$\mu$Ed API: Towards A Shared API for EdTech Microservices

Dit paper stelt een eerste specificatie voor van de $\mu$Ed API, een platformonafhankelijke standaardinterface voor educatieve microservices die interoperabiliteit mogelijk maakt om automatisering op het gebied van feedback, beoordeling en chatbots te bevorderen.

De kern

Stel je voor dat onderwijssoftware een enorme stad is. In deze stad zijn er grote, zware gebouwen: de leerplatforms waar studenten hun huiswerk inleveren en docenten lesmateriaal plaatsen. Deze gebouwen zijn enorm en stevig, maar ze zijn ook erg star. Als je eenmaal in zo'n gebouw woont (of werkt), is het heel moeilijk om eruit te verhuizen. Dit noemen de auteurs "lock-in". Je zit vast aan de regels van dat ene gebouw.

Het probleem is dat deze grote gebouwen vaak niet goed kunnen met de specifieke taken die je nodig hebt voor bepaalde vakken. Bijvoorbeeld: een platform dat goed is voor wiskunde, is misschien slecht in het geven van feedback op een geschiedenisopdracht, of het kan geen slimme chatbot hebben die helpt bij het leren van een taal.

De oplossing: De "Microservice"-wijk

In plaats van één gigantisch, alles-in-één gebouw te bouwen, stellen de auteurs voor om een wijk te creëren vol met kleine, gespecialiseerde winkeltjes. Dit noemen ze microservices.

• Een klein winkeltje is misschien alleen gespecialiseerd in het corrigeren van wiskundige formules.
• Een ander winkeltje is alleen een slimme chatbot voor biologie.
• Een derde winkeltje geeft automatisch feedback op essays.

Deze kleine winkeltjes zijn makkelijk te bouwen, makkelijk te vervangen en kunnen door experts van over de hele wereld worden bedacht. Maar hier is het probleem: als elke winkelier zijn eigen taal spreekt en zijn eigen manier van werken heeft, kunnen ze niet samenwerken met het grote leerplatform. Het platform weet niet hoe het een bestelling moet plaatsen bij de wiskunde-winkel als die winkel een heel ander systeem gebruikt dan de biologie-winkel.

De oplossing: De µEd API (De Universele Bestelbon)

Om dit op te lossen, hebben onderzoekers van vier verschillende universiteiten (in Duitsland, Engeland, Zwitserland en Singapore) samen een standaard bestelbon ontworpen. Dit noemen ze de µEd API.

Stel je deze API voor als een universele taal of een standaardformulier dat iedereen in de stad gebruikt.

• Vroeger: Als je een vraag had aan de wiskunde-winkel, moest je een brief schrijven in het Duits. Als je naar de taal-winkel ging, moest je een brief in het Chinees schrijven. Het grote platform moest dan een vertaler inhuren voor elke winkel.
• Nu met µEd API: Iedereen gebruikt hetzelfde formulier. Het platform zegt: "Hier is een studentantwoord, geef me feedback." En de winkels (de microservices) zeggen: "Hier is de feedback." Het maakt niet uit wie de winkel heeft gebouwd of welke technologie ze gebruiken; ze spreken allemaal dezelfde taal.

Wat kan deze "bestelbon" nu al?

In dit papier presenteren ze versie 0.1 van deze standaard. Het is nog niet compleet, maar het dekt twee belangrijke dingen:

1. /evaluate (Beoordelen): Je kunt een studentantwoord sturen en vragen om punten of feedback. De API is slim genoeg om te vragen: "Wil je alleen een snel advies (zoals 'dit lijkt goed') of een volledige beoordeling met cijfers?"
2. /chat (Chatten): Je kunt een gesprek starten met een AI-assistent. De API zorgt ervoor dat de chatbot weet in welke context het gesprek plaatsvindt (bijvoorbeeld: "Ik help deze student met een Java-opdracht").

Waarom is dit zo belangrijk?

