企业培训学习模式是如何转化的？在万物感知、互联、智能化的时代，学习领域也在不断发展，从e-learning、m-learning、U-learning到s-learning。数字化背景下的学习模式将从单向的信息传递和基于内容的学习转变为面向需求的协作共享学习。主要的学习策略是形式化学习，在虚拟现实整合的学习环境中转化为非正式学习；学习策略由僵化的教师设计和呈现、学生的被动学习转化为生成性学习。
1、如今，学习资源获取的便利性大大提高，当学习者遇到实际问题时，会有更多的学习活动发生，并能立即获得相关的学习资源。此外，在各种在线学习平台的支持下，学习者与学习者、学习者与讲师之间的互动更加便捷，空间距离不再构成障碍。各种交流平台也在一定程度上打破了组织层面的限制，大大增强了学习中的协作、共享和互动。
学习的发生不再完全依赖于教师提供的教学内容和课件，而是可以通过众多用户共享信息、密切互动来实现，从而形成一种协作共享的学习模式。学习者对传统的基于内容的单向信息传递学习的依赖性大大降低，更多的学习体现在以需求为导向的协作与共享学习中。
2、在各种移动学习平台和绩效支持系统的支持下，学习更多地发生在课堂外的日常工作和业余生活中。
如上所述，在网络平台的帮助下，一些学习变得非正式、非线性和支离破碎。组织构建的绩效支持系统、学习者自己编织的求助网络、更大的万维网构成了虚拟现实整合的学习环境。在这种环境下，非正式学习已成为学习的主要形式，学习者应及时学习，获取信息。
3、首先，在学习活动中，学习者逐渐从学习资源的接受者转变为学习资源的开发者。在新范式下，学习者参与到学习资源的开发过程中，学习资源随着学习者的参与而不断更新。此外，学习者可以灵活地使用学习资源，并与其他学习者共享。
这样，通过学习者形成的强连接人际网络和社会网络形成的弱连接群体，构建了基于学习者关系的学习资源社区，为学习资源的协同创造和广泛利用提供了保障。
其次，在web2.0技术的支持下，学习者可以主动进行自主学习设计，学习者可以根据自己的需要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，学习系统就像一个孤岛，在万维网上呈现出一个封闭的区域，一个巨大的资源海洋，以高度集中和独立的形式运行。
在新的学习范式中，学习管理系统可以作为学习的起点，也可以作为在互联网等各种学习资源平台上搜索和使用资源的路标。而那些连接到互联网或其他工具并不断更新版本的学习管理系统甚至可以成为个人学习门户。
回到现实工作中，数字化转型的趋势对现实工作实践的学习和发展有很多启示。
1、加强平台建设，完善激励机制。学习更多地发生在日常工作和课余生活之外。这种借助于e-learning平台的非正式学习，传递成本低，便于全球复制。因此，除了对正式学习的投入外，还应继续加大对促进和支持非正式学习的投入。
一是为员工提供和推广方便的平台和工具，及时自助总结经验、提炼知识，输出各种形式的微课，并在内部学习平台（如ilearningx平台、mix视频制作工具）上分享。
其次，在激励措施方面，通过各种形式的物质和非物质激励，鼓励员工参与学习资源的开发，贡献案例和经验。
2、拓宽学习者获取知识的渠道
在开发学习资源和设计学习活动时，可以努力加强学习者的“知识所在”，即优化学习者的外部网络，如“相关性：数字时代的学习理论”所述。
首先，相关扩展学习资源的引入可以包含在各种正式学习和非正式学习中。
第二，采用更多的探究式教学方法（创设情境—激发思维—自主探究—合作交流—总结改进），如复制、经验提炼、论文产出等，并成功实践，使学习者熟悉自主探究活动中相关学习资源的存储路径，拓展自己的学习资源空间。
三是进一步加强学生之间的联系。每个学生的知识积累都是一个小宇宙，并将在随后的个体学习中不断更新和迭代。在培训班上，我们可以加强化学家之间的联系，增进彼此的了解，形成多种“颗粒状结构”，更好地促进知识和经验的交流与分享。
3、加强思维框架的训练，解决复杂问题
在实施中，部分基本知识内容是什么，知道怎么做，可以通过在线学习平台自助学习，或者搭建一个绩效支持平台，让学习者在工作中可以即时查询。
正式学习项目进一步加强思维框架的训练，采取演练、案例研究或独立探究、经验提炼、论文输出等形式。
4、数据分析方面，开发个性化学习服务
移动互联网2.0技术为学习过程中相关数据的记录、存储和分析提供了极大的便利。企业可以尝试对相关数据进行更多的实时动态分析，为学习者的学习设计、学习交付决策、更高效的学习提供数据支持。
例如，在网络课程的开发和交付中，我们可以从学习者学习的时间段、每一章的学习时间、在某一内容点停留的时间长短、学生对相关内容的偏好等方面了解学习者的学习习惯。
再比如，通过对相关数据的分析，学习者可以清晰地看到自己的学习过程、进步，与同一组学生相比的优缺点，与学习目标相比的状态，从而激发学习动机，促进学习者更有效地学习。
另一个例子是及时捕捉整个学习过程中动态生成的重要数据，在智能分析学习者相关数据的基础上，提出相应的学习策略和建议，提供个性化的学习服务。
