学习科学诞生于一个教学之外的问题

这门学科成立时确立的第一件事，是把研究对象从讲授动作换成学习者在学习过程中的加工。讲授、教材与课时属于输入条件，由培训方安排；学习者是否对内容作出解释、比较和判断，属于另一类事实，需要单独观察。认知心理学、教育学与计算机科学的研究者在数十年间关注的正是这类过程：信息经过哪些处理，之后才可能被再次调用。

第二件事是结论的成立方式。讲授者对课程效果的自我评估、学员课后填写的满意度评分，反映的是主观感受；这门学科要求结论落在可以被观察的行为上——学员能否复述关键区别、能否在给定情形中选出处理方式、间隔一段时间后能否再次说明同一内容。企业培训的评估长期停在满意度一层，而满意度评分与学员在过程中的实际处理之间没有可靠的对应关系。

企业培训的立项、评审与结项通常围绕交付物展开：大纲是否覆盖必备知识点、课件是否成稿、课时是否排满、参加人数是否达标。这套口径能够管住内容是否齐全与进度是否按期，但它对学习过程不提要求——一门课可以在全部验收项上通过，同时不包含任何需要学员自己处理内容的环节。

要让学员在过程中作出解释、比较或判断，这些环节必须先被写进内容结构，成为课程的组成部分；要让这些环节能被回看，还需要在学习环节中留下记录。目前多数课程的结构由知识点顺序决定，学员的动作不在结构里；培训数据集中在是否参加、是否完成与学习时长，学员处理了什么也不在数据里。

资料与可学内容的差别是可以列清的：写明这段内容要达到的学习目标，按前置关系排定顺序，补上业务材料中被省略的必要解释，标出学员需要自己处理的环节，并留出内容变化后的更新位置。这几项构成一份可以逐条核对的形态清单。以往的困难不在于清单不清楚，而在于把内部资料补齐到这份清单所需的人工投入。

AI 可以按这份清单处理企业已有的资料：识别其中的关键知识、给出顺序与结构的初步组织、补写省略的解释、把每段内容对应的处理环节列出来。形态是否齐全由此成为可以核对的工作。培训团队投入的位置随之变化：口径是否与业务一致、任务是否对应真实情形、解释是否够用，仍然需要人逐条确认。