从我开始开发企业E-Learning系统到现在已经四年了。这四年实在是有很多槽要吐，因此以下是一些胡言乱语。莫怪。
几乎每个E-Learning系统均打着“随时”，“随地”学习的旗号，并声称这是网络化的学习方式。但是我认为大部分的E-Learning系统仅仅作为教学系统，而不是一个学习系统而存在。
教育
《说文解字》的解释，“教，上所施，下所效也”；“育，养子使作善也”。现代汉语中“教育”一词的通行，与中国教育的现代化联系在一起，期望从“以学为本”向“以教为本”的现代性转变。
在西方，教育一词源于拉丁文educate。本义为“引出”或“导出”。从词源上说，西文“教育”一词是内发之意。强调教育是一种顺其自然的活动，旨在把自然人所固有的或潜在的素质，自内而外引发出来，以成为现实的发展状态。
学习
学习是指学习者因经验而引起的行为、努力和心理倾向的比较持久的变化。这些变化不是因成熟、疾病或药物引起的，而且也不一定表现出外显的行为。
学习系统
学习所产生的变化来源于两个方面，第一是教授，第二是体验。显然，“教育”仅仅是学习变化来源的一个方面。但是，目前的学习系统的着眼点大部分还是放在“教育”层面。即，在特定的场所（如果我们将E-Learning系统也可以看作为一个场所），通过特定的数目的材料和策略（一般情况下是LMS和LCMS提供），辅助达成目标的系统。实际上是一个“教育”系统。或者我们可以称为E-Educating System。
学习系统除了目标导向的教育系统功能之外，应当更加注重“体验”。但是，这种“体验”的获得往往是特定场所和特定数目的材料所不能够提供的。即便我们可以假设特定场所和特定数目的材料对于个体而言远远超过了其能够涉猎的范畴，但是系统却没有充分记录和理解用户的“体验”过程。
这种问题一部分是因为管理者以“教育者”而非“学习者”的身份出现造成的。
为了界定用户的知识层次，目前除了进行特定的目标限制（例如通过考核）之外没有特别有效的方法。但是达到目标实质上只是建立在现有的经验基础上，在使用者从开始学习到达到特定目标的过程中，管理者、系统本身，并没有从中得到任何的益处，甚至用户本身是否真正的达到了特定的知识层次也未可知。
中国有成语叫“教学相长”：“是故学然后知不足，教然后知困。知不足然后能自反也，知困然后能自强也。故曰教学相长也。” 意为教和学两方面互相影响和促进，都得到提高。我认为这句话同样适用于E-Learning系统的设计：E-Learning系统是一个学习系统，他能够引导用户通过各种体验达到特定的知识层次，同时根据不同用户的学习体验使管理者和系统更加成熟。即E-Learning系统是一个教学反馈系统。
反馈的手段
大部分E-Learning系统是通过问卷来获得反馈信息的。在网络环境下，除非你的问卷填写可以和特定的利益挂钩，或者做到完全社会化，否则大部分情况下你获得的信息很可能是没有代表意义的。
不论从客观的角度还是从成本的角度出发，获得用户针对某一个目标的活动轨迹应当是一个比较有效的反馈手段。但是这种手段的有效性必须有一个前提就是E-Learning系统中有足够广泛的资料以至于使用者很少需要自己去寻找材料。目前除了企业E-Learning系统之外（企业本身技术的保密性以及网络访问的限制），可能鲜有系统能够做到这一点。但是我们仍然有能力通过罗列引用资料网址来间接的达到这个效果。
从架构上来说，E-Learning设计者应当对用户的活动信息给予足够的重视，从某种意义上讲，这些活动信息比记录用户某一个课程，某一个考试得到了多少分数更重要。应当将用户的活动数据作为一等数据进行对待。
用户活动的信息是一种日志形式的记录，其包含四个部分，即“主体”在“什么时间”，对“什么资料”进行了“何种操作”。这非常类似于Web Analytic的记录形式。接下来便是从这些资料的处理。处理分为三个阶段。
第一个阶段是根据这些资料判定用户是否达到了某一个活动目标。由于这种处理方式类似传统的“考试是否通过”的概念，因而应当使用所有而不是局部的数据得出结论。虽然用户活动信息样本数量很庞大，但是由于这种数据往往有固定的模式而非常容易被快速选择出来（例如，对于大多系统仍然使用考核的方式进行目标达成的确认，那么判定用户是否达成了目标我们只需要关注类似“用户，对XX试卷的XX问题进行了作答，答案为XX。”的记录，而这些记录可以通过“何种操作”的索引进行快速的筛选）。
第二个阶段则是数据挖掘。如果说第一个部分还是“E-Education”的话，那么这个部分则是着重于用户的“体验”。从用户的“体验”中对其学习经验进行总结。例如，用户从开始学习到达成目标过程中，从其接触的资料的信息（例如难度，种类，学科相关性），顺序的先后，关注时间的长短等等角度总结用户达成目标的所有路线图，对路线进行聚类划分，发现学习资料之间新的相关性）。
第三个部分是尝试将第二阶段的经验总结进行有目的的应用。但其目的是为了剔除第二阶段中的错误结论。如果在应用一段时间之后，通过同样的分析途径，得出和前一次数据挖掘相比正系数的增长，且这个正系数大于一个设定值，则认为者中应用获得了积极的正反馈效果。可以正式将其纳入经验库。
E-Learning的局限
当我们认识到上述分析的方式后，可以发现，E-Learning系统实际上更像是社区网站。用户的行为比起系统中的资料更具价值。但是反观目前的E-Learning系统，不论从系统设计到资料标准（例如SCORM，QTI，AICC等）都具有非常强烈的封闭性。他从根本上提高了学习成本（资料形式并不是主流的资料保存形式，如页面，PDF文档，PPT讲义，音视频资料。往往都需要重新制作或者打包），限制了学习活动（必须依托E-Learning平台，例如学习活动必须在LMS中管理和发起）。并且不利于形成统一的知识表述体系。可以说这是网络化学习的开放性本质和E-Learning系统形式的封闭性之间的矛盾。
打破矛盾：API和学科分类
鉴于学习活动的复杂性，不可能从一个非常精细的角度统一E-Learning。但是从大的角度考虑有两点是一定会逐步实现的：
（1） 学习行为的记录：“谁”在“什么时候”对“什么资料”做了“何种操作”这种流水账似的行为记录将成为学习系统中最重要的部分。而这个部分完全有能力从API上进行统一。（目前TinCan API朝着这个方向迈出了坚实的一步。）
（2） 统一的学科分类表述：社会化学习的兴起存在共享经验的需求（这和搜索引擎营销一样，应当具备商业前景）。经验的共享需要在准确的知识表述的前提下完成，因此标准化的学科分类表述会逐步实现（目前比较丰富的例如Wiki的分类）。
E-Learning作为功能存在
总之，我认为E-Learning实质上并不是系统一级的，而是附加在系统之上的“功能”模块。我相信封闭的E-Learning系统构造终将被打破，E-Learning会像病毒一样附加在个个社会或者个人网站上，广泛的传播，联系，融入网络的方方面面。