情境与知识提取
专家具备与其领域或学科相关的巨大知识库，但是只有子集知识才与具体问题关联。专家为了找到相关知识，并非把所有知识都搜寻一遍，这种方法超出了其工作记忆的负荷。 专家不但获得知识，而且能熟练提取与具体任务相关的知识。用认知科学家的话来说，专家的知识是“条件化的”，——它包括对有用的情景的具体要求。非条件化的知识常常指“惰性”知识，尽管关联，但未被激活。
条件化知识的概念对课程设计、教学和有效学习评估的实施有启示意义。
帮助学生掌握适用条件的方法之一，就是让学生去解决应用题，这需要用到恰当的概念和规则。如果设计恰当，这些问题有助于学生学会何时、何地和为什么使用他们所学过的知识。然而，有时学生可以解决一大堆习题，但却不能把知识条件化，因为他们知道这些问题出自何章，故能自动应用这些信息去取舍相关的概念和规则。使习题固化于作业本上也会有问题。有时，那些认为自己的作业做得很好，且相信自己是在学习的学生，在面对测试中的那些随机呈现的、无具体出处而是从整门课中提取的问题时感到十分愕然。
条件化知识的概念对设置能提供学习反馈的评估实施有着十分重要的意义。
顺畅提取
人们提取相关知识的能力差异，表现为“费力”、“相对不费力”（顺畅）和“自动化”三个层面。自动化和顺畅提取是专业知识的重要特征。
顺畅提取并不是意味着专家总是比新手更快的完成一项任务，因为专家试图理解问题而非立即跳到解决问题的策略上，他们有时耗时要比新手多。但是在问题解决的过程中，对专家来说还包含一些子过程即从顺畅到自动化的过程。顺畅是十分重要的，因为这种加工很少需要意识的参与。由于人疑似所关注的信息容量有限，要是在处理任务的某些方面能够驾轻就熟，那么他便能腾出更多的精力来关注任务的其他方面。
学开车便是顺畅和自动化的一个例子。初学开车时，新手不可能做到边开车边谈话。有了经验之后就很容易做到这一点。同样的词义理解有困难的新手读者很难把注意力集中到阅读的内容上。顺畅对学与教的理解十分重要。许多教学环境无助于培养学生的顺畅能力，而这是成功的完成认知任务必不可少的。
学习的一个重要方面是顺畅的识别特定领域的问题类型，诸如牛顿第二定律或效率与功能概念的问题，这样人们便能轻而易举的从记忆中提取合适的解决办法。加快模式识别速度的教学步骤，其应用前景十分诱人。
