또한 이벤트가 발생한 시점(eventTime)을 항상 같이 기록하게 되어 있으므로 이벤트에 대한 추적과 이해에 도움이 됨

예를 들어, “누가(actor) 언제(eventTime) 무엇을(object) 했는지(action)”를 JSON-LD 형식으로 기록할 수 있기 때문에 기계적인 해석과 동시에 사람도 쉽게 이벤트의 내용을 파악할 수 있음

아래 그림에 점선으로 표시된 부분은 이벤트를 보다 정밀하게 기록할 수 있도록 이벤트를 발생시킨 사람의 소속, 이벤트가 발생한 구체적인 학습 환경이나 도구, 이벤트를 발생시킨 목적 등 맥락을 상세하게 기록할 수 있는 속성들도 정의하고 있음

예를 들어, 시험이 시작되고 끝난 이벤트는 ‘(type)’ 속성에 ‘Assessment’ 값을 기록하고, 멀티미디어 자원을 활용하면서 발생하는 이벤트는 ‘Media’ 이벤트를 기록

Caliper Analytics 표준 버전 1.2에 정의된 스물한 가지 이벤트 유형은 다음과 같음

사람, 그룹, 조직, 디지털 콘텐츠, 교육과정/코스, 소프트웨어 응용프로그램, Caliper 이벤트의 “내용(stuff)”을 구성하는 기타 개체를 구체적으로 설명하기 위해 아래 그림에서 보는 바와 같이 개체와 개체의 하위 유형들을 정의 (세부적인 개체 설명은 분량이 많으므로 Caliper Analytic 1.2 표준 문서 참조)

학습 활동 데이터를 JSON 형식으로 실시간으로 기록하며, API 기반으로 전송하여 데이터 분석에 활용함

xAPI의 구문은 Actor, Verb, Object의 기본 3요소를 중심으로 구성되며, 확장 가능함

학습자의 위치, 학습 환경, 도구 등 맥락 정보를 포함하여 학습 활동을 세밀하게 추적 가능함

이벤트 데이터를 기록할 때 발생 시간(Timestamp)을 명시하여 시계열 분석에 유용함

xAPI는 “Actor(누가) Verb(무엇을 했는지) Object(무엇에 대해)”라는 3요소를 기반으로 데이터를 기록함

Actor : 학습 활동을 수행한 주체를 나타냄(예: 학습자, 교사 등)

Verb : 학습 활동을 설명하는 동작(예: “Viewed”, “Completed”, “Answered”)

Object : 학습 활동의 대상을 설명함(예: 특정 문서, 동영상, 문제)

학습 활동의 맥락(Context)을 구체화하기 위해 “Result”, “Context”, “Attachments”와 같은 속성을 추가로 기록 가능함

예) 학습자가 동영상을 시청하고 완료한 경우, 동영상의 길이, 시청 시간, 재생 여부 등을 추가 기록함

xAPI는 JSON 형식을 사용하여 데이터의 상호운용성과 기계 판독성을 보장함

학습 경로 추적 : 학습자가 학습 과정에서 어떤 자원을 사용했는지, 학습 경로를 상세히 기록함

학습 성과 분석 : 학습자가 문제를 얼마나 정확히 해결했는지, 학습 목표 달성 여부를 분석함

멀티미디어 학습 기록 : 동영상 재생, 문서 보기, 시뮬레이션 사용 등 다양한 학습 자원 활용 데이터를 기록함

협력 학습 분석 : 팀 프로젝트와 같은 협력 학습 활동에서 개별 기여도를 추적함

xAPI는 다양한 환경에서의 활용을 위해 확장 가능한 데이터 구조를 제공하며, 학습 관리 시스템(LMS), 학습 기록 저장소(LRS), 외부 도구 간 데이터 교환을 지원함

xAPI는 Caliper Analytics 표준과 달리 구문 규칙만 정의되어 있으므로, 데이터의 속성은 구현하는 사람이 직접 구현해야 함

xAPI 표준은 Caliper Analytics와 함께 사용하여 학습 환경의 데이터를 보다 풍부하게 기록하고, 서로 다른 시스템 간 상호운용성을 높일 수 있음

(대분류) 학습데이터는 학습 활동의 분류를 의미하는 대분류 수준의 ‘영역’으로 우선 구분함

(중분류) 각 영역은 중분류 수준의 ‘항목’으로 분류하고 있음

(소분류) 각 데이터의 특성은 컨테이너 또는 속성의 묶음으로 설명할 수 있는 엔티티(Entity)로 분류함

각 컨테이너는 실제 데이터의 특성에 관한 메타데이터인 속성(Attribute)들로 구성되어 있음

속성은 데이터의 고유한 특성을 나타내는 메타데이터⁽⁴⁾와 활용한 결과로 생성되는 집계성 메타데이터⁽⁵⁾로 구분할 수 있음

속성 중에서 행위를 의미하는 메타데이터는 “verb”로 구분하고 있으며, 주로 이벤트 타입의 데이터를 표현할 때 활용함

객체 : 주로 컨테이너에 해당하는 데이터 형식으로 ‘object’로 표시

숫자형 : 데이터의 길이에 따라서 소수점을 갖는 긴 길이의 ‘float’와 정수로 표현하는 비교적 짧은 길이의 ‘integer’ 형식으로 구분

문자형 : 길이에 상관없이 문자열 데이터 형식은 ‘string’올 표시

진위형 : 두 가지 경우 중에서 한 가지를 선택하는 진위형 형식은 ‘boolean’으로 표시

날짜형 : 날짜와 시간을 표현하는 형식은 ‘timestamp’로 표시하고, 데이터 포맷은 ‘표현형식’ 칼럼에 별도로 설명이 되어 있음

제한된 어휘 목록 : 일부 속성은 정해진 목록 중에서 값을 선택하여 입력하도록 통제되어 있는데, 이 경우 선택할 수 있는 값의 목록은 ‘표현형식’ 칼럼을 참조할 수 있음

기본값 : 일부 속성은 null 값을 허용하지 않고 기본값을 입력하도록 제한하고 있으므로 ‘표현형식’ 칼럼을 참조할 수 있음

행위동사형 : 주로 이벤트 형식의 데이터를 표현할 때 활용하는 형식은 ‘term’으로 구분하여 표시

Transaction Data는 실시간으로 발생하는 개별 이벤트 데이터를 빠르게 처리하여 즉각적인 피드백이나 시스템 반응이 필요한 경우 활용됨

Tracing Data는 시간 축에 따라 데이터가 누적되며, 사용자의 행동 패턴이나 학습 경로를 추적하고 분석할 때 중요한 역할을 함

Transaction Data는 MQTT, ISO/IEC 20922와 같은 실시간 데이터 전송 표준을 활용

Tracing Data는 Caliper Analytics 또는 xAPI와 같은 데이터 수집 기술을 통해 학습 경로와 이벤트의 상호 연관성을 분석할 수 있음

집계성 데이터는 학습 결과나 성과를 평가하는 데 중점을 둔 데이터로, 학습자나 콘텐츠별 성취도 분석 등에 활용함

이벤트 데이터는 개별 학습 활동의 세부 정보를 추적하여 실시간 행동 분석 및 학습 개선의 기초 데이터를 제공함

집계성 데이터는 정기적인 배치(batch) 처리로 효율성을 극대화함

이벤트 데이터는 실시간 데이터 처리를 통해 즉각적인 응답을 제공하며, 사용자 경험을 향상시킴