xAPI (Experience API) / LRS

ADL は米国国防省内の組織であり、分散学習による最高品質の教育・トレーニング・インフォーマル学習を提供するためのベストプラクティスを推進しています。 ADL は米国国防総省のみでなく、世界中のパートナー・業界・学界にも広くサービスを提供することを目的としており、将来を見据えた分散学習トピックの思想的リーダーとしての役割を果たしています。 ➡https://www.adlnet.gov/

学習経験データの相互運用性のために xAPI 規格に準拠した共通形式の履歴データにすることを「ステートメント定義」と言います。
１個の xAPI ステートメントには 「誰が（ Actor ）」「何を（ Object ）」「経験したか（ Verb ）」という体系で記述する決まりになっています。

追加の情報は Context や Result、そして timestamp に記載されます。こうして作成されたステートメントは xAPI 専用のデータベースである LRS によって検証され、合格すれば保存されます。 また、xAPI はアプリ間で学習経験データをやり取りする際に使用される API 転送方法を標準化することによって、相互運用性を実現します。

ステートメント定義における「verb」は任意に設定することができますが、同一の verb であっても利用者によって意味が異なるケースがあります。 そのため、これは事前に定義された IRI を指定する（必須）ことにより確認することができます。
これが「xAPI プロファイル」であり、特定のドメイン（業界や特定領域）における語彙と使用規則のセットです。
ADL では、各組織が登録して公開できる「xAPI プロファイルサーバー」を提供しています。 ➡https://profiles.adlnet.gov/

xAPI ステートメントのインプットは LMS に限らず、学習アプリケーション、デジタル教科書、人事情報システムや学生情報システム等のデータも対象とすることができます。 また、動画配信システムやシミュレータ、さらには SNSの発言情報等々、あらゆるデータを共通のフォーマットに統一して投入します。インプット側の LRP から直接に記録する方法と、LRP の既存の履歴データを xAPI ステートメントに変換して記録する方法があります。

※ ジンジャーアップでは、各 LRP が出力する履歴データを xAPI ステートメントに自動変換するコンバーターを提供しております。 これにより、既存 LRPシステムの履歴出力機能を改訂することなく、LRS への xAPI ステートメントの記録が可能になります。

適合LRS
ADL は、各事業者が作成した LRSが仕様に沿って正しく準拠して作成されているか、1300項目以上に渡って厳しく自動審査する「テストスイート」を提供しています。 このテストを 完全クリアすると、ADL は「適合 LRS」として認証し、リストに掲載されます。ADL は LRS システムの構築において「適合 LRS」を採用するよう、強く推奨しています。 適合LRS に記録された xAPI ステートメントは規格に準拠したデータであるため、複数の 適合 LRS 間における相互運用性が守られます。 ➡https://adopters.adlnet.gov/products/all/0

※ ジンジャーアップ開発の LRSは、このテストに合格し、ADLが発表する「適合 LRS一覧 」に掲載されています。
現在、全世界で 40社程度の合格状況の中で、国内では当社が唯一です。 ➡https://www.gingerapp.co.jp/service/lrs_server.html

xAPI は、LRP が別々に取得する複数の学習経験ログデータを LRS に共通形式で記録統合して分析することにより、教育研修の実施・管理、そして測定方法に革新をもたらすものです。

例として、

• 組織内で利用されてる複数の LMS の学習ログを LRS に共通形式で記録統合することにより、学習者の履歴データを横断して集計・分析できます。
• 学習経験ログと営業成績データとを LRS に共通形式で統合することにより、学習者、および、チームの教育 ROI を分析できます。
• 学習経験ログとｅポートフォリオなどの情報を組み合わて分析することにより、それぞれの相関関係を把握することが有効です。
• 学習ログと意識調査データや営業成績データ等を LRS に共通形式で統合することにより、ハイパフォーマーと一般従業員との意識差の特徴点を分析することができます。
• 地域間での人口変化率やその他さまざまなパラメータと平均学力スコアなどとの関係、分布等をマップ上に提示し直感的に把握することができます。

適合 LRS 間では相互運用性が保てるため、他の適合 LRS が記録している学習経験データを共有することが可能です。関係会社間や省庁間にて人事異動があっても継続してデータ活用することができます。

既に、欧米では、このような積極利用が行われており、VISA，トラベラーズ，イントゥイット，NHS，ウォルマート，ケンタッキーフライドチキン，ダノン，キャタピラー，シティバンク，ベライゾン等々の企業において、それぞれの目的に応じた導入事例が出ています。また、米国国防総省、および、その他の連邦政府機関では xAPI の適応が義務付けされつつあります。日本国内においては、初等中等教育における活用の検討が進んでおります。

- LRP による詳細のアクションをアクションごとに LRSに記録することができます。学習やトレーニングの開始・終了、成績の合否のみならず、 各受講者がどういう時間帯にどういったパターンで学習しているか等々の情報を取得でき、より詳しい比較分析が可能となります。

