Les modèles d'apprentissage existants suggèrent que la disponibilité et le caractère informatif des données déterminent le rythme d'apprentissage. Cependant, en apprenant à utiliser une technologie, il existe souvent un nombre impressionnant de dimensions d'entrée potentiellement importantes. Les personnes dont l'attention est limitée doivent choisir les dimensions auxquelles s'intéresser et ensuite apprendre à partir des données disponibles. Nous utilisons ce modèle d'« apprentissage par l'observation » pour faire la lumière sur des faits stylisés concernant l'adoption et l'utilisation de la technologie. Nous montrons comment des agents ayant une grande expérience peuvent être constamment en dehors de la frontière de production, simplement parce qu'ils n'ont pas remarqué les caractéristiques importantes des données qu'ils possèdent. Le modèle permet également de prédire quand ces échecs d'apprentissage sont susceptibles de se produire. Nous testons certaines de ces prédictions dans une expérience de terrain avec des cultivateurs d'algues. Les données de l'enquête révèlent que ces agriculteurs ne font pas attention à la taille des cabosses, une dimension particulière des intrants. Des essais expérimentaux suggèrent que les agriculteurs sont particulièrement loin d'optimiser cette dimension. De plus, conformément au modèle, nous constatons que le simple fait d'avoir accès aux données expérimentales n'induit pas d'apprentissage. Au lieu de cela, les changements de comportement ne se produisent qu'après que les agriculteurs ont reçu des résumés qui mettent en évidence des relations auparavant ignorées dans les données.