群体学习规律
根据顧學雍在2015年12月27日创客教育高峰论坛上发表的内容，互联网时代的学习行为应该遵循以下三个规律：
- 择优律: 学习的方式从个人化的意见，转移到了可以根据多种网络化、公开化的数据推论出比较结果的择优律
- 成长律: 群体学习所产出的效果经常造成产品性能指标或是市场规模的指数性成长
- 组合律: 由于软硬件设计协议的模块化与知识产权的开放化，各种新技术与人才、市场得以灵活重组，创造了更多样的学习成果与扩大了学习效果的展示平台。
择优律[1]
经过大数据和行为数据的反馈，以及透过高效的会议交流提示，参与团队协作的人群，得以在线上与线下经过任务执行的反馈，得到透明的评价信息，从而影响全体行动的决策过程。择优律所反应的是大数据以前的团队协作，是根据团队的协调人的个人或组织机能决定群体学习的速度，所以，组织和个人的职位变化速度主导群体结构的学习速度。然而，大数据时代，每一个参与者，都可能经过组织章程的修订，动态地而透明底分享整个组织的行为数据，从而经过数据的反馈选择群体的演化策略，而不是等待组织的权力中心的反应速度。
成长率
一旦数据的内容与评判数据所代表的决策偏向被决定了之后，根据同一类的数据与决策过程的参与人数，或是组织的规模就可能被不断放大。这种成长过程，将不断地丰富参与项目的资源，也会拓展参与者的群体规模。在互联网时代的组织设计，必须考虑这些指数成长的可能性，才能发挥网络化群体学习的潜在效能。例如，教育的目标之一是对大众传播基础的知识内容与技能，那么，如何扩大参与学习以及获得预期学习效果的参与人基数，就是教学方法可以经过信息技术达到高速成长的一个挑战。而知识内容的本体、知识的呈现方式、以及知识的结构特征等、是否能被不同规模的人群吸收，或是在不同时空尺度应用，也是决定组织或系统成长的关键因素。
组合律
当评价决策过程透明化、数字化，信息结构，工具盒元器件的标准化，知识产权的免费或自由化之后，所有的产品开发项目的可能性就大幅提高了，这个带来的产品多样性，让参与者和参与项目的各类资源，得以重复或一箭双雕地被多重目的与多重场景，反复使用，从而提出更多样的产品使用体验和相应的透明化数据。这跟Hackers擅长利用现有技术资源，快速地拓展一个技术或应用领域的新范式，有直接的逻辑关系。这种让同一资源的一经过重组发挥多次或多种作用，经由重组，降低重复投入的资源总量。
体现方式
这三个定律将是XLP运行宪章与，每次任务计分标准的思想核心。
从技术的角度而言，2016年跨学科系统集成设计挑战的群体学习行为，将有下列三项的必要元素来展示：
- 维基百科累积择优数据；'全部显性知识，都必须要以Toyhouse Wiki的数据库来采集，并使用数据挖掘的技术来分析，从而用于决策择优的过程。这些学习数据是引导后续参与者，复制或参考每次活动的参考。
- 实体与虚拟沙盘测试成长方案:，使用缩尺比例模型，或是计算机的仿真模型来测试在不同规模，不同专业领域系统互动方案的可行性测试，用低成本的沙盘，检测未来可能发展轨迹，故称为学习过程。
- 模块化设计与产业标准的重组: 所有设计方案与设计的规范，必须开放与透明，让不同子系统之间的接口，可以灵活重组，所以对工程技术与现场器材的资源，得以重复使用，所以能压缩系统集成的时间与精力，从而提高学习的效果。
参考文献
Probably approximately correct learning by Leslie Valiant
Mathematics by wikipedia:Probably approximately correct learning
[1]机器学习与统计学是互补的吗？
[2] Exponential Organization by Salim Ismail of Singular University
[3] Design Rules: The Power of Modularity by Carliss Baldwin