• 動画コンテンツの詳細視聴履歴：秒単位での視聴履歴
• デジタル教科書におけるクリック箇所
• 複数あるコンテンツやクイズ問題の学習順番

等
- 経年において利用する教材が変更となった際にも、変数を加味することにより、継続して成績管理が可能となります。
- 教材の学習状況を集計分析することにより、次回の改訂時に、繰り返し参照されている部分は追加説明、参照が少ない部分は圧縮するといった教材の改善を図ることができます。
- 長期データの蓄積により、現時点での受講者と傾向の近い先輩データを抽出し、今後の学習・トレーニングにおいて、同様の傾向を取る可能性が高いものとして、事前把握が可能となります。
- 個別単元の成績と総合成績との相関関係を分析することにより、重要個別単元の学習を強化する指導も可能です。

1990年代、インターネットの利用拡大と共に分散学習方式が広がりました。まず、航空業界において教材の相互利用のための共通化がすすめられました。

- 1998年： AICC ( Aviation Industry Computer-Based Training Committee ) がCMI ( Computer Managed Instruction ) Web版をリリース

その後、大学や企業間においても、異なった LMS でも相互運用できる教材のための規格が ADL より発表され、続いて改良が重ねられました。

- 2001年： ADL が SCORM ( Shareable Content Object Reference Model ) 1.2 をリリース
- 2004年： ADL が SCORM2004 をリリース

一方、AICC では 2010年から CMIと SCORM をリプレースするプロジェクトが開始されていました。
この間、通信やデバイス等テクノロジー急速な発展に伴い、ADL では、システムと学習経験履歴との相互運用性のための規格検討が進められました。
そうして、xAPI がリリースされます。

- 2013年： ADL が xAPI ( Experience API ) Ver.1.00 をリリース

※ DLC デジタルラーニングコンソーシアム による日本語翻訳ファイル（Ver. 1.02) ➡https://www.elc.or.jp/files/user/doc/tincan/xAPI_ja.pdf

AICC の CMI5 プロジェクトは xAPI が発表されたため、 この規格をベースにして検討されることとなり、xAPI 規格上の LMS 機能の規格が ADL から発表されました。

- 2016年： ADLが cmi5（シーエムアイ・ファイブ） Ver. 1.00 をリリース

※ DLC デジタルラーニングコンソーシアム による日本語翻訳ファイル ➡https://www.elc.or.jp/files/user/doc/tincan/cmi5_spec.pdf

- 2017年： ADL が xAPI Ver. 1.03 をリリース

その後、xAPI 規格は電気・電子工学分野の学会である IEEE にて検討が進められました。

- 2023年：xAPI Ver 2.0 = IEEE 9274.1.1-2023 としてリリース ➡https://opensource.ieee.org/xapi/xapi-base-standard-documentation

IEEE 9274.1.1 は、JSONデータモデル形式と学習者体験データ追跡およびアクセス用の RESTful Webサービスを対象としています。
xAPI ver 1.03 までは xAPI ステートメントを検証・記録するデータベースである「LRS」に関してのみの記述でしたが、IEEE 9274.1.1 では「LRP」と「LRC」の仕様が追加されております。
今後「LRS」に記録する「LRP」 、および、データを利用する「LRC」側の機能も、この規格に準拠していく必要があります。

これにより、xAPI は業界標準から国際標準となり、正式な技術標準として確立されることは、世界中での xAPI の普及と利用を促進することになります。

※ IEEE (The Institute of Electrical and Electronics Engineers) （アイ・トリプル・イー） ：電気電子学会。電気・電子工学分野の世界最大級の専門家組織で、技術標準の策定など幅広い活動を行っている。

xAPI 規格上の LMS 機能規格である cmi5 には以下の特長があります。

- 学習管理機能である「LMS」と コンテンツ管理機能である「コンテンツマネージャー」、そして学習履歴のデータベースである「LRS」が分離しており、それぞれ通信して動作します。
- これにより、「LMS」「コンテンツマネージャー」「LRS」は、それぞれ別々のドメインに設置することが可能です。
- 当然、LRS は独立して稼働できますので、外部の LRP の学習経験ログも記録でき、複雑なシステムを自由に構成可能です。
- コンテンツマネージャーも複数のサーバーに設定できるため、例えば、一つの学習コースにおいて、チャプター１は自社のコンテンツを、チャプター２は外部のコンテンツを、チャプター３は海外のコンテンツを利用するといった利用が出来ます。 その上で、すべての学習経験履歴を LRSに記録できます。
等
ジンジャーアップでは xAPI / cmi5 規格に準拠した LMS である「xSTAGE / LMS」も開発し提供しております。

昨今の生成AI の発達は目覚ましく、xAPI と連動することにより、さらに新たな可能性が出てくる見込みです。

- 組織内コンテンツ（教材に限定されず、規定・マニュアル・企画書等を含む）の検索と評価、レコメンド
- 生成AI による各 LRP の学習経験ログの xAPI ステートメント自動変換
- LMS 機能と生成AI 機能連動による教材作成、履歴管理
- 生成AI による LRS 記録データからの分析レポート自動作成
- LRS 記録データを活用した RAG の精度向上
等
ジンジャーアップでは、こうした生成AI 連動による機能拡大も進めており、今後、サービスリリースと共に情報公開して参ります。