身处万物感知、万物互联、万物智能的时代，学习领域也在持续发展，从数字化学习（e-Learning）、移动学习（m-Learning）、泛在学习（u-Learning），再到智慧学习（s-Learning）
数字化背景下的学习模式，将由信息单向传递、以内容为中心，转变为以需求为导向的协同共享式学习；以正式学习为主，转变为在虚实融合的学习环境中的非正式学习为主；由刻板的教师设计和呈现、学生被动学的学习策略，转变为生成性的学习策略。
数字化背景下，学习模式发生了四大转变，尽量满足当前人们学习行为特征的需求。
1.共享式学习，打破组织层级限制
如今，学习资源获取的便利性大大增强，从而更多学习活动会发生在学习者遇到现实问题时，即时获取相关学习资源。另外，在各种网络学习平台的支撑下，学习者与学习者，学习者与讲师之间的交互更加便捷，空间距离不再构成障碍，各种交流平台也一定程度上打破组织层级限制，极大增强了学习中的协同、共享、交互。
学习的发生不再完全依靠教师提供的教学内容、课件，而可以通过众多用户共享信息、密切交互来实现学习，从而形成协同共享的学习方式。学习者对传统以内容为中心、信息单向传递的学习的依赖性大大降低，更多学习体现为以需求为导向的协同共享式学习。
2.非正式学习，虚实融合
在各种移动学习平台、绩效支撑系统的支持下，学习更多地发生在课堂之外的日常工作及业余生活之中。
如前文所说，一些学习正在非正式化，借助网络平台非线性、碎片化地发生。组织构建的绩效支持系统，学习者本人编织的求助网络，以及更大的万维网，构成了虚实融合的学习环境。在这个环境中，非正式学习成为了学习者的主要学习形式，学习者应需及时学习，获取信息。
3.自主开发，打造学习关系网
首先，在学习活动中，学习者从接受者逐渐变为学习资源的开发者。新范式下学习者参与到学习资源开发的过程，学习资源在学习者的参与下迭代刷新。另外，学习者可灵活运用学习资源，并与其他学习者进行分享。
这样，经由学习者组成的强连接人际关系网络，和社会性网络形成的弱连接群体，构建起了基于学习者关系的学习资源共同体，为学习资源的协同创建和广泛运用提供了保障。
其次，在Web 2.0 的技术支持下，学习者主动开展自我学习设计成为可能，学习者可根据自身需求主动设计个性化的学习过程。
4.学习管理系统，从封闭到开放
之前，学习系统如同一个岛屿，在万维网这个巨大的资源海洋中呈现出一个封闭的区域，以一种高度集中和独立的形式运行。
在新的学习范式下，学习管理系统可以作为学习的起点，以及在互联网等各类学习资源平台中搜索与使用资源的路标。而那些链接到互联网或其他工具，并保持版本不断更新的学习管理系统，甚至可以成为个人学习门户网站。
回到现实工作，数字化转型的趋势，对于学习与发展的现实工作实践存在多种启发。
1.加强平台建设，提升激励机制
学习更多地发生在课堂之外的日常工作及业余生活之中。而这种借助网络学习平台发生的非正式学习，交付成本低，便于全球复制。为此，除了在正式学习上的投入外，也应持续加大在促进与支持非正式学习上的投入。
其一，提供与推介便捷的平台与工具，方便员工及时、自助式总结经验、萃取知识，输出各种形式的微课，在内部学习平台共享（如ilearningX平台、MIX视频制作工具）。
其二，在激励举措方面，通过各种形式的物质与非物质激励方式，鼓励员工参与到学习资源的开发中来，贡献案例，贡献经验。
2.拓宽学习者知识获取途径
在学习资源开发、学习活动设计中，可着力强化学习者的“知识获取途径（Know-Where）”，即如《关联主义：数字化时代的一种学习理论》所说——“优化学习者的外在网络”。
具体实施时，其一，可以在各类正式学习与非正式学习中，纳入相关延展学习资源的介绍。
其二，更多采用探究式教学的方式（创设情境—启发思考—自主探究—协作交流—总结提高），如复盘、经验萃取、输出论文这些已成功实践的学习方式，让学习者在自主探究活动中熟悉相关学习资源的储存路径，拓展自己的学习资源空间。
其三，进一步强化学员之间的连接。每个学员既有的知识积累即是一个小宇宙，而且会在后续个人的学习中持续更新迭代。集训班中可强化学员间的连接，促进对彼此的了解，形成各种“团粒结构”，更好地促进知识及经验的交流与共享。
3.强化思维框架训练，解决复杂问题
更多非正式学习发生后，正式学习的设计与交付，则可以将有限的注意力和时间资源投入到思维框架的训练、复杂情境的应对、复杂问题解决这类更有价值的学习任务之中。
实施中，事实知识（Know-What）及技能知识（Know-How）中的部分基础内容均可通过在线学习平台自助式学习，或构建绩效支持平台，由学习者在工作中应需即时查询。
正式的学习项目则进一步强化思维框架的训练，采用应对复杂情境的演练、案例研讨，或自主探究式的复盘、经验萃取、论文输出这类形式。
4.数据分析，制定个性化学习服务项目
移动互联网2.0的相关技术学习过程中的相关数据的记录、存储与分析提供了极大的便利。企业可以尝试更多对相关数据即时、动态的分析，为学习设计、学习交付决策提供数据支持，以及为学习者更高效的学习提供支持。
如线上课程开发与交付中，可从学习者学习的时间段了解学习者的学习习惯，从各章节的学习时长、在某内容点上停留的时长，了解学员对相关内容的喜好等。
又如，通过相关数据分析，让学习者清晰看到自己的学习过程、进步情况，与同组学员相比的优劣，与学习目标相比的状态，从而激发学习动力，促进学习者更高效地学习。
再如，及时捕捉完整学习历程中动态生成的重要数据，在对学习者相关数据智能分析基础上，提出相应的学习策略与建议，并有针对性地配送个性化学习服务
本文来自培训杂志，更多精彩敬请关注思创云学习！