• Vrijheid voor docenten: Docenten hoeven niet meer vast te zitten aan de beperkingen van één groot platform. Ze kunnen de beste "winkeltjes" kiezen voor hun vak.
• Innovatie: Omdat het makkelijk is om een nieuwe microservice te bouwen (je hoeft geen heel nieuw platform te bouwen), kunnen experts sneller nieuwe tools maken.
• Veiligheid en transparantie: Omdat de systemen los van elkaar werken, is het makkelijker om te zien wat een AI precies doet en wie er toegang heeft tot de data.

De toekomst

De auteurs zeggen: "Dit is pas het begin." In de toekomst willen ze ook standaardformulieren toevoegen voor het maken van lesmateriaal (/generate), het aanbevelen van dingen aan studenten (/recommend) en het analyseren van leerdata (/analyze).

Kortom: De µEd API is de "vredesverdrag" en het "standaardformulier" dat ervoor zorgt dat de grote, trage leerplatforms kunnen samenwerken met een levendige, creatieve markt van kleine, slimme hulpmiddelen. Het maakt het onderwijs flexibeler, slimmer en toegankelijker voor iedereen.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het paper "µEd API: Towards A Shared API for EdTech Microservices" in het Nederlands.

Probleemstelling

Het paper identificeert een fundamenteel probleem in het onderwijslandschap: de "lock-in" effect waarbij onderwijsinstellingen vast komen te zitten in specifieke, algemene leerplatforms. Deze platforms zijn vaak moeilijk te vervangen of aan te passen en bieden geen ruimte voor gespecialiseerde, domeinspecifieke automatisering (zoals geavanceerde feedback, beoordeling of chatbots).

• Beperkingen: Algemene platforms kunnen niet voldoen aan de specifieke pedagogische behoeften van diverse vakgebieden.
• Huidige oplossingen: Bestaande standaarden zoals LTI, SCORM en xAPI focussen op de structuur van data en diepe integratie in workflows, maar zijn niet ontworpen voor granulaire microservices. Ze zijn vaak te zwaar en te specifiek voor eenvoudige, platform-onafhankelijke uitwisseling van functies.
• Gevolg: Er is een gebrek aan een gestandaardiseerde interface die het mogelijk maakt om gespecialiseerde microservices (bijv. voor AI-gestuurde feedback) eenvoudig en interoperabel te koppelen aan verschillende leerplatforms.

Methodologie

De auteurs hebben de µEd API ontwikkeld via een collaboratieve, cross-institutionele aanpak tussen vier onderzoeksinstituten:

1. Technische Universiteit München (TUM)
2. Imperial College London
3. ETH Zürich
4. Nanyang Technological University (Singapore)

Ontwerpprincipes:
De API is gebaseerd op vier kernprincipes:

1. Interoperabiliteit: Het creëren van een stabiele interface die hergebruik van componenten mogelijk maakt en een gemeenschappelijke terminologie hanteert.
2. Provider-agnostisch: Geen binding aan specifieke leveranciers of technologieën (bijv. specifieke LLM-modellen), waardoor experimenten mogelijk blijven.
3. Gedeeltelijke adoptie: Dienstaanbieders kunnen een subset van de functionaliteiten implementeren en deze expliciet declareren, wat de drempel voor adoptie verlaagt.
4. Pedagogische flexibiliteit: De API vereist minimale verplichte input (zoals een inzending) maar maakt rijke context (leerdoelen, criteria) optioneel. Dit zorgt voor toepasbaarheid in diverse onderwijscontexten zonder de pedagogische vrijheid te beperken.

Ontwikkelproces:
In plaats van te starten met een theoretisch model, is de API afgeleid door bestaande systemen (Lambda Feedback, Ethel, Artemis, NALA) te vergelijken, concepten te abstraheren en terminologie te aligneren. Dit resulteerde in een iteratief proces van ontwerp, review en verfijning.

