学习地图最让人诟病的地方就是落地性不好。
学习地图开发出来的成果，看起来非常丰富，各种卡片、各种图表，但很难作为输入去开发为实体的课程。
在实际的课程开发场景，课程设计师重新分析、设计课程的内容，是非常常见的现象。
什么原因导致学习地图落地性差？
1
对工作的知识分析无效
我们先看一个真实的例子。
这是一份学习地图工作分析部分的局部截图：
这是上图对应工作的知识分析：
我们先抛开工作分析的种种问题，单纯看知识分析，就会发现两个突出的问题点：
1、知识清单和工作流程没有对应关系
工作分析的结果是流程，上面这个例子中，知识分析并没有和工作流程对应，对应的是工作任务。
这样的对应关系，就让知识分析不能聚焦。正确的做法是：针对每一个工作流程，分析流程对应的知识点。
2、知识点颗粒度太大
什么叫知识点？就是最小的知识容器。评判的标准很简单，如果一个知识点往下分解，就到了知识的具体内容的话，那么这个内容就是知识点，否则，要么是知识内容，要么是知识点的上级。
这个例子中，每一个KSA，颗粒度都非常大，比如BEM模型、引导技巧等，都是需要分解多次才能抵达知识内容。其中，每一个A类项目，其实都是一个能力素质项，出现在知识点中，实在有些过分。
3、知识点之间缺乏关联
在知识分析中，不同的知识点类型，相互之间并不是独立的，而是相互关联的。以KSA为例，S是中心，KA是服务于S的知识点，通常来说，K是S的预备知识，A是S的行为原则。
在上述例子中，KSA基本是独立并列关系。
这样的知识分析，很显然，对后续的课程开发是没有任何的输入价值的。这样的学习地图，也是完全无法落地的。
让人感到诧异的是，这种分析在咱们这个行业中，简直比比皆是。
前段时间，有人发给我一份培训从业者的学习地图，据说是专业人士设计的，很遗憾，照样存在以上的问题点。
看看部分截图：
这份分析，讨巧地规避了KSA中的A。
但上述学习地图中知识分析问题，一个不落。
2
学习地图知识分析是细化，不是泛化
经过这么多年的市场普及，岗位工作任务分析已经成了学习地图的基本方法论。
任务模型本意是用以致学，也就是做什么，学什么，是一种筛选学习范围的有效方法。
学习地图开发中，一般有两个关键过程：
1、工作分析
2、知识分析
其中，知识分析是分析工作（流程）“怎么做”的知识清单，是一个细化的过程。
但现在不少的学习地图开发中，知识分析因为没有和具体工作一一对应，很多时候变成了泛化的过程。
如下图的知识分解清单：
每一个技能看起来都是一个工作任务或工作职责，每一个知识，看起来都是一个知识主题。
3
摒弃KSA知识分析方法
另外，我们要小心选择使用KSA知识分类方法，因为KSA既不严谨、也不实用。
KSA的原意是知识、技能和态度，它用于区分大类的课程分类或许还能理解，比如说《XX产品知识》是知识类课程，《维修增压泵》是技能类课程，《保持阳光心态》是态度类课程。
但KSA用于对知识内容分类，就有很多问题：
1、颗粒度很粗。关于这一点，上面的例子基本可以说明。这种分类方法，使用者很容易列出颗粒度很粗的知识点出来。
2、内容有交叉。比如，知识K如何界定，如果指一些信息事实，那么，一个技能S中是不是不包含信息事实？
3、KSA是一种认知目标分类方法，不是内容分类方法。
事实上，教育理论早就不使用KSA分类了。微观知识内容分类方法，主流的有：
1、加涅的学习结果五分类法。
将知识内容分为：言语信息、智慧技能、动作技能、认知策略和态度。
2、梅瑞尔的学习内容5分类法。
梅瑞尔将学习内容分为事实、成分、概念、原理和过程。
我个人认为梅瑞尔的分类方法更合理，在实践中更容易辨认。
我们来看看，用学习内容分类方法做的知识分析成果，是不是更细化和清晰？
说点最后的话。
学习地图不能落地，可能有很多的原因，比如：
- 课程开发人员不是学习地图开发人员，双方没有形成协作机制
- 学习地图生成的课程大纲似是而非
- 工作分析不成功其实，关键的环节还是知识分析的技术不达标。
开发者对学习地图技术的生疏，选择了错误的知识分析方法，导致学习地图落不了地，还是多从自己身上找找原因。
