幾乎總是數字化的。關鍵在于可以復制它，并且在獲得適當許可的情況下，可以重新部署它或先改變用途然后再部署。學習事件，單獨分類，要么是學習資源的實例，要么是資源化的學習機會。在工作組中，一種常見的表述方式是“如果你可以遲到，它就是一個學習事件”。

該標準與元數據息息相關。它允許描述、解釋和定位學習資源和學習事件，從而使這些對象的最終用戶能夠更輕松地與其建立聯系，確保其正確使用，并實現對學習資源和事件的管理。由于學習無處不在，不僅涵蓋知識，還涵蓋技能、能力和態度，因此該標準用途廣泛。此外，該標準旨在實現完全可擴展，每種“類型”的學習事件或資源都有其各自的應用配置文件。

通過區分學習資源和學習事件，現在為每種資源定義描述性數據可以使其更貼切地融入情境。也就是說，如果確定某門課程有一位講師，并且該課程是一個學習事件，我們就知道是那位講師在特定時間教授了該課程的該部分內容。某些學生也參加了該課程。如果它只是一種學習資源，那么它可能是講師，通常是授課人。當將經過適當情境化的數據與平均成績或評分等輔助數據相結合時，數據差異的本質可以更好地通過情境的變化來解釋。例如，課程是否因為講師、平臺或應用主題而更有效？

圖1：情境化課程評分和總體評分

標準中普遍使用 URI，而非特定的受控值（例如“Netscape Navigator”瀏覽器），這使得人類和機器能夠訪問 URI 上的數據并接收返回數據，從而構建一個動態的世界。URI 的唯一性意味著這些“對象”在互聯網上始終保持唯一，這極大地促進了人工智能的學習。這種處理某些屬性的方法也開始解決問題。例如，數據推送/拉取問題可以通過組合使用 URI 并使用相關資源的鏈表（而非簡單的版本號）來解決。

通過解決問題并規劃基于機器的數據消費，它能夠實現一種“學習市場”，但它并非將人們與產品連接起來，目的地就在他們家門口，而是將他們與大腦的學習機會連接起來。它關注的不是產品到貨和類似物品的物流，而是在正確的時間、正確的任務中尋找相關資源。它可以保留人類的選擇，但讓機器做出有價值且合乎邏輯的建議。

盡管在撰寫本文時該標準尚未完全發布，但美國國防部 (DoD) 已在其國防部指令1322.26 分布式學習的參考（擴展）中使用了該標準（https://www.adlnet.gov/policy/references/）。所有國防部機構都必須遵守此指令。

采用該標準的影響意味著不僅有標準化的術語，而且還有內置于這些術語中的標準化實踐。其影響意味著諸如消歧、可搜索性、版本控制和通知等問題將變得更加容易解決，并且任何共享數據都是可靠的。

雖然該標準今年剛剛發布，且項目將于同年到期，但IEEE 計算機學會學習技術標準委員會工作組（https://sagroups.ieee.org/ltsc/)）將在2025年結束之際，繼續向開源存儲庫提供架構，甚至可能提供采用實踐。2025年后，所有 LTSC 開放標準的工作將過渡到計劃中的學習技術標準委員會 (LTSC) 子小組，并在可預見的未來繼續進行。

學習元數據術語允許以圖形格式表達學習資源和學習事件，從而使機器能夠“抓取”數據，無論其來源如何。通過在設計中考慮互操作性，系統可以輕松地相互通信，甚至可以共享AI算法和模型。遵循標準中設計的實踐，可以實現更強大的搜索和發現功能，并有機會連接到學習生態系統中的其他數據，最終賦能學習者及其指導者。

考慮采用 LMT 標準來編目或共享學習資源或活動。該標準輕量且可擴展。該標準可在線購買：https://standards.ieee.org/ieee/2881/11719/。

免責聲明：本文內容由作者全權負責。文中表達的觀點僅代表作者個人，不代表 IEEE、計算機學會及其領導層的立場。