Sommaire de l’article
La Total Learning Architecture, c’est quoi :
La Total Learning Architecture est un ensemble de spécifications et de normes permettant, au sein d’un écosystème d’apprentissage, l’interopérabilité de différents systèmes et l’exploitation de données.
Explications.
On vous a déjà parlé de xAPI dans notre article sur le Learning Record Store (LRS), c’est une de ces spécifications.
C’est la nouvelle norme de reporting émise par l’agence ADL et développée pour quantifier la formation au sein du département de la Défense américain.
Petit à petit, ce standard, qui date de 2016, fait son chemin dans les écosystèmes d’apprentissage en entreprise.
Le département de la Défense américain est d’ailleurs en constante recherche d’innovation sur ces sujets. Il est déjà à l’origine de nombreuses spécifications sur les standards actuels du e-learning.
Nous lui devons des innovations comme les téléphones portables, les GPS, la réalité virtuelle, la production de masse des automobiles… qui ont d’abord été développées pour un usage militaire avant d’être largement démocratisées auprès du grand public.
Aujourd’hui, nous voudrions vous parler de la Total Learning Architecture (TLA). C’est une architecture fonctionnelle, technique, qui se concentre sur le continuum de l’apprentissage. La TLA fait encore l’objet de nombreuses recherches et publications.
Cette architecture a principalement pour but de faire passer les organisations d’un modèle centré sur le contenu à un modèle centré sur l’utilisateur. Mais aussi de permettre une interopérabilité de l’apprentissage, une aide à la prise de décision, et enfin une prise en compte de l’intégralité des expériences d’apprentissage (multi-modalité).
Pour ce faire, l’ADL insiste sur les caractéristiques suivantes afin de créer une architecture d’apprentissage totale :
Continu : Sur l’intégralité d’une carrière, non épisodique et personnalisé.
Blended : Mélanger apprentissage formel et informel, présentiel et digital.
Centré sur l’entreprise : L’apprentissage, l’éducation et la gestion des talents sont interconnectés et doivent être vus comme un tout.
Diversifié : Utiliser différentes méthodes et technologies d’apprentissage.
Centré sur l’apprenant : S’adapter aux besoins de l’apprenant et de l’équipe.
Basé sur les compétences : Évaluation des compétences et analyse des trajectoires.
À la demande : Disponible quand l’apprenant en a besoin.
Orienté données : Agréger des données de plusieurs sources, les analyser et prendre des décisions.
Basé sur le Cloud : Pour améliorer la disponibilité et la flexibilité des services.
Bien sûr, tout ceci n’est pas possible à implémenter en une seule fois et dépend du niveau de maturité des entreprises dans leur stratégie learning.
De plus, il n’existe pas, à l’heure actuelle, sur le marché, une solution sur étagère qui réponde à l’ensemble de ces points.
Et c’est de ce postulat que part toute la réflexion sur xAPI ainsi que sur l’architecture d’apprentissage totale (AAT).
Elle part du fait que les systèmes évoluent à des rythmes différents,
que les éditeurs de solutions sont multiples et qu’il faut souvent hériter d’une situation passée dans son entreprise,
qu’il n’existe pas de solution intégrée qui permette de faire tout ceci.
Au contraire, l’interopérabilité et l’interconnexion des systèmes composant cet écosystème sont clés.
Selon la maturité de l’entreprise, différentes actions peuvent être prises pour commencer à adopter une approche d’écosystème et de TLA.
L’idée est de construire, étape par étape, votre écosystème d’apprentissage (TLA compliant).
Par exemple, l’étape 1 serait ici d’implémenter un LRS (Learning Record Store) et la norme xAPI, permettant de séparer les traces d’apprentissage du LMS ou TMS et ainsi de sauvegarder l’ensemble des données du profil apprenant de manière structurée à travers les différents outils.
Une deuxième étape pourrait être de configurer l’approche de Learning Analytics au-dessus de cette nouvelle architecture de données (dashboards, moteurs d’analyse).
Une troisième étape pourrait être l’implémentation d’un référentiel de compétences et d’un modèle de métadonnées.
Tout comme avant d’investiguer l’implémentation de la recommandation (IA), il faut, à minima, disposer d’un bon moteur de recherche. Idéalement, il faudrait également un accès à un vaste entrepôt de données (ce qu’est le LRS), en croisant différents types de données.
Vous vous en êtes déjà rendu compte : les solutions, en devenant plus pertinentes, se complexifient davantage.
Les seules compétences pédagogiques des départements L&D ne sont plus suffisantes pour construire, dès aujourd’hui, une architecture scalable qui va perdurer des années, indépendamment de vos fournisseurs.
Il y aura de plus en plus de sources de contenus, de plus en plus de profils différents à gérer, et de plus en plus de compétences.
Certaines que nous ne connaissons pas encore, mais que nous verrons « surgir » dans nos populations à travers la consultation des learning analytics.
C’est là tout l’enjeu d’avoir un système dynamique, en opposition aux modèles de données statiques de l’ensemble des LMS du marché.
Cette pyramide est l’illustration même du fait que de bonnes fondations sont nécessaires pour pouvoir construire une architecture pérenne. Une architecture dans laquelle les innovations à venir vont s’ajouter fluidement. De même, la modularité de cette architecture vous permettra donc d’économiser de l’argent et de limiter votre risque.
Pour en savoir plus sur l’architecture d’apprentissage totale, vous pouvez vous référer aux publications de l’ADL sur le sujet : https://adlnet.gov/projects/tla/
35 boulevard Solférino
35000 Rennes
France
Suivez-nous sur les réseaux sociaux