Kernbijdragen: De µEd API Specificatie

De paper presenteert µEd API v0.1, een platform-onafhankelijke specificatie voor educatieve microservices, gedefinieerd volgens de OpenAPI 3.1 standaard. De API is opgebouwd rondom vijf kerncapaciteiten, waarvan er twee momenteel gedefinieerd zijn en drie gepland zijn voor de toekomst.

1. Huidige Capabilities (v0.1):

• /evaluate (Beoordeling & Feedback):
  • Een gestandaardiseerde interface voor zowel formatieve feedback (leren) als summatieve beoordeling (cijfers).
  • Ondersteunt verschillende evaluatiemodi, inclusief "preliminary feedback" (bijv. voor handgeschreven invoer).
  • Input bestaat uit een inzending en optionele context (taakomschrijving, beoordelingscriteria).
  • Output bevat gespecificeerde feedback, punten en suggesties voor actie.
• /chat (Educatieve Dialoog):
  • Ondersteunt multi-turn gesprekken gebaseerd op educatieve context (taakdetails, leerdoelen, voorkeuren).
  • Onafhankelijk van het onderliggende model (hoewel momenteel gebaseerd op GenAI/LLM's zoals OpenAI), waardoor het toekomstbestendig is.
  • Ondersteunt stateful conversaties via een conversatie-ID.

2. Geplande Capabilities (voor toekomstige versies):

• /generate: Generatie van educatieve content.
• /recommend: Aanbevelingen voor leerders.
• /analyze: Analyse van leerdata (learning analytics).

Technische Kenmerken:

• Lightweight: Geen diepe integratie in client-workflows (in tegenstelling tot LTI/SCORM). Microservices manipuleren geen data binnen het platform zelf.
• Health Check: Een /health endpoint om runtime de ondersteunde functies te ontdekken (bijv. welke talen of artefacttypes worden ondersteund).
• Security & Privacy: Ondersteuning voor authenticatieheaders, time-based keys en een dataPolicy object voor gegevensbeheer.

Resultaten

• Operationalisatie: De API is succesvol ontwikkeld en wordt momenteel geïmplementeerd en gebruikt door de vier betrokken instellingen.
• Validatie: De cross-institutionele review heeft bewezen dat de API diverse use-cases kan accommoderen zonder dat bestaande diensten substantieel moeten worden herontworpen.
• Specificatie: Een volledige, machine-verwerkbare specificatie (OpenAPI 3.1) is beschikbaar gesteld, inclusief voorbeeld-payloads voor requests en responses.
• Balans: Het paper toont aan dat het mogelijk is om een balans te vinden tussen over-specifiëren (wat adoptie remt) en onder-specifiëren (wat interoperabiliteit ondermijnt).

Significantie en Toekomstperspectief

De µEd API heeft een belangrijke bijdrage geleverd aan de EdTech-ecosystemen door:

1. Verlagen van drempels: Het maakt het voor domeinexperts (bijv. docenten in specifieke vakken) eenvoudiger om gespecialiseerde automatiseringen bij te dragen zonder volledige platform-ontwikkeling.
2. Ombreken van Lock-in: Het biedt een weg uit de afhankelijkheid van gesloten platformen door interoperabele, uitwisselbare microservices mogelijk te maken.
3. Schaalbaarheid en Transparantie: Het bevordert een gedecentraliseerd ecosysteem dat transparanter is en schaalbaarder dan monolithische oplossingen, wat essentieel is voor de integratie van nieuwe technologieën zoals Generatieve AI.
4. Toekomstige Uitbreiding: De API is ontworpen als een extensibel raamwerk. De auteurs nodigen de bredere gemeenschap (K-12, niet-STEM domeinen) uit om bij te dragen aan de specificatie om de terminologie en functionaliteit verder te verfijnen.

Kortom, de µEd API vormt de technische basis voor een toekomstig ecosysteem van interoperabele, domeinspecifieke educatieve diensten die de leerervaring verrijken en pedagogische autonomie herstellen.